|||
追星、追热是当代年轻人的潮流。倘若你讲不出几个明星大腕的名字,会觉得自己out了。时下的大学生群体里,特别是计算机、信息技术相关专业的学生,不染指人工智能(AI),随口说不出几个深度网络模型和架构,也有一种被out的感觉。2018年11月末,我去了湖南的6所重点中学,做了关于人工智能的科普讲座,场面之火爆,始料未及。可见,AI潮已经渗透了中学阶段。
本学期,在大二的专业导论课中,作为专业介绍,我用6个学时介绍了关于机器学习、人工智能方面的起源、现状及发展趋势等。一位同学课后与我讨论和交流中谈到:“老师,我认为人工智能火到人人都能扯上两句的程度,不一定是什么好事。很多本科同学基础知识都没学好,就想染指人工智能,张口闭口机器学习、深度学习,是不是舍本逐末了,是不是过于浮躁了?”“很多同学不清楚自己想干什么,就会盲从这样的热潮,我觉得老师在介绍并引起同学兴趣的同时,也应该适当给我们泼泼凉水。因为,很多同学真的就是盲目跟风”。
课程结束后,我留下了3个议题供学生思考,作为课程的大作业。
1)人工智能离人的智能有多远?
2)如何理解当前AI“只有人工,没有智能”?
3)如何理解“没有人工,就没有智能”?
何止是课堂,关于以上议题,在近两年的研究生选题和指导中,我也曾在多个场合多次泼过冷水,极力引导学生需要冷静对待和思考这突如其来的热浪。
就科研来说,本科生就如一张白纸。没有方向,进而盲从热点,这是完全可以理解的,事出必有因嘛。
首先,毕竟人工智能已经渗透到了日常生活的各个领域,成为了老百姓也耳熟能详的新名词。
其次,深度学习的出现,以及大量代码的开源,让初涉者不费吹灰之力,就能快速享受科技带来的快感。
再次,大批人工智能独角兽企业的兴起,给未来大学生就业带来了众多机会,而且薪资不菲。
如此大的诱惑力,谁能保证不动心?
另外,追热跟风的事情不仅仅是学生,高校的老师们又何尝不是如此呢?以前在光电学院时,了解到有少数几个团队会涉及一些光电系统、图像检测识别等应用开发。到了现在的信通学院后,出于好奇,第一次细致分析了一下本年度“本科毕业设计”征集的题目,全院一共出题767个,其中,题目里带“图像识别”字眼的85个,题中出现“深度学习”的53个,“神经网络”的为29个,卷积神经网络的20个。有的老师的题目,全部冠以了“基于深度学习的”×××研究的关键词。其他不少的题目,尽管没有直接出现以上关键词,但实际与特征提取、图像识别及人工智能相关的题目占到了60%以上,约400个左右的题目属于人工智能范畴。
换句话说,本科生的第一次完整的科研训练,将有60%以上的同学会选择AI相关的课题。这难道不是被“AI”吗?
这个时候,作为具备一定科研素养和鉴别能力的老师,正确引导就显得尤为重要了。
追热,但我们不能放弃经典
AI是一个新兴的交叉学科,涉及领域之广,前所未有,且学科边界模糊。如果作为本科生,连基本的数理基础,信号处理、图像处理和计算机相关专业基础等都不具备或不牢固,过早涉足人工智能带来的快感,反而会痛失愿景。你除了成为一个“调参民工”和进行大量样本训练的体力活,深度学习对你来说,就是一个黑匣子。深度学习就真成了“深更半夜训练和学习样本数据”了。
夯实自己的专业基础,才是深入AI领域和推动技术进步的前提条件。
跟风热点,意味着竞争激烈
门槛低,意味着入门容易,同时进入行当的人也很多。但是,竞争必然剧烈,要做出顶尖成果也不容易。
任何一项新兴技术,一定不是万能的
AI从提出到被热捧,经历了60余年的发展。它依靠的是大数据和计算能力,确实解决了许多以往不能解决的问题。但AI目前还不是完美的,还有很多不能解决的问题,需要我们这一代人去继续深入研究。
截至目前,我本人做了近20年图像处理和识别相关的科研工作,但真不敢说自己就是做人工智能的,充其量也就是跟AI沾边的方向。也不能因为AI热,而丢掉自己的老本行去追热。
近几年,团队的生源是越来越好,越来越旺。这不是因为我们的科研做得好,而是因为我们做的是“AI”点。
长按/扫一扫二维码,敬请关注“闻道研学” !
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 07:06
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社