【科普】人工智能全面介紹

2023-06-30 14:18 作者:人工智能寶箱 0人讀過 | 我要投稿

本文主要內(nèi)容

一、人工智能是什么？

二、人工智能包含哪些領(lǐng)域？（應(yīng)用層，技術(shù)層，基礎(chǔ)層介紹）

三、人工智能的崗位有哪些？

四、人工智能學(xué)習(xí)哪些內(nèi)容？

五、適合哪些人學(xué)習(xí)？

六、學(xué)出來對不同崗位有什么幫助？

一、人工智能是什么？

人工智能是一門利用計算機模擬人類智能行為科學(xué)的統(tǒng)稱，它涵蓋了訓(xùn)練計算機使其能夠完成自主學(xué)習(xí)、判斷、決策等人類行為的范疇。

例如：人工智能的圖像識別，模擬的是人的視覺能力，語音識別模擬的是人的語言表達能力····，“人工智能”并不屬于一門單獨的技術(shù)，屬于交叉學(xué)科，同時可以跟各個行業(yè)進行結(jié)合。

大家在網(wǎng)站上所看到的像自動駕駛、工業(yè)機器人、智能翻譯、人臉識別的門禁等屬于AI的應(yīng)用場景，已經(jīng)結(jié)合了產(chǎn)品后完成的AI應(yīng)用。

二、人工智能包含哪些領(lǐng)域？（應(yīng)用層，技術(shù)層，基礎(chǔ)層介紹）

上圖為人工智能的產(chǎn)業(yè)結(jié)構(gòu)圖。

? ? ? 第一，應(yīng)用層：屬于場景行業(yè)+AI，如智能醫(yī)療、智能安防、智慧教育，智能工廠智能家居等，可以將AI應(yīng)用到所在行業(yè)，同時應(yīng)用層也是產(chǎn)品經(jīng)理和項目經(jīng)理的主戰(zhàn)場；

? ? ? 第二，技術(shù)層：AI的技術(shù)層，主要研究通用技術(shù)，如圖像識別、語音識別、文本識別、自然語言處理等通用技術(shù)；其中AI的通用技術(shù)離不開機器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL），下文有關(guān)于機器學(xué)習(xí)和深度學(xué)習(xí)的詳細介紹；

? ? ? 第三，基礎(chǔ)層：主要做芯片、云計算、框架等方向。

? ? ? 從人工智能的底層平臺需求出發(fā)，構(gòu)建完整的從人工智能計算平臺的硬件單元研發(fā)、數(shù)據(jù)治理、AI建模再到平臺部署的人工智能的“基礎(chǔ)設(shè)施”，基礎(chǔ)層主要布局一些PaaS形態(tài)的基礎(chǔ)計算平臺和算法平臺供其他公司直接調(diào)用，減少其他公司的人工智能研發(fā)成本和周期。

三、人工智能的崗位有哪些？

根據(jù)人工智能的產(chǎn)業(yè)結(jié)構(gòu)，所以不同層都會有不同的崗位，具體如下：

第一，應(yīng)用層崗位：AI項目經(jīng)理、AI產(chǎn)品經(jīng)理、AI售前解決方案工程師、智能硬件解決方案工程師、AI產(chǎn)品銷售、傳統(tǒng)制造，電力，化工燃氣等行業(yè)+AI······

應(yīng)用層屬于PM崗的主戰(zhàn)場，普遍薪資在25-50w之間，比普通PM崗位普遍高出30%-50%左右薪資。

第二，技術(shù)崗位：機器學(xué)習(xí)算法工程師、深度學(xué)習(xí)算法工程師、推薦算法工程師、自動駕駛算法工程師、語音識別工程師、圖像識別工程師、NLP自然語言處理工程師、AI技術(shù)管理、AI高級研發(fā)工程師等······

技術(shù)層崗位起步薪資30-60w之間，且對年齡沒有限制。

第三，基礎(chǔ)層：屬于崗位+AI，例如當下大數(shù)據(jù)開發(fā)工程師是要求懂AI機器學(xué)習(xí)算法，高級數(shù)據(jù)分析要求懂AI的機器學(xué)習(xí)，智慧IC，智能芯片等相關(guān)崗位······

第四，衍生崗位，即人工智能行業(yè)發(fā)展后衍生出來的以往從未有過的行業(yè)，像機器人訓(xùn)練營，智能手臂工程師，工業(yè)機器人系統(tǒng)操作員，服務(wù)機器人應(yīng)用技術(shù)員等，是這兩年新出現(xiàn)的崗位，大部分崗位對學(xué)歷要求不高，同時一二線城市甚至三四線城市都會有。

四、人工智能學(xué)習(xí)哪些內(nèi)容？

（1）Python提到人工智能就一定會提到Python，python是一門編程語言，在AI算法實現(xiàn)當中扮演中工具的角色，如果你本身有其他的編程語言也會有優(yōu)勢的。（2）數(shù)學(xué)主要教授的大學(xué)期間的高數(shù)，線性代數(shù)，數(shù)學(xué)需要配合著項目來學(xué)習(xí)，不然你會覺得比較枯燥，像人臉識別的產(chǎn)品，單獨開發(fā)出來這個AI人臉識別的產(chǎn)品，精準度89%和99%所用的算法模型和數(shù)學(xué)公式就有不同，所以需要配合著場景來學(xué)習(xí)（3）機器學(xué)習(xí)機器學(xué)習(xí)（MachineLearning，ML），機器學(xué)習(xí)在公司當中處理的是結(jié)構(gòu)化數(shù)據(jù)，（結(jié)構(gòu)化數(shù)據(jù)也就是有行列序列之分的，比較容易能找到規(guī)律）是人工智能的核心，屬于人工智能的一個分支。機器學(xué)習(xí)理論主要是設(shè)計和分析一些讓計算機可以自動“學(xué)習(xí)”的算法。從數(shù)據(jù)中自動分析獲得規(guī)律，并利用規(guī)律對未知數(shù)據(jù)進行預(yù)測的算法。簡單來講：機器學(xué)習(xí)是類似于教孩子認字，第一次見不了解，但是大批量的這個字長得一樣，我逐漸就認識這個字了。（4）深度學(xué)習(xí)深度學(xué)習(xí)（DeepLearning）是機器學(xué)習(xí)的一種新方法，深度學(xué)習(xí)在公司當中處理的是非結(jié)構(gòu)化數(shù)據(jù)，（非結(jié)構(gòu)化數(shù)據(jù)也就是不容易找到規(guī)律的數(shù)據(jù)，例如圖片、音頻等）它使用包含復(fù)雜結(jié)構(gòu)或由多重非線性變換構(gòu)成的多個處理器（神經(jīng)網(wǎng)絡(luò)）對數(shù)據(jù)進行高層抽象的算法。其機動在于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像、聲音，文本。深度學(xué)習(xí)的過程分為訓(xùn)練和推理（即評估）兩個過程，通過訓(xùn)練過程來獲得數(shù)據(jù)模型，然后用于評估新的數(shù)據(jù)。簡單來講：深度學(xué)習(xí)就是模擬的人的大腦，讓機器有自主學(xué)習(xí)的意識了。