女性真的不适合研究人工智能么?

女性真的不适合研究人工智能么?

时间:2020-03-11 12:36 作者:admin 点击:
阅读模式

  (很多人讲互联网时代是工程师文化,人工智能时代是科学家文化,而女性在逻辑思维,抽象思维方面普遍没有男性表现的更好,女性亦缺乏足够的创新精神和意识,所以在人工智能时代,女性的地位会迅速下降。之前我们在介绍人脑科学的文章里就讲过,男女的大脑构造没有可标记的显著性差异。我们非常反感这种区分性别,区分种族的论调,远的不讲,单纯看AI领域 李飞飞、Daniela Rus 、Daphne Koller 等女性大咖,就足以打肿某些人的脸)

  人工智能时代个体差异远大于男女差异

  本质上我们非常认同人工智能时代是科学家文化这个说法。但我们不认同将互联网时代和人工智能时代分开来看。归根究底,我们认为无论互联网思维还是人工智能思维,本质上都是科学思维,只是在过去的二十年间,科学思维在大众生活中更多以互联网的形式所体现。科学家文化本质上强调个体,强调包容,强调科学家与工程师的结合。充分尊重每一个人或组织的脑洞,只要你能将它验证、实现出来。

  从AI发展的目前阶段来看,目前有两个大的方向。一是在AI的底层技术如 GPU/TPU,卷积神经网络,多维数据模型预测,数模转换,计算机视觉,自然语言及语音等抽象于具体业务的领域。 另一方面是AI与实际商业的结合,例如这几年大火的智能金融,智能医疗,智能教育,AI翻译,营销预测等等商业领域。应该说无论在哪个领域,都活跃着不同种族,不同性别的科学家和工程师。

  例如前文提到的李飞飞,她是 斯坦福大学人工智能实验室与视觉实验室(SAIL)主任,也是Google云计算部门机器学习的负责人,她在神经网络及CV领域的贡献巨大。 丹妮拉·鲁斯 (Daniela Rus),美国工程院院士,是全球最大的校园实验室——麻省理工学院计算机科学与人工智能实验室(MIT CSAIL)的掌门人。鲁斯开创的可编程物质和分布式机器人的研究让其成为人工智能领域最牛的大咖之一。

  另外,女性孕育生命的伟大能力和社会属性赋予了女性更多情感因素,在某些领域的视角方面还具有一定的优势,例如Jibo的首席科学家Cynthia Breazeal,她认为AI机器人不能只是冷冰冰的机器,要具备更多的情感,目前Jibo机器人在儿童及老年陪护,教育,医疗,人机协作等领域深耕。

  当然,人工智能领域的女性科学家中还没有出现杰弗里·辛顿(GeoffreyHinton)、杰夫·霍金斯(Jeff Hawkins)、 德米斯·哈萨比斯(Demis Hassabis)、 雅恩·乐昆(Yann LeCun) 、迈克尔·乔丹(Michael Jordan)等等大神级人物。这方面要从女性的总体从业人数比例来分析,随着越来越多的女性从事人工智能的科学研究,出现顶尖人工智能科学家只是时间问题。

  什么样的人或公司适合从事人工智能

  前文讲了,人工智能时代是个体差异很大的时代。那么究竟什么样的人或者公司更适合从事人工智能工作呢。我们的答案是:

   每一个肯静下心来从事AI学习和研究,并且足够包容自己和他人失败的人。

  我们统计了国内外数百家在AI领域有所建树的人或公司,发现他们具备的特征如下:

  1普遍没有领导霸权和学术霸权

  一个公司真正的文化无法全盘得知,这一点我们只能从员工的社交账号,业内及媒体评价,离职员工评价,创始人,新闻热度走势等等几个角度去评估。应该这么说,如果说工程师还能忍受不懂装懂的领导瞎指挥。那么在人工智能公司中,如果想做出成绩,真的是要唯真理论,任何以所谓领导或专家自居的霸权都会导致失败。

  2为真正的AI研究建立容错机制:为什么要说真正的AI,首先我们要区分那些打着AI骗投资,骗领导的行为。一个真正的科学家是不屑于做这种事的,在科学家的世界观里,学术上的成就才是真正的认同。在公司里也如是,国内现在处于人工智能的初级阶段。商业场景边界,算法模型,算力,数据等因素构成的多维是人工智能初期研究的边界。

  只要出发点是OK的,公司的研究经费足够,大致符合公司的商业场景,算力和数据基本可以支撑,那么这样的研究就应该得到包容。 二战后的美国吸引了大量其他国家的顶尖科学家,有政治,经济因素。更多的是美国的科研环境和文化对科学家更为有利。对一个公司而言,这个比喻并不贴切,但思路值得借鉴。对自己和别人的失败足够的包容和耐心,是人工智能研究的一个重要基础。

  3做好科学家+工程师+资源的配比: 前几天为一个较大规模的互联网公司做AI咨询,作为老板的故友,我们彼此的信任足够,他讲出了自己的顾虑。他们找了3,4个实力和履历都很强的AI科学家做不同领域的研究,但持续了几个月效果寥寥。

  我说第一个你的时间给的太短了,做AI不是做简单数据分析和BI,如果你只是想看一个用户路径分析或者基于数据仓库挖掘的分析报告,大可不必成立100多人的部门,从国内外挖来这么多牛的人做,原来20多人的数据团队就能满足你。其次,在公司里做AI,老板要先想清楚要什么?研究所对应的商业的边界在哪里? 投入多少成本? 做AI研究和算法的很多人对公司的实际业务一开始是不熟悉的,而且设计系统架构,软件编程的能力也并非各个都强。针对不同场景的业务,配比不同层次,人数的工程师队伍是必然的。所以,一个清晰的商业场景边界和目标,合理的预算和资源,一个配置合理的队伍,是一个公司能否将AI落地的关键。

  结语:

  为什么说人工智能时代是一个好的时代,因为它除了给了我们足够的信息,一堆好用的工具,更给了我们一个追求科学,追寻真理的环境。这个时代无关性别,无关种族,无关出身与贫富。

   向每一位伟大的女性 致以我们最诚挚的敬意和祝福---节日快乐,身体健康

  微信ID: fermatai