本文關鍵詞：大數(shù)據(jù)的沖擊，由筆耕文化傳播整理發(fā)布。

數(shù)據(jù)化對各行業(yè)的沖擊，比預想的更猛烈

日期:2017-03-31 06:16:32 作者:葛冬冬

 

 

 

 

 

 

■葛冬冬

 

時至今日，很多年輕的學生對大數(shù)據(jù)與人工智能充滿了好奇。不管你今后是否要進入這個領域學習，不管你對大數(shù)據(jù)和人工智能的認知是怎樣的，在你知道了以下這些事實后，至少會意識到一點：年輕的你們不管今后要從事哪個具體領域的工作，都已經(jīng)無法規(guī)避大數(shù)據(jù)和人工智能對你產(chǎn)生的影響。

 

斯坦福大學前商學院院長GarthSaloner(高斯·塞隆那)　在臨離任前發(fā)給MBA學生的推特內容是：“如果你還在學校的話，最應該做的是到工學院去，學習任何和人工智能、深度學習、自動化等相關的知識!　此刻!”

 

行走在科研前沿，學術界同行已經(jīng)越來越感到，我們的科研方式在受到大數(shù)據(jù)的沖擊。

 

按照傳統(tǒng)，學術界的人分享科研成果，最主要的方式是期刊(journal)　和會議　(conference)。要在學術期刊發(fā)表論文，在如數(shù)理、商學等領域，通常要經(jīng)過一到三年的審稿周期。好的學術會議相比起來算是快的，在計算機科學領域，依然也需要數(shù)月的審稿時間。一篇論文從投出去到作者發(fā)表演講、和同行分享，一般要半年時間。

 

2013年，卡耐基梅隆大學等幾個美國著名高校從事人工智能研究的博士們，發(fā)起了一個叫做Unconference的聚會。相比于傳統(tǒng)的學術會議和期刊，為了更快地交流、分享最新的領域內的進展，這些處于前沿的年輕人覺得需要一個更有效的溝通方式，他們決定舉行這種經(jīng)常性的聚會，形式自由，不提前安排確定的會議議程，主題和內容都由參會者臨時決定。

 

這其實反映了一個常態(tài)，我們每個人或多或少都能認知到：世界與以往不再那么的一樣，它在改變，速度越來越快。事實上，人類的知識進化，過去幾年，正在以一個前所未有的加速度在進行。而這一切的發(fā)生，原動力來自于世界的數(shù)據(jù)化進程加快。相應的，大數(shù)據(jù)處理技術進化和完善也相當迅速，同時使得建立在此基礎上的人工智能技術也進入了一個忽然加速、甚至技術爆炸的時期。

 

現(xiàn)在的每一天，我們都可以感受到這些改變。當你打開手機，新聞客戶端的推送是高度個性化的新聞，這是推薦系統(tǒng)在默默為你揀選你最可能感興趣的信息。當你走出家門，網(wǎng)約車的出現(xiàn)讓你感受到交通的便利和分享經(jīng)濟的實惠。而網(wǎng)約車的背后，則是一個基于整個城市實時交通狀況的平臺———是它在計算你的呼叫滿足方式。在你信用卡的申請里，銀行考慮的不再僅僅是傳統(tǒng)的金融數(shù)據(jù)記錄，你度假的選擇、午餐的方式，甚至于敲擊鍵盤的大小寫偏好，都成為對你這個用戶分析的一個維度上的數(shù)據(jù)，進入對你的評估系統(tǒng)。

 

往外去看，人工智能和大數(shù)據(jù)帶來的社會變革比比皆是。自動化交易系統(tǒng)的進入，使得高盛在紐約現(xiàn)金股票交易柜臺的交易員從2000年頂峰時期的600人縮減到今天的2人。波士頓動力公司開發(fā)的機器人，已經(jīng)可以在復雜地形上縱跳如飛。谷歌開發(fā)的人工智能選手，已經(jīng)在圍棋人類最復雜的智力游戲上擊敗人類。卡耐基梅隆開發(fā)的德州撲克人工智能，已經(jīng)在這個兼有博弈與計算的游戲上擊敗人類世界冠軍。而這些智能依然處在一個進化的狀態(tài)，但是已經(jīng)越過人類這個奇點，它必然會絕塵而去，將我們徹底拋離。

 

以數(shù)據(jù)化形式展開的活動將來會是金融等行業(yè)的主流，很多可重復、思想度略低的工作很快會被機器所取代，這個趨勢的來臨，遠比人類預想的猛烈。

 

在盤點了這些熱點事件背后，讓我們再來談談技術的發(fā)展。最近10年來，數(shù)據(jù)積累的急劇增加和針對數(shù)據(jù)的全鏈條技術整體成熟，是催生大數(shù)據(jù)浪潮以及接踵而來的人工智能熱潮的關鍵因素。粗略來講，在整個產(chǎn)業(yè)和技術鏈條上，包括了數(shù)據(jù)的提取與清洗　(網(wǎng)絡爬蟲，結構化)，存儲與讀取　(大數(shù)據(jù)架構系統(tǒng)/數(shù)據(jù)庫技術)，規(guī)律分析與挖掘　(統(tǒng)計學習/機器學習/深度學習)，建模與計算　(優(yōu)化算法/并行計算軟硬件技術)，再到實際對接多個應用領域。

 

這其中，硬件和系統(tǒng)進步非常重要。例如，Spark，Hadoop等使得并行存儲和計算前所未有得容易實現(xiàn)；GPU在并行計算的成熟，使得人工智能的很多大規(guī)模并行計算任務，特別是深度學習等算法，可以以更低代價更高效快速執(zhí)行。計算和建模技術的進展，特別是機器學習　(去年以來熱點遷移到了深度學習)　在GPU并行計算等硬件支撐下，結合大數(shù)據(jù)處理技術快速興起，使得極多的傳統(tǒng)實際問題的解決方式，可以被機器學習在足夠數(shù)據(jù)訓練下更精確的結果和更簡單的建模方式擊敗。暴力美學，一至于斯！

 

這些趨勢，在很多細分領域已經(jīng)非常明顯。這些領域紛紛根據(jù)自己需求，啟動相應的研究。例如，在企業(yè)運營中，電商巨頭京東去年底提出“智慧供應鏈”，對供應鏈管理的幾個關鍵核心，從運用機器學習和運籌優(yōu)化技術，建立起基于數(shù)據(jù)驅動的智能分析系統(tǒng)，包括了根據(jù)歷史與環(huán)境自動智能定價系統(tǒng)，實現(xiàn)自動補貨和調貨的智能庫存系統(tǒng)，物流中的無人倉機器人智能系統(tǒng)等。

 

在金融領域，突破了傳統(tǒng)意義的金融模型，基于更廣泛大數(shù)據(jù)的征信系統(tǒng)、風控系統(tǒng)，已經(jīng)廣泛地被運用在國內多個銀行。有更多財經(jīng)的事務，包括個人理財、資產(chǎn)管理，會計等———這些本來的白領工作，即使看上去似乎有一定復雜技術，但因其具有重復性，大趨勢已經(jīng)顯示，非常大的工作份額會被人工智能吞噬。

 

再如區(qū)塊鏈，比特幣即為區(qū)塊鏈的一個初級應用形式。比特幣是用來交易的，而之前的任何一種交易，在數(shù)字化之后，怎么樣讓它安全穩(wěn)定、怎樣省略中間復雜的程序才是人類關注的重點。區(qū)塊鏈完美解決了這個問題，比如原來要蓋數(shù)十個章、寫幾十個文檔的跨境貿易，應用區(qū)塊鏈后可以做到瞬時反應、電子文檔瞬時生成，電子簽章很難被破解也很難被偽造和篡改。

 

在企業(yè)生態(tài)上，大數(shù)據(jù)和人工智能產(chǎn)生的具體影響，體現(xiàn)為商業(yè)巨頭與創(chuàng)業(yè)者齊飛競爭的態(tài)勢。

 

去年開始，從美國到中國，幾乎所有的熱點大公司，都開始了自覺自發(fā)的轉型：向科技公司，或者以科技驅動的××公司努力。事實上，這些公司在人才的積聚和技術的積累上，有著自己雄厚的先發(fā)優(yōu)勢和資金優(yōu)勢。全面地如提出“新零售”概念的阿里、旗下科技驅動的金融公司螞蟻、物流公司菜鳥、在語音識別領域獨步天下的科大訊飛、無人機領域世界第一的大疆，都已經(jīng)在向行業(yè)巨頭進化。

 

小的創(chuàng)業(yè)公司更是如火如荼，如斯坦福運籌與優(yōu)化算法背景的智能商業(yè)公司杉數(shù)科技，清華交叉信息學院創(chuàng)業(yè)背景的視覺識別公司Face++，香港中文大學教授創(chuàng)業(yè)的商湯科技等，都帶有濃厚的學術氣息。

 

業(yè)界擁有雄厚的資金和高水平的科研氛圍，這使得人才的天平正嚴重地向業(yè)界傾斜。

 

這一輪浪潮，使得人工智能，甚至相關的大數(shù)據(jù)、統(tǒng)計、運籌優(yōu)化，計算機等多個學科都成為了搶手的存在。一個非常明顯的趨勢就是大公司對相關知識重視程度前所未有。

 

公司內部的研究團隊，如微軟、谷歌、百度、騰訊等，，都有自己的研究院，很多擔任著引領行業(yè)科技發(fā)展的角色。而且因為其擁有豐富的數(shù)據(jù)資源和實際背景，使得傳統(tǒng)上學界掌控科技前沿的狀況，已逐步演變?yōu)閷W界和業(yè)界互相促進互相競爭，甚至于業(yè)界領先學界，將學界拋離。這個趨勢在國內將特別明顯。其次，業(yè)界和高校之間，人才的拉鋸戰(zhàn)也會特別明顯。2015年5月，非常轟動的一個新聞就是優(yōu)步　(Uber)　從卡耐基梅隆大學聯(lián)邦機器人工程中心　(NREC)，從教授到博士后，將一個研究所挖走了40多人，基本清空了。

 

從國內來講，數(shù)據(jù)、算法、人工智能的專家都特別昂貴難招。高校的優(yōu)秀人才引入，更是遇到了前所未有的挑戰(zhàn)。此外，一個明顯的特點就是數(shù)據(jù)的價值也被充分發(fā)掘出來，數(shù)據(jù)變得特別的“值錢”，在很多業(yè)界已經(jīng)被認為是公司的最核心價值體現(xiàn)。

 

事實上，數(shù)據(jù)科學已經(jīng)成為一個成熟的專業(yè)，在國外多數(shù)高校，數(shù)據(jù)科學的本科到博士學位項目都已經(jīng)非常完備，也是受學生和用人單位歡迎的項目。例如，斯坦福的數(shù)據(jù)碩士項目設置在工學院的高等計算所下，學生需要從管理科學與工程，統(tǒng)計、數(shù)學、計算機等多個學院選課來完成項目。紐約大學的數(shù)據(jù)科學碩士項目，就業(yè)火爆，2017年有1500多名申請人，錄取不到100人。在國內，過去兩年，包括北京大學、復旦大學在內的35所高校設置了此專業(yè)。教育部已經(jīng)將數(shù)據(jù)科學與大數(shù)據(jù)定義為新工科專業(yè)予以正式備案登記。

 

眼下，數(shù)據(jù)科學與人工智能領域雖然大熱，特別是深度學習，看似橫掃一切，但它真正進入人們視線，基本是從2012年GeoffreyHinton教授等人在視覺圖像識別大獲成功后才真正引起重視。所以回到原點審視的話，深度學習依然是一個充滿未知、有待人類去探索的領域。在應用層面，例如深度學習和機器學習的一些復雜算法雖然高效，但是因其黑箱子性質，穩(wěn)定性沒有理論保證，使得一些避險領域　(如金融)　依然會讓人心有疑慮，這也是研究者該去孜孜不倦探索與回答的挑戰(zhàn)。

 

但是無論如何，人工智能這個似乎昨天還在蹣跚學步的嬰兒，忽然間已經(jīng)成為了強壯高大的巨人，開始迅速接管人類的各行各業(yè)。

 

斯坦福大學吳恩達教授曾經(jīng)做過一個比喻：“就像100年前電的發(fā)明改變了所有行業(yè)、農業(yè)、制造業(yè)、鐵路、通信等等，我覺得人工智能就像100年前的電力，也能為幾乎所有行業(yè)帶來巨大改變。”而這個未來，正以一個可怖的速度，呼嘯而來，與并未做好準備的我們迎面碰撞。

 

未來已來，逃避徒勞。我們能做的，只能是盡我們最大的努力，張開雙臂，全身心的去擁抱人類這個充滿了不確定性，但是理應更美好的明天。

 

(作者為上海財經(jīng)大學交叉科學研究院院長，美國斯坦福大學博士)

 

相關鏈接

 

國內35個高校建“數(shù)據(jù)科學與大數(shù)據(jù)技術”專業(yè)

 

日前，在教育部公布的高校新增專業(yè)名單中，有32所高校成為第二批成功申請“數(shù)據(jù)科學與大數(shù)據(jù)技術”本科新專業(yè)的高校。加之此前的2016月2月，北京大學、對外經(jīng)濟貿易大學及中南大學首批申請該專業(yè)成功，目前，國內已有35所高校設置了“數(shù)據(jù)科學與大數(shù)據(jù)技術”專業(yè)，學制為四年，授予工學學位或理學學位。

 

據(jù)介紹，這一普遍被看好的大數(shù)據(jù)專業(yè)，將深耕三大技術方向：一個是Hadoop大數(shù)據(jù)開發(fā)方向；一個是數(shù)據(jù)挖掘、數(shù)據(jù)分析與機器學習方向；另一個是大數(shù)據(jù)運維與云計算方向。

 

各大高校緊鑼密鼓啟動大數(shù)據(jù)人才培養(yǎng)，緣于大數(shù)據(jù)時代催生的大量相關人才缺口。

 

全球最頂尖管理咨詢公司麥肯錫　(McKinsey)　出具的一份詳細分析報告顯示，預計到2018年，大數(shù)據(jù)或者數(shù)據(jù)工作者的崗位需求將激增，其中大數(shù)據(jù)科學家的缺口在14萬到19萬之間，對于懂得如何利用大數(shù)據(jù)做決策的分析師和經(jīng)理的崗位缺口則將達到150萬!

 

第二批32所獲批高校名單如下：

 

01中國人民大學

 

02北京郵電大學

 

03復旦大學

 

04華東師范大學

 

05電子科技大學

 

06北京信息科技大學

 

07中北大學

 

08晉中學院

 

09長春理工大學

 

10上海工程技術大學

 

11上海紐約大學

 

12浙江財經(jīng)大學

 

13宿州學院

 

14福建工程學院

 

15黃河科技學院

 

16湖北經(jīng)濟學院

 

17佛山科學技術學院

 

18廣東白云學院

 

19北京師范大學-香港浸會大學聯(lián)合國際學院

 

20廣西科技大學

 

21重慶理工大學

 

22成都東軟學院

 

23電子科技大學成都學院

 

24貴州大學

 

25貴州師范大學

 

26安順學院

 

27貴州商學院

 

28貴州理工學院

 

29昆明理工大學

 

30云南師范大學

 

31云南財經(jīng)大學

 

32寧夏理工學院

 

  本文關鍵詞：大數(shù)據(jù)的沖擊，由筆耕文化傳播整理發(fā)布。

本文編號：331911