g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Mezun olduktan sonra AI'da çalışmak ister misiniz, ana dalınızı bilgisayara aktarmak ister misiniz?

Üretilen orijinal çekirdek tekniğini okuyun | Yazar: Six sun

Yapay zeka büyük bir hit haline geldi.Parlak beklentiler, cömert faydalar, birçok fırsat ve son teknoloji ile birçok insan kolları sıvadı ve gençliklerini yapay zeka alanında yakmak için daha çok çalışmaya hazır.

Ancak yapay zekanın eşiği düşük değil, profesyonelce cilalanmış iki fırça olmadan da kullanabilirsiniz.

Yapay zeka alanındaki büyük isimleri biliyorsanız, mesleki geçmişlerinin bilgisayar bilimi ile yakından ilişkili olduğunu göreceksiniz ve bir grup yapay zeka uygulayıcısının mesleki geçmiş verilerinde en büyük orana bilgisayar bilimi sahip.

Görünüşe göre bilgisayar bilimi, yapay zeka endüstrisine giden geniş bir yoldur, ancak AI'da çalışmak isteyen birçok öğrenci, ana dallarında çok uzaktadır, bu nedenle bazı öğrenciler "bilgisayara geçiş yapıp yapmamayı" düşünmeye başladı.

Bu soruyu akılda tutarak, yapay zeka alanındaki birkaç araştırma akademisyeni ve bilgisayarla ilgili ana dallarda üniversite profesörleriyle röportaj yaptık.

Tüm perspektiflerden, önce sonuca bakalım

Bu konuda herkesin en çok endişelendiği konu "Transfer edilip edilmeyecek mi?"

Harbin Teknoloji Enstitüsü Bilgisayar Bilimleri ve Teknolojisi Okulu'ndan Profesör Zhang Shengping, ağırlıklı olarak yapay zeka alanında bilgisayarla görme ve makine öğrenimi üzerine çalışıyor. "Lisans derecesinden mezun olduktan sonra yapay zeka alanında çalışmak istiyorsanız, ana dalınız mühendislik kapsamında olduğu sürece, Örneğin elektronik bilgi, otomasyon v.b. bir bilgisayar ana dalına geçip geçmediğiniz önemli değildir.Lisansüstü okuldan sonra çalışmak ve daha iyi imkanlara sahip olmak istiyorsanız enstitüde bir bilgisayar ana dalını seçip yapay zeka peşinde koşmanız önerilir. Eğitim ve araştırma. "

Çin Bilim ve Teknoloji Üniversitesi Bilgi Bilimi ve Teknolojisi Okulu'ndan Profesör Wang Yong, üniversitenin yapay zeka müfredat sisteminin yapımından sorumludur. Onun bakış açısına göre: "Yapay zeka, çeşitli gelişmiş optimizasyon yöntemidir ve optimizasyon, otomasyona karşılık gelir ... Aslında, elektronik bilgi mühendisliği, otomasyon, bilgi güvenliği ve biyomedikal mühendisliği gibi ana dallarda (veya yönlerde) hiçbir bilginin yapay zeka ile hiçbir ilgisi olmadığını gördük. "

Şangay Jiaotong Üniversitesi, Yazılım Okulu'nda profesör olan Wang Dong, Daha fazla okul (disiplin inşası yaparken) mevcut ana dallarına dayanmalı ve daha sonra yeni gelişme eğilimlerine göre sürekli olarak kendi yönlerini ayarlamalıdır. Öğrencileri, yapay zeka ile şu anda çalışmakta olduğumuz bölüm arasındaki bağlantıyı keşfetmeleri için yönlendirin ve sıcak olan her yerde koşun. "

Birkaç profesörün görüşlerini dinledikten sonra, çekirdek okuyucu bir bilgisayar ana dalına geçmenin mutlaka doğru seçim olmadığını düşünüyor. Düşündüğünüzden biraz farklı mı?

Çekirdek okuyucu, nedenlerini ve argümanlarını söylemeden, sadece soğuk bir şekilde size sonuç çıkarırsa, çekirdek okuyucu hiçbir zaman bir holigan gibi olmadı. Bugün, uzmanların ve profesörlerin bakış açıları ve analizleriyle, "gelecekte yapay zeka ile uğraşmak istiyorsanız," "Profesyonelleri bilgisayara aktar" konusundaki yanlış anlamalar.

Bilgisayar biliminde birkaç yanlış anlama: Doğrudan bir AI treni değil mi?

Yapay zeka alanında çalışmak istiyorsanız, büyük olan doğru değil, bilgisayara aktarma fikri ile yarı haklı olabilirsiniz, çünkü şu anda Çin'de transfer yapmanıza izin veren resmi bir yapay zeka bölümü yok.Transfer yapmak istiyorsanız sadece bir başkasını seçebilirsiniz. Ancak diğer yarısının bir sorunu var, çünkü bilgisayar bilimi doğrudan bir yapay zeka treni değil.

Yani, bilgisayar bilimi için, belki bir yanlış anlamaya düştünüz.

Yanlış anlama 1: Bilgisayar bilimi yapay zekaya en yakın olanıdır

Baidu Ansiklopedisi'nde "yapay zeka" araması yapıldığında "yapay zeka bilgisayar biliminin bir dalıdır" gibi bir cümle var, ancak Profesör Wang Yong inanıyor: "Bu ifade yanlış. Yapay zeka aslında bir dizi gelişmiş optimizasyon. Araçlar ve optimizasyon, otomasyon mesleğine karşılık gelir. "

Toplumun ve hatta Baidu araştırmasının yanlışlıkla bilgisayar ana ve yapay zekanın en yakın olduğuna inanmasının nedeni. Profesör Wang Yong, bunun nedeninin şu olduğuna inanıyor: "Bilgisayar arka plan disiplinlerinde yapay zeka ile ilgilenen daha fazla insan var ve onlar daha fazla katkıda bulundular. "

Arka planı izlerseniz, bu aynı zamanda disiplinde yeni alanlar keşfeden ve çok çalışan bilgisayar uzmanlarının ve akademisyenlerinin sonucudur. Bilgisayarlar yaygınlaşmadığında, bilgisayar ana dalları bir zamanlar sıkıydı, ana dallara ayrıldıklarında, öğrenciler bilgisayarları daha çok bir araç olarak kullandıklarından ve bilgisayar temelli araştırmanın iç sistemi ve kompozisyon ilkelerinin yeterince kullanılmadığını hissettiği için bilgisayarlara gitmeye isteksizdi. , Öğrendikten sonra hiçbir avantajı yok gibi görünüyor.

Sonuç olarak, bilgisayar bilimi uzmanları ve profesörleri fikirlerini genişletti, profesyonel araştırmalarını bilgisayarların içiyle sınırlamamalılar, bilgisayarların kullanılabileceği alanlarda araştırma yapmalılar. Yapay zeka bunlardan biridir, bu nedenle bilgisayarlar yapay zeka araştırmalarına katılırlar.

Bir yapay zeka eğitim sistemi kurmaktan bahsederken Profesör Wang Yong, "USTC'de düşüncemiz yapay zeka ile ilgili bilimsel araştırma yapmak veya sektörde etkin bir şekilde uygulanmaktır. Gerekli bilgi yapısı nedir? Elektronik bilgi mühendisliği, elektronik bilimi ve teknolojisi, otomasyon, bilgi güvenliği ve biyomedikal mühendisliği gibi ana dallardaki (veya yönlerdeki) bilgilerin hiçbirinin yapay zeka ile ilgili olmadığını gördük. "

Bu nedenle, Çin Bilim ve Teknoloji Üniversitesi Bilgi Teknolojileri Enstitüsü, bu profesyonel kursu tamamlarken bir yapay zeka yetenek sınıfı oluşturacak, çeşitli ana dallardan öğrenci seçecek ve 10 yapay zeka dersi alacak. Beyin ve bilişsel bilimler, örüntü tanıma ve ilgili operasyon araştırması açık bir şekilde bilgisayar ana dalları değil, biyomedikal mühendisliği ve otomasyondur.

Yanlış anlama 2: Bilgisayar bilimini öğrendikten sonra, AI alanında bir adım önde olabilirsiniz

Profesör Zhang Shengping'in görüşü: "Mühendislik alanında lisans mezunları aslında AI için aynı başlangıç çizgisindedir."

İleri matematik, doğrusal cebir, olasılık ve istatistik, yapay zekanın (makine öğrenimi) temel teorik bölümünün önemli içeriğidir, ancak bunlar, sadece "bilgisayar bilimi ve teknoloji" ana dallarının özel dersleri değil, hemen hemen tüm mühendislik bölümleri için zorunlu olan temel derslerdir. Profesyonel kurslarda, çoğu mühendislik dersi, lisans düzeyinde programlama dili öğrenimini gerektirir ve bilgisayar ana dallarının pek bir avantajı yoktur.

Diğer mühendislik bölümleri, makine öğrenimi ve örüntü tanıma için seçmeli dersler sunan "bilgisayar bilimi ve teknolojisi" bölümleri ile aynı olmak zorunda olmasa da, Profesör Zhang Shengping'in deneyiminden, aslında, bu dersler çoğunlukla üniversitenin üçüncü ve dördüncü yılında verilmektedir. İş arama ve lisansüstü giriş sınavlarına duyulan ihtiyaç, derslere katılmada etkili değildir.

Çin Yapay Zeka Derneği başkan yardımcısı ve Pekin Posta ve Telekomünikasyon Üniversitesi'nde profesör olan Yang Fangchun şunları söyledi: "Bazı kolejler ve üniversiteler, temel öğrenme içeriği olmayan akıllı profesyonel kurslara sahiptir ve ders saatlerinin oranı küçüktür. Yüksek sürüş ve düşük yürüme, parçalanma ve düşük seviyede tekrarlar vardır. Sorun."

Bu nedenle, yapay zeka bilgisinin özümsenmesinde, bilgisayar bölümü avantajlarını vurgulamamış ve diğer dallardan ayrılmıştır.

"Yapay zeka alanındaki en iyi öğrenci bilgisayar bölümü değildir"

Yapay zeka bilgisayar olmadan çalışamasa da, yapay zekayı öğrenmek için bilgisayar ana dalları doğrudan ve sorunsuz bir şekilde bağlanamaz çünkü yapay zeka derin teorik destek gerektirir ve bu teoriler birden fazla disipline dağılmıştır. Matematik, bilgisayar bilimi, nörofizyoloji, psikoloji, otomatik kontrol ...

Pekin Havacılık ve Uzay Bilimleri Üniversitesi'nden derin öğrenmeyi araştıran Profesör Yang, "ana dallara transfer olmalı" fikrine gelince, başka bir yanlış anlamaya dikkat çekti: "Ana dallar arasında AI'ya geçiş yapmanız gerekiyorsa, bu fikir hakkında bir yanlış anlaşılma var. Aslında, AI daha disiplinlerarası temele ihtiyaç duyar. "Aldığım öğrenciler arasında yapay zeka konusunda en iyi öğrenen bilgisayar ana dalında değil, fizik dalında okuyan bir öğrenciydi." Dedi.

Yapay zekanın üç kurucusundan biri olan Yann LeCun, programlamayı öğrenmenin yanı sıra derin öğrenme alanında bir araştırmacı olmak istiyorsanız, tüm sürekli matematik ve fizik derslerini almak için elinizden gelenin en iyisini yapmanız gerektiğini ileri sürdü.

Fizik neden bu kadar önemli? Yann'ın cevabı şu: Fizik, gerçek dünyayı modellemek için birçok matematiksel yöntem icat etti. Örneğin, geri yayılım algoritması, klasik mekanikte Lagrangian operatörünün basit bir uygulaması olarak kabul edilebilir; grafik modelindeki ileri algoritma, kuantum mekaniğinde yaygın olarak kullanılan bir yol integralidir.

Dolayısıyla, yapay zekaya yeni yöntemler ve yeni fikirler getirebilecek olan tamamen farklı mesleklerdir.

Disiplinler ve ana dallar arasındaki ortak noktaları ve bağlantıları bulun

İnternetten bulut bilişime, Nesnelerin İnternetinden büyük veriye, günümüzün yapay zekasına, gelişmekte olan sektörler olarak hepsi bir süredir ünlü oldu. Yeteneklere olan acil talep, disiplinlerin ve ana dalların uyumunu daha hızlı ve daha hızlı hale getirir ve öğrencilerin daha da şaşkın ve kayıp olur.

Şangay Jiaotong Üniversitesi'nden Profesör Wang Dong, öğrencilerin farklı ana dalların kendi benzersiz şeylerine sahip olmalarına rağmen aslında pek çok ortak yönün olduğunu fark edeceklerini umuyor. Ana dallar arasındaki doğayı ve ilişkiyi anlamak ve eğilimi körü körüne takip etmek ve ileriye doğru sürmek değil.

Yapay zeka, veri bilimi, Nesnelerin İnterneti, yazılım mühendisliği vb. İle ayrılmaz bir şekilde bağlantılıdır. Sıfırdan başlamaz, ancak öncekilerin veya mevcut mesleklerin temeline dayanır ve ardından yeni içerik ve yenilikler ekler. Çengel üretilir.

"Yapay zeka algoritmaları gün boyu incelerse, kimse ona veri yapmaz, kimse onun için depolama yapmaz, yapay zeka nereye gider? Nesnelerin İnterneti onun için veri toplamazsa, büyük verinin bir dizi verimli analizi olmaz. Yöntem, yapay zekanın zeka seviyesi çok düşük. "

Yani yapay zeka diğer disiplinler temelinde inşa ediliyor, ancak bu temeller ile yapay zekanın gelişimi desteklenebilir, bu temeller olmadan yapay zeka ilerleyemez.

Profesör Wang Dong, hem okulların hem de öğrencilerin mevcut mesleki yönlerini temel almaları ve daha sonra yapay zeka ile öğrendikleri ana dal arasındaki bağlantıyı yeni gelişim trendlerine göre keşfetmeleri ve gelişim yönlerini sürekli ayarlayıp yenilerini eklemelerini önerdi. Her şeye sıfırdan başlayamazsınız. Bu sorumlu ve çoğu insan için uygundur.

Profesör Wang Dong, yapay zeka kurslarının inşasını incelerken, Yapay zeka, geçmişte nispeten dağınık ve parçalanmış profesyonel yönleri entegre edebilir ve mevcut personel bilgi yapısını bütünleştirip sentezleyerek yapay zeka etrafında bir ekosistem oluşturabilir. Birlikte kendi güçlerine tam anlamıyla oynuyorlar ve kendi bakış açılarından belirli bir yapay zeka yönünü tamamlıyorlar.Bu süreçte yapay zeka mesleklerinin inşasına da önem veriyoruz, ancak bu makul bir tutum olan inovasyonu üretecektir. "

Doğruyu söyle, mentor profesyonelden daha önemlidir

Önde, konu ve bölüm etrafında döndük, ana dal gerçekten ilişkili olsa da, aslında, profesyonel geçmişinizden - öğretmeninizden daha önemlidir.

Eski bir söz, "Kapıyı efendi yönetir" der. Yapay zeka alanına girmek için, bir yapay zeka danışmanı bir profesyonelden daha etkilidir.

Mükemmel bir öğretmen genellikle belirli bir alanda uzmandır ve size daha verimli ve incelikli profesyonel okumada rehberlik edebilir.YZ alanında gerekli okumaların bir listesini yapabilir ve ayrıca tartışmaları paylaşma ve daha fazla rehberlik alma fırsatına sahip olabilir. Tarlanın genel görünümünü daha hızlı kavramanıza izin verin.

AI alanındaki önemli başarılar nelerdir ve araştırma noktaları ve boşlukları nelerdir? Hangi çalışmaların sonuç üretmesi görece kolay, hangileri daha zordur? Bu konularda eğitmen, bilimsel ve standartlaştırılmış araştırmalar yürütmeniz ve sonuç üretmeniz için size yol gösterecek iyi önerilerde bulunabilir.

Laboratuvarın yanı sıra, AI şirketleriyle iletişime geçme ve AI projeleri üstlenme fırsatınız da var.İleride istihdam için harika fırsatlar var.Elbette, eğitmen eşleşmenize yardımcı olmak için kendi kaynaklarını kullanacak ve aynı zamanda doktora için çalışmaktan da mutlu. Öğrenciler bir giriş tavsiye ediyorlar.

Yalnızca yapay zeka ile ilgilenebilirsiniz, ancak iyi mentorların, sapmalardan kaçınmanıza ve daha iyi fırsatlar yaratmanıza yardımcı olabilecek kaynakları, güçlü yönleri ve deneyimleri vardır.

Öyleyse, lisans öğrencileri özel bir öğretmen olmadan ne yapabilir? Okulda yapay zeka eğitimi alan öğretmenleri tanıyabilir, proje yürütmek ve deneyim kazanmak için ikinci ve üçüncü sınıfta öğretmenleri laboratuvara önceden takip edebilirsiniz. Bununla birlikte, bir gerçek, sistematik olarak eğitilmiş bir yüksek lisans öğrencisinden gelen bilgi genişliği ve derinliği konusunda hala büyük bir boşluğa sahip olabileceğinizdir.

(Makale hakkında değerli görüşler sağlayan Şangay Jiaotong Üniversitesi, Çin Bilim ve Teknoloji Üniversitesi, Harbin Teknoloji Enstitüsü, Pekin Havacılık ve Uzay Bilimleri Üniversitesi vb. Uzmanlara, akademisyenlere ve profesörlere özel teşekkürler.)