数据中心市场保持强劲增长

数据的生命，人工智能的动力

74%的澳大利亚受访者、81%的德国受访者、84%的美国受访者表示，他们担心疫情期间进行的数据收集会泄露他们太多的隐私信息;86%的美国受访者表示，他们担心这些数据被用于疫情之外的目的，81%的受访者担心数据会被用于定向广告投放;78%的美国受访者认为，Apple、Fitbit或Amazon这样的消费级硬件企业不会追踪他们的生物特征数据;75%的受访者认为，Netflix和Hulu等流媒体服务不会收集他们在在线媒体上的消费信息; 59%的法国受访者、52%的英国受访者和49%的美国受访者认为，社交媒体企业不会追踪他们的帖子内容;37%的受访者表示，即使得到经济上的补偿，他们也不愿把数据共享给企业;27%的受访者不确定是否值得牺牲个人数据;消费者担心政府会追踪消费者数据，包括74%的德国受访者、73%的荷兰受访者、70%的美国受访者;消费者不愿意与执法机构共享他们的数据，只有22%的德国受访者和24%的美国受访者愿意这么做。23%的美国受访者认为，政府会收集他们的离线对话数据。[Okta和Juniper Research对6个国家(澳大利亚、法国、德国、荷兰、英国、美国)的12000人所做的调查]

与大多数其他国家相比，美国人不那么愿意将个人数据放心地交给政府。在美国，只有一半的受访者表示，他们愿意将个人数据分享给政府，用于追踪和控制疫情。法国(47%)和日本(44%)受访者分享个人数据的意愿更低。91%的中国受访者表示，可以向政府提供更多数据。印度和沙特阿拉伯约有四分之三的公民愿意分享个人数据，加拿大和德国大约是二分之一。[Edelman Trust Barometer 2020]

虽然将近60%的美国受访者表示，他们会自愿进行自我报告以协助追踪疫情，但只有40%的受访者表示他们愿意信赖别人。美国政府是最不受信任的国家，只有31%的受访者表示会信赖美国联邦政府收集和保护个人信息和数据，以追踪接触者;32%的受访者信任私营公司，38%的受访者信任州和地方政府。[IBM]

42.5%的网络安全主管表示，他们会考虑向勒索软件支付赎金。[《华尔街日报》对389家公司所做的调查]

企业采用人工智能


 

现在，“人工智能驱动”产品越来越受欢迎，因为机器学习更加容易实现，而不是因为新的研究。

我们不需要先进的人工智能来解决问题

事实恰恰相反。

经典算法+领域知识+小生态数据集能够解决大多数实际问题，而不是深层次的神经网络。就好像我们大多数人都不是在研究自动驾驶汽车，更多的是作为一个消费者。

在我看来，在大型科技公司之外，专注于极端的技术能力被高估了，这与解决问题的心态和一般的开发技能形成了鲜明对比。

除了技术之外，还有大量的枯燥的手动工作，这些工作早就应该自动化了，而且不需要技术上的突破。

机器学习应该专注于创造价值而不是改变世界

当你解决了一个任何一个实际应用的问题，每个人遇到该问题的人都会是赢家。

就像硅谷欺骗了我们，让我们相信我们应该采取登月计划，而不是改善我们的生活环境和我们认识的人的生活。

我爱Uber，因为它改变了世界。但是，如果让Uber存活下来每季度要花费50亿美元，那么这里面可能就是出现了问题。

有些公司带来的影响是长期的，会影响到全球70亿人。但更简单的改进，如减少“无聊”行业中的数据输入错误，也能创造价值。

学习机器学习是对抗AI恐惧比较好的方法

自动化会消灭很多机械重复的工作，因为没有什么能像恐惧那样卖掉了。不是因为技术失业迫在眉睫。

学习机器学习，然后尝试概念化、培训和部署模型来解决实际问题。你很快就会发现，这里面仍然困难重重，其次，我们离AGI(通用人工智能)还有多远。

基础设施极度不发达，真实数据也很混乱。

当你从Kaggle下载CSV来为特定问题训练模型时，已经完成了99%的工作。

让机器学习变得容易的工具之间还存在差距

在过去10年中，易用性为机器学习的采用做出了比任何算法突破更多的事情。

几乎可以说软件工程师可以使用现成的组件将ML解决方案拼凑在一起，虽然这不是很容易。

随着工具的发展，我们将看到纯粹的机器学习工作会减少，但是使用机器学习解决各种问题的软件工程师数量将大大增加。此外，还有更多科技之外的公司将从中受益。

如果你是一名开发了机器学习伟大工具的工程师，那么我们所有人将永远承你恩情……- Chip Huyen

ML在全球范围内推动着价值的增长，但我认为我们还没有触及表面，直到合适的工具出现。

先从软件工程开始

如果你没有人工智能相关学科的高级学位，那么就从学习软件工程开始，然后再进入人工智能领域。

学习软件工程就像是获得一个技术方面的MBA，我们将从学习基础知识开始，创建完整的堆栈解决方案，并理解有助于机器学习的代码。

随着行业格局的变化，就业机会也会更多，转行也会更容易。

许多软件工程师都在ML/DS领域取得了成功。

结论

在人工智能领域有太多的炒作了，就像股市一样，不管上涨得多高，随之而来的都是“下跌”，但如果我们有所准备的话，这也不一定是坏事。

如果我们专注于开发一套通用技能(包括ML)，解决实际问题，并创造价值，我们总会有事情要做，而不至于失业。


 

（编辑：鞍山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!