宝塔服务器面板,一键全能部署及管理,送你10850元礼包,点我领取

周志华:华为-南大LAMDA人工智能联合实验室正式成立-风君子博客

  来源:新智元综合报道
  编辑:金磊

  【新智元导读】“到华为去”,说到做到。昨日,南京大学计算机系主任、人工智能学院院长周志华发布朋友圈表示:华为-南大 LAMDA 人工智能联合实验室成立!

  “到华为去”,说到做到。

  昨日,南京大学计算机系主任、人工智能学院院长周志华发布朋友圈,发布重磅消息:华为-南大 LAMDA 人工智能联合实验室成立。

周志华:华为-南大LAMDA人工智能联合实验室正式成立-风君子博客

  消息一出,立即引来众网友的热烈祝贺。

周志华:华为-南大LAMDA人工智能联合实验室正式成立-风君子博客

  其实,早在 5 月 27 日,周志华老师便已经发布消息称,LAMDA 接下来会加大力度跟华为合作。

周志华:华为-南大LAMDA人工智能联合实验室正式成立-风君子博客

  LAMDA Learning And Mining from DatA):机器学习与数据挖掘研究所。隶属于南京大学计算机软件新技术国家重点实验室和南京大学计算机科学与技术系。

  华为,早已成为南大毕业生最向往的企业之一

  5 月 24 日,南京大学便已发文《2019,到华为去!到科技创新前沿去!》,号召同学们加入华为,贡献自己的力量。文中称:

  在华为,已经有众多南大学子默默坚守岗位,为科技自立奉献绵薄之力。 

  华为早已成为南大毕业生最向往的企业之一。每年毕业加入华为的学生数量,已经遥遥领先其他 500 强企业,常年位居首位。

  25 日,华为南京研究所官方招聘微信公众号“HW 南研招聘”也发文《励学敦行:从 LAMDA 到华为,奋斗在 AI 科技创新前沿》做出了响应,文中提到:

  作为在人工智能核心的机器学习领域植根中国本土的世界级研究团队,LAMDA 已有多项成果在华为成功应用实施。双方在人工智能核心技术的研究和转化方面开展进一步全面深入的合作,必将带来更大的技术进步。

  而后,其它媒体也对此报道称:“而在国内,‘北有清华、南有南大’更成为 AI 领域的领先者。”

  对此,周志华老师在朋友圈中发表评论:

周志华:华为-南大LAMDA人工智能联合实验室正式成立-风君子博客

  “我们规模小、起步晚、水平有限,一直努力向清华北大自动化所等先进兄弟单位学习,希望能不断进步。”

  新智元也对周志华老师进行了采访,周老师表示:LAMDA 跟华为已经合作多年。

  “有多好的人才,才可能有多好的人工智能”

  中国人工智能市场增长惊人,但在人工智能基础研究和创新,尤其是在 AI 高端人才储备方面,仍然存在很大缺口。

  根据高盛《全球人工智能产业分布》报告统计,2017 年全球新兴人工智能项目中,中国占据 51%,数量上已经超越美国。但全球人工智能人才储备方面,中国却只有5% 左右——人工智能人才缺口已达百万量级。

  正如周志华老师在新智元此前报道中的称,“人工智能时代最缺的就是人才。因为对这个行业来说,你有多好的人才,才可能有多好的人工智能。”

  从目前市场对人工智能人才需求百万缺口的现状来看,高校对人才的培养很难满足企业的需求。一边是高校高端 AI 人才培养缓慢,一边是企业招不到高端人才,供需两端都面临着脱节问题,而这样的状况还将持续一段时间。

  高端 AI 人才脱节问题已经引起高校和企业的注意,无论是高校还是企业,在 AI 时代构建新的竞争优势的核心,关键在于人工智能高端人才的有效供给。

  而正如上述,高校对 AI 人才的培养无法满足快速发展的市场需求。因此,企业对于 AI 人才培养的现实路径主要分为两种:

  • 一种是企业从学校里寻找相应背景的人才,或从职场上寻找年轻且有学习能力的人,进入到企业体系里,通过项目的方式来培养;
  • 另一种是企业在人才未完成学业时开始介入,由企业赋能高校进行人才培养。

  所培养的人才一部分回归到培养企业,一部分也会输送到与高校签订协议的企业里去。

  无论知识体系的搭建、教学计划的实施和人才考核评估,企业都在其中发挥着主导作用,因为知识体系、用人目标设计和能力训练,以及人才的评估和认证标准主要来自企业实践的提炼和确认,这是当前最快提升人才培养速度和质量的方法。

  未来,AI 资源的争夺必将愈演愈烈,而人才必定是率先争夺的资源之一。毕竟,人才决定人工智能。

  附:LAMDA 简介

  LAMDA 隶属于南京大学计算机软件新技术国家重点实验室和南京大学计算机科学与技术系。LAMDA 位于南京大学仙林校区计算机科学技术楼。

  “LAMDA” 的含义是 “Learning And Mining from DatA”。LAMDA 的主要研究兴趣包括:

  • 机器学习
  • 数据挖掘
  • 模式识别
  • 信息检索
  • 演化计算
  • 神经计算
  • 以及相关的其他领域。

  目前的主要研究内容包括:

  • 集成学习
  • 半监督与主动学习
  • 多示例与多标记学习
  • 代价敏感和类别不平衡学习
  • 度量学习
  • 降维与特征选择
  • 结构学习与聚类
  • 演化计算的理论基础
  • 增强可理解性
  • 基于内容的图像检索
  • Web 搜索与挖掘
  • 人脸识别
  • 计算机辅助医疗诊断
  • 生物信息学等。