正在蓬勃发展的人工智能（AI）技术，需要大量的AI人才，这让AI专业也成为了当下最火热的专业。根据教育部近日公布的2019年度普通高等学校本科专业备案和审批结果，有180所高校新增了人工智能专业，是今年新增最多的备案专业。
与此同时，AI等国家战略需求专业也是扩招的热门专业。今年3月，教育部等有关部门提出加快人工智能领域研究生培养。据悉，2020年教育部计划今年扩招硕士研究生18.9万名，并明确将继续扩大相应招生规模。对于那些AI专业的研究生，大都会关心市场到底需要什么样的AI人才？
对于AI人才培养，中国科学院计算技术研究所研究员陈云霁接受雷锋网采访时表示：“人工智能专业的高等教育，应当培养AI系统或者子系统的研究者、设计者和制造者，只有实现这个目标，才能源源不断地全面支撑我们AI的产业和研究。”
图片来自newtonx
AI基础人才比例偏低
2013年10月，陈云霁等写了一篇题为《神经网络计算机的涅槃》的文章，这篇文章中有这样一段话：“也许有一天，每款手机上都有一个神经网络计算机（或者说加速器），人们用它方便地进行语音输入、理解照片；也许有一天，每台云服务器上都有一个神经网络计算机，人们用它快速地搜索视频、分析数据、挖掘信息。”
7年后的今天，大部分智能手机都已经集成了NPU，服务器上都有神经网络计算机也初步达成。陈云霁说：“我们2013年才把这些想法写出来，并不代表我们2013年才这么想。实际上从2008年开始我们就在这样想，怎么把人工智能和芯片设计结合起来。有了这个目标，才有后来智能芯片到智能服务器的工作。”
“我们“就是陈云霁和他弟弟陈天石。陈云霁本科学的是计算机，研究生时主攻计算机体系结构的处理器设计方向。机缘巧合，主要研究AI算法的陈天石博士期间到中科院计算所访问，兄弟俩就产生了将芯片设计和人工智能研究交叉的想法。
当时，AI的关注度很低，两人的想法不被主流学术界认同，并且AI和芯片设计的交叉研究本身就有巨大的挑战，困难重重，但是他们坚持了下来，并且获得ASPLOS和MICRO等计算机体系结构顶级国际会议最佳论文奖（亚洲迄今仅有的两次）。陈云霁被Science杂志刊文评价为深度学习处理器研究的“先驱”和“引领者”。
2016年，AlphaGo在围棋对决中战胜了人类顶级选手。2017年，AI迎来了新一波的浪潮，曾经冷门的AI人才，瞬间成了众人争抢的对象。火热程度从AI职位丰厚的薪水就能反应出来。
图片来自《智能计算系统》
但企业高薪聘请的AI人才，很多都是做算法的。对AI算法如何调用编程框架、编程框架如何与操作系统打交道，编程框架中的算子如何在芯片中运行，许多人没有清晰全面的理解。
中国工程院院士李国杰曾指出，“我国人工智能基础层、技术层和应用层的人才数量占比分别为3.3%、34.9%和61.8%，基础人才比例严重偏低”。如果放任这样的不平衡，智能计算软硬件系统能力的缺失最终一定会拖上层应用和算法发展的后腿。
陈云霁接受采访时表示，“几年前，我国没有任何高校开设智能计算系统相关的课程。不给学生任何的智能计算系统的教育，指望他们毕业以后，在工作中自己摸索成长为这方面的大师，显然是不现实的。因此，我们应当从人才教育方面入手，主动作为，才有可能改变现状。”
AI人才为什么需要系统性思维？
如今，全国众多高校都开设了AI专业，但在实际课程体系建设中，很多还是采用了“纯算法+应用”的教学思路。
“各个高校都不乏有识之士，在课程设计中绕开系统课程往往是受制于三大客观困难：一是国内还没有太多智能计算系统课程可供参考；二是国内缺乏智能计算系统课程的师资；三是国际上也都缺乏智能计算系统课程的教材。”陈云霁表示。
“我最开始在国科大开设《智能计算系统课程》的时候也没有教材，之所以开设这门课程，就是希望能培养同学们对智能计算完整软硬件技术栈（包括基础智能算法、智能计算编程框架、智能计算编程语言、智能芯片体系结构等）的融会贯通的理解。”
系统性思维是指从整体的角度，对技术栈各个环节进行全局思考的思维方式，它的重要性在于，缺乏系统知识和系统思维，学到的知识点就是零碎的，没有打通“任督二脉”。
比如说，缺乏系统性思维很容易陷入精度的牛角尖中，把科研当成体育比赛来搞（别人做了97%的精度，我就要做98%；别人做了98%，我就要做99%），最后研究的道路越走越窄。
一个完整的智能计算系统涉及芯片、系统结构、编程环境、软件等诸多方面，评价智能的标准远不止精度一个维度，速度、效能、成本都是重要的维度。
陈云霁的团队是天然传承了系统思维。中国科学院计算技术研究所从1956年成立起就一直从事计算机系统研究。1990年依托中科院计算所成立的国家智能计算机研究开发中心继承了计算所的学术传统，既做系统结构研究，又做人工智能理论、算法和应用研究。
国家教育部也很早就意识到系统思维的重要性，自2008年开始，教育部计算机类专业教学指导委员会就组织专家组开展计算机系统能力培养的研究、实践和推广，注重计算系统硬件与软件有机融合、强化系统设计与优化能力，并取得了很好的成就。
只是，在人工智能这个领域，国内系统人才还十分短缺。
运用系统性思维，也能更好地设计对AI系统至关重要的AI芯片。陈云霁说，把算法、芯片、编程的团队有机地组织起来，组成一个互为输入互为约束的整体（系统），在芯片设计的时候，针对应用和算法的需求，调整架构；在编程写算子的时候，结合芯片架构特点，有针对性地优化算法。
如何成为AI市场的宠儿？
更进一步，用系统性思维才能将软硬件更好地融合，去解决AI芯片面临的技术挑战。作为AI发展的底层驱动力，提高AI和算力和能效是业界近年来持续努力的方向。但是，传统架构让AI芯片面临存储墙问题——芯片算力高，但存储及数据搬运效率不够；同时大算力也会带来高功耗的问题。
计算机性能的提升（SPECintCPU）
我们也看到，AI芯片的创新架构越来越多。2017 年图灵奖得主John L. Hennessy 和 David A. Patterson在去年的一篇长篇报告中就说：“计算机体系结构领域，将迎来又一个黄金十年。”他们提出这样的观点是认为，在摩尔定律走向终点的同时，体系结构正在闪耀新的活力——以TPU为代表的领域特定架构 (Domain Specific Architectures, DSA) 兴起，但CPU、GPU、FPGA仍然有用武之地，新的架构设计将会带来更低的成本，更优的能耗、安全和性能。
这充分说明，未来的十年业界对新架构会更加包容，体系结构领域也将迎来更多机遇和挑战。
具备系统思维的陈云霁团队研发的第一代深度学习处理器芯片，就针对存储墙问题进行了改进，并设计出了有针对性的指令集。这是否意味着创新的芯片架构设计需要匹配相应的指令集？陈云霁说：“正如图灵奖得主说的那样，软件设计也能为计算机硬件架构带来灵感，改善软硬件接口能为架构创新带来机遇。”
至于最终哪一种架构会成为主流，陈云霁和图灵奖得主持相同的观点，“最终，市场会决定胜者。”
市场也决定着什么样的人才更有竞争力。算法和应用人才，是前几年应聘市场上的宠儿，但随着市场的调整，从去年开始，就业市场上就已经呈现算法工程师供大于求的局面。如何能够成为智能时代更具竞争力的人才？
陈云霁指出，人才培养的成本太高，AI过去不是大学教育的必修课，培养人工智能专业的人才需要本科毕业后再花3～6年时间攻读硕士或博士才行，大学专业培养方案的调整和产业发展之间有一定的时差，所以如何更好地为学生提供前沿研究与技术实践相结合的课程，成为人才培养的关键。
他同时表示：“对任何行业而言，技术人才的构成都是金字塔结构，而构成金字塔底层的技术人员主力应该是大学毕业生。因此，如何让大学毕业生在推广智能应用中发挥重要作用是本科教育应该考虑的问题。我近期出版《智能计算系统》这本教材的初衷也是希望能培养更多懂智能计算系统的本科生，加速弥补人工智能的人才缺口。”雷锋网
据悉，《智能计算系统》是以一个应用为牵引，在软硬件技术栈的各个层次，聚焦于完成这个应用所需的知识。这本书是在陈云霁以及中科院计算所智能处理器研究中心团队成员的共同努力下，将此前在国科大、北大、北航、天大、中科大、南开、北理工等高校的讲课录音整理成文字，最终整理出版。
|
|
|
