hashmap为什么会出现死循环？

国内的出行公司滴滴最近也把自动驾驶业务剥离，并从软银远景基金等机构筹集了 5 亿美元。今年 7 月，滴滴在上海推出了自动驾驶汽车服务。

目前，自动驾驶系统中的大多数机器学习算法只专注于车辆周围的事物，并基于工程量巨大的手写规则。研究人员正在开发类似于 AlphaGo，学习大量人类驾驶经验进行训练的新算法。最近，Waymo、Uber 和 Lyft 都展示了模仿学习和逆强化学习的新技术。

自动驾驶等领域的发展也需求大量算力，Graphcore、英伟达等公司今年推出的新一代芯片成为了人们的希望。
 

在新冠疫情期间，众多科技公司也快速将 AI 医疗影像识别技术投入了实用化。最近一段时间里，美国医疗保险和医疗补助服务中心提出了基于深度学习的医疗成像产品费用标准。AI 系统可以快速扫描胸透等多种医疗影像，并将筛查结果提交给人类专家，排除非敏感因素。

说到人工智能最引人关注的自动驾驶。自 2018 年以来，在加利福尼亚州拥有自动驾驶汽车测试许可的 66 家公司中，只有 3 家被允许在没有安全驾驶员的情况下进行测试，其分别为 Waymo（谷歌）、Nuro 和 AutoX。

即使在政策最为开放的加州，迄今为止自动驾驶汽车的行驶里程相比人类也是微不足道——自动驾驶汽车公司在 2019 年的自动驾驶里程比 2018 年增加了 42％。但这仅相当于 2019 年有驾照加州驾驶员行驶里程的 0.000737％。

使用每次人工干涉之前，汽车自动驾驶的行驶里程作为评判标准，其实不一定是最客观的。在美国一些州，驾驶员双手完全脱离方向盘的行驶里程并没有记录。

不过最近，我们看到了这项数据的新变化。百度的自动驾驶已经达到了人工每次干涉之间 18,050 英里，超过了 Waymo（谷歌）的 13,219 英里。对于不断加强 AI 投入的百度来说，最近的投入已经开始得到回报。
 

以 NeurIPS 2019 为例，谷歌、斯坦福、卡内基梅隆大学、MIT 和微软发表的论文数量位居前五。

人才供不应求

作为当下最热门的研究领域之一，AI 领域的人才需求不断增长。许多一流大学也在扩大 AI 专业的招生规模。以斯坦福为例，最近几年斯坦福 AI 领域的学生是 1999-2004 年的十倍之多，与 2012-2014 年相比 AI 领域学生数量也是翻了一倍。尽管如此，来自 Indeed 的数据显示，招聘职位的数量仍约为求职者数量的三倍。

但不可避免的是，2020 年人工智能领域的人才市场受到了新冠疫情的严重影响。根据领英发布的数据，2020 年机器学习领域职位原本强劲的增长趋势在 2 月受到打击，开始下滑。
 

毋庸置疑的是，GPT-3、BERT 等模型已经让 NLP 领域的研究进入了新的阶段。现在甚至出现了自动翻译编程语言的无监督机器翻译工具。在 GitHub 上把 C++ 函数翻译至 Java 准确率达到 90%。

技术的快速发展源于人工智能领域的高研究力度。据统计，全球有关 AI 方法（深度学习、NLP、计算机视觉、强化学习等）的论文数量自 2017 年起每年增长 50%，在 2020 年，我们可能将会看到超过 21000 篇 AI 领域的新论文。

不过，当前的大多数机器学习应用是通过统计来实现功能的，其忽略了人类学习知识的重要方法——因果推理。在为患者寻找诊疗方案等任务中，因果推理是更好的方式。Judea Pearl、Yoshua Bengio 等人工智能先驱者都认为，因果推理是使得机器学习系统更好地泛化，更强大稳健，并为决策作出更大贡献的新方向。

二、AI 人才：美国占主导

人工智能领域研究者的分布情况近几年呈现出几种新的趋势。

人才流动

首先，学术界面临人才外流的情况，美国许多研究教授离开大学，前往科技公司任职。从 2004 年至 2018 年，谷歌、DeepMind、亚马逊、微软已经从美国大学聘请了 52 位终身教授。卡内基梅隆大学、华盛顿大学和伯克利大学在同一时期失去了 38 名教授。值得注意的是，仅 2018 年一年就有 41 位 AI 教授离开。

（编辑：烟台站长网）

【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!