發布日期：2022-10-09 點擊率：69
今天，小編將在這篇文章中為大家帶來人工智能的有關報道，通過閱讀這篇文章，大家可以對它具備清晰的認識，主要內容如下。
一、人工智能背后的“人工”
AI數據標注員被稱作“人工智能背后的人工”?！皵祿侨斯ぶ悄艿难骸．斚率?a href="/tags/大數據" target="_blank">大數據基礎上的人工智能，是數據智能的深度學習時代，可以說誰掌握了數據，誰就有可能做好?！敝锌圃鹤詣踊芯繂T、視語科技創始人王金橋告訴科技日報記者。他解釋，當前的人工智能也被稱作數據智能，在這個發展階段，神經網絡的層數越多，神經網絡越深，需要用于訓練的數據量越大，“比如目前人臉識別做得好的是中青年人臉識別系統，因為年輕人坐車住酒店，采集的數據量大，小孩和老年人數據相對較少?！?/p>
但同時，只有數據是沒用的。對于深度學習來講，數據只有加上標簽才有意義，才能用于機器的學習和進化。“標注是一個必須的工作。”王金橋說。
王金橋介紹，從數據的收集、清洗、標注到校驗都離不開人工。數據標注最基本的就是畫框，比如檢測目標是車，標注員就需要把一張圖上的所有車都標出來，畫框要完全卡住車的外接矩形，框得不準確機器就可能“學壞”。再比如人的姿態識別，就包括18個關鍵點，經過訓練的標注員才能掌握這些關鍵點的標注，標注完成的數據也才能符合機器學習的標準。
不同的數據類型對標注員的要求也不一樣。除了一般較為簡單、可以通過培訓掌握的標注，還有一些需要專業背景的標注，比如在醫療數據標注中，標注員需要做醫療圖像的分割，把腫瘤區域標出來，類似工作就需要看得懂片子的醫生完成。再比如地方方言或外國文字，需要的也是掌握那門語言的標注員。
二、人工智能為這兩大領域帶來了什么改變
1.醫學領域
比如有數據顯示AI在醫學影像領域的“讀片”的準確率已經與醫生不相上下，甚至比醫生更準確。但是醫學終究是非常嚴謹的科學，是要面對病人的。比如醫學影像可能疑似從有的尺度，給一份片子判定有10個以上的肺部結節。那么具體診斷還是要有醫生來最終復合的。另外，AI的意義在于可以與大數據和云計算技術融合，比如這個人上半年有7-8個肺部結節，現在發現有十幾個結節，這個就是類似病例檔案分析的功能，這個有利于給醫生決策。
帶來的變化就是，醫學影像學專業，在未來的就業中，可能會越來越多的與AI打交道，甚至有可能醫學影像科室的用人需求也變少，但效率提高，這個是有可能的。在可以預見的將來，人工智能一定會在醫學領域有更多的應用，但是絕對不會取代醫生。因為這涉及醫學倫理問題，當然在所以醫學領域最有可能被AI所賦能的除了醫學影像學專業之外，還有就是預防醫學專業，未來的傳染病防控方面，AI人工智能的數據統計與分析將會發揮較大作用;藥學類的藥物分析專業，目前也正在被人工智能AI技術所賦能;醫學檢驗等專業未來就業也會越來越智能化，智能化。特別是在基礎醫學的生物醫學等專業有關疫苗等研究。
2.教育學領域
有人說，在全民上網課期間，為什么不能由全國頂級名師錄制視頻，放到網上播放。甚至以后，學校都不用了，大家在家里就可以享受最優秀的教育資源。所以AI人工智能賦能教育行業后，也不需要那么多老師啦!其實教育和醫學非常類似，那就是同樣涉及倫理，學校存在的意義在于解決孩子的自律問題，讓孩子們在不太成熟的年齡接受集體環境教育這才是實體學校的意義!說白了各類學校，包括大學本?？?，讀研，不僅僅是知識傳授，還有一個社會的和諧與穩定問題，青春少年都撒到社會上必然是不太合適的。所以無論人工智能AI怎么發展，教師職業是不會被取代的。師范類專業目前主要挑戰是雙減政策和未來的新生人口減少所帶來行業規模壓縮問題。
以上就是小編這次想要和大家分享的內容，希望大家對本次分享的內容已經具有一定的了解。如果您想要看不同類別的文章，可以在網頁頂部選擇相應的頻道哦。
下一篇： PLC、DCS、FCS三大控
上一篇： 看創可貼如何增強路由
