人工智能(AI)與大數(shù)據(jù)是最近幾年科技界乃至商業(yè)社會最火的詞。正如阿里巴巴創(chuàng)始人馬云所說，我們已經(jīng)步入了數(shù)據(jù)技術時代(DataTechnology)，數(shù)據(jù)的重要性和威力越來越顯現(xiàn)出來。隨著大數(shù)據(jù)存儲和計算的迅猛發(fā)展，AI技術像是插上了翅膀，理論和應用層面都在近幾年取得了很大的突破。我們在現(xiàn)在和未來看到越來越多的商業(yè)落地，如機場的人臉識別、搜索推薦、人機交互的智能語音音箱等，這些技術與應用正在從方方面面改變著人類的生活。
AI和大數(shù)據(jù)技術的發(fā)展和應用中，最核心的是人才。筆者在美國學習與工作多年，并在谷歌公司擔任數(shù)據(jù)科學家，對此深有體會，所以通過本文，從以下幾個方面對人才這個話題做出探討。
市場對AI和大數(shù)據(jù)人才的需求
市場對人才的需求一般分為兩類：研究型人才和應用型人才。
研究型人才一般是知名人工智能研究機構(gòu)的重點招募對象，比如大家耳熟能詳?shù)墓雀璐竽X、臉書的研究部、阿里的達摩院等，都對研究型人才求賢若渴。研究型人才大部分是國內(nèi)外知名學府計算機、電子工程、統(tǒng)計學、數(shù)學等專業(yè)的博士背景，他們側(cè)重于架構(gòu)的創(chuàng)新(比如大名鼎鼎的MXNET、Spark、TensorFlow)，或者算法的創(chuàng)新(比如計算速度、準確率、普世性等)，在各自的研究領域鉆研得比較深。這類崗位的錄取標準很高，基本都要求發(fā)表頂級會議論文(比如神經(jīng)信息處理系統(tǒng)大會NIPS、國際機器學習大會ICML、電氣和電子工程師協(xié)會IEEE等)。
很多知名人工智能研究機構(gòu)會和海內(nèi)外高校有合作關系，比如滴滴和密歇根大學，商湯科技和香港中文大學。和高校不同的是，人工智能研究機構(gòu)一般會有短期和長期的落地規(guī)劃。具體說來，研究機構(gòu)最終要么是希望研究成果與現(xiàn)有產(chǎn)品結(jié)合，打磨出更好的產(chǎn)品，比如谷歌這幾年力推的谷歌助手；要么是為未來推出新產(chǎn)品做技術積累。目前研究型人才相對稀缺，所以很多剛畢業(yè)且學術做得很好的博士生會有很不錯的工作邀約。
另外，學校里的教授也是這些研究機構(gòu)非?？粗氐囊慌恕＝┠陙肀热缍鄠惗啻髮W的杰弗里·欣頓(GeoffreyHinton)、斯坦福的李飛飛、卡耐基梅隆大學的安德魯·摩爾(AndrewMoore)等學術大牛都在谷歌等大公司的研究部門帶領團隊做創(chuàng)新。他們走出象牙塔，一方面致力于推動科技落地，變成看得見摸得著的產(chǎn)品，造福人類；另一方面致力于推動科技民主化，使科技讓更多的人了解并且掌握，形成百家爭鳴、百花齊放的場面。這些高素質(zhì)的博士生和教授引領著前沿技術的探索，推動著產(chǎn)品的創(chuàng)新。
至于應用型人才，就數(shù)量而言，比研究型人才要多得多。這些人才通常至少是理工科背景的碩士或者博士，從事數(shù)據(jù)科學或者算法工程師這類工作，他們?yōu)楫a(chǎn)品的最終落地而服務。
這類人才需要有扎實的數(shù)理統(tǒng)計功底和編程能力(包括算法和性能調(diào)優(yōu))，對產(chǎn)品也需要有一定程度的了解。一個只懂產(chǎn)品卻不能動手，或者不懂產(chǎn)品只照著別人所說而寫代碼的人，都不能稱之為理想的AI與大數(shù)據(jù)人才。除了這些硬功夫外，如何與人溝通、領導團隊、管理上下級期望、如期完成工作，也是十分重要的環(huán)節(jié)。
當然，頂尖的人才，除了具備上述能力外，還需要具備在不確定性中決策的能力，比如如何通過數(shù)據(jù)確定產(chǎn)品該做什么，不該做什么，使用什么技術棧(一系列技術的集合)，怎么高效實現(xiàn)整個流程管理，如何評估產(chǎn)品，確定產(chǎn)品迭代方向，怎么跨部門協(xié)作調(diào)動資源完成整個項目等。這類能帶領一個較大團隊打出勝仗的人才，在市場上屈指可數(shù)，他們一般也因此得以在大公司擔任重要職位。
至于經(jīng)驗稍淺的，比如剛畢業(yè)或者工作僅僅2~3年的人，他們通常能把別人布置的任務做好，但缺乏思考深度和整體性。不過這些側(cè)重寫代碼或做分析的，也是公司不可或缺的人才，培養(yǎng)幾年，一定會有優(yōu)秀者冒出來，這部分人在美國被稱為IndividualContributor(個人貢獻者)，主要擔任技術類職位。
企業(yè)如何找到人才
合適的人才通常擁有優(yōu)秀的背景，比如亮眼的學歷、頂級公司的工作經(jīng)歷、帶領過重大項目等。通過這些大致可以判斷候選人應該放在企業(yè)的什么位置上。
對于研究型人才，企業(yè)通?？梢匀W校招聘、通過導師推薦或者學術會議交流來認識。對于應用型人才，尤其是核心候選崗位，可能最靠譜的方式，是通過朋友介紹或者招攬以前有過交集的人才。
另外，筆者認為，通過獵頭、各種會議、職業(yè)社交網(wǎng)站，也是企業(yè)發(fā)現(xiàn)人才不錯的渠道。當有了目標候選人以后，企業(yè)代表可以通過發(fā)郵件甚至約出來喝咖啡面對面溝通，更好地增進彼此的了解和信任。這種方式在美國硅谷頗為常見，企業(yè)常常主動邀請候選人前往公司參觀，和高管以及團隊主要成員溝通，讓候選人了解公司的方向和對人才的態(tài)度，打消候選人的顧慮。畢竟對于人才而言，跳槽也是有風險的，尤其是比較資深的員工，自然不希望去一個不適合自己的地方，浪費幾年寶貴時光。
候選人的情況一直在變，給候選人良好的面試體驗，有助于吸引優(yōu)秀人才的注意。當然，筆者認為，企業(yè)還要尊重每位候選人的時間和誠意，對候選人而言，除了思考薪酬、抱負的實現(xiàn)、自己的研究興趣和企業(yè)氛圍都是需要重點考量的因素。
企業(yè)如何組建數(shù)據(jù)科學和AI團隊
無論是初創(chuàng)科技公司，還是企業(yè)數(shù)字化轉(zhuǎn)型，都涉及組建數(shù)據(jù)科學或是人工智能技術團隊。筆者認為，組建AI團隊不是件容易的事，一方面，優(yōu)質(zhì)的AI人才在當今依舊比較稀缺，另一方面，優(yōu)秀的AI人才對于技術和商業(yè)的要求都比較高。
從技術層面來說，計算機編程和架構(gòu)能力以及數(shù)學和統(tǒng)計能力等都是必不可少的。優(yōu)秀的AI領導型人才在市場上極度稀缺，因為他們需要對前沿研究和商業(yè)應用都在行，在AI研究院擔任高管的，一般都是在美國知名公司任職過，有海外優(yōu)秀學術背景的人才。
作為新學科，AI有很多難題需要解決，也有很多未開發(fā)的處女地等待挖掘，必要的研究能力當然是不可或缺的，但是光發(fā)學術論文還不夠，領導型人才還需要知道怎么落地，以多大成本落地，并預知未來的技術風險和挑戰(zhàn)。比如，對于一些工業(yè)AI場景，是用云服務還是邊緣計算，如何確定產(chǎn)品難度和后期開發(fā)成本，怎么迭代和擴展等，都需要通盤考慮。領導型人才每天需要面對很多選擇，而每個選擇都會直接影響后期選擇和投入。這些本事需要從非常有經(jīng)驗的業(yè)界大牛那兒獲取，找到那些人也只是第一步。
當找到這些AI人才后，企業(yè)還要充分放權。這類人才通常有很強的人脈，通過他們舉薦人才并組織團隊，相對企業(yè)自己動手要容易得多。一些有抱負的人才也會因為這類領袖型人才的加盟而加盟，形成羊群效應。以筆者在美國的經(jīng)驗看，很多優(yōu)秀的年輕人選擇谷歌等公司也是因為期待加入大牛的麾下。
當然，組建優(yōu)秀的數(shù)據(jù)科學和AI團隊不得不提的還有資金。這方面，硅谷很多優(yōu)秀的公司很舍得投入。當招聘的員工背景優(yōu)秀、聰明且動手能力很強時，人才就成了類似谷歌這類公司的最大護城河。
組建團隊只是第一步。如何把團隊擰成一股繩，變成一支能打勝仗的部隊呢？這就要考驗領導型人才的智慧、公司的激勵機制和人才培養(yǎng)機制了。
企業(yè)如何培養(yǎng)人才
筆者看來，培養(yǎng)人才可以從以下三方面去實施。
首先，企業(yè)可以嘗試讓員工做一些比自己級別高一級的工作。谷歌等公司在這方面就做得非常出色，谷歌員工的成就感來源于自己的工作對產(chǎn)品和業(yè)務的影響力，感受到的影響力越大，就會越主動承擔責任。所以，給員工一部分比自己級別高一級的工作，會整體上擴大項目和工作的影響力。
其次，企業(yè)要決心放權，相信員工的能力和責任心。當然，在給他們更大挑戰(zhàn)的同時，也要幫助他們解決困難，必要的溝通和鼓勵是必不可少的，比如，定期組織培訓、讀書小組活動、安排員工出去開會和同行交流，讓他們感覺到在企業(yè)里可以學到東西，感覺到企業(yè)在他們身上花了真金白銀，并因此增加員工對企業(yè)的認同感。
最后，企業(yè)要營造一個公平的激勵機制。企業(yè)對員工工作的認同體現(xiàn)在工資、獎金和晉升上，創(chuàng)造一個公平的激勵機制不可或缺，最好需要晉升委員會的介入。晉升委員會的成員大多數(shù)都是資深的領導型人才，在審批激勵機制與晉升時，要確保獨立性，有必要的話還可以設立答辯環(huán)節(jié)。這類似于博士論文答辯，候選人需提交相關材料和代碼以證明自己在各個方面都已經(jīng)準備好承擔下一級的任務。
可以預見，在未來幾年內(nèi)，企業(yè)對大數(shù)據(jù)和AI人才的需求會越來越大。企業(yè)應該多花點時間尋找適合自己的人才，并通過有效的機制把團隊管理好，讓團隊更好地創(chuàng)造價值。
