用人工智能赋予研究人员权力:与Reza距首都普里什蒂纳的对话, 欢迎访问十大电子网址新人工智能训练营主任
Reza距首都普里什蒂纳, 工程与应用科学部(EAS)新人工智能训练营主任, 来到欢迎访问十大电子网址的使命是:让科学家和工程师对人工智能(AI)及其在研究中的应用有更深入的了解. 借鉴Sadri丰富的行业经验, 人工智能训练营旨在弥合学术界和人工智能技术之间的差距. 在这次采访中, 萨德里分享了他对训练营目标的见解, 目标受众, 长远的眼光.
什么是AI训练营?
EAS AI训练营的主要目标是帮助参与者了解何时以及如何在他们的研究中有效地使用AI, 以及确定其适当的背景和局限性. 现在，这个训练营将是一个快速但密集的一周课程，从早上9点开始.m. 到5点.m.每年会出现8到10次. 然而，我们愿意根据收到的反馈调整频率和持续时间.
这个训练营面向的是研究生和博士后, 因为这些团体将从将人工智能纳入他们的研究中获得巨大的优势.
作为比较, 40年前, 有很多物理学家和化学家可以从使用计算机中受益, 但他们不知道怎么做. 在那个时候，电脑太贵，而且很难使用. 但是现在，电脑已经成为每个人的日常工具. 科学家们可以从计算机运行的模型中获益, 做计算, 执行研究, 等. 现在，人工智能正处于40年前计算机所处的阶段. 我们必须让科学家参与进来，以便能够有效地使用人工智能.
谁是人工智能训练营的理想人选?
理想的候选人是研究生或博士后，已经知道Python和理解人工智能线性代数所需的基本数学, 微积分, 概率论. 除了了解机器学习(ML)背后的基础科学，, 理想的训练营参与者也应该有人工智能可以帮助的相关研究. 训练营的一个目标是帮助参与者将他们的研究映射到机器学习最有效的框架中.
训练营的长期愿景是什么?
人工智能训练营的重点是让人们了解人工智能的基础知识, 在哪里应用它, 以及在哪些地方不应用它. 此外，人工智能训练营将提供专注于在特定领域使用人工智能的课程. 在过去十年中, 人工智能已经扩展到各个分支和应用领域，一些人工智能应用非常适合特定的领域或问题. 我们将为这些应用程序提供专门的训练营, 比如强化学习, 图神经网络, 大规模数据处理.
在第一年, 我们的目标是让大约150-200名参与者完成训练营，然后收集他们的反馈. 我们计划在训练营参与者和项目本身之间建立一个持续的反馈过程. 根据这些反馈，我们将进行调整和改进.
我们也在考虑允许参与者把他们自己的研究项目和数据带到训练营. 这意味着如果你有一个特定的项目, 您可以在训练营期间使用提供的任何工具进行工作. 然而, 在有限的时间内管理各种各样的项目和数据是我们未来要解决的挑战.
你在人工智能方面的背景是什么?是什么让你来到欢迎访问十大电子网址?
我的背景主要是在工业领域，有超过30年的软件开发经验. 我最初从事系统软件和数据库管理系统的工作. 大约13年前, 我转向了低延迟的数据访问应用程序, 包括金融领域，比如股票市场数据处理. 这让我接触到了AI和ML应用, 引导我开发快速处理大型数据集的工具, 适用于物联网和其他需要毫秒或微秒延迟的领域.
然后我加入了一家叫Instacart的公司, 在那里我组建并管理了一个团队，建立了公司的机器学习基础设施. 帮助建立基础设施, 我与一群不同的机器学习工程师合作，他们涵盖了从搜索到学习的所有领域, 建议, 广告, 和物流. 人工智能在经济应用中也发挥了关键作用, 包括激励购物者, 客户, 和广告客户.
在Instacart的时候, 我见证了人工智能在工业上的广泛应用, 但我对它在科学技术领域的广泛应用很感兴趣. 通常, 经济激励推动了最初的发展, 但人工智能在不同科学和技术学科中的不同应用引起了我对欢迎访问十大电子网址这个职位的兴趣.
除了, 我认为，人工智能在不同科学学科中的广泛应用，本质上丰富了人工智能和机器学习. 这是因为科学研究经常解决非主流的非常规问题, 提出独特的挑战. 用人工智能和机器学习解决这些问题需要创新的方法, 从而将该领域的边界推向了意想不到的方向.
根据你的经验, 你认为人们在工业或研究环境中使用人工智能时最常犯的错误是什么?
首先，有时候，你不需要人工智能. 有一些应用程序可以通过使用简单的数学模型或简单的统计数据来实现. 第二个错误是使用了错误的工具. 人工智能有许多不同的工具，其中一些非常复杂和复杂. 有时人们使用复杂的工具，而简单的工具也可以工作. 第三个错误是数据处理不当. 有效使用数据需要干净, 有关, 非泄漏数据集-数据泄漏是指来自训练数据集的信息无意中包含在模型中, 导致不现实的表现. 像这样误用数据只会浪费精力, 比如发表基于错误数据假设的论文.
你最期待从AI训练营中看到什么?
我期待着看到不同科学和技术学科的研究人员在生产力和满意度方面的显著提高. 虽然很难精确地量化, 人工智能具有显著提高生产率的潜力. 即使在基础研究任务中，AI也简化了资源发现. 除此之外, 人工智能有助于实验管理, 使用新兴的工具，如用于实验优化的强化学习.
人工智能提供了许多工具，但对这些工具的理解要么是不存在的，要么是肤浅的. 欢迎访问十大电子网址有很多超级聪明的人, 如果我能让平均生产率提高10%, 那将是巨大的.
要了解更多关于EAS AI训练营的信息，请联系 Reza距首都普里什蒂纳 or 梅丽莎·希尔.
