行业与学术界的合作如何推动人工智能领域的发展

学术界已经并将继续在人工智能（AI）和机器学习（ML）开发中发挥重要作用。作为旧金山大学的计算机科学教授以及数据集成软件提供商SnapLogic的首席科学家，我很幸运能够在学术和专业方面与AI和ML合作。我的职业生涯开始于一个纯粹的学术界，只有当我在大约10年前转到我的双重角色时才开始意识到，当涉及到推动创新时，工业和学术界必须共同努力以实现显着的效益，特别是任何大规模数据运作的技术。

当然，在人工智能的发展过程中，学术界已经完成了许多理论和实验工作。学术界面临的挑战是获取真实世界的使用数据，这些数据可用于训练模型以及访问可以大规模部署和测试AI和ML算法的平台。

大约15年前，搜索和社交公司发现现有数据库解决方案不适合其庞大的数据集，创建了自定义解决方案。借助可扩展的存储系统，他们随后邀请学者分析这些新收集的数据。这些新型的大量数据有助于为学术界开发的所有理论机制提供动力，并实现真正的建议和预测应用。这种数据可用性的增加影响了人工智能的理论方面，并在学术界和工业界之间建立了这种共生关系。没有它，人工智能的进步可能不会像现在这样遥远。

发展工业与学术界的关系

在我作为一家科技公司的教授和首席科学家的角色中，我亲眼目睹了学术界和工业界之间的文化差异。在我看来，两种文化的本质都有它们的地位。学术界是学生学习和发现计算机科学基础的地方，而工业是将基础实践付诸实践的地方，从而为社会带来真正的价值。然而，随着合作的增加，AI和ML的发展，两种文化都有机会互相受益。

我已经能够将工业经验带入我的课程。我现在教的一些东西，特别是在分布式系统中，是你在学术界传统上看不到的东西。但是，通过教授构建生产软件的现实，它可以更好地为学生在行业中的未来做好准备，并且在学习困难概念时有助于激励他们。与行业建立联系也意味着我的一些学生有机会在现实世界的AI项目中在SnapLogic现场工作。

同样，在机器学习应用于实际行业问题时，需要研究中使用的学术科学方法。实现机器学习与实现新的软件功能不同。对于大多数功能，您可以指定需求并提出开发计划。尝试实现机器学习时不是这种情况。相反，机器学习需要大量的实验，看起来更像是一个学术科学实验。通过这种方式，建立假设然后运行实验的学术文化是在工业中成功部署机器学习所需要的。

人工智能在商业世界中

未来几年，人工智能对企业的好处将会很大。创新，效率提升和更大产出将成为其中的主要内容。人工智能将帮助释放宝贵的资源，以便在其他领域进行部署，从而增强现有产品和服务或开发新产品和服务。它将改变工作角色，并允许工作人员专注于依赖人类技能的任务，例如情感洞察力或创造性智力。

但这不会在一夜之间发生。这将是一个稳定的增量过程。为了使我们保持正轨，学术界和工业界之间的合作将至关重要。他们一起比他们的部分总和更强大，通过分享资源和人才，人工智能的创新将茁壮成长。