物联网领域正涌入大批不领工资的“数据科学家”

物联网智库
关注

导  读

TinyML是指在毫瓦(mW)功率范围以下的设备上,实现机器学习的方法、工具和技术。这里的关键词是“毫瓦功率范围以下的设备”。TinyML功耗极低,不仅适用于边缘硬件,还可用于物联网终端设备,支持各种不同的电池驱动的设备,和需要始终在线的应用。最近TinyML与AutoML正在快速融合,构建嵌入式自动化机器学习算法,发挥更大的效力。

AIoT智联网是AI(人工智能)和IoT(物联网)技术在实际应用中的落地融合。近年来,智联网AIoT一词热度剧增,她正在以极快的速度从襁褓中的婴儿长大成人。

昨天,All inAIoT还是单个企业的市场宣言;今天,AIoT in All已经成为各行各业尝试转型以及寻找下一增长点的主力。

根据中国信息通信研究院统计预测数据显示,2020年全球人工智能市场将达到6800亿元人民币。据研究机构Markets and Markets在2019年发布的报告称,2019年全球AIoT市场规模为51亿美元。到2024年,这一数字将增长至162亿美元,复合年增长率为26.0%。

AIoT的成熟,一方面需要企业的重视与投入,另一方面需要技术的支撑与迭代。上周,我们谈到阿里投百亿加速AIoT布局的“大手笔”;这周,我们来看看AIoT的领域吹起的技术“新风向”。

在文章《一文读懂即将引爆的TinyML:在边缘侧实现超低功耗机器学习》中,我曾经介绍过一个新趋势:TinyML,并提到将会持续追踪TinyML的进展。

TinyML是指在毫瓦(mW)功率范围以下的设备上,实现机器学习的方法、工具和技术。这里的关键词是“毫瓦功率范围以下的设备”。TinyML功耗极低,不仅适用于边缘硬件,还可用于物联网终端设备,支持各种不同的电池驱动的设备,和需要始终在线的应用。

这些设备包括智能摄像头、远程监控设备、可穿戴设备、音频采集硬件以及各种传感器等…TinyML是一个新兴领域,是快速增长的机器学习技术和应用,是一片巨大的、未被充分开发的蓝海。

最近TinyML与AutoML正在快速融合,构建嵌入式自动化机器学习算法,发挥更大的效力。

AutoML全称是Automated Machine Learning,自动化机器学习,这是2014年以来,机器学习和深度学习领域最炙手可热的领域之一。

我们都知道,机器学习的应用需要大量的人工干预,这些人工干预表现在:特征提取、模型选择、参数调节等各个方面。AutoML试图将这些与特征、模型、优化、评价有关的重要步骤进行自动化地学习,使得机器学习模型无需人工干预即可被应用。

就在今年3月,谷歌证明了AutoML可以走得更远。根据谷歌已将代码开源的AutoML-Zero,如今有可能仅使用基本的数学运算作为构建块,就可以自动“进化”为完整的机器学习算法。

因此本文将介绍TinyML与AutoML相结合的最新进展,值得你关注的包括:

TinyML与AutoML“携手”的最大价值体现在哪里?

嵌入式自动化机器学习算法的具体应用场景有哪些?

这个领域的初创公司和各类资源的情况如何?

01TinyML+ AutoML的价值何在?

21世纪最性感的工作是什么?

你可能已经脑补了五花八门的答案,但《哈佛商业评论》(Harvard Business Review)认为是“数据科学家”。HBR在文章中写道,“如果‘性感’意味着拥有非常抢手的稀有品质,那么数据科学家就是。”

数据科学家很难招到、工资很高、更难留住,这也许是每个试图尝试AI应用的物联网企业都会头疼的问题。

数据显示,在2018年,初级数据科学家的平均工资为11.5万美元/年,能够管理10至15人团队的数据科学家则可以拿到35万美元的年薪。

2019年,全球对数据科学家的需求量是供应量的1.5倍。超过40%的公司认为招聘不到数据科学家是严重阻碍他们竞争力的原因之一。超过60%的公司试图通过内部培训,让现有员工变身成为数据科学家。

在物联网领域,数据科学家除了稀有,还面临另一个问题:在物联网终端,很多AI绝技无法施展。分布最广的物联网设备往往体积很小、电量有限。它们被作为终端硬件,通过嵌入式传感器采集各种数据;计算能力有限,对功耗极为敏感。物联网领域占比超过95%以上,都是需要超低功耗、占用极少存储空间、完成实时数据处理的场景。能够在这类设备上实现机器学习的人才,更是精英中的高阶精英。

TinyML与AutoML“携手”,就是试图让物联网领域的机器学习,突破人才稀缺和硬件受限的掣肘,让机器学习算法在物联网终端自我进化,让非技术人员可以轻松的使用人工智能进行数据分析,让原本“物以稀为贵”的机器学习以亲民的方式“飞入百姓家”。

TinyML在《一文读懂即将引爆的TinyML:在边缘侧实现超低功耗机器学习》中已有详细介绍,此处重点来说AutoML。

声明: 本文由入驻OFweek维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存