人工智能训练师国家职业标准颁布，都有哪些等级
实习记者｜陈振芳
近日，人社部发布了《人工智能训练师国家职业技能标准（2021 年版）》（下称《标准》），明确人工智能训练师分为五个等级。
人工智能训练师是指使用智能训练软件，在人工智能产品实际使用过程中进行数据库管理、算法 参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员。
人工智能训练师的五个等级分别为：五级/初级工、四级/中级工、三级/高级工、二级/技师、一级/高级技师。其中，五级初级工的数据标注能力，指向原始数据清洗和数据分类等工作；四级中级工的智能系统运维能力，指向对系统的维护、优化工作。
该职业包含数据标注员、人工智能算法测试员两个工种。根据《标准》，人工智能训练师培训内容有数据采集和处理、数据标注、智能系统运维、业务分析、智能训练、智能系统设计、培训与指导等5个项目的学习。
香港量子人工智能实验室研究员项先生接受界面教育采访时表示，“数据标注员、人工智能算法测试员是AI领域较基础的职位，相对其他AI岗位，这两个岗位更好量化和标准化工作内容。”该实验室由香港大学与加州理工学院（Caltech）联手成立。
界面教育在BOSS直聘、拉勾招聘上定位北京，数据标注员的薪资大致范围在4000元-12000元/月之间，人工智能算法测试员的薪资在10000元-30000元/月。人工智能算法测试员的学历要求在本科以上，该工作内容也跟算法更相关，人工智能培训师的岗位的学历要求为初中学历及以上。
“算法工程师的学名就是人工智能训练师这一表述不准确”，项先生说，根据《标准》的具体培训内容来看，算法工程师的内容和上述个工种并不相同，但也许未来人工智能训练师会纳入更多工种。
早在去年2月，“人工智能训练师”就已经正式成为新职业并纳入国家职业分类目录。目前，人工智能人才培养主要集中在AI职业教育机构、企业、本科院校、职业院校。
AI职业教育机构方面，根据工作应用领域通常将人工智能人才培养分为三大方向：NLP（自然语言处理）、CV（视觉识别）、推荐系统。较为知名的培训机构包括北大青鸟、达内教育、光环国际、传智教育、开课吧、奈学教育等。
企业方面，《标准》的主要起草位就有国内顶尖技术公司的身影，包括阿里巴巴(中国)有限公司、科大讯飞股份有限公司、北京百度网讯科技有限公司、北京欣云智讯科技有限公司等都在列。
其中，阿里云大学携手达摩院、机器学习PAI平台和基础设施平台团队，升级“阿里云人工智能学院”，为高校提供一站式人工智能人才培养解决方案。百度飞桨通过开设课程、项目、比赛、走进高校等方式培养AI从业者及高校学生。
市场的发展驱动力来自于人工智能市场的迅猛发展，相关人才缺口大。
人社部指出，随着人工智能在智能制造、智能交通、智慧城市、智能医疗、智能农业、智能物流、智能金融及其他各行各业的广泛应用，人工智能训练师的规模将迎来爆发式增长。预计到2022年，国内外相关从业人员有望达到500万。
国际知名咨询机构IDC发布《中国人工智能基础数据服务市场追踪报告》（下称《报告》）。报告预测，到2025年，中国人工智能数据采标服务市场规模将达到123.4亿元。
《报告》还指出标注人员培养模式转变，过去通过扶贫、再就业、产学研等方式快速降低了人工标注的成本，需要进一步探索职业教育、优化标注工具。
本科院校方面，校企联合是人工智能教育常见的人才培养模式，今年8月，英特尔公司将人工智能职业教育扩大到美国18所社区学院。国内的各大科技企业也会和高校联动培养人才，例如百度和清华大学等高校联合培养人才。
大专高职院校方面，2019年，教育部将人工智能技术服务专业纳入《普通高等学校高等职业教育（专科）专业目录》增补专业，自2020年起执行。
2019年，173所高职院校成功申报人工智能技术服务专业；2020年，385所高职院校成功申报人工智能技术应用专业。
根据全国高校人工智能与大数据创新联盟数据，同时成功申报人工智能技术服务专业、人工智能技术应用专业的职业院校全国一共386所。
人工智能时代需要怎样的教师
“我的工作会被机器人取代吗？”人工智能的迅猛发展，让越来越多的人开始担心自己的“饭碗”。而随着人工智能进军教育领域，许多教师也开始忧虑起来：“机器人会让我失业吗？”
实际上，这种担心并非空穴来风。2016年5月，美国佐治亚理工学院计算机科学教授艾休克·戈尔，在自己的网络课程中，将一款聊天机器人安排为自己的助教。这一聊天机器人在后台回答问题的功能非常强大，学生们根本没有注意到自己的聊天对象是机器人。人工智能会取代教师吗？
教师被人工智能替代的几率为0.4%
“如果你的工作包含以下三类要求，那么你被机器人取代的可能性非常小：社交能力、协商能力以及人情练达的艺术；同情心以及对他人真心实意的扶助和关切；创意和审美。”北京师范大学教育学部副部长余胜泉说，“反之，如果你的工作符合以下特征，那么被机器人取代的可能性就非常大：无需天赋，经由训练即可掌握的技能；大量的重复性劳动，每天上班无需过脑，但手熟尔；工作空间狭小，坐在格子间里，不闻天下事。”
余胜泉告诉记者，英国广播公司（BBC）基于剑桥大学研究者的数据体系，分析了365种职业未来的“被淘汰概率”。其中，电话推销员、打字员、银行职员等职业，分别以99.0%、98.5%、96.8%概率，被列为可被人工智能取代的职业；而艺术家、心理医生、教师等职业，分别以3.8%、0.7%、0.4%的概率，被列为最不可能被人工智能取代的职业。
“BBC分析认为，教师被机器人替代的概率只有0.4%，但英国教育专家AnthonySeldon则预测现在离人类教师消失只剩下3000天。孰是孰非呢？”《华东师范大学学报（教育科学版）》主编杨九诠说，“我想不可能有也不应该有肯定的答案。但值得注意的是，此‘教师’已非彼‘教师’。在未来新的社会样态、教育样态、知识样态和学习样态中，教师的思想观念、心智结构、生活方式和角色意识等，以及教师与社会、组织、学生、同行的关系，都可能发生颠覆性的全新变化。”
“传道、授业、解惑，是教师的主要职责。随着人工智能的出现，智能机器人可以代替教师传授知识、解疑答难、展示方法、考试阅卷，但在‘传道’这一块是替代不了的。”新疆呼图壁县教科局局长朱新宇说。
“目前的智能教学系统还是对优秀教师的模拟，建立教师模型、学生模型、教学法模型和交互模型等。所以说，人工智能远远谈不上对教师、特别是优秀教师的直接威胁。我们可以将人类智慧编码输入电脑，但不可能将电脑芯片植入一个健康的大脑。”北京大学教育学院教育技术系教授贾积有说。
人工智能将是教师的得力助手
“人工智能不可能取代教师，而是要成为师生的强大助手，可大幅提升教与学的效率和效果，所以学校应积极拥抱人工智能。”科大讯飞轮值总裁吴晓如说。贾积有也表示，人工智能技术在教育领域的应用与传统教学方法相比具有比较显著的正面影响。
贾积有介绍，数据挖掘技术应用到教育上，可以实现教育决策和管理的民主化及科学化；学习分析技术可以帮助教育者更好地实施个性化和适应性教学活动，也可以帮助学习者更准确地认识自己，开展针对性学习，改进学习效果，提高学习效益；模式识别技术如情感识别等可以自动识别学生的情感状态，以便实施适应性教学；自然语言处理技术一方面可以作为辅助工具应用到语言教学上,促进学生听说读写译各个方面的发展，另一方面作为人机交互手段应用到智能教学系统上，实现自动答疑。
余胜泉也认为，人工智能在教育未来的许多方面，如自动出题与批阅、学习障碍诊断与及时反馈、问题解决能力测评、学生心理素质测评与改进、青少年体质健康实时监测、学生成长发展指导、智能学习伴侣、个性化智能教学、综合素质评价报告等方面，都可以承担起教师的角色。
“人工智能将引发现代教与学的革命，众多语音图像识别、可穿戴设备、虚拟现实成像技术渗入课堂，使得现行的教学媒介、师生评价反馈、深度学习等都发生改变，学生个性化、任务单式的学习，团队项目式的学习，多学科的统整融合实践等，都将在智能设备的支持下变得更便捷。”广东省深圳市南山区后海小学校长蒋和勇说。
“人要驾驭机器，而不能被机器奴役。”北京市第十八中学校长管杰表示，有了人工智能的辅助，教师可以腾出更多的时间和精力，创新教育内容、改革教学方法，让教育变得更好。教师就不再仅仅是知识的传授者，还是满足学生个性化需求的教学服务提供者、设计实施定制化学习方案的成长咨询顾问，成为学生学习的陪伴者、动力的激发者、情感的呵护者，真正成为学生“灵魂的工程师”。
不会使用人工智能的教师有可能被淘汰
“显然，未来的优秀教师将是那些善于使用人工智能的教师，教师要主动拥抱人工智能。”教育部基础教育课程教材发展中心主任田慧生说，“我们应该积极面对人工智能带来的挑战，同时提高自身的自主学习能力，培养创造力。创新思维的培养，就是要呵护学生的好奇心和求知欲，鼓励学生发现问题。”
“人工智能不能取代教师，但是使用人工智能的教师却能取代不使用人工智能的教师。”余胜泉说，未来的教育是人与人工智能协作的时代，充分发挥机器与人类不同的优势是提高教育生产力的关键，人工智能将会取代简单重复的脑力劳动，教师要发挥人类的创新、复杂决策、情感关怀激励等优势。
朱新宇认为，在人工智能时代，教师教学必须抓住3个核心：一是教授学生有价值的知识，同时培养学生探寻知识的兴趣、欲望和方法；二是培养学生良好的品行；三是启发学生寻找人生的价值和意义。
“最基础的教育，将不再需要教师；而‘更好教育’的需求以及市场选择中不同的支付渠道和交换方式，将大大提升教师的薪资水平和社会地位。”杨九诠认为，“教师将成为未来社会不同类型、不同规模的学习中心重要的共同规划者和运行者，从而成为社会与教育的协同创生力量；在工作性质和社会筛选的相互作用下，教师的道德水平将提升到新的境界，甚至可以想象，未来教师的薪资中将可能包含社会供养的成分。”
教育部教师工作司司长、北京外国语大学党委书记王定华说，教师要不断增长本领，善用人工智能，提高教学效果，扩展知识疆域，调动学生兴趣，不能对其漠然置之、不屑一顾。同时，教师也要体现主体地位，永做学校主人，关注学生成长。人不仅是学习知识的认知体，更是有血有肉的生命体。教师职业必将长期存在，人工智能则发挥必要辅助。
“面对信息技术和人工智能的日新月异，有关大学和中小学应加快教师发展信息化步伐，主动拥抱人工智能，进一步推动信息技术在教育教学、教育管理、教育服务过程中的应用，利用智能技术支撑人才培养模式的创新，支撑教学方法的改革，持续不断地造就一批又一批掌握信息技术、具有创新思维的教师。”王定华说。（本报记者苏令）
人工智能
STM32人工智能生态
嵌入式机器学习能以简单、快速、经济划算的方式来改进许多应用。
预测性维护、物联网产品、智能楼宇、资产追踪、人员计数……集成了人工智能之后，许多应用将变得更加智能！
面向STM32的人工智能解决方案可全面并迅速帮助您在产品中嵌入机器学习功能！
市场方向预测性维护
PredictiveMaintenance，简称PdM。是指通过对设备进行数据收集和状态监测，在故障发生之前，就预测可能出现的故障隐患。并在故障损害发生之前，提出防范措施，更换相关零部件。
数千个STM32产品型号均允许用户通过NanoedgeAIStudio和STM32Cube.AI工具链实施机器学习和神经网络，从而实现预测性维护的机器学习和深度学习算法。STM32完善全面的生态体系及工业领域的广泛应用帮助客户更好的实现预测性维护。例如：
预测性维护
类别
细分市场
工业
• 光伏逆变器上的拉弧故障检测
• 电机、风机、泵、压缩机、齿轮箱故障（不平衡、摩擦、冲击、泄露）检测
• 工业断路器老化预测
• 电池电量故障检测
• 管道流量检测
• 温度、湿度、气体检测
家电
• 照明
• 家电（如空调、洗衣机、吸尘器）的非正常震动预测
汽车和运输
• 车辆
• 轨道安全门故障检测
• 基建
计算机视觉
嵌入式计算机视觉，具有：响应速度快、带宽低、隐私性好、低成本、低功耗的优势。
STM32MCU 通过STM32Cube.AI的工具，以及STM32MPU加上X-LINUX-AI可以帮助客户快速的实现计算机视觉中图像分类和目标检测。 这些计算机视觉能力，可以广泛的应用在各种需要计算机视觉的实际场景中。同时，AI具有的这些优势能力，正在启发越来越多的客户使用场景。
计算机视觉应用
类别
细分市场
异常检测
• 产线产品缺陷检测
• 烟雾、火灾检测
• 液体喷洒检测
低精度图像处理
• 实时图像分类
• 人、物存在检测,及多目标检测,人数统计
• 人脸检测和识别
• 药片检测
• 皮肤状态检测
• 字符和数字识别，如后装数字表识别
• 农业植物病虫害识别
计算机视觉交互方式
• 手势识别
• 注意力视线检测
• 人朝向检测
视觉唤醒
• 人脸检测、人形检测触发复杂视频算法
音频和传感
低功耗语音识别，STM32的优势在于在语音识别基础上的丰富通用外设和型号组合，相比较AP方案，功功耗。All-in-1STM32可以使用场景：
显示+语音：可穿戴、智能家居
无线+语音：智慧照明
控制+语音：家电（空调、洗衣机）
基于音频和传感的应用
类别
细分市场
声音事件分类
• 家庭报警
• 侵入检测
• 玻璃破碎报警
声音事件检测
• 基于多普勒效应的车辆计数
• 多麦克风的声音方向检测
声音唤醒
• 声音检测用来唤醒复杂的算法
情景感知
• 室内、室外等各种环境场景
• 车辆环境
• 建筑物入住率
• 工厂活动
• 人存在检测
软件及工具面向STM32的人工智能解决方案，可提供以下三种工具或软件的支持。
1.NanoEdgeAIStudio，您的机器学习向导
NanoEdgeAIStudio有数以百万计可用的预构建模型，能够轻松为嵌入式设备生成库。
即使您对于AI不太熟悉，只需几天就能创建一个完整的产品！例如，基于其异常检测、分类或回归算法，该工具让您可以轻松开发预测性维护应用。
NanoEdgeAIStudio工具介绍视频
产品下载 说明
NanoEdgeAIStudio
面向STM32开发人员的自动化机器学习(ML)工具2.STM32Cube.AI，有此软件工具在手，即可助您储存和优化人工神经网络。
NanoEdgeAIStudio有数以百万计可用的预构建模型，能够轻松为嵌入式设备生成库。
即使您对于AI不太熟悉，只需几天就能创建一个完整的产品！例如，基于其异常检测、分类或回归算法，该工具让您可以轻松开发预测性维护应用。
STM32Cube.AI工具介绍视频
产品编号 说明
STM32CubeMX
STM32Cube初始化代码生成器 X-CUBE-AI STM32CubeMX的AI扩展包通过STM32功能包加速开发
为了简化应用程序开发，我们提供关于重要用例（例如计算机视觉、传感，以及状态监测）的代码示例。我们的功能包完整集成了人工神经网络与预处理/后处理功能，并连接到微控制器外设。
这些软件包帮助您节省宝贵的时间，使您能够专注于人工神经网络模型，让您的应用程序脱颖而出。
产品编号 说明 FP-AI-SENSING1 STM32Cube功能包，用于超低功耗物联网节点，具有基于音频和运动 传感的人工智能（AI）应用 FP-AI-VISION1 STM32Cube功能包，用于高性能STM32，带有用于计算机视觉的人工智能（AI）应用 FP-AI-NANOEDG1 STM32Cube的人工智能（AI）状态监测功能包 FP-AI-FACEREC STM32Cube的人工智能（AI）面部识别功能包 FP-AI-CTXAWARE1 STM32Cube功能包，用于分布式人工智能（AI）的超低功耗情景感知 FP-AI-MONITOR1 STM32Cube功能包面向超低功耗STM32，基于多种传感器实现人工智能(AI)监控应用3.STM32MPU的Linux扩展包
产品编号 说明 X-LINUX-AI 用于AI计算机视觉应用的STM32MPUOpenSTLinux扩展包 STEVAL-STLKT01V1 SensorTile开发套件 硬件面向STM32的人工智能解决方案
STM32芯片对AI工具的支持
可用于AI评估的STM32开发板
产品编号 说明 B-L475E-IOT01A STM32L4探索套件，包含IoT节点、低功耗无线解决方案、BLE、NFC、SubGHz和Wi-Fi STEVAL-STLKT01V1 SensorTile开发套件 STEVAL-STWINKT1B 用于工业IoT应用的STWINSensorTile无线工业节点开发套件和参考设计 STM32L562E-DK 配备STM32L562QEMCU的探索套件 STM32H747I-DISCO配备STM32H747XIMCU的探索套件
STM32MP157C-DK2 配备STM32MP157CMPU的探索套件 STM32MP157F-DK2 配备STM32MP157FMPU的探索套件 Avenger96 基于STM32MP157A的Avenger96板源自96Boards B-CAMS-OMV 摄像头模块套装，用于STM32板设计资源*点击编号/文档可查看下载
STM32人工智能相关资料如何在OpenMV生态系统中集成STM32Cube.AI生成的代码
实战经验
UM2526_X-CUBE-AI人工智能(AI)扩展包入门
用户手册
UM2611_STM32H7微控制器的人工智能 (AI)和计算机视觉功能包
用户手册
UM2870_用于STM32Cube通过分布式人工智能(AI)实现超低功耗环境感知
用户手册
UM2721_STM32Cube的人工智能状态监视功能包
用户手册
DB3788_STM32Cube的人工智能AI数据手册
数据手册
DB4255_X_LINUX_AI数据手册摘要
数据手册
DB4418_AI软件示例数据手册
数据手册
DB4467_STM32Cube的人工智能AI和面部识别数据手册
数据手册
DB4196_STM32Cube的人工智能（AI）状态监测功能包
数据手册
DB4494_无线工业节点多传感器AI数据监控框架，STM32Cube功能包
数据手册
Demo&Webinar视频资源
NanoEdgeAI
介绍视频
ST人工智能应用解决方案NanoEdgeAIStudioV3介绍
预测性维护
NanoEdgeAI-通过对驱动风扇的电流信号进行监测
NanoEdgeAI-STM32微控制器的TinyML预测性维护
基于机器学习的具有嵌入式预测性维护功能的电机控制
故障检测
电机控制中的异常检测X-NUCLEO-IHMO7M1板上的滤网阻塞检测
STM32Cube.AI
计算机视觉
光学字符识别（OCR）
后装AI抄表模型STM32H7双核“Tuttifrutti”什锦水果冰淇淋DEMO运行在STM32H747I-DISCOSTM32EdgeAI解决方案
人物检测
基于AI的小型家用设备手势控制系统人物检测——低功耗STM32微控制器上的神经网络(STM32H7或者STM32L4)
人脸识别
FP-AI-FACEREC1_STM32H7_面部识别应用
计算机视觉
STM32在计算机视觉上的应用如何使用STM32Cube.AI进行计算机视觉项目开发？
NanoEdgeAI
STM32Cube.AI
计算机视觉
人工智能demo-风扇滤网堵塞检测以及基于视觉的人数统计
培训课程及资料
意法半导体边缘人工智能解析观看视频
ST端侧人工智能之视觉检测培训课件
下载培训课件什么是人工智能 (AI)
虽然在过去数十年中，人工智能(AI)的一些定义不断出现，但JohnMcCarthy在2004年的文章 (PDF,127KB)(链接位于IBM外部)中给出了以下定义："它是制造智能机器，特别是智能计算机程序的科学和工程。AI与使用计算机了解人类智能的类似任务有关，但不必局限于生物可观察的方法"。
然而，在这个定义出现之前数十年，人工智能对话的诞生要追溯到艾伦·图灵(AlanTuring)于1950年出版的开创性作品"计算机器与智能"(PDF,89.8KB)（链接位于IBM外部）。在这篇论文中，通常被称为“计算机科学之父”的图灵提出了以下问题：“机器能思考吗？” 他在这篇文章中提供了一个测试，即著名的“图灵测试”，在这个测试中，人类询问者试图区哪些文本响应是计算机做出的、哪些是人类做出的。虽然该测试自发表之后经过了大量的审查，但它仍然是AI历史的重要组成部分，也是一种在哲学中不断发展的概念，因为它利用了有关语言学的想法。
StuartRussell和PeterNorvig随后继续发表了“人工智能：一种现代方法 ”（链接位于IBM外部），成为AI研究方面的重要教材之一。在这本书中，他们深入探讨了AI的四个潜在目标或定义，基于理性、思考和行动来区分计算机系统：
人类方法：
像人类一样思考的系统像人类一样行动的系统理想方法：
理性思考的系统理性行动的系统艾伦·图灵的定义可归入"像人类一样行动的系统"类别。
以最简单的形式而言，人工智能是结合了计算机科学和强大数据集的领域，能够实现问题解决。它还包括机器学习和深度学习等子领域，这些子领域经常与人工智能一起提及。这些学科由AI算法组成，这些算法旨在创建基于输入数据进行预测或分类的专家系统。
目前，仍有许多围绕AI发展的炒作，市场上任何新技术的出现都会引发热议。正如Gartner在其hypecycle技术成熟度曲线（链接位于IBM外部）中指出的那样，自动驾驶汽车和个人助理等产品创新遵循“一个典型的创新周期，从欲望膨胀到期望幻灭、到最终了解创新在市场或领域中的相关性和作用。”正如LexFridman在2019年麻省理工学院演讲中指出的那样(01:08:15)（链接位于IBM外部），我们正处于欲望膨胀高峰期，接近幻灭的谷底期。
随着对话围绕AI的伦理道德展开，我们可以开始看到幻灭谷底初见端倪。如想了解更多关于IBM在AI伦理对话中的立场，请阅读这里了解更多信息。