昆山杜克大学AI教授：填志愿不要因为数学拒绝学习AIGC
近日，随着大模型的火热，关于AIGC行业相关的人才培养引发关注。针对AIGC的热点话题、大学教育、就业情况等，南都专访了昆山杜克大学数据与计算科学副教授黄名畯，黄名畯教授的研究方向包括物联网、智能健康、机器学习和信息学。在昆山杜克大学，他的教学涵盖计算机组织和编程、操作系统概论以及图像数据科学等课程。
黄教授告诉南都记者，对于AIGC行业的兴趣可以从高中就开始培养，由于AIGC是跨行业技术，对艺术、视频游戏、医学、自动驾驶等行业感兴趣的人都可以学习、利用这门技术。此外，据他透露，他的学生中几乎都还是从事本行业工作，没有人转行。
昆山杜克大学数据与计算科学副教授黄名畯：拥有台湾清华大学电气工程学士学位、南加州大学电气工程硕士学位以及加州大学洛杉矶分校计算机科学博士学位。在加入昆山杜克大学之前，他曾任美国凯斯西储大学副教授，以及移动健康实验室和传感与交互实验室主任。
医学、交通领域的AIGC应用值得关注
南都：可以简单解释一下什么是AIGC吗？
黄名畯：相比于大家过去听过的PGC、UGC概念，AIGC就是人工智能生成的内容，可以是文本，也可以是图像、音乐、视频、3D交互等内容。生成式AI有趣的地方在于它会考虑上下文，结合预测的结果，生成接下来内容。现在AIGC和普通大众的距离缩小了很多，包括ChatGPT、AI绘图软件在内，让大家都可以接触到，所以最近就这样爆火起来。
南都：前段时间AI歌手，还有以ChatGPT为代表的对话大模型都引发了不小的关注，在你看来，未来还有哪些领域AIGC的应用是值得关注的？
黄名畯：除了音乐领域的艺术创作以外，AIGC的应用还延伸到电影、电视制作、游戏制作等。另外一方面我觉得AIGC可以用在数据分析跟决策支持方面。这种决策除了在工业上，也可以在医疗方面使用。我本身其实就是做精准健康与医疗方向的，现在AIGC不管是通过自然语言生成、影像生成，都可以用来用做影像诊断，去检测分析医疗影像，做一些个性化（的支持）。我觉得最重要是那些需要个性化的领域，如果只是标准的答案，那很多东西上网就能查到。身体状况大家都不太一样，甚至需要更多不同人的类似病人的经验。
除此之外，我们有些研究是用AIGC来处理医疗文献。医疗记录跟病历其实是很花人工的。医护人员要追踪更新、总结信息，要花很多时间。透过AI的方式，我们可以帮助医生制订可行的治疗方案跟评估疾病风险。
AIGC还可以用来做自动化驾驶系统的感知、决策，帮助车辆辨识跟应对不同的交通状况，优化交通流量和路网设计等。
南都：很多人认为中文大模型的发展痛点在于互联网上的中文数据质量低，不互通。您怎么看这个说法？
黄名畯：这个问题确实存在，中文大模型发展确实面临四个主要的问题: 1. 资源不足(开源免费更少)；2. 中文数据的质量有待提高,大数据训练对于数据的质量要求是相当高的。因为低质量的数据对模型的训练学习可能产生负面的影响；3. 数据互通性(缺乏标准化)，尤其是中文数据，中文的语义复杂，同样的一句话，在不同场景下的表达意思可能就不太一样；4. 国内大模型的技术和发展起步较晚,但这是可以克服的,我觉得是需要高校、企业一起推进的一件事。
“不该因为数学或者英语就拒绝一门技术”
南都：关于大模型人才的培养，很多大学还是都统一归到计算机专业。您觉得在用人方面， AIGC领域的发展需要哪些专业和技能？大学在目前在这一领域的培养呈现出什么样的特点？
黄名畯：目前AIGC领域，我们主要希望培养数学和计算机科学的基础知识。尤其从大学、高中的时候就应该培养这样的知识。基于学习和知识，常用的算法模型优化也都要掌握。
这些目前从大学基础课程就可以直接获得。但我觉得更多还是需要通过学习、实践来练手。昆山杜克这边也会给学生提供相关的实践项目，结合一些真实的数据场景帮助学习学生去学习和实践。我们有一些暑假的summer research，在学校也鼓励学生去医院、企业实习。甚至我们也让学生修independent study（独立学习），参加相关课程培训，以补充课程的方式，可以拿到学分。
国内的话，可能有一些高校才刚刚开始这样的项目。他们还是按照传统的电子工程和计算机这样分开的模式，比较缺乏实践，或者跨领域的结合。我觉得昆山杜克可以做一个范例，透过这样的帮助，学生就知道在大学如何学习。等他们真正到社会上工作，进入相关的AIGC企业，他们还可以不间断地持续学习，突破35岁的年龄天花板，我觉得这就非常有意义了。
南都：比如一个高中生填报志愿的时候，他要如何确定自己适合学习这个专业、适合从事这个行业？比如是不是要数学很好才可以？
黄名畯：我相信很多学生一开始还是会比较懵懵懂懂的，尤其是跟随着高考过来会有点迷茫，好像考试的内容跟AIGC也没有直接的相关。AIGC现在其实已经渐渐爆发，很接地气，不管是直播、创作，都和AIGC直接相关。我会建议很多学校可以在高中就让学生多接触这些相关内容，因为有些东西你可能是要学才会知道有这个工具，然后知道工具怎么用。在这个环境下，你只要知道有这样的技术，有去使用过，其实你渐渐可以知道是否有这样的兴趣。
AIGC其实需要的是跨领域的人才。你可能对数学不是最有兴趣，但对艺术很有兴趣，那也可以学习、从事AIGC领域。对交通管理感兴趣，同样也可以。我不会让学生就因为数学或者英文，就拒绝一项技术，反而是应该更去体验看看，你是否觉得这个技术对你未来想要做的事情是有帮助的。
当然我相信有很多人，是因为这个行业的薪水较高而选择这个行业。其实计算机科学随着诞生以来，在美国也红火好一段时间。从互联网时代，一路到AI时代。薪水绝对是一个非常重要的因素。
AI生成的图片。（受访者供图）
AI人才培养现状：“学生没人转行”
南都：您的学生里，从事这个行业的人，是不是都要读到硕士起步？
黄名畯：我们学校的学生大部分都会去读研。其实我也是鼓励他们要读研，读研阶段其实是在训练学生的解决问题的能力。在本科的时候我们提供很多资源，提供很多的帮助，甚至帮学生对接很多事情。但是渐渐地他们要出社会，要想办法解决上面交代下来的一些问题，他们要有解决问题的能力。我觉得尤其是AIGC领域，更需要这样（深造），因为很多东西目前是未知。很多技术还需要再试试看，需要进一步的探索。
昆山杜克大学
南都：您的学生大部分都会从事这个行业吗？转行的多吗？
黄名畯：我在昆山杜克的学生基本都在读研究生了。我在美国的学生基本上都是在做这个方向，去企业的包括谷歌、亚马逊、三星等，也有回国去华为、字节跳动的，还有在美国研究型大学担任助理教授的，但都仍然还在这个方向，没有听说过转行的，毕竟薪资摆在这里。大家都有比较好的前景，这是目前的趋势了。不管是在美国，中国或在欧洲，其实大家都很看重这个领域。
采写：南都记者 汪陈晨