数字新职业助力青年在“云端”追梦(2)

未来，我会持续深耕农业和乡村数字化领域，不断提升专业能力，也希望能将经验和方法传递给更多人。
人工智能训练师：“训练”出精度99.95%的数据模型
讲述人：华为云AI工程师 夏小飞
上午9点，来到公司，打开电脑，登录华为云AI开发生产线ModelArts，查看昨晚同时在跑的几个模型的训练效果，分析它们在某些测试数据上表现不佳的原因……AI训练师一天的工作开始了。

福建省福州市，小朋友在第五届数字中国建设成果展览会上和AI机器人下棋。新华社发
作为“训练师”，训练前，先要观察分析数据，跟数据标注团队沟通数据处理方案，思考要采用的模型和训练方案；然后编码、训练模型；训练后，对模型效果进行分析，调整参数或增加数据，再接着训练模型……这样循环往复的工作看似枯燥，但当训练出的模型在实际项目中成功落地，心中充满了成就感。
我曾经做过一个路边停车位的车牌识别项目，客户对模型精度要求高达99.95%。运用场景也面临多种挑战，大角度倾斜、灯光天气干扰等，压力特别大。我通宵达旦地和团队一起讨论方案、查找资料，多个模型同步训练进行比对，仔细分析每张识别失败的图片，最后终于做出了客户满意的效果。模型上线那天，每个人都特别开心。
与其他软件工程师岗位相比，AI训练师听起来很高大上，薪资待遇也更高。一些工作多年的软件工程师，也有转行做AI的想法。但实际上，AI训练师的要求可不低。对于一个实际场景，大部分训练师都能训练出精度70%至80%的“玩具”模型，但是要达到商用条件的95%、甚至99%精度，就非常考验训练师的能力和经验了。
现在高校计算机相关专业中从事AI研究的占比很大，社会上的AI培训也如雨后春笋。但我们招聘时经常发现，大部分应聘AI训练师的求职者，只是跟着学校里的课程或者网上公开的项目做了一些练习，对技术细节、新的平台和工具并没有深入研究，实际的项目经验也不足，与企业的需求差距较大。作为一名AI训练师，我们不仅要持续跟进新的AI技术，也要在项目过程中学习其他行业知识。这是这份工作带来的挑战，也是这份职业能够让人不断创新、保持兴奋的原因。我愿意在这个岗位上一直做下去，不断突破自己。