AI时代需要怎样的人才，需要具备怎样的能力？AI又能给企业人力资源管理带来怎样的改变，让人才更好发挥价值、实现自我？近日，在南方报业AIGC培训基地系列培训期间，作为培训讲师的香港科技大学(广州)协理副校长、人工智能学域创始主任、讲座教授熊辉，围绕这些问题接受了南都科创工作室记者专访。
作为长期从事数据挖掘与人工智能方面科研工作的科学家和人才培养专家，熊辉表示，人工智能在未来可能成为一个基础学科，每个行业都要学习。在人工智能时代，要培养具有创新精神的领军“人物”。对传媒行业而言，人工智能的持续发展离不开优质数据的支持，高质量的内容仍是主流媒体的核心价值。
人工智能时代更需要
具有创新精神的领军人物
南都：今年诺贝尔奖有两项都颁发给了人工智能领域的研究成果，您认为这反应出怎样的科学技术发展趋势？
熊辉：我认为诺贝尔奖在某种意义上是颁给了一种新的科学研究的范式。人工智能领域当前最重要的发展趋势是其渗透性，即“AI+”。
人工智能已经进入各行各业，进入制造业变成智能制造、进入人力资源行业变成智能人力资源管理、进入市场业务变成智能市场分析、进入媒体变成智能媒体内容生成等。
它开始像数学一样赋能各行各业。所以我最近有一个观点，未来，人工智能可能会成为一个基础学科，每个行业都需要学习，只是学习的内容会根据专业不同而有所区别。
南都：您如何看待当前高校纷纷开设人工智能或者人工智能融合专业的趋势？
熊辉：我认为这是一个必要的趋势。现在不是讨论要不要学人工智能的问题，而是必须要学。关键在于学习什么内容，这就跟每个人的专业有关。
在人工智能时代需要什么样的人才？我认为从人力资源角度可以分成三个层面，“人员”、“人才”、“人物”。从事流水线重复劳动的“人员”未来很容易被AI替代，而AI对具有一般专业技术的“人才”可能也会带来冲击。人工智能时代更需要具有创新精神的领军“人物”，这也会是一个人物红利时代。
从教育培养的角度，我认为，我们不能抱着培养工程师的思想去培养具有创新精神的人物。中国很擅长培养工程师，但缺的是具有创新精神的领军人物。
南都：在您看来，什么是具有创新精神的领军人物？如何培养？
熊辉：人物红利时代中的“人物”，我认为是指那些具有创新精神、领导力和战略眼光的人才。他们不仅在自己的领域内具有深厚的专业知识，还能够跨界整合资源，引领团队解决复杂问题。
人物还需要具备建立平台、制定标准、打造系统、创建品牌的能力，他们能够在变化中寻找机遇，并带领团队实现指数级的成长。
在人物时代，财富是跟着人物走的，吸引和留住人物不仅需要提供有竞争力的薪酬和福利，同时更重要的是提供成长和发展的机会。
人物通常追求的是自我实现和自豪感，因此我们需要提供一个能够让他们实现价值的平台。此外，我们还需要建立一个开放和包容的组织文化，让人物能够自由地创新和尝试新的想法。
南都：在港科大（广州），您作为人工智能学域创始主任，对学生培养有哪些要求？
熊辉：我们的教学理念是教学生掌握机器所不具备的能力。我们注重实践，解决真实世界的问题，让学生在解决实际问题的过程中成长。
我认为一个博士生毕业需要满足三个能力：发现问题的能力、将问题转换成数学问题的能力，以及解决问题的能力。这三种能力是领军人物的基本能力。
智能化人才管理涉及六大模块
南都：在人工智能时代，对企业人才团队建设提出了怎样的新要求，人工智能可以为企业人力资源管理发挥怎样的作用？
熊辉：当前企业所处的市场环境和业务模式变化迅速，这对人才管理提出了更高的要求。人工智能可以在智能化人才管理方面发挥作用。AI可以帮助我们从数据中挖掘出过去难以掌握的信息，比如反映人的性格、人岗匹配关系以及组织稳定性等。
AI可以协助我们从经验型管理向科学型管理转变，通过数据分析做出更加客观、全面的决策。此外，AI还能帮助我们实现从模糊决策到信息化智能决策的转变，提高决策的前瞻性和准确性。
我们设计的智能化人才管理涉及六大模块，包括智选才、智人物、智组织、智风控、智留辞和智文化。智选才涉及到如何识别和选拔合适的人才；智留辞关注如何保留关键人才；智人物则是关于如何发掘和培养人物。
智组织关注如何构建和优化组织结构；智风控涉及到如何评估和管理人才和组织相关的风险；智文化则是关于如何塑造和维护创新包容的企业文化。
南都：您在培训中提到在智能化人才管理之后，“滥竽充数”会变得很难，那么另一方面，AI能否让一些有能力的人更容易被发现出来？
熊辉：在AI智能的驱动下，从简历的筛选，到人才能力的画像，相对来说人才脱颖而出的机会也会比以前更大一些，对人力部门来说，找到合适的人才也会比以前更加的快速。
当然这里面目前其实还存在一些问题和挑战。因为AI它主要是基于既有数据的一个判断，那么对于一些人才来说，必须要在合适的场景里他的能力才能暴露出来，还有的人可能需要足够的平台和资源才能走出来。这些方面对于现在的AI判断来说其实是挺困难的。
另一方面，人力资源类AI采集的数据不仅仅是一个人的工作数据，还可能包括过往发布的研究成果、论文文章乃至在一些社交媒体平台的公开发言。所以我现在也跟我的学生们说，一定要重视自己写的研究文章的质量，未来它们可能都会作为AI评估的一部分。
AIGC发展需严把数据质量
避免数据“疯牛病”
南都：您如何看待在传媒行业人工智能数据集的问题，如何提高数据集的质量？
熊辉：对AIGC的发展来说，数据的质量至关重要。在传媒行业，如果要采集大量的数据，社交媒体当然是现在普遍的选择。但随着AIGC的应用，现在的问题是社交媒体上的数据很多可能就是由机器生成的。
这就像当年的“疯牛病”是因为养殖场工人把碎牛肉喂给牛吃一样，本来就是机器生成的数据再“喂料”给机器，这可能造成模型的崩溃，可能会导致AI领域的“疯牛病”现象。从这个角度来说，主流媒体生产的内容可能会是更高质量的数据源。
AI大模型继续发展下去，要在数据质量上进行严控。所以我觉得媒体在这个时代有一个新的责任，就是在人工的内容生产方面需要维持一批人，他们可以做到高质量的内容生产，这里不是说不能使用AI工具，而是在利用工具的情况下做到高质量的内容生产。
比如说我现在到一些地方去演讲，我做一场演讲可能要讲三点信息，我就会把这三个关键点给大模型，让它帮我生成一些数据，比如有哪些谚语典故我可以用，有哪些针对这场演讲的听众可能用得上的，AI给我的建议会很多，然后我再进行挑选，挑选之后我再把它组合在一起，成为一篇最终的演讲稿。
这篇演讲稿就不能说是机器生成的，因为它融合了我的思想，机器只是帮我把装修施工完成了，但装修的设计内容还是人来定义的，这就属于高价值的数据。
南都：您认为对于AIGC技术来说，在传媒行业的应用还要做出哪些突破？
熊辉：其实还有很多事情可以做，首先在内容生成上可以人机混合在一起，在人思考的基础上，让内容更丰富更饱满，准确性更高，这些工作是可以做的。另一方面，我认为在传媒行业的分发渠道上AI也可以做到更加地精准，以及在分发的过程中怎么可以把广告做到不留痕迹，既能达到广告的商业效果，对整体的内容体验又毫无影响。
目前来看多模态的大模型技术还没有很完备，需要持续突破。多模态涉及文本、图像、视频、甚至是3D视频。现在大模型做文本到文本已经比较好，文本到图像的效果也还可以，但从工具的角度来说，现在还远未达到完善的地步，比如未来可能我只需要说一句话，就能自动生成一个3D的视频。
此外，大模型如何学会去鉴别和欣赏自己生成的内容也是一个问题。现在AI生成内容是一个工具，生成出来的内容行不行还是要靠人去鉴别、去修改。那么未来这个工具能够去学习人的鉴赏，至少把完全不符合人的审美的内容先筛选掉，这样也可以进一步减少人的工作量。
