四川省建设厅职称查询网站,兼职给企业做网站,阳江网上问政平台,长沙企业网站建设哪家好本文为沙漠之鹰第68篇原创文章9月20号讯飞AI同传语音造假的新闻刷爆科技圈#xff0c;科大讯飞股价应声下跌3.89%#xff08;不是65.3%#xff0c;标题党文章害死人#xff09;。 吃瓜群众纷纷感慨#xff0c;有多少人工#xff0c;就有多少智能。小编偷换概念玩的溜AI概… 本文为沙漠之鹰第68篇原创文章9月20号讯飞AI同传语音造假的新闻刷爆科技圈科大讯飞股价应声下跌3.89%不是65.3%标题党文章害死人。 吃瓜群众纷纷感慨有多少人工就有多少智能。小编偷换概念玩的溜AI概念在2015年起就红得发紫不论是送外卖搞团购卖车或是推荐莆田医院的是个公司都会标榜自己是搞人工智能的。在21世纪的第二个十年计算机专业相关的学生不说自己是搞AI算法的同学聚会都抬不起头相亲都没机会。随便从一摞简历里抽出一份一定会有AI调参CNNLSTM这些关键词。未来最赚钱的职业一定不是天桥贴膜而是天桥调参50块钱一次一调就灵天桥贴膜NIPS会议人满为患改改网络结构弄个激活函数就想水一篇paper; 到处都是AI算法的培训广告三个月让你年薪45万在西二旗或望京的地铁车厢里打个喷嚏就能让10个算法工程师第二天因为感冒请假。某程序网站的页面广告谁也不知道这波热潮还能持续多久但笔者作为一线算法工程师已经能明显感受到危机的味道 以大红大紫的图像为例图像方向简历堆满了HR的办公台连小学生都在搞单片机和计算机视觉。在笔者所在的公司人工智能部门正在从早前研究院性质的组织架构分别向前台和后台迁移前者进入业务部门背上繁重的KPI与外部竞争者贴身肉搏后者则完全融入基础架构像数据库一样普通和平凡。之前安逸的偏研究生活被打破 AI早已走下神坛。以笔者愚见对于一般的算法工程师这种危机包含两部分一方面是来自人的竞争大量便宜的毕业生和培训生涌入这个行业人才缺口被迅速填满甚至饱和未来的竞争会更激烈另一方面则是来自机器的竞争大量算法工程师会很快被他们每天研究的算法所代替。 这两者互相恶化AI人才市场终会变成一片红海。连小学生都会写模型工具和框架本身的发展让设计模型所需的代码写得越来越简洁。10年前从头用C和矩阵库实现梯度下降还是有不小的门槛的动辄上千行。而当今几十行Keras甚至图形化的模型构建工具让小学生都能设计出可用的二分类模型。强大的类库吞噬了知识掩盖了内部的复杂性但也给从业者带来了不小的惰性。从业者的技术水平和使用模型的复杂程度关系不大越是大牛用的技术更底层更make sense。不仅如此深度学习本身的性质造成了明显的数学鸿沟。与SVM, 决策树不同由于模型存在大量的非线性和复杂的层次关系且输入信号例如图像文本也很复杂因此严格的数学论证是需要极高的抽象技巧的。该方法为什么好在什么类型的数据上好有时连作者都在拍脑袋很多state of arts的方法成了口口相传的经验和trick而非严谨的theory。 连batch normlization批规范化只包含四个初中数学级别的简单公式为何有效都被争论了好几年。只有凤毛棱角的专家能深入到模型最深处用数值分析和理论证明给出严谨的答案。 大部分人在入门后便进入漫长的平台期美其名曰参数调优实际就像太上老君炼丹一样。image.png我们把这种现象绘制成下面的AI学习曲线左侧是稍显陡峭的入门期需要学习基本的矩阵论微积分和编程之后便是漫长的平台期。 随着复杂性越来越高其学习曲线也越来越陡峭大部分人也就止步于此。 越来越易用的工具让曲线的斜率变大入门期变短却并不能改变右侧的陡峭程度。AI学习曲线入门容易深入难这条曲线同时也能描述AI人才的收入水平。而真正处于危机的莫过于夹在中间的芸芸众人对理论一知半解对工具非常依赖。可替代性很强一旦AI浪潮过去就知道谁是在裸泳。市场和业务变化越来越快能有哪些核心业务是能让工程师静心调个一年半载的呢当一个从培训学校里出来的人都能做模型时有多少业务能让公司多花两三倍的人力成本而仅带来1%的性能提升呢机器都能调参要你干吗面向大众AI科普节目最常讨论的便是“AI时代如何不被机器所取代”。很不幸最容易且最快被取代的反而是算法工程师。算法岗比工程岗更容易被取代。 在现有技术下由于业务需求的复杂性 自动生成一套软件App或服务几乎不可能的否则就已经进入强人工智能时代了但模型太容易被形式化地定义了。根据数据性质自动生成各个领域的端到端(end2end)的模型也逐渐在工业上可用了图像语音和广告推荐的飞速发展直接套用即可。理论和经验越来越完善人变得越来越可替代。特征可以自动生成和优选特征工程师失业了 深度网络采用经典结构即能满足一般业务需求参数搜索在AutoML下变得越来越方便调参工程师的饭碗也丢了 以前需要大力气搭建的数据回流和预测的链路已经成了公司的基础组件数据工程师也没事干了。 此处引用老板经常说的一句话机器都能干了要你干吗从目前AI热门论文的情况看广告推荐领域已经逐渐成熟很多技巧沉淀为一整套方法论已进入平台期下一个即将被攻陷的领域应该是图像而文本由于其内在的抽象性和模糊性应该是算法工程师最后的一块净土但这个门槛五年内就会有爆发式的突破。如何最优化职业发展人工智能已经火了至少五年它在未来五年是否火爆我们不能确定但一定会更加两极化偏基础的功能一般程序员就能搞定像白开水一样普通。而针对更复杂模型甚至强人工智能的研究会成为少数人的专利。在一般的技术公司传统意义的软件开发和产品设计远比AI算法的需求来的多。算法永远是锦上添花而非雪中送炭再好的算法也拯救不了落后的业务和商业模式。一旦经济下行企业首要干掉的就是锦上添花且人力成本较高的部分。如果你是顶级的算法专家这样的问题根本不需担心。但是对大部分人来说如何找到自己的梯度上升方向实现最优的人生优化器呢//此处该插播广告报价最少1万吧//但沙漠之鹰就是有节操不插不插就是不插。笔者给出一些不成熟的小建议供读者抛砖引玉基本也是往两头走首先是深入原理和底层类似TensorFlow的核心代码至少要读一遍吧就算没有严格的理论基础最起码也不能瞎搞啊。 切莫不能被工具带来的易用性迷惑双眼。要熟悉工具箱里每种函数的品性对流动在模型里的数据有足够的嗅觉在调参初期就能对不靠谱的参数快速剪枝。按个人理解做算法带来的最大收获是科学精神和实验思维这是做工程很难培养出来的。以前看论文看了introduction和模型设计草草地读一下实验结果就完事儿了。殊不知AB实验设计很可能才是论文的核心实验样本是否无偏实验设计是否严谨核心效果是否合理是否能证明论文结论。也许一行代码和一个参数的修改背后是艰辛的思考和实验做算法太需要严谨和缜密的思维了。即使未来不做算法这些经验都会是非常宝贵的财富。再者是尽早面向领域面向人和业务。AI本身只是工具它的抽象性并不能让其成为各个领域的灵丹妙药。 如果不能和AI专家在深度上竞争就在业务领域专精深挖拥有比业务人员更好的数据敏感度成为跨界专家。现在已经有大量AI金融 AI医疗AI体育的成功案例。 人能熟悉领域背后的数据背后的人性这是机器短时间内无法代替的跨界带来的组合爆炸也许暗含着危机中的机会吧。笔者同样处在迷茫期有想法和见解的朋友欢迎留言。最后感慨一下同样是80后年龄相差无几有人已是副总裁有人带了几个人的小团队有人还在基层苦苦挣扎轨迹在毕业时分叉几年后早已沧海桑田。原文地址: https://www.cnblogs.com/buptzym/p/9706227.html.NET社区新闻深度好文欢迎访问公众号文章汇总 http://www.csharpkit.com
