人工智能有三個要素：算法、算力和數據。后兩者是人工智能的物質基礎，算法更像是人工智能的靈魂。2006年，提出了深度學習，硬件資源不斷豐富和改進，突破了計算能力瓶頸，引發了第三次人工智能高潮，并日益深刻地改變了世界。下面就由小編為您介紹一下對人工智能算法崗位的思考。

云谷科技-IDCSystem 綜合業務管理系統

0

0條點評

咨詢產品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

2

合作品牌

9

對人工智能算法崗位的思考

       人工智能的算法崗位是一種垂直性很強的崗位，可以說在某種程度上最突出的那一批算法工程師應該要能做到全棧工程師的感覺出來。而調包調參這個工作只是全棧中的一環，有的時候看其可替代性還有點高。而恰恰現在的就業市場中，這個狹義的崗位，確確實實是最飽和的最爛大街的，這也是為什么引文作者非常感慨的原因。

       引文中，作者提到除了算法之外還有開發，我非常同意一個團隊可以沒有算法但是絕對不能沒有開發。但其實在我看來，這兩者根本就是不分家的。即便是學術界的算法研究人員，他也得自己開發算法程序進行落地的，更別提工業界的算法工程師了。所以我這里說的狹義崗位是包含算法和開發一起的（但是沒有包括研究性質目標是論文等的算法崗位）。

        為什么這個狹義崗位最飽和最爛大街呢？

       第一，工具化程度越來越高，工具的社群化開發特點越來越顯著，比如超過TensorFlow 成為后起之秀的 pyTorch ，就是具有更好的社群開發特點，幾乎什么層你都能找找開源的，還有更加優秀的 mmdetection 這種庫的加持，疊加效應愈發明顯。大量工具帶來的后果就是很多開發工作被轉移到開源社區了，就不需要算法工程師開發了嘛。

       第二，前幾年行業大熱，學生趨之若鶩，讀研讀博有周期，而現在周期到了。

       第三，大部分學校在對這個崗位的培養認知還停留在幾年前，覺得目標檢測還是一個很玄幻的問題，其實現在早就已經到了真一行 import 一行 run 的代碼就能搞定問題的時代了，而真正需要培養的素質是使用這些工具化的東西去解決實際問題的能力，以及自己能夠根據需求設計輪子、造輪子或者改輪子的能力。所以，在人工智能行業和算法趨近于回歸理性這樣一種大背景下，單純的去學習調包調參這件事情，確實會讓未來的就業之路愈發的迷茫和未卜。

說了半天狹義的，那么廣義的崗位是什么樣子的呢？

       前面提到，人工智能的算法比較垂直，為啥？我是覺得因為黑盒子封裝完一大部分底層算法邏輯之后，剩下來的東西真的太簡單了，所以周邊的時候就都需要挨個搞定了。所以，廣義的算法崗位職能，還包括但不限于：深度學習之外的算法模塊研發，策略層，業務邏輯層開發；封裝和封裝優化研發；具體推理硬件上的落地，推理硬件上的加速，訓練硬件的加速；數據輔助工具的開發，數據采集收集標注管理流程的開發；模型的測試與發布，以及相應的自動化工作，還有對應生產數據的數據挖掘工作，等等。

       以上這些東西都想做好，每一個標點符號分割出來的內容，都可能需要一個幾個工程師的小組去做。對懂算法的工程師需求量真的小嗎？所有的小組都要整合成一個體系，對 team leader 的要求，也不低，并且它是個體系，沒點工程架構思維，真搞不定。

       而這些年，在從業人員和圍觀群眾或多或少的強調下，在深度學習技術飛速發展的激勵下，我們往往都只看到了算法的科學性的一面，沒有看到其工程性的一面，產生了一種認知偏差。

        在接下來的一段時間里，圍繞人工智能算法開發的應用程序將繼續挖掘其深度和廣度，并創造更好的社會價值。在這個過程中，不僅是算法工程師，整個行業的從業者也會參與其中，商業模式、產品設計、質量控制等，共同促進整個行業的發展。