人工智能有三個(gè)要素：算法、算力和數(shù)據(jù)。后兩者是人工智能的物質(zhì)基礎(chǔ)，算法更像是人工智能的靈魂。2006年，提出了深度學(xué)習(xí)，硬件資源不斷豐富和改進(jìn)，突破了計(jì)算能力瓶頸，引發(fā)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(duì)人工智能算法崗位的思考。

云谷科技-IDCSystem 綜合業(yè)務(wù)管理系統(tǒng)

0

0條點(diǎn)評(píng)

咨詢產(chǎn)品

免費(fèi)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(duì)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(qiáng)的崗位，可以說(shuō)在某種程度上最突出的那一批算法工程師應(yīng)該要能做到全棧工程師的感覺(jué)出來(lái)。而調(diào)包調(diào)參這個(gè)工作只是全棧中的一環(huán)，有的時(shí)候看其可替代性還有點(diǎn)高。而恰恰現(xiàn)在的就業(yè)市場(chǎng)中，這個(gè)狹義的崗位，確確實(shí)實(shí)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(kāi)發(fā)，我非常同意一個(gè)團(tuán)隊(duì)可以沒(méi)有算法但是絕對(duì)不能沒(méi)有開(kāi)發(fā)。但其實(shí)在我看來(lái)，這兩者根本就是不分家的。即便是學(xué)術(shù)界的算法研究人員，他也得自己開(kāi)發(fā)算法程序進(jìn)行落地的，更別提工業(yè)界的算法工程師了。所以我這里說(shuō)的狹義崗位是包含算法和開(kāi)發(fā)一起的（但是沒(méi)有包括研究性質(zhì)目標(biāo)是論文等的算法崗位）。

        為什么這個(gè)狹義崗位最飽和最爛大街呢？

       第一，工具化程度越來(lái)越高，工具的社群化開(kāi)發(fā)特點(diǎn)越來(lái)越顯著，比如超過(guò)TensorFlow 成為后起之秀的 pyTorch ，就是具有更好的社群開(kāi)發(fā)特點(diǎn)，幾乎什么層你都能找找開(kāi)源的，還有更加優(yōu)秀的 mmdetection 這種庫(kù)的加持，疊加效應(yīng)愈發(fā)明顯。大量工具帶來(lái)的后果就是很多開(kāi)發(fā)工作被轉(zhuǎn)移到開(kāi)源社區(qū)了，就不需要算法工程師開(kāi)發(fā)了嘛。

       第二，前幾年行業(yè)大熱，學(xué)生趨之若鶩，讀研讀博有周期，而現(xiàn)在周期到了。

       第三，大部分學(xué)校在對(duì)這個(gè)崗位的培養(yǎng)認(rèn)知還停留在幾年前，覺(jué)得目標(biāo)檢測(cè)還是一個(gè)很玄幻的問(wèn)題，其實(shí)現(xiàn)在早就已經(jīng)到了真一行 import 一行 run 的代碼就能搞定問(wèn)題的時(shí)代了，而真正需要培養(yǎng)的素質(zhì)是使用這些工具化的東西去解決實(shí)際問(wèn)題的能力，以及自己能夠根據(jù)需求設(shè)計(jì)輪子、造輪子或者改輪子的能力。所以，在人工智能行業(yè)和算法趨近于回歸理性這樣一種大背景下，單純的去學(xué)習(xí)調(diào)包調(diào)參這件事情，確實(shí)會(huì)讓未來(lái)的就業(yè)之路愈發(fā)的迷茫和未卜。

說(shuō)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(jué)得因?yàn)楹诤凶臃庋b完一大部分底層算法邏輯之后，剩下來(lái)的東西真的太簡(jiǎn)單了，所以周邊的時(shí)候就都需要挨個(gè)搞定了。所以，廣義的算法崗位職能，還包括但不限于：深度學(xué)習(xí)之外的算法模塊研發(fā)，策略層，業(yè)務(wù)邏輯層開(kāi)發(fā)；封裝和封裝優(yōu)化研發(fā)；具體推理硬件上的落地，推理硬件上的加速，訓(xùn)練硬件的加速；數(shù)據(jù)輔助工具的開(kāi)發(fā)，數(shù)據(jù)采集收集標(biāo)注管理流程的開(kāi)發(fā)；模型的測(cè)試與發(fā)布，以及相應(yīng)的自動(dòng)化工作，還有對(duì)應(yīng)生產(chǎn)數(shù)據(jù)的數(shù)據(jù)挖掘工作，等等。

       以上這些東西都想做好，每一個(gè)標(biāo)點(diǎn)符號(hào)分割出來(lái)的內(nèi)容，都可能需要一個(gè)幾個(gè)工程師的小組去做。對(duì)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(gè)體系，對(duì) team leader 的要求，也不低，并且它是個(gè)體系，沒(méi)點(diǎn)工程架構(gòu)思維，真搞不定。

       而這些年，在從業(yè)人員和圍觀群眾或多或少的強(qiáng)調(diào)下，在深度學(xué)習(xí)技術(shù)飛速發(fā)展的激勵(lì)下，我們往往都只看到了算法的科學(xué)性的一面，沒(méi)有看到其工程性的一面，產(chǎn)生了一種認(rèn)知偏差。

        在接下來(lái)的一段時(shí)間里，圍繞人工智能算法開(kāi)發(fā)的應(yīng)用程序?qū)⒗^續(xù)挖掘其深度和廣度，并創(chuàng)造更好的社會(huì)價(jià)值。在這個(gè)過(guò)程中，不僅是算法工程師，整個(gè)行業(yè)的從業(yè)者也會(huì)參與其中，商業(yè)模式、產(chǎn)品設(shè)計(jì)、質(zhì)量控制等，共同促進(jìn)整個(gè)行業(yè)的發(fā)展。