我是深度学习方向研究生&＃xff0c;以后想从事深度学习方向的学术研究&＃xff0c;请问在深度学习的过程中&＃xff0c;如何避免最后成为吃青春饭的程序员&＃xff1f;
蓝色&＃xff08;阿里巴巴技术专家&＃xff0c;毕业于浙大 软件工程专业&＃xff09;
回答&＃xff1a;
目前AI是落地期&＃xff0c;AI不仅仅只有算法&＃xff0c;是一个系统工程。
据我观测&＃xff0c;搞算法的其实并不需要那么多&＃xff0c;而且实际使用的并非是什么屌爆了的算法&＃xff0c;比如实际硬件产品的算力就在这里&＃xff0c;你那些需要很高算力的模型完全落地不了。很多时候如何对模型进行更有效的量化&＃xff0c;压缩&＃xff0c;更快的跑起来往往对AI落地有更直接的影响。这里面不仅仅有算法&＃xff0c;更有与计算机本身有直接联系。所以&＃xff0c;不要有我学了算法&＃xff0c;我就不需要写程序&＃xff0c;写程序是低端活的想法&＃xff0c;这种想法很危险。
补充一点你说的学术问题&＃xff0c;目前一个重要的方向就是量化压缩&＃xff0c;如果你不懂计算机&＃xff0c;不懂代码&＃xff0c;你如何在目标平台实现你的想法&＃xff1f;我所知道的学术大佬&＃xff0c;哪个不是代码6的飞起&＃xff0c;没有代码作为支撑&＃xff0c;你的学术愿景都无法起飞。前几年AI太火&＃xff0c;都想着我加几层卷积&＃xff0c;搞几个模型我就是大佬了&＃xff0c;太浮躁了&＃xff0c;其实还差得远呢。
朱里&＃xff08;资深AI架构工程师&＃xff0c;毕业于清华大学CS专业&＃xff09;
回答&＃xff1a;
讲一个亲身经历吧。
去年一位硕士老弟来我组实习&＃xff0c;本来跟我一起搞NLP产品落地的。
后来由于业务调整&＃xff0c;我去搞大数据平台&＃xff0c;后来又做图计算去了&＃xff0c;于是原定带他做的事相当于无疾而终。
为了让他实习有所收获&＃xff0c;我换了个思路&＃xff0c;尽我所能给他一些工程习惯&＃xff0c;职业规划&＃xff0c;工作态度&＃xff0c;人生选择上的建议。
为什么呢&＃xff1f;因为他足够好学&＃xff0c;做人也足够踏实。只学深度学习&＃xff0c;他就是tfboy&＃xff0c;只学NLP&＃xff0c;他就是gensim boy。甚至换方向&＃xff0c;只学大数据&＃xff0c;他就是spark boy。这都是术&＃xff0c;不是道。
术和道肯定是先术后道&＃xff0c;但无道也是不行的。
如果先把意识建立起来&＃xff0c;他就站稳了脚跟&＃xff0c;接下来他就能自己找到路了。
一年后跟他见了一面&＃xff0c;他后来去MSRA、腾讯又实习了一波。
MSRA那个我尤其高兴&＃xff0c;因为他多次跟我提起很想拿一次offer&＃xff0c;进去实习一回。
总结一下&＃xff0c;就是先知道自己是谁&＃xff0c;知道自己该干嘛。
少些架子&＃xff0c;多点实干。
最后&＃xff0c;我工作中认识的&＃xff0c;发自内心佩服的&＃xff0c;能够放心合作/请教问题的科学家大佬们&＃xff0c;除了自身的学术积累之外。还有如下几点中至少一两点&＃xff0c;才成长为大佬&＃xff1a;
丰富的项目经验和领域知识。
硬核的代码能力和工程素养。
强大的商业洞察力和扯淡能力。
头发少点&＃xff1f;胡子长点&＃xff1f;年纪大点&＃xff1f;
只凭学术能力就打天下&＃xff0c;那是纯学术路线&＃xff0c;硕士...就算了。
学术界的内卷和残酷程度另有一堆知乎提问可以参考。
2019年10月4日补充&＃xff1a;
关于上面提到的四点额外素质&＃xff0c;还是展开说一下吧。
第一项是项目经验和领域知识。
这部分主要是know how和empirics。比如现业界对于AutoML一边在研究&＃xff0c;算是arXiv的话题区之一&＃xff0c;另一边业界对于Drools这样的专家规则系统也没放弃。
搞算法你说你是做图谱&＃xff0c;做NLP的&＃xff0c;这不够。
搞科研你可能是聚焦在任务&＃xff08;各种conference提出的各种task&＃xff09;&＃xff0c;但在业界你得清楚你所投入的业务场景。
你可能不靠经验和领域知识吃饭&＃xff0c;但领域知识和项目经验绝对是你的智力资产&＃xff0c;别人夺不走&＃xff0c;尤其是有含金量的项目。
这部分的主要陷阱是一年经验*10的问题&＃xff0c;需要规划好路线&＃xff0c;否则成长就会越来越乏力。
第二项是工程素养和代码能力&＃xff0c;其实就是“能打”。
如果走管理路线还好&＃xff0c;只要保证技术sense不过分退化&＃xff0c;以至于给研发组做出误导性的建议和决策&＃xff0c;就算OK。
如果是在研发一线的小司机、老司机&＃xff0c;那就得能打。
打不动就多喊几个人打&＃xff0c;打得动就带人一起打。
这部分很少有高大上的东西&＃xff0c;而且说实话&＃xff0c;有技术含量的主要集中在两部分&＃xff1a;
基于可解释的算法进行公式、模型结构的优化。&＃xff08;知道自己在干嘛&＃xff09;
&＃xff08;还在玩老虎机的同学请珍爱生命&＃xff0c;远离赌博。——沙县警告。&＃xff09;
基于各种系统指标进行系统级的架构设计和调优。&＃xff08;说干就干&＃xff09;
&＃xff08;你问我在干嘛&＃xff0c;我也说不清楚。反正系统跑起来&＃xff0c;我就下班了。&＃xff09;
正好一个算法一个系统&＃xff0c;两方面配合好了才能做出好的AI产品。
如果非要盯着高大上&＃xff0c;只求逼格的话...那估计看不上“工程”二字吧。
补充一句&＃xff0c;之所以计算机系统领域总让人觉得缺乏高大上的观感&＃xff0c;各种脏活累活&＃xff0c;是因为这部分就是又脏又累&＃xff0c;产出的成品又都是很底层的基础架构组件、系统&＃xff0c;非技术受众根本看不到也看不懂&＃xff0c;更别提欣赏和理解。
第三项是商业sense&＃xff0c;也就是接地气的同时又不落俗套&＃xff0c;不轻易被商业世界兜售给你的各种观点填满大脑。张一鸣知道吧&＃xff1f;曹操一般的存在。
技术人如果完全技术导向&＃xff0c;倒也可以&＃xff0c;活得简简单单没什么不好。
但有些技术人天生有player的属性&＃xff0c;所谓player&＃xff0c;就是不满足于只做pawn的人。
技术只是手段&＃xff0c;那手段用上了必然要有其目的。盈利&＃xff1f;赚吆喝&＃xff1f;布局&＃xff1f;完成投资人的任务&＃xff1f;Whatever you name it.
所以不论是承担项目研发&＃xff0c;技术负责&＃xff0c;产品负责还是自己创业&＃xff0c;有商业思维的人&＃xff0c;总会比没有的人看问题深一层&＃xff0c;跟他们聊天往往能感受到犀利&＃xff0c;不同于纯技术思维的那种“愣”劲儿。
至于第四项&＃xff0c;活久见吧。
前沿行业总是牛人多&＃xff0c;年轻人等着打倒权威的更多。
行行如此&＃xff0c;不过朝阳行业的好处是相对公平&＃xff0c;相对干净。
所以人才的更替方式比较体面。
You&＃39;re getting old, so keep learning.
默然&＃xff08;百度测试开发工程师&＃xff0c;毕业于西北大学软件工程专业&＃xff09;
回答&＃xff1a;
只管调参&＃xff0c;没有能力或者没有决心参与深度学习框架和库开发&＃xff0c;同时幻想着自己是“科学家”的“算法工程师”&＃xff0c;都是炮灰。
你是真的牛逼&＃xff0c;觉得自己搞深度学习的高人一等就算了&＃xff0c;不仅想躺着赚钱&＃xff0c;还幻想着不用写代码&＃xff0c;佩服。
你是不是还幻想着&＃xff0c;大公司程序员都是傻逼&＃xff0c;遇到业务问题就跟猴子一样抓耳挠腮&＃xff0c;然后你来了&＃xff0c;以睥睨众生的气质&＃xff0c;从你的神奇口袋里掏出深度学习算法&＃xff0c;改两个参数&＃xff0c;其他程序员对你点头哈腰&＃xff0c;把你的神奇算法写进系统&＃xff0c;你喝着咖啡看公司业务持续增长&＃xff0c;市值暴增十倍&＃xff0c;走上人生巅峰…
感受下这个场景&＃xff1a;一个瘦的跟麻杆似的人走进健身房&＃xff0c;觉得那些肌肉发达的人好low。然后自己卧推了两下空杆&＃xff0c;上知乎问&＃xff1a;一不小心练成施瓦辛格了怎么办&＃xff1f;
能问出这个问题&＃xff0c;我很佩服你&＃xff01;
来源&＃xff1a;知乎
编辑&＃xff1a;Leo
本文仅作学术交流&＃xff0c;版权归属原作者&＃xff0c;如有侵权&＃xff0c;请联系删除&＃xff01;
读者&＃xff0c;你好&＃xff01;我们建了微信群&＃xff0c;方便大家讨论交流&＃xff0c;如果你对AI感兴趣欢迎进群讨论学习&＃xff01;请加我的微信&＃xff0c;拉你进群&＃xff01;谢谢&＃xff01;
京公网安备 11010802041100号