這兩年AI大火，導(dǎo)致很多畢業(yè)生跨專業(yè)（例如機械自動化、光學(xué)等）轉(zhuǎn)崗算法，這些人有個顯著的特點就是羨慕IT的高薪，但普遍受沒有受過通識的計算機教育（例如操作系統(tǒng)、數(shù)據(jù)結(jié)構(gòu)、C/C++編程等），但人夠聰明，數(shù)學(xué)不錯（但大部分都沒有學(xué)過高級算法），學(xué)編程吧，需要學(xué)的東西太多太雜，所以很多人都想抄“近路”來搞算法研究。這也客觀上造成當(dāng)前算法崗供大于求的局面。就參照我們公司今年招聘的算法工程師來說，“質(zhì)量”明顯不如以前了，原來名校的博士為基本要求，而今天985的碩士就可以了。原來算法的入職級別就是T3 （senior engineer），今年普遍就是T2（advanced engineer），待遇基本上也和軟件開發(fā)持平了。而且相比于軟件開發(fā)，算法更吃腦力，對智力的要求更高，年齡越大就越不容易出成果。我就親身就見過幾個大齡的算法工程師辛苦1年沒有任何產(chǎn)出，最后不得不轉(zhuǎn)崗的。其實，目前業(yè)界對AI的技術(shù)方向就已經(jīng)達(dá)成了共識，也就是深度學(xué)習(xí)+大數(shù)據(jù)+大計算，其中尤其以數(shù)據(jù)為重。可以說只要數(shù)據(jù)足夠，假以時日，大家的速度和精度都不會太差?，F(xiàn)在大家比拼主要是算法變現(xiàn)的能力，也就是看誰能夠把算法變成產(chǎn)品銷售出去，因此今年我的感覺是，相對于純粹的算法，綜合性人才更稀缺，例如有既有產(chǎn)品思維，懂算法，懂編程的人。AI在IT領(lǐng)域也不算個新鮮東西（包括深度學(xué)習(xí)），只是早些年市場關(guān)注度不高，大部分應(yīng)用都集中在專業(yè)領(lǐng)域，更多是一些專家系統(tǒng)。感覺AI街談巷議，突然大火也就是這兩年的事，更準(zhǔn)確的說應(yīng)該是5年前，深度學(xué)習(xí)舊瓶裝新酒，帶來了AI研究的集中爆發(fā)。但在深度學(xué)習(xí)框架搭成之后，接下來更多就是調(diào)參數(shù)，喂數(shù)據(jù)，所以在接下來很長一段時間內(nèi)，算法的研發(fā)重點轉(zhuǎn)向了數(shù)據(jù)的收集和清洗。也就在這個時候，我也發(fā)現(xiàn)公司新來的算法實習(xí)生很多的日常工作就是調(diào)下參數(shù)，編寫一些數(shù)據(jù)收集工具（例如網(wǎng)絡(luò)爬蟲），甚至更倒霉一點就是每日用別人寫好的工具收集數(shù)據(jù)，清洗數(shù)據(jù)。深度學(xué)習(xí)框架搭建的早期階段，對算法工程師的要求是很高的，既需要精深的數(shù)學(xué)能力，同時又需要超強的編程能力。但在當(dāng)前，隨著各大公司的AI框架逐漸成熟，以及一些深度學(xué)習(xí)框架的開源（例如谷歌的Tensorflow），AI技術(shù)下沉的趨勢非常明顯，早已從幾年前的陽春白雪變成了下里巴人，甚至某種程度上變成了粗活笨活（例如數(shù)據(jù)收集、數(shù)據(jù)清洗）。不幸的是，中國人干什么事都喜歡一哄而上，就像早些年全民學(xué)移動開發(fā)，學(xué)前端、現(xiàn)在又開始全民學(xué)算法。不是說人不應(yīng)該順勢而為，但越是在大家都熙熙攘攘的時候，越是要保持冷靜，越是要問幾個為什么。一個很顯然的道理是：如果一個行業(yè)突然涌進(jìn)了這多人，至少有兩件事可以肯定，一個是這個行業(yè)門檻肯定不高，二是根據(jù)供需平衡原理，這個行業(yè)的未來行情必然會下行，不信各位看看現(xiàn)在的Android開發(fā)是否還復(fù)當(dāng)年的意氣風(fēng)發(fā)？還是那句話：“只有在潮水退卻的時候，才知道誰在裸泳！”