为什么我不再从事算法的工作了?

点击量:16554

结缘

从我2016年接触人工智能到现在已经有三年多的时间了,启蒙学习来自于吴恩达在斯坦福教的那一门CS229机器学习公开课,我当时(2013年)看的并不是现在Coursera上的那一门机器学习课,而是一个画质很模糊的公开课视频。由于画质太渣,有些板书公式的推导看不清楚,似懂非懂。但是,当时就有一个巨大的疑问一直浮现在我的脑海里:“机器到底是如何学习的?”带着这个疑问,2017年开始我就在Coursera开始正儿八经的学习机器学习了,不得不说Coursera上的那门《机器学习》真的很适合入门,比周志华的西瓜书好太多了,学完之后又去学了《深度学习》系列,整体而言难度并不大,用到的数学80%都是高中数学。

2016年下半年我就有了出国留学的打算,主要想法是工作了两三年觉得重复性的工作太无聊了,没什么激情,想趁着年轻出去看看外面的世界。当时选定的三个国家和地区是香港、新加坡和英国。英国想去的学校(比如帝国理工啥的)学费太高,伦敦地区的租房又很贵,超预算;新加坡的NUS需要考GRE,而且offer来的太晚;而NTU则没有什么好的CS硕士项目;那么很自然地就来到了香港。其实,那时候并没有抱着能学到多少知识的心态去读书的,纯粹是为了向体验一把生活,放松一下。为什么这么说呢?因为你要知道CS相关的工作本来就不太需要硕士学位,一个好点的本科学位足够用了,大学里教授的那些理论知识很多跟实际工作是脱节的,而且现在是互联网时代,你想学什么网上没有呢?对吧。因此择校的时候就很简单,当看到科大宣传片里的无敌海景时我就缴械投降了,心想以后可以每天去学校跑步了,这海景操场实在太美了(事实证明我还是太naive了,科大的workload还是比较重的,基本天天跑图书馆,从来没有去跑过步,当然我们图书馆也很美^V^)。

HKUST有两个硕士项目,一个是BDT(Big Data Technology),另一个就是弱化版的CS:IT(Information Technology)。BDT是最近几年刚开的一个硕士项目,字面上是大数据,其实学的东西就是现在很火的那一套人工智能的,课程也类似,质量还是比较高的。那时候我也自学了一段时间人工智能,说实话,是有一些想转行的打算的,但当时没有申请BDT,主要还是不够坚决,对人工智能的发展前景看得不是特别清楚,想走一步看一步,于是就很保守地申请了IT。

后来到了科大之后,除了上IT的课之外,我还去旁听了好多BDT的课,甚至还有些UG的课。整个学习的重心都倾向于人工智能这一块,转行的意愿也约而来越强烈。

总之呢,通过Coursera的自学和科大的课程,算是把人工智能的整个脉络分支了解的比较透彻了,也诞生了现在的博客。

毕业时的选择

其实,直到2018年六七月份临近毕业找工作时,我对人工智能的发展前景依然不是很明朗,很多公司的招聘要求写的都非常高大上,各种高端的算法名词和工具集合,但他们到底在做什么呢?真的有那么多事情可以做吗?临近毕业时写下了如下的思考:

今晚看了几集杨澜拍的纪录片《人工智能真的来了》,很有感触。本来是想看看从一个媒体人的视角是如何看待AI的,看完之后发现虽然有那么一点点浮夸,但总体来说还是靠谱的。因为我熟悉各种AI技术的底层原理,所以一直觉得他们还太过愚蠢,根本谈不上智能。也因此,这一两年来我一直在徘徊:有时候觉得当下的AI不过是个巨大的泡沫;有时候仔细想想,又发现AI确实能有很多应用场景。到底是泡沫还是机会?一直举棋不定,直到今晚终于思考出了点眉目。
虽说目前的人工智能技术还远远未达到人们所想的那种“智能”的程度,但,不得不说,最近几年,各种新兴技术的发展,尤其是深度学习在几个重点领域取得的重大突破,已经深刻影响到我们生活的方方面面了!比如,语音识别,机器翻译,智能助手,图像识别,目标检测,人脸识别等等领域,机器的能力已经超过人类水平了!而基于以上这些底层技术的整合将会催生出很多有巨大想象空间的技术,最具代表性的就是自动驾驶。这个东西基本就定了,你不要还觉得很科幻,或者还觉得它只是一个实验室产品。因为技术上完全没有问题,剩下的是一些伦理、法规以及各种配套设施在拖后腿。目前来看,国家在政策层面是大力支持的,所以这些问题会很快被一一解决。其实仔细想想,除了自动驾驶还有很多行业是要被AI颠覆的,特别是那种严重依靠经验的职业,最典型的就是医生。大家想想,医生是如何诊断病情的?就是根据你的症状嘛。比如,你发烧,喉咙痛,乏力,流鼻涕;那医生就判断你很可能是感冒了。其实,医生诊断这个行为是一个非常典型的机器学习的过程:通过历史数据去学习一个模型,然后用这个模型去预测新样本。唯一不同的是,医生脑子里的模型是根据他这一生所学的知识以及他的诊断经历来学习得到的,但一个医生一生所能接触到病例数量是非常有限的;而机器则非常不同,它能学习这个世界上所有医生诊断过的所有病例样本,这种数据规模上的碾压使得使得机器在常见病的诊断上一定会做得比某一个医生更好。那为什么我们还没有看到AI在医疗诊断领域的大规模应用?我觉得一个非常大的问题可能是医疗数据的整合是十分困难的,也就是世界各地各大医院的各种医疗数据没有一个统一的标准组织起来,还有是因为一些隐私问题有些医院不愿意公开。但我相信在不久的将来,各国政府一定会推动这件事向前发展。还有一些更容易被取代的职业就不说了,比如收营员,高速公路收费员,股票交易员…
以上这两个例子都很美好,那是不是就说明人工智能真的就遍地开花了呢?很遗憾,我个人觉得并不是。
现在的AI技术都是大数据驱动的,没有数据扯AI就是挂羊头卖狗肉,忽悠人的,而小公司是很难获取到海量数据的,所以现在这块主要是一些巨头在竞争高地,发布平台,制定标准;还有一些专注于AI的创业公司做的也不错,比如第四范式,waymo等。而对于传统行业或者中小型公司来说,我觉得AI的影响是非常有限的。它并不能像互联网那样对行业产生深刻的变革,它更大的应用价值可能是可以解决一些不痛不痒的隐性业务需求,而这些对一个公司的业绩影响可以说是微不足道的。对公司管理层而言,还是要锚定公司的核心业务,不能盲目跟风,不能为了迎合AI热而去搞AI;对从业者来说,一定要认真思考你去的部门,所做的东西究竟是不是核心业务,到底能不能产生实际价值。否则,等这波潮水退去,这些临时成立的AI部门很可能就解散了。
——写于2018年5月6号,大浦仔村,香港

可以看出这些分析还是比较理性和客观的。

anyway,毕业回上海还是优先去找了人工智能的工作,差不多把上海大大小小的AI公司都面了个遍,也拿到了两三个offer,最后决定去一家金融科技公司做知识图谱相关的研发工作。

理想有多么丰满,现实就有多么骨感

为什么这么说呢?在这家公司呆了差不多8个月的时间,让我对当下一些高大上的人工智能创业公司有了更深刻的认识。具体地,涉及到很多隐私就不说了。

最后聊一聊为什么要放弃做算法。当初挤破了头不惜降薪也要进来,现在为什么又要走了呢?

  1. 缺少大规模,高质量的训练数据
    这几乎是很多小公司的死穴,无解。很多在学术界声称是已经被解决的问题,在工业届依然一筹莫展,为什么?就是因为大部分小公司连一份相对完美的数据集都拿不出来,你训练个啥子?光有牛逼的算法有啥用。
  2. 技术的局限性
    除了图像和语音领域的大部分难题被算法攻破,达到了商业落地的标准。其余的都无法达到商业落地的标准,或者说技术实现难度很大(缺少训练语料)。像一些NLP的问题,离完美解决还差十万八千里。你看到的一些看似非常智能的对话机器人要么是像Sophia那种很明显是假的,出来骗人的。要么就是很智障的那种。你对着机器说了一句话,你以为机器理解了你吗?你想多了,它的回复也只是看上去很智能,其实它根本不知道你在说什么。所以我说Elon Mask担心将来AI会使得人类灭绝完全是不懂技术式的杞人忧天,人类现在连自己是怎么思考的都没有弄明白,还谈什么造出来一个有意识的机器人,这不是搞笑吗?人工智能技术看起来高大上,实际上落地非常困难。一方面是很多公司缺少大规模、高质量的训练数据;另一方面是现有技术还没有成熟,13年火热起来的深度学习其实局限性也很大,它就像个黑盒子一样,研究员们只知道输入和输出是什么,但并不知道为什么会这样。以至于现在学术界的深度学习论文都是在比拼网络结构,至于为什么要用这种结构呢?不知道,反正实验结果不错,那就是有效的,然后再找一个看上去很reasonable理由反过来再去解释这个结构。这个其实是很不严谨的,至少在数学上要给出证明它为什么是有效的。所以一切基于深度学习的应用都很难说是安全的,这个问题很大。由于人工智能技术的不完善导致它所能创造的价值其实十分有限,很多岗位其实是不值得设立的,一旦经济形势不好,这批所谓的算法研究员最先下岗。即使在图像、语音这两个技术相对完善的方向也不需要那么多公司,最后只会剩下几家垂直做语音和图像的外包公司,以后AI is a service应该是趋势,也就是说做AI的就那么几家。大部分公司都不会有自己的AI部门,而是寻求外包,这样不仅效果好,成本也低。
  3. 人工智能究竟能创造多少价值?
    上面我们说了图像和语音是比较成熟的技术,除此之外的像一些NLP技术其实还很不成熟。比如,我们曾经做过一些命名实体识别的工作,搞了很多复杂的算法,标注了很多数据,最后发现,效果并不比简单规则的方式好多少。另一个例子是模型的准确度,比如一个算法团队辛辛苦苦搞了一个月,嗯,算法模型的准确度提高了1%。看上去不错是吧,在学术界这肯定是可以发一个不错的paper的,但是不好意思,在工业界,如果没有大规模的用户(很多小公司就是这样),这1%的改善所创造的价值几乎为零。然后,你就发现对于一个公司而言,他投入了大量的人力资源,最后产出在哪里?如果你的工作没有创造价值,那你的价值又在哪里呢?
  4. 算法的技术门槛在降低
    面试问来问去就那几个问题,问不出个所以然来,问各种算法模型的基本原理,比如让你推导SVM,其实特别像孔乙己中茴香豆有几种写法,实在没什么意思;其次,算法都是公开,主要区别就是数据集,你甚至都不用自己写code,调参都不需要。
  5. 学历的天花板
    算法的最大的领导必然是个博士。这几乎是无法改变的学历天花板,而小硕在这个赛道就是打杂的,很难混出什么名堂,何况我还是个授课型的硕士。所以我切换赛道简直就是以己之短博他人之长,毫无胜算,简直是把一手好牌打的稀巴烂啊。
  6. 市场逐渐饱和
    饱和的速度远比我当初想象地要快。我16年开始学机器学习的时候觉得人才是非常稀缺地,但是3年后的今天算法工程师已经烂大街了。
  7. 算法的市场需求太小
    我没有做过精确的统计,不知道确切的算法和开发的需求比例。但是一个很直观的现象就是:一个公司可以没有算法,但是绝对不能没有开发。所以算法的需求是很低的,这会导致一个很严重的问题:职场机会太少了,跳来跳去就那么几家,这就意味着你跳槽时丧失了议价能力,这是一件很可怕的事情。

当然也不是说算法就不能做,而是对于我这个半途出家的Java工程师而言已经没有机会了。一个是出来的太晚了,另一个是需要去大厂的核心算法组历练一段时间才行。目前看来是没有机会了。小公司做算法根本做不出什么东西,而大公司的算法坑位就那么多,想进去太难了。
那很多人就说了,你回去写Java就有前途了吗?其实你要明白一件事情:技术本身是没有价值的,只有结合了特定的商业模式才有它的用武之地。决定你发展的,不仅仅是技术本身,还有技术所服务的产品以及你所在的平台。只有产品创造价值了,哪怕你是写简单HTML的,你也能被惠及到,技术的难度并不决定你的发展高度。
从更大维度上来说,你最终这辈子能取得多大的成就,首先取决你所在的时代,然后才是你的努力。

     

原创不易,如果您觉得本文对您有帮助,可以打赏博主一杯咖啡,鼓励博主持续创作!


  • Ethereum/Polygon/Bsc/Arbitrum: 0xa8c00949fd7dD23b5Ec36A9181966c8C8436A015
  • Bitcoin: bc1qdvf0j0rntarvdal62n35etwmjzwk307w4jtyjz
  •    
  • 支付宝:

  • 为什么我不再从事算法的工作了?》上有93条评论

    1. 很合理,现在AI行业已经开始劝退了,大部分转进去做AI的又会转出来做开发。你的视野也很清晰,点赞

      回复
        1. kyle

          写的真的太好了,本人硕士也是学的算法,当初自学转开发内心也是纠结了许久。可以说从头到尾看到博主写的一句句话,真的太有共鸣感了。关注博主了!

          回复
    2. 邓晨

      有些同感,现研二,实验室从事NLP研究,感觉除了机器翻译,其他方向不敢说未来不能落地,但至少离落地还很遥远,各个方向除了推出的任务和数据与实际数据相比有很大的限制不说,真正带来的功用可以说微乎其微,感觉NLP也许还需要十几年来发展吧。对于不想继续做研究的我来说,别说十年,就是五年也很珍贵吧,现在已经开始利用空余时间学习JAVA开发了,毕竟自己一个人摸索,JAVA开发学习之路也是道阻且艰。

      回复
        1. 邓晨

          最近实验室要做自己每个方向的综述Presentation,百度的时候看到了您之前写的关系抽取的综述,在侧栏看到了这篇文章,哈哈

          回复
    3. Turbo

      大佬好~下半年就研三了,由于专硕是两年半的学制,一开学就要准备毕业的相关事项。现在在一家算法公司实习,公司业务方向是图像视频,在学校的研究方向是量化投资,当初选择这家公司是觉得可以提高自己独当一面的能力。各大厂已经开始秋招,最近在投递简历和准备笔试面试。忽然发现很迷茫,因为简历上写的都是算法相关的,而大厂的算法就比较难进,投研发岗又觉得好像没有那些敲了几年代码的前辈强^(–.–)^
      PS:我是在搜NLP相关东西的时候看到您的文章的,然后顺藤摸瓜去了知乎看您的帖子,发现涉猎很广呀,希望以后也能像你一样做自己~

      回复
        1. 杨惠然

          请问为什么量化的前景比做图像大啊,我也是国外留学了一年,学了深度学习和图像处理后,总是较这个劲想尝试一下这个工作,可是疫情又导致不光算法岗,连开发岗都很困难。
          我没有接触过量化,可以请教一下吗,因为我觉得你的思路很清晰

          回复
    4. Derry

      最后一段很实在啊,技术到底还是工具,创造价值永远在于使用工具的人,即产品 商业模式什么的

      回复
    5. Moretz

      有感触,准研一,NLP相关的研究生,大四毕业时候在一家小公司做算法实习,确实小公司对算法的需求并不是那么强
      ps:Google搜索核技巧的讲解找到这里(Google第一条就是你,属实有排面奥)

      回复
    6. iridiumcao

      刚刚看了李开复的《人工智能》,Google 找点资料,搜到你的 blog,然後逛逛,就看到你这篇文章。
      很多内容,我是赞同的。技术服务于业务。

      回复
    7. 磨刀老中医

      研一刚入学,本来是打算做NLP,并且把这个定位自己的研究方向,但听您这么一说还真的是有点动摇,分析的很透彻

      回复
      1. fanyy 文章作者

        如果想走学术路线的话,最好还是读个PhD吧。如果只是找工作,NLP也不是可以,就看你的实力了,实力很强也能拿到很好的大厂offer,只不过竞争激烈而已。

        回复
    8. wzc118

      作为应届毕业生瑟瑟发抖,还是进了算法这个坑,自己非科班,侥幸进了大厂,计算机基础不扎实,也不知道自己能走多高混多远。

      回复
      1. fanyy 文章作者

        应届生不用担心呀,一来你还年轻,有时间可以积累;二来我在文章里也说了,大厂还是有实际业务场景和数据去支撑算法研发的,好好积累不会差的。

        回复
    9. Lnn

      一直很羡慕目标清晰的人,我就是一个随波逐流的人,不知道自己到底想干嘛,别人说哪个好就也感觉好,哈哈哈
      我是搜关系抽取的相关内容点进来的~

      回复
    10. 小肥柴

      很有共鸣。我是19的bdt,本科毕业也是开发,工作2年后觉得重复劳动太多,想给自己一年的时间缓一缓,尽情地学习。今晚找VAE的相关资料搜到了你博文中熟悉的Nevin,还有这篇文章,实在是惊喜。
      本科毕业在大厂做了两年的开发,前段时间也做过几个月的cv算法实习,目前在做nlp的independent proj,这一路总结下来的想法和你是类似的。大厂很好,也要看具体业务甚至工作团队,个人成长真的并不能靠自己努力就行了。自己甚至也还是在迷茫期,没有像你一样看得那么透彻。但这大半年下来,跟着自己兴趣的学习的确很快乐,也算是一大收获了。
      19级入学的真是太难了,希望今年春秋招能找到好的offer~

      回复
    11. Mug

      今年双非本科毕业,研究生差几分没进复试,准备出来做JAVA开发,以后发展会不会局限比较大?

      回复
    12. quinn

      写的可真好!看你的总结我受益颇多。我前几年在美国一家媒体公司做data engineer, 项目几乎都是ETL和SQL 报告分析。偶然参与了一个大数据项目,大概是推荐电影/电视剧的,除了前期的数据集提供,清洗之外,如何在spark上跑也是个极大的问题。基本上,公司能提供非常大量电影资料库,还有用户set up box数据,但很好玩的事,经验不够的我们还是选择在单机python上跑一些新算法…虽然MLLIB提供经典的A;S算法包,但如果想验证另外的算法就基本抓瞎。国内是怎么解决在极大量数据的模型构建的问题呢?这方面我实在好奇
      PS. 我是看你写的GloVe教程来的。

      回复
    13. qs

      看了也了解了很多之前不知道的东西,谢谢分享。

      还想问一下,对于普通的开发人员,本科毕业工作了几年,但是没有研究生以上的算法知识,这种情况下该怎么样提高自己职业生涯的含金量呢?

      自学算法我觉得还是不太靠谱

      回复
    14. pico

      数学硕士毕业,出来刚好ai大热,两年过去了,人在法国,就算是请新手,招聘广告还在要求数学硕士甚至博士毕业。但是看了很多课程,都不需要高深的数学,基本高中的就够了,觉得学不能以致用,但是门槛又那么高,感觉很魔幻,想放弃又不想放弃。google搜吴恩达课程很坑 进来的。。。。

      回复
      1. fanyy 文章作者

        如果有不错的机会还是可以的,比如一些大厂,这些算法需求是长期存在的,但是门槛可能会略高,基本名校硕博

        回复
    15. sixiuchen

      你好,我能加你的微信吗,你的文章真的写的很棒,另外,我是在Google搜索”glove是什么”首位就是你的博客推荐,我顺着看了几篇博客,你的博客自己的思考,而且写的非常的棒,能不能加微信呢~~我的微信是:[屏蔽]

      回复
    16. 李霄哲

      研二狗,秋招马上要开始了,很多大厂已经发放了提前批,对于我这种非高校硕博却想从事AI算法岗的人来讲,感觉世界太不友好了。本来是想从事数据挖掘的,但是被近两年的NLP发展速度带了节奏,扎在里头小半年,除了学懂了一些算法、概念,成果却很少。未来也很迷茫,AI肯定是一个趋势了,但是如您所说市场和天花板就在那里,你又不得不去重视。感觉真的有种陷入泥潭,进退两难。

      回复
    17. Elena Men

      目前在平安寿险的智能推荐组做java外包, 明年二月要去澳国立学机器学习和计算机视觉了, 感觉所在的人工智能部门有些立项时声势浩大的项目, 上线没一年就死掉了, 人也很快都走了. 同时项目效果一直差强人意,又非常依赖手工维护工作, 标注工作.
      同组的同事大都是文本处理方向的硕士毕业, 做着一些文本特征抽取的工作, 绩效考核基本看运气
      我虽然有意走算法但却担心毕业后无法找到满意的工作, 毕竟再往后走, 回国则会遇见国内市场对外包的就业鄙视链, 澳洲本地又支撑不了太多机器学习的应用岗位, 您觉得这种情况争取留校读PHD是个好选择吗?

      回复
    18. junjie

      博主在文章里提到的几次 ‘已经没有机会了’ 应该是我最大的收获。。。’
      有幸看到这篇博客,提醒自己要有大局观。谢谢博主。
      我在日本留学毕业已工作5年,在日立制作所,因为工作内容的关系感觉自己是入错行了
      我一直想做开发,但工作上没有机会接触这一块。然后对机器学习有点小兴趣。
      所以现在在脱产考硕,2周后就是硕士的面试选拔,报考的研究室主攻CV和NLP。。。。
      博主提到的AI泡沫,算法岗竞争激烈,应用落地难几点自己也是有所耳闻,但自己会有也许我能行?也许我能做出来?的幻想-,-
      博主的这篇文章很接地气的让我接受自己已经没有机会了这样一个事实。毕竟很多事情都是要长期积累的。
      还是先调整心态,好好准备面试吧。。。

      回复
    19. Gabriel

      博主讲的很透彻了. 我本硕在UCL学的生化和医疗影像, 两次毕业设计都是CV. 本科的时候没有把CV当成未来可能的职业去学, 导致到现在基础还是薄弱. 今年秋招在CV工程师和传统医疗行业之间举棋不定. 前者没基础, 也担心年龄大了淘汰率太高. 后者收入是个问题. 难选啊

      回复
    20. 小黑豆

      博主您好,您说的平台和大方向具体指什么?我是双非本科毕业,从事 salesforce 开发 3 年多了,现在已经辞职准备全脱产考研,一直很想做 AI 但听了您的建议感觉我的这种选择是不是有些草率了?

      回复
    21. 小黑豆

      您好,您说的平台和大方向具体指什么?我也是双非本科毕业,从事 salesforce 开发 3 年多了,现在想辞职转行做 AI 听了您的建议是不是有些草率?

      回复
    22. lilinilili

      “术本身是没有价值的,只有结合了特定的商业模式才有它的用武之地。决定你发展的,不仅仅是技术本身,还有技术所服务的产品以及你所在的平台。只有产品创造价值了,哪怕你是写简单HTML的,你也能被惠及到,技术的难度并不决定你的发展高度。
      从更大维度上来说,你最终这辈子能取得多大的成就,首先取决你所在的时代,然后才是你的努力。”
      博主,真的非常赞同你这句话,让我想到了在本科实验室的老师经常讲的,如果做理论的实力不够就把技术转化为市场需求的产品。
      希望我这个小小渣硕未来不迷茫。

      回复
    23. 彭梓瑞

      我也是大数据毕业的学生 学了半年感觉实在感觉对数学提不起兴趣 于是果断转开发了 现在在字节做后端的开发 也不知道以后的路应该怎么走。 感觉算法的开发还是比java要智能些?唉 以后走一步算一步吧

      回复
        1. 彭梓瑞

          想问一下学长之前是在哪一家做人工智能呀~现在重新回到开发会有后悔的心思在吗?

          回复
          1. 彭梓瑞

            目前做后端的话主要感觉都是在做各种业务逻辑这样,不知道有什么技术积累,担心以后没有技术成长hh

            回复
    24. ZuoliTang

      大四了,明年保研,找的导师就是做nlp的,没入门ml和dl之前可能会觉得人工智能它实际上是一个很高深的话题。但是最近一直在读文献上网课,感觉人工智能的可解释性太弱了,通过喂数据来学习,和在入门之前想象的智能不是一个智能,所以之前看到一篇对word2vec参数进行解释的paper特别高兴hhh。感觉cv和语音不需要太多的可解释性也能得到一个较好的结果,能直接在商业中进行落地。但是nlp有些地方如果缺乏可解释性,那么似乎问题就难以解决,比如是在机器翻译中歧义性的消除。纯粹nlp中的tasks确实缺少一定的商业落地价值,除了机器翻译能够看到实际的变现方式,其他的任务似乎都只能为别的任务所服务。对这个方向也很迷茫,我觉得nlp在未来的十几年相对现在应该能够大放异彩吧,但是又不知道我读完研究生一个小小硕士又能怎样,就怕读了三年的算法最后又去做了开发(纯粹是没那么想做开发hhh)

      回复
    25. 八个核桃

      您好!今年直博一年级,现在对自己的研究方向选择有点迷茫。请问能否向您赐教!实验室目前大致有三个方向在做,区块链,知识图谱,对抗样本。请问您觉得从学术层面来看哪一个更有发展前景呢?

      回复
    26. gongel

      去年五月份看您的文章,那时还一个评论都没有,一晃过去了,这么多评论了,说明楼主火了!我也拿到了几个大厂的SSP offer,感谢大佬文章当年的指导。

      回复
    27. JulyYS

      偶然间看到您的文章,感触很深,技术总归要服务于业务。目前是211计算机专硕研一在读,研究方向是nlp的对话系统,但是我们学制是两年制时间短,明年五六月份就要出去实习,担心找不到研究方向的工作,所以现在正进阶学习java后端,打算做开发工作,请问下您有什么建议呢,谢谢大佬的指导

      回复
    28. perry

      你好,我目前在英国读master。我本科数学,master学的是Data Analytics,最近在修NLP的课,就我目前的感觉来看,我认为NLP的课程,如果是考试的话,好像是需要一些数学基础,但是如果是写代码的话,大部分框架和模型在网上都有现成的,感觉并不需要用到很高深的数学知识。我也想不通为什么这些大公司的招聘能卷到这种程度,我也对我的未来很迷茫,感觉互联网和金融业没有我这种菜鸡的一席之地。

      回复
    29. dreamerlzl

      所谓的形势,就是指当前社会的需求。大家被疫情和本来经济的不健康打击得喘不过气,大部分老百姓都勒紧腰包,盼望少点加班,房价物价低点。AI的落地在干啥? 智能摄像头->监控带薪拉屎,统计打工人离开工位时间; 推荐算法 -> 让人更多浪费时间在无意义的视频、文字;NLP对话机器人 -> 出了问题是NLP工程师也是消费者的你是希望找到真人客服还是一个机器人?

      我感觉目前算法带来的都不是百姓真正需要的。

      回复
    30. 豆豆

      看了楼主的博客收获很多。现在研二了,入人工智能深度学习仅为了毕业论文。听说写算法的论文比较好通过。但是一直想找C++开发的工作。今天学习深度学习的时候突然觉得如果最后不干这个,学了这么久好浪费时间。就来网上看看,看到了这个贴。和我目前的感受是差不多的,我觉得行业还是有用的,前景也是有的,但是对于水平一般的人来说,进不去大公司,享受不到好的资源,在小企业搞算法好像没啥搞头。而且水平不行的去了大公司也是清洗数据之类的。还不如做开发。毕业论文真是浪费时间。气死我了。

      回复
    31. 公子白

      看了楼主如此消极的言论我真想喷你!!!楼主能去香港留学,家庭经济环境已经可以击败中国99.99999%的家庭,至少算得上时中国的中产阶级,而就是你这个阶级不去想着怎么为人类的发展贡献一份力量,而是跟我们这种底层一样只考虑自己的一日三餐,我真是想拍死你!!!中国的收入分配不合理谁都知道,但是不合理到这种动摇国本的形态,我只想呵呵,还天天喊口号中华民族伟大复兴,一个不以人类进步为目标的民族复兴就是灾难

      回复
      1. fanyy 文章作者

        生活如此美好,兄弟为何如此愤怒呢?by the way, 我家庭条件很一般,我去香港留学都是自己挣得钱哈。

        回复
    32. 刀刀宁

      你好,我读了文章之后觉得写的特别好,并且引发了我的思考,于是我了写了一篇文章,https://zhuanlan.zhihu.com/p/342801452 ,欢迎讨论。

      回复
    33. Kyrin

      研一 目前在也在学深度学习 主要做的是CV方向 今年看到师兄他们找工作也挺难的 师兄说如果以后想做算法的话 建议我去读个PhD 今天看到了你写的这篇文章 也有很多的感触 但是更多的是感到迷茫

      回复
      1. fanyy 文章作者

        年轻就是本钱,硕士好好努力,申个好学校的PhD,前途一片光明啊,不要悲观。我这篇文章只是结合自身实际情况说的。

        回复
    34. myrcella

      对于您的观点,我无力反驳,确实说的很实在,条条是道。不过这也让我心态平稳了不少,也许干几年NLP以后我又会回到前端,回到传统开发,或者去做个后台开发人员,或者去做个全栈。也可能扩展职业方向,去做个心理医生或者教育类话题的博主。。一切只当玩了

      回复
    35. 大宝

      您好,我本科学的化学,后来工作了一年,现在辞职读计算机研究生了,目前研一,但是实验室放养,所以我很迷茫,不知道给做什么,,你能棒棒我吗?我应该学习哪些以后好找工作啊?

      回复
    36. York

      学长您好,我也是科大的学生,现在大三,准备明天面试算法岗的时候搜glove的介绍发现您的这篇文章的。看完觉得很迷茫,确实您说的很有道理,而且我觉得自己不是那种可以把技术做到顶尖的人。实力不够,经验不足,现在春招面试算法岗感觉也没什么希望,但是我本来还是希望在这条路上走下去的,可是看到您的这篇文章后动摇了,您可以给我一些建议吗?

      回复
    37. bart

      看过了这篇文章,很有同感。分析的非常透彻。毕业后做了一年多的开发,转到了算法,现在又打算转回去

      回复
    38. wa007

      很喜欢博主的文章!
      “你最终这辈子能取得多大的成就,首先取决你所在的时代,然后才是你的努力。”,说的很对啊,就像古人说的时势造英雄。
      但对个体而讲,我们所在的时代已经确定了,我们的努力和选择才是变量。共勉~~

      回复
    39. FeiFeiei

      博主你好!我现在是大四准研究生了,保研过后一直有点迷茫,希望能交流一下。
      我是某末流985化学专业的。保研的专业虽然还是化学,但是我们实验室做的是生物信息学的内容(主要是利用深度学习,比如用利用NLP来处理DNA测序数据什么的,ps:我是搜GloVe进来的)。我不继续从事化学实验相关的原因还是:担心人身安全和健康,还有就是想沾一下互联网行业的光多赚钱(有点庸俗,哈哈哈哈)

      我想问一下:
      现在AI行业是不是对我这种半路出家的更不友好了呢?
      您建议像我这种情况去从事Java的工作,或者C相关的工作吗(Java和C区别不大,反正都要靠从头开始自学(现在用的都是python),之前听说实验室也有人找了Java后端开发的工作)?
      从事生物信息学一类的工作呢(竞争会小一点,薪酬也会少一点)?
      还是老老实实去考一个公务员。。。

      我其实一直没有一个明确的目标,甚至模糊的目标都没有。
      AI的工作师兄一直都告诉我要去读博士,但是一直没有读博士的决心,而且读一个化学的博士找工作会有帮助吗?或者硕士读完再去申请博士,这样会不会耗费的时间太多了(时长比读化学博士起码会多1年,普遍多2-3年)?
      生物信息学的工作,说实话感觉有点虚无缥缈,什么智慧医疗、基因什么什么的,感觉这些基于AI的生物,比AI还要虚无缥缈;而且我认识的师兄师姐去生物公司的很少(虽然我们是做这一方面的),去生物的研究机构的还有一些,搞得我都对这个方向害怕了。
      如果要去做开发类的工作,计算机的课程肯定要从头开学一遍,Java、C什么的都要从头自学,不知道这样可不可行(我还挺对这一条路心动的,毕竟赚的多)。

      写的有点多有点乱,见谅
      不知道博主什么时候能回信,也不知道回信了我什么时候才能看到,一切都随缘吧!希望到时候我已经有目标!哈哈哈

      回复
      1. fanyy 文章作者

        首先要看自己想要什么,或者最缺什么。如果你很缺钱,也想赚钱,家庭条件也一般,那就不要想了抓紧时间转行CS,研究生多刷题,学学编程,毕业找个CS相关的工作,打工赚钱(当然这条路比较苦)。如果不是,那么可以选择读博了,这其实是最优解了,研究生好好搞学术,申个好学校的PhD,你本科985其实还有点优势,尽量申个海外的学校吧,感觉生物信息属于交叉学科好发paper,当然学术之路也是很苦的,适合内心安定的同学,博士读完你就完成了阶级跨越。最后就是考公务员了,工作幸福感极高,年轻时想拼搏,到了中老年就觉得体制内香了,但是竞争也很激烈。所以,你看选择很多,但关键是你想成为一个什么样的人,以及你是一个怎样的人(奋斗型性格还是安逸型,能不能吃苦),还有你内心深处最最渴望的东西。这一切都取决于你自己。

        回复
    40. Pingback引用通告: 关于人工智能算法岗位的一点思考 - 算法网

    41. sunlx

      从kernel trick找过来的,作为毕业就进入3线城市体制内的学统计的妹子,看到博主和大家的评论开眼啦。虽然日常工作内容与学校高大上的理论偏离太多,但我还要持续学习呀!btw博主发的海边学校照片是哪里呀

      回复

    一羊枝进行回复 取消回复

    邮箱地址不会被公开。 必填项已用*标注