我真的很气!!
不信你来看看这张图
图上显示,当前一些知名互联网公司关于 IT 研发岗位的招聘行情。应届毕业生都比我这个有几年写 bug 经验的码农赚得多了!!
让我们先消消气,仔细分析一下这些高薪的背后到底有什么鸡贼的秘密。从上图中多次提到的关键词“算法”、“人工智能”、“数据挖掘”、“视觉”字样的职位,都需要懂机器学习。
在产品和服务中应用机器学习模型,已经逐步成为了互联网行业的通行方法。甚至很多传统软件企业,也开始尝试应用机器学习。说得更直接一点,人工智能正处在炙手可热的风口浪尖上,看来,程序员不会机器学习都不好意思去找工作了
。
很多技术开发者迫切希望快速进入人工智能领域,从事工程或者算法等相关工作,但是,遇到“人工智能产品”时,你是否能够根据自己的知识,推导出 How it works ——
它背后有没有用到机器学习模型? 如果有的话是有监督模型还是无监督模型? 是分类模型还是回归模型? 选取的特征是哪些? 如果由你来解决这个问题,有没有更好的方法?
借鉴机器学习认识客观规律的过程,可以知道,模型是由数据和算法决定的。对应到人脑,数据是我们经历过的事物,而算法则是我们的思辨能力。我们完全可以主动训练自己的思维模型,通过改进算法和增大数据量及数据多样性来提升模型质量。
虽然技术本身和应用结果产生了巨大的飞跃,但在原理层面,却是有着紧密的传承。了解一件事是如何运行的;明晰事物发展的客观规律;知道从最简单的原理开始逐层推进,比纠结在复杂的状态却不得要领要高效得多。有了这样的认识,也就不会无端的焦虑。
了解一点 AI 的技术基本原理后,至少不会盲从:
看了一篇《当这位70岁的 Hinton 老人还在努力推翻自己积累了30年的学术成果……》,便宣布再也不学 CNN、DNN、RNN 了(好像真的学过一样)。因为《深度学习已死,可微分编程万岁!》刷屏,就以为目前在视觉、语音、NLP 这些领域已经在创造价值的 DL 工具瞬间消失无用了。
在机器学习的过程中,也会产生一些新思考:
这几点思考只是想说明:机器学习原理和公式推导的学习,并非只是做一些无聊的数字变换。很可能由此为我们打开一扇窗,让我们从新的角度来看待世界,并为日常决定的思考过程提供更加可量化方法。
当人工智能时代真正来临之际,我们需要以更加富有创造性的方式和流水线竞争。这时候,关于创新、想象、沟通、情感交流,以及深度思考能力才是人和机器最大的差别,也是我们竞争力所在。
无论未来如何变化,人工智能如何发展,只要我们在不断成为更好的自己,就将无所畏惧!社会从来不会主动淘汰你,但你却可能会自己关闭了对外的大门。