AI泡沫破灭，入坑者何去何从

最近有一些同学问我，2018经济不好，很多公司裁员，2019听说经济更不好，那我们这些学AI的人怎么办？还有出路没有？对于每位即将进入职场或者身处职场的人们来说，有这样或那样的焦虑再正常不过了，除非他本身就没心没肺。关于AI泡沫破裂后入坑者何去何从的问题，我想我们需要思考几个问题，想明白了就不会焦虑了。

1、泡沫破裂的后果

从经济学的角度来说，所谓的泡沫破裂指的是狂热资本涌入后的市场高估情绪，表现出来的就是各种不符合市场规律的的怪相。比如原来荷兰的郁金香泡沫，比如原来日本的楼市泡沫。体现出来的是，包括个人和机构在内的很多个体盲目地把大量的资金投入一个很窄的市场，寄期望于找到下一个接棒人。由于这种形态下刺激出来的生产活动并不是为了满足长期稳定真实存在的社会需求，而只是成为了众人一时博弈的赌具，因此必然迅速供过于求然后进入非常惨烈的泡沫破裂后的衰退。微观地说就是很多投资人血本无归，宏观地说就是大量的社会资源投入到了无用的生产过程，造成了生产力的严重浪费。每个新兴事物发展的过程几乎都不可避免地经历这样一个阶段。可是呢，房地产泡沫过、互联网泡沫过，尤其是跟AI在产业领域关联的这个互联网的泡沫破解，其实对经济的影响非常有限。它的破裂只是在众人在莫名其妙之中追随后，在不理智的期望后返璞归真变成了它本来就应该成为的样子。谁能否认互联网在现在经济中的作用？谁能否认互联网现在即便经历了局部的发展瓶颈与裁员但仍然是一个供需旺盛的产业？互联网仍然担负着社会上降低信息交换成本的这一最基础的服务功能，而且越做越好。

2、AI的前景

再看AI，AI也是一样的。在看到AlphaGO战胜李世石和柯洁之后，很多人就开始脑补终结者是不是要来了，这就是泡沫的开端。只不过这一次资本市场总体来说还是要理智得多，虽然有很多把数据挖掘项目粉饰成AI项目的公司融到了资，但是也不意味着它们发展的就一定顺风顺水。AI终究还是要返璞归真，让它成为服务社会的真实产业的。这也就意味着，在基础理论有突破之前，AI所围绕的研究方向仍然应该是以“高质量的自动化过程”为落地思路的领域。也就意味着，这是一个以各类机器学习算法，最优化问题方法，以及其它工程化处理手段融合地解决问题的方向。也就意味着，单纯靠打个比赛刷个榜就能骗投资的时代永远结束了。做AI就是要脚踏实地地去解决自动化的问题，只不过和以前比起来我们多了很多新的工具而已。不夸张地说，AI泡沫的破裂对于产业发展意识形态，对于社会的价值观健康发展都肯定是好事。

2、近期落地方向

关于近期落地方向，还是看大财团的投资热门。非乘用车的自动驾驶及其配套工业环节这肯定是热点中的热点。辐射出来的就是短距离简单环境的自动物流技术领域。这些技术在局部一些吃螃蟹的厂商中已经落地了，比如京东的仓储，比如美国货运汽车中的无人驾驶车辆都日趋成熟。这应该是继人脸识别之后另一个大规模成熟落地的产业型场景。

其它落地的环节就未必这么具象了，但它们一定具备这样的特性。

第一、局部性

落地一定是场景越确定，限制条件越多，越容易落地。所以，每个公司其实都有机会，都有在自己所擅长的领域做高质量自动化的可能性。

第二、样本积累性

对于条件复杂的自动化过程，人类自己写程序就变得不现实了，这时候就需要深度学习和它的样本上场了。现在最大的问题是，真正拥有海量样本数据的公司还是太少。要想得到一个靠谱的深度学习模型还需要花费大量的成本来做数据标注。不过，这些公司里面有样本，而且有意识做样本积累的公司一定会有着非常明显的优势。

第三、理论成熟性

对于学术界和工业界方面都认同的理论，落地是最快的。有很多东西只在学术界甚至在学术界都没有公认的定论的时候，大家看看热闹就算了，这种入坑的风险确实太大。

第四、变现性

有的东西确实研发出来看上去很厉害，但是很难想出来拿它怎么变成米饭和馒头。比如就说Atalas的机器人，比如就说AlphaGO和AlphaStar。它们的共性就是——“嗯，确实厉害得不得了，问题是它怎么赚钱？”言外之意，这类看上去极为高级的东西，往往成本高得不可思议，而且确实不能用来改进某些生产环节。AlphaStart用了16个TPU训练，之前的OpenAI Five为了战胜人类Dota2玩家，用了256个GPU和128000CPU来训练，哪个不是金山银海堆出来的，哪个不是只能被大公司豢养当宠物用。

所以，一句话来说，做AI的朋友要想不在泡沫破裂的时候被产业抛弃，就还是要磨炼自己解决自动化问题的能力。包括需求的理解，包括算法理论，包括落地技术的一切，你思考得越多动手越多就越不会被淘汰。