投中網
搜索
公眾號矩陣
  • 超越J曲線

  • 燃點新消費

  • 氫元子

  • 象三一

  • CV智識

  • PropTech研習社

  • 東四十條資本

  • 投中網

登錄 | 注冊
投中網  >  硬科技  >  正文

浪潮親歷者自述:AI進入寒冬了嗎?

投中網- CV智識   |   折射
2020-01-14 12:51:14

寒冬遠未到來,革命剛剛開始。

作者:折射

編輯:余洋洋

*本文為AI從業者、知乎高贊答主@折射在“2019,AI又進入寒冬了嗎?”提問下的回答,CV智識經授權整理發布。

 “2019,AI又進入寒冬了嗎?”

“2020,AI行業消停了?”

“即將到來的2020,AI獨角獸會死掉一批嗎?”

2020過去不足幾日,社交網絡上諸如此類的問題接二連三地蹦出,討論者言辭激烈,唱衰聲不絕于耳,甚至有投資人直言,現在AI的冷已經不是寒冬可以形容,進入2020,就是喪鐘拉響的時刻。

的確,從風口吹起到落地艱難,從熱錢涌入到資本退潮,從技術突破到瓶頸凸顯,過去這一年,AI經歷了低谷。

錢不好拿了,AI領域的投融資熱情,在經歷了前五年的飛速增長之后,在2019年斷崖式下降。

外部成長環境開始變得惡劣。

錢也不好賺,每個需要攻克的行業都像一口深井,在下井之前,AI公司們總要拎著一只桶,全力下探,再費力把裝滿水的桶拉上來,才算完成了一單生意。

可以源源不斷輸水的水龍頭還沒有出現。

這一年看似陰霾籠罩,實則也暗藏生機。好消息是,如當初人們所料,AI開始在各行各業內落地開花,而在安防、金融、交通這些領域內,AI落地甚至日臻完善。

在摸著石頭過河、跌跌撞撞走了四五年之后,AI商業化落地的前景漸漸明朗,當初承諾太多的AI獨角獸們,也由此完成了初步自證。

與絕大多數AI從業者一樣,@折射在上大學時即趕上了AI的熱潮,找工作時,同時呆過互聯網公司和傳統行業,既在高校里做著深度學習的研究,也在工業界解決過實際問題。

過去這一年,AI真的進入寒冬了嗎,今年AI會更冷嗎?面對外界的質疑,作為浪潮親歷者,他更加相信,寒冬遠未到來,革命剛剛開始。

AI熱潮:一擁而上

記得剛讀大學的時候,大家熱衷討論還是物聯網、云計算這些概念。大約14到16年,尤其是AlphaGo橫空出世的16年,人人都開始討論AI,深度學習。那年,即使我們學生內部舉辦的創業比賽,都開始說AI,企圖搭上AI的順風車。更不用說,外面那些創業者,做個好PPT,靠賣AI的概念就能圈到錢,投資人也都樂意往里撒錢。甭管你有沒有貨,只要跟AI這個詞沾上邊,資本馬上一股腦往里涌入。

那時候,搞算法搞AI的,找工作也很簡單。舍友當年買了本周志華的西瓜書,在宿舍啃完了小半本(貌似只看到決策樹那一章)。就找到了當時的某大廠的算法崗的工作。后來,他去工作一年,辭職了,想去考個的研究生繼續讀算法。

那幾年,騰訊舉辦了首屆社交廣告算法大賽,滴滴搞了算法大賽,Kaggle,阿里天池、CCF等算法競賽平臺開始火熱。這些數據挖掘比賽,無論是受關注度還是最終獎金,都大大壓過了傳統的ACM算法競賽。人工智能、算法這些詞在周圍突然就火熱了起來。很多人都買了西瓜書開始看,學校開設的人工智能、數據挖掘相關課也被學生選爆。算法工程師崗位備受關注,大批人員涌入。一方面,算法待遇確實好;另一方面,優秀的學生都多少有點不甘心只做開發,希望接觸所謂高大上的算法。

同時迎來了一波轉專業的熱潮。算法領域相對傳統的CS要容易轉型得多,當時的面試基本上只涉及機器學習的知識。周圍出現很多學數學、統計電子之類還算好的,還有學化學生物材料等,甚至還有學醫的同學(不好意思,沒有專業歧視的意思,意思是跨專業跨得太厲害)。這批人的加入,使得算法市場的競爭愈加激烈。

由于開始幾年形勢的確很樂觀,不少人都成功找到了工作。后來者也都想著加入這個行業。開始張口深度學習,閉口神經網絡。各種比賽項目,簡歷包裝起來,里面不乏牛人。絕大部分還是普通人,只稍微過一遍西瓜書,學一遍Andrew Ng的公開課,Kaggle上面提交幾個比賽,調幾個知名庫的樣例項目,然后就敢跑去面試。

互聯網:增長見頂、紅利消褪

到18年來,由于之前大批量涌入的人員迎來了第一個畢業期。同時伴隨整體的經濟形勢下行,風氣明顯不一樣了。企業發現并不需要養那么多算法人員,成本又高,研究模型的產出又不是馬上可以衡量的。開發的效益可以量化、考核的。而算法研究,可能投入了很多,結果收益并沒有多少。尤其是行業已經發展起來,接近穩定之后。強行提高一點兒準確率、轉化率,其實收益相對來說不大。在純技術研究方面,去培養以PhD為主的小而精的高端團隊,比去招一大批水平中等的人收益要大。

互聯網的大廠的算法崗也就那幾個熱門方向:搜索引擎、推薦系統、用戶畫像、圖像識別、自然語言處理,一切都圍繞著互聯網產品的需求來。這么多年了,互聯網行業相關的產品業務也差不多成熟了。作為學生,在學校里面是接觸不到實際的工業級的數據的。主要時間還是在研究新算法,在各種benchmark上面跑實驗,調參,爭取提升個百分之零點幾的準確率。

不否認技術上限的突破,帶來的經濟效益確實很龐大。畢竟谷歌就靠搜索算法能發家。大公司的體量決定了只要提升百分之零點幾的效果,就能帶來巨大收益。但是現如今的技術已經足夠厲害,有些領域準確率已經達到95%了,再往著上面死磕,最多也就能提升到個99.99%。就好比準備考試,從0分復習到60分,60分到90分,跟90分到100分,里面的難度不是線性的,而是越來越難,相反,收益越來越低。現在這些領域優秀的框架、開源的技術已經很成熟了,差不多能做到80分甚至接近90分。

不妨去關注一下那些只有10分甚至0分的行業。把資源跟技術用到傳統行業。比如建筑,教育,交通,農業等等。國內的這些領域對數據的利用還在剛剛起步階段,絕大部分企業才剛剛有這個意識,不知道浪費了多少數據。你只要稍微用幾個經典的模型,就能實現從無到有的突破。這是質的飛躍,根據傳統行業的產值,里面存在的巨大經濟效益,可想而知。

傳統行業:AI改造呼之欲出

去年暑假去了一家小公司實習,也不算小,是一家世界500強的外企,不過是在傳統制造行業。在這里我看到了另外一面,我發現互聯網人看待數據、處理數據的能力,目前已經領先傳統行業起碼兩個時代。

我所在的部門,是這個企業的產品研發部門,他們也想要試圖往AI方向轉型,于是嘗試先拿一些無關緊要的項目試試水。在跟leader交流過程中,發現他們對于AI能幫助到他們什么,根本就沒有概念。聽我講到機器學習模型、講算法的時候,他們是一無所知,而且也不相信能有什么價值。

我跟進了他們的產品研發項目,邊看邊學了將近一個月。他們研發新產品的過程,需要不斷做實驗嘗試各種可能的變量因素。但是實驗的方法,在我看來可謂相當隨性。對于數據的理解可能只有高中數學水平,也就是求一下平均值,用Excel記錄一下,打成報表,厲害的能畫個圖出來,就已經很高端了。

同時,他們實驗設計相當不嚴謹,沒有規范的實驗框架。很多探討多變量的影響因素的實驗,沒有設計合理的正交實驗的意識,沒有考慮到隨機的噪聲干擾。更不用說對實驗結果進行一些統計學分析,相關性、獨立性跟假設檢驗。大部分都是基于經驗跟玄學,在我看來是很低效的。當然他們的特長就是對他們的產品理解相當透徹,業務很熟悉,經驗非常豐富。

我試著用自己學到的機器學習的方法跟編程基礎,給他們搭了一個自動化檢查產品狀態的系統。也沒用上什么特別牛逼特別高大上的算法,就只用上了最簡單的邏輯回歸模型,對測試數據進行建模。當然主要工作都花在了去調研他們需要哪些參數,哪些特征,然后如何采集每個特征,如何跟設備進行通訊。最后成功做出來了,部署到測試產線上去了。

他們用起來特別爽。以前需要專門安排一個員工,在測試之前手動輸入參數。需要天天守著設備記錄參數跟各種指標,每天最少花一個小時手動錄入結果。現在我這系統直接給他們全自動化了。只要每天把需要測試的參數列出來,稍微配置一下。打開軟件點一下,人就可以走開了。隔天直接打開電腦就能看到生成的報表,哪個部件出問題壞掉了,都給他標記好,參數也都標注上去了,還自動整理結果,還帶畫圖功能,而且測試的準確率也比以前稍微高一點。

我的領導最后也很開心,我相信他們在嘗到甜頭以后,他們可能以后更有信心去建設自己的數據團隊。

我的實習的經歷可能跟AI技術都沾不上多大邊兒,但是也說明了,現在傳統行業里面對于數據的建設、利用是相當落后的。現在機器學習跟AI技術,正在掀起一場革命,革一切行業的命。到處都可以進行跨專業、跨領域的合作應用,用計算機的自動化能力跟數學統計知識,以及AI算法創造效益。

教育行業,可以給學生建模,對每次考試試卷、成績建模,量化分析每個學生的發揮,每種題型的熟悉程度;醫療行業,給病人的病歷做數據建模,分析監控病情,跟進治療,監控健康狀態;交通,可以規劃交通路線,用圖像識別來自動記錄車牌,監控交通事故;就算是日常的財務、會計各種行業,也能寫一些腳本去快速處理批量數據。

還有各種制造產業,多少會涉及到選址規劃,物流倉儲,產業鏈設計,工業流程設計,路徑規劃。我不相信這里面已經沒有東西可以提高了,結合計算機強大的計算能力,極有可能給傳統行業帶來全新變革。只要傳統行業能夠產生數據,就能夠從里面挖掘出有價值的東西。

跟老師接觸過一個項目,是面向魚群養殖場提供服務的。在魚塘里面造一個小水池,頂上裝上攝像頭,把魚群趕著從水池里游過去。提取圖像進行識別,用矩形框出來每條魚,把每個魚的尺寸,品種,長度自動錄入到數據庫里面。里面并沒有多厲害的技術,就調用了一個邊緣檢測加目標檢測的庫,用矩形把魚的圖像框起來。這也算是一個落地的項目,給企業節省了大量人力物力,同時創造出了巨大的效益。

我真的想呼吁各位大老板跟投資人,多多關注傳統行業。隨便用上點兒機器學習跟算法技術。都能幫他們做到從無到有的創新,從而賺好多好多錢。或者傳統行業的老板,要不要想一想,你們遇到的哪些問題說不定可以通過算法跟機器學習來解決。

學術界:瓶頸凸顯

學術界遠沒有達到寒冬,頂會的投稿數量越來越多。

現在的AI的繁榮,神經網絡越來越龐大,投入的成本越來越夸張,卻沒有配套的理論跟上來解釋清楚。而是隨著計算能力的變強,以前不可實現的事情變得可能了。距離真正的人工智能,還差了十萬八千里。

我懷疑學術界已經遇到了瓶頸,進幾年的突破,很大程度上得歸功于計算能力的突破。我們迫切地需要一個開創性的理論,或者數學工具,將這個東西徹底解釋明白,才會有質的飛躍。否則深度學習最終會發展成為一門玄學煉丹術,大家都來在比誰的配方更好更厲害,至于為什么這樣做,管他的。

很多研究者用同一個結構,同一種機制,用到CV里面發一篇,換到NLP又發一篇,用到推薦系統里面又發一篇。搞來搞去就那幾個模型、那幾個方法。無非就是改改模型深度,調調參數,就又多了很多新的方法新的paper,到處灌水。很多方法,也不是你說好,它就真的好,你自己找的實驗數據集,自己調出的參數,肯定出來的效果比別人的算法好。至于到底有多少含金量,能不能復現,能不能落地,我看大部分都會有問題。這種人會被寒冬影響到,那也實屬正常現象。

我不是否認科研的價值,我發自內心地尊重認真搞科研的人,他們是創造未來的開創者。我真心希望那些有能力的人全都去投入到科研上面帶來新的技術變革。

而學術界搞出來的這些東西,在工業界具體到落地,其實可能用不上那么高大上的技術。真正想產生效果,關鍵還是要結合對業務的理解,做出合適的特征、設計良好的特征模型。如果做得好,就用最簡單的機器學習模型,也比直接盲目套用那些高大上的技術效果要來得好。

甚至有些場景,根本不需要上什么機器學習,寫寫SQL就能搞一搞。我同學在某著名大廠實習回來說,他們業務里面的模型很大一部分都還是基于規則的。好幾頁的規則文檔都快編成一本書了。那些深度學習的項目只在極個別特定的地方,才有非常大的優越性。

人才:被大廠牢牢盤踞

現在的AI求職者,大部分人還是更愿意待在一線互聯網行業。由于大量人員涌入,崗位并沒增多,算法崗的招聘門檻也越來越高。去看網上對比一下早幾年算法崗的面經跟今年的面經,就能看出來有多大的差別。

不像前幾年面試只考個決策樹跟SVM,就能找到工作了。現在不僅要高背景,精通各種機器學習算法,還得會傳統算法,編程語言,計算機相關的基礎。還要有論文、項目、比賽跟實習。少了哪一個,都會有一大批比你更優秀的簡歷填上來。

沒有哪個公司會愿意花重金招一大批人,天天研究模型,死扣著那么點兒準確率。公司需要的還是能夠干實事,把技術落地的人。也就要求算法工程師有一定的技術落地能力,有開發產品的能力。很多人被算法工程師的名頭吸引,以為能天天接觸高大上的算法模型,攀登技術巔峰。結果去了才發現,主要時間都在收集數據,清理數據,調參數,干的還是開發的活。

一些二線以下的互聯網企業,他們倒是屬于互聯網企業。但是他們可能根本不需要招來的人有多么厲害多么領先業界的算法,往往只需要你搭建出來一個能用的算法,上線跑起來就行了。

真正有能力,知道怎么將技術落地、實踐的人才,絕對是稀缺資源,這些人都被大廠牢牢圈住了。

傳統行業以及一些二線以下的互聯網行業,即使想要這樣的人才,但又無力支撐起這樣團隊的高額花費。因此,現在的求職形式就是,企業招人難,求職者就業難,雙方都在喊著寒冬。

再見,樂園時代

我看好的方向,就是AI能夠真正落地,真的能解決傳統行業里面的痛點的那些企業跟項目。說白了就是能解決實際問題,賺得到錢的AI項目跟企業。

對于傳統行業,轉型存在很多風險,需要全面地評估。我挺看好那些自己有一個好的技術團隊,利用AI技術給別的企業定制化地提供解決方案的公司,所謂的B2B公司。企業將自身需求外包,B2B公司派有經驗的人過來調研,并且提供解決方案,以及提供后續的長期維護服務,我覺得這可能是傳統企業能夠接受的一種折中的辦法。這樣的B2B公司,用戶粘度也相對會大很多,實現長期穩定盈利。

那些被寒冬影響到了的求職者,到時候投簡歷的時候,不要只投遞那些你裝過它們家APP的公司。要是沒機會去那些聽過名字的大廠,不妨順便去關注下那些B2B的企業吧。其中的絕大部分企業,可能你們連名字都沒聽過。但這種行業的開拓者,第一個能做得好的企業,直接贏家通吃整個行業的巨大利益,說不定就是未來下一波的新浪潮的先驅者。整個人工智能行業,畢竟還是有很大缺口,想找到一份工作還是不難的,不要被寒冬的危言聳聽給嚇跑了。

AI求職者最早的樂園時代已經過去,逐漸趨向于正規化健康化。AI的概念已經逐漸深入人心,到了要開始真正盈利的時候。不要只是沉迷新的技術、框架,管他黑貓白貓能抓住老鼠就是好貓。沉得下心來,安心修煉一兩門技術。了解透徹,知道怎么應用跟落地。以后發展前途肯定是有的。

寒冬遠沒有到來,機會還有很多,大家保持信心。

網站編輯: 齊巖
本文為投中網原創文章,轉載或內容合作請點擊轉載說明,違規轉載法律必究

0

第一時間獲取股權投資行業新鮮資訊和深度商業分析,請在微信公眾賬號中搜索投中網,或用手機掃描左側二維碼,即可獲得投中網每日精華內容推送。

發表評論

 / 200

全部評論

—— 沒有更多評論了 ——
—— 沒有更多評論了 ——
歡迎投稿
  • 投中網
  • CVS投中數據
  1. 創新經濟的
    智識、洞見和未來

  2. 投資人都在用的
    數據專家

返回頂部
河南快赢481走势 唐人彩票网苹果 当你拼命的赚钱喊麦 大彩彩票游戏 成都麻将血战到底技巧 湖南丫丫麻将房卡 好赢彩票网址 十堰联通合作厅能赚钱吗 体彩p3 开发吃鸡游戏的人赚钱吗 体彩 免税店原价代购怎么赚钱6 竞彩比分过滤 全番单机麻将 秒速飞艇 马化腾微信怎么赚钱呀 中国竞彩比分直播即时比分