歷年

“他來聽我的演唱會，門票換得手銬一對。”去年，4場演唱會共有5名逃犯落網(wǎng)，與去哪里開演唱會哪里就下雨的“雨神”蕭敬騰相比，“神捕”張學友這個名頭更值得說一說。

逃犯落網(wǎng)，自然大快人心。不過真正的“神捕”并非張學友，而是應用在演唱會安檢系統(tǒng)中的人工智能人臉識別技術(shù)。這些落網(wǎng)的逃犯，都是在演唱會的檢票口被AI“認出”才落網(wǎng)的。

人臉識別技術(shù)的原理其實就是基于人類面部特征，對錄入的人臉圖像或視頻進行判斷，識別人臉后進一步給出面部器官的主要信息。根據(jù)這些信息，進一步提煉不同人臉中隱藏的身份特征，將其與已知人臉信息進行對比，最終確定身份。

很多不遠千里來聽演唱會的逃犯都是在演唱會現(xiàn)場，和人工智能人臉識別技術(shù)“確認過眼神”后，被確定為“要被抓的人”。

人工智能武能抓壞人，文可指紋解鎖、拍照購，智能冰箱更是可以隨時提醒你什么時候該補貨，該補什么貨。

人工智能其實是一個比較高大上的稱呼，就如稱一個女孩美女一樣。脫掉這個華麗麗的外衣，人工智能其實面對的是數(shù)據(jù)+公式！

就我自己的工作內(nèi)容以及理解，可以分為以下幾個方面：

1、AI research組

2、AI應用組（研究，系統(tǒng)）

3、業(yè)務組（算法工程師）

AI research組由科學家和工程師組成，科學家包含博士和教授，工程師就是協(xié)助這些大牛加速研究進程。舉個例子，大牛A有了幾個特別厲害的想法，于是會邀請來一兩個碩士工程師干活，最后發(fā)頂會論文。我看過這些碩士工程師的背景，屬于名校名項目里最厲害的那些碩士，他們以碩士身份加入，已經(jīng)具備很強的科研能力，只是沒有讀博罷了。

AI research組做的都是最前沿的技術(shù)，而真正短期要落地到產(chǎn)品的還是Al應用組。里面根據(jù)方向分自然語言處理，計算機視覺，大規(guī)劃機器學習平臺之類的，里面集結(jié)了各種有專才的牛博牛碩做深度學習模型算法+系統(tǒng)平臺優(yōu)化的工作，他們要么在某個特定領(lǐng)域有所積累，要么熟悉C++、分布式高性能計算。前者主要還是博士和教授，后者碩士就比較多了。

以上2個組在公司里人數(shù)都不多，但是高手云集，博士間競爭已經(jīng)特別激烈，碩士就更難了，于是大部分人其實會前往業(yè)務組做AI。

業(yè)務組通常只是使用AI應用組已有的模型和框架，加上自己對業(yè)務的理解，提出一定的優(yōu)化和個性化訓練。

最后，說點實際的問題：待遇。AI research組大牛>AI應用組大牛>業(yè)務組大牛>知道怎么改模型的小牛>AI調(diào)包俠>普通產(chǎn)品組工程師。

所以想要提高自己的待遇，理想情況下就是名校名導讀博，發(fā)幾篇頂會，然后自然會被邀請到AIresearch組工作了。

對于名校優(yōu)秀的碩士生，為了具備和博士競爭的資格，建議在一個細分領(lǐng)域（nIp，cv之類的）深入沉淀，出點高質(zhì)量的研究成果，然后爭取去AI應用組或者強勢的業(yè)務組里寫模型。

對于普通的AI背景一般的非博士生，如果想做系統(tǒng)還好，要是想做模型……努力提升自己，爭取一個好的業(yè)務組AI崗吧。

對于非名校+非大牛+轉(zhuǎn)專業(yè)，建議思考自己是不是要做這一行。這是一個有門檻的、競爭非常激烈的領(lǐng)域。一旦各種成熟的智能平臺搭建好了，就不再需要太多調(diào)包俠調(diào)參俠，業(yè)務組不需要那么多AI工程師。所以，不是一定要在AI上面擠，去學分布式系統(tǒng)、云計算、移動端開發(fā)其實也挺好的。

就算一定要搞AI，作為程序員的基本功還是得學好，在成為所謂的AI工程師之前，首先要成為一名優(yōu)秀的軟件工程師，寫出高質(zhì)量的代碼。