年末了，和读者谈谈心

Posted 2022-01-27 zstar-_

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了年末了，和读者谈谈心相关的知识，希望对你有一定的参考价值。

按照原计划，这学期我将在1.14日下午五点半结束最后一门考试，然后再开始起草这学期的总结。但是由于疫情西安肆虐，所有的考试都被迫推迟，人也被迫封印在宿舍中。于是趁此跨年之际，分享一些近日新的想法和未来的计划。

最繁忙一学期

这学期除了在学期初参加了一场全国大学生数学建模竞赛外，就一直上主课。我们学院的专业课全堆在了大三学期，其中重要的专业必修课又集中在大三上这一学期，于是我的课表就变成了这样：

朋友圈看到一则笑话：“不要和智能院的大三谈恋爱，他们大作业太多了，隔了一座楼就像异地恋一样。”
是的，这学期的大作业也是史上最多，以下是大作业统计清单：

学科	大作业数量
数字信号处理	7
智能控制导论	6
模式识别	4
机器学习	3
人工智能概论	2
知识工程	1
认知计算	1
工程概论	1
微机原理	1
EDA实验	1
总计	27

此统计不包括平时的小作业。每一项大作业都需花费很多心力，特别是微机原理和EDA实验，似乎花了额外的精力专门去学了汇编和verilog编程。
这些大作业部分已经开源，学习结束之后，会把剩余的内容整理整理全部开源。

关于专业

在这学期之前，如果有人问我的专业是什么，我会自豪地回答：“人工智能！”。从AlphaGo的出圈，人工智能已成为近几年最热议的话题之一。在我填报高考志愿的这一年，人工智能是19年最新开始招生的专业，并且分数线也是最高。

火爆归火爆，但其实大部分人完全不清楚人工智能的概念，下面分享几个不同的视角：

社会大众：人工智能就是造机器人

其他专业的同学：人工智能是研究芯片

其他IT行业工作者：人工智能就是金饭碗

数学家：人工智能就是敲代码

而事实上，人工智能的本质是模仿，其背后是复杂的数学模型与算法。

人工智能真有这么火爆吗？其实不然，通过技术论坛CSDN上的领域指数可以查近三年来人工智能的检索次数。和传统的python、java作个对比。如下图所示：

数据显示，人工智能远没有媒体报道得那样火爆。往往是一个破圈技术或者热点话题的出现，带动人工智能概念在短时间冲上了波峰，之后又开始自然衰减。人工智能领域的主流编程语言是python，而在近三年中，无论人工智能如何出圈，以java为主代表的传统后端火热程度依旧掩盖了其光芒。

再看一组数据，人工智能分好多方向，其中以自然语言处理与计算机视觉最有代表性，研究人数也最多。然而遗憾的是，这两个方向在近三年的单日搜索词频从未超过2000，由此可见，真正研究人工智能的人其实不多。

人工智能的研究者不多，于是媒体开始鼓吹：人工智能领域的人才缺口达xx万。仔细想想，人少是否等于稀缺？

事实上，人工智能并不是一项非常依赖团队的工作，人工智能专家调调参数，训练训练模型，根本没必要再花钱招人来打下手。目前，很多人工智能岗位的实习生进去之后只是做做数据集标注的这种简单活，而这种活，即使一个从未接触过人工智能的初中生，培训半小时，也可以上手。

相对于以前端、后端、移动开发、运维、测试等传统互联网岗位，人工智能岗位少之又少，最多的也许就是算法岗。但还有一层问题，算法岗并不是所有研究人工智能的人都可以胜任，比如一个CV（计算机视觉）方向的人去面试NLP（自然语言处理）的岗位，两者的模型、算法完全不同，面试者和面试官牛头不对马嘴，面试自然通不过。

因此，人工智能缺口很小，岗位严重供过于求。本身岗位很少，和自己研究方向相贴合的更少。AI岗固然高薪，但同时伴随着失业的巨大风险！

如果有人问：“人工智能是最新才出的专业，推荐去选吗？”我要开始泼凉水了，极不推荐！

最新不代表最好，相反的，最新的东西很多内容都不完善。以我学校的专业安排为例，很多课程都是新开的，我们是第一批该课程的学生，老师出题难度无法把握，而我们复习也没有往年题可作参考，没有头绪。有些课程甚至没有教材，真的是纯天书了…

当然，更为主要的是人工智能是偏研究型的学科，本科读人工智能，则必须上研，否则根本没有公司愿意招一个AI专业的来做研究。目前，很多高校的其他专业都在往人工智能方向发展，特别是很多研究生的课程都包括了人工智能。人工智能是各领域研究新的风口，因为其它领域的传统方法都已经开发到很难有创新的地步了，而人工智能的方法尝试的人较少，稍微打打补丁，便容易发论文。

说起论文，又要谈回工作。上个月就和某个研究生学长交流，就提到了这个话题。据了解，目前大公司的AI岗都需要该领域的顶刊论文。顶刊论文和普通论文有什么区别呢？普通论文在别人的基础上，打打补丁，或者是别人拿鸡孵蛋，你拿鸭孵蛋（举个例子），便可以发一篇影响因子较小的期刊。但顶刊完全不一样，必须提出新的想法，做出重大创新，并且该方法性能比目前所有方法性能都要好，才有机会发论文到SCI的一区。所以，找大公司人工智能的岗位，你将和大批论文漫天飞的博士竞争，国内博士又和国外海归博士竞争，算法岗的秋招由此灰飞烟灭。

当然，可能有些人会问：为什么小公司没人工智能岗位呢？原因是，人工智能是个烧钱的玩意。这就要从人工智能的溯源讲起，人工智能的基础算法并不是现在才发明出来的，早在上个世纪中叶，就有人提出来了。然而，因为当时计算机硬件设施不完善，算力不足，导致人工智能经历寒冬。就这样，人工智能历史上经历过两次寒冬。

如今，随着显卡技术的发展，计算机的算力逐渐能够支撑人工智能，因此人工智能才迎来第三次繁荣。所以，人工智能复杂的计算依赖高端的显卡，而高端显卡往往价格昂贵，特别是挖矿业对显卡市场的冲击，3090以上的主流显卡价格已然是原价的数倍。如果只用普通显卡，那么别人跑几分钟的程序在你的电脑上需要跑几天。对企业来说，时间就是生命，企业等不起。其次，人工智能很多成果仅仅是实验室产物，完全不能用到工业环境。如果仔细观察，你会发现，除了目前的人脸识别、语音翻译等场景见到人工智能技术外，其它方面很难再看到人工智能的存在。即使是已经上线的语音翻译，还是不如人意，错误百出。

因此，小公司花大资金投入到人工智能的开发和研究，无异于申请破产。对小公司来说，调用大公司提供的API服务，才是更具性价比的选择。由此，小公司没人工智能人才需求，而大公司又优中取优，人工智能的就业如同赌博。所以，很多人工智能专业的研究生都会去转开发岗，经我了解，学院某导师今年四个毕业生没有一个从事的是人工智能相关的岗位，全是传统开发岗！

回到初始问题，为什么我极不推荐本科生读人工智能专业呢，不仅它找工作难，考研更难。由于人工智能是新开的专业，所以很多学校的研究生考试科目根本不包括人工智能相关的专业课。比如，我的专业课学了机器学习、深度学习、模式识别，而考研完全不考，更多考研科目是408，专业课考的是计算机那四样：数据结构、操作系统、计算机组成与原理、计算机网络；或者考的是电信类方向：模电数电、微机原理之类。而这些课程，我们专业的培养计划中要么就缺失，要么就浅尝辄止，和计算机、电子专业的人竞争很吃亏。因此，人工智能专业的本科生想读研，最好的方式就是直接保研，若选择考研，将需要自学弥补很多其它专业课的内容，承受更大的压力。

因此，学AI最好的方式就是本科选择计算机科学与技术专业，研究生再选择人工智能方向，若不想读研，找个后端工作也完全契合。

关于自媒体

很多人关注我也许是从别的平台转来的。自媒体方面，我从大一就注册账号开始运营。起初，学了点剪辑技术，主要做游戏类的自媒体，在B站发些游戏类视频。经过半年的运营，开通了激励计划，赚到了第一桶金，虽然不多，但非常有成就感。到了大二，发现游戏类内容有些难做，因为有些游戏素材不是简单打打就能获得，特别是还要平衡好学业与娱乐的时间，种种原因下，我开始决定将账号转型。从游戏区逐渐转移到知识区，同时，我主运营三个平台，B站、CSDN、微信公众号。微信公众号更多利用了自动回复的功能，当作了一个存放资源的地方。B站主要用来发视频，CSDN主要用来发文字类信息。

虽然知识类的视频流量比游戏类的流量小了不少，但我仍不愿为了赚钱而去修改标题，去蹭热点。做视频与写博客更多是用情怀在为爱发电。一年下来，虽然没多少收益，但粉丝量足够让我宽慰：B站粉丝量突破了9000，微信公众号订阅者突破了1000，CSDN关注者突破了6000，并认证了”人工智能领域优质创作者“。

有时也会觉得，仅学了点皮毛就开始分享知识，会不会”过早的输出“。其实不然，一方面，学习的知识不及时记录会导致遗忘；另一方面，应用费曼学习法，会促使对知识理解的更为深刻。随着粉丝数量的增加，我也越来越关注我的文章质量和内容，也希望在强化自身理解的同时尽可能的通俗易懂，让一个从未学过相关知识的人能够快速看懂。