人工智能：从“黑科技”到“俗学”的过程

①、人工智能的崛起

早些年，人脸识别、语音识别等模式识别领域在数学算法上一直进展缓慢，几乎没有实用价值。然而，随着以深度学习为基础的人工智能技术的引入，整个行业的研发重点开始转向AI。各家厂商纷纷搭建人工智能平台，放弃传统的数学算法研究，转向深度学习平台。经过两年的深度学习训练，各家公司的算法精度开始接近第一名。深度学习虽然并不是特别高深、新颖的技术，但在计算和数据都到位的情况下，却能突然“枯木逢春”。

②、深度学习的变革与挑战

深度学习相对于传统数学算法来说并不那么精巧。它被认为是一种常见的套路：设置框架，喂数据，调参数，循环往复。虽然深度学习使计算机变得聪明，但我们却不知道它为什么变得聪明，它究竟学会了什么？在某种程度上，算法工程师从机器的“管家”沦为了机器的“保姆”。这使得算法工程师的工作难度降低，但也降低了他的重要性。硕士逐渐涌入这个行业，算法工程师的稀缺程度也不如以前。深度学习的发展导致以产品和市场为导向，而不是技术的繁荣。

③、冷静观察与思考

人工智能行业肯定会继续繁荣，但对于将要入行的技术新人来说，需要冷静观察和思考后再做决定。在技术上，深度学习并没有推高算法工程师的重要性，甚至降低了他们的重要性。对于算法精度已经足够实用的领域，需要尽快用好产品占领市场，获得经济回报。这才是一门技术健康发展的应有之义。

总结

人工智能的崛起从深度学习的引入开始，虽然深度学习并不是特别高深、新颖的技术，但在计算和数据到位的情况下，却能使模式识别领域取得实用的突破。然而，深度学习的兴起也带来了一些挑战，算法工程师的工作难度降低，但重要性也降低了。对于将要入行的技术新人来说，需要冷静观察和思考后再做决定，同时要尽快用好已有的产品占领市场，获得经济回报。

感谢您的阅读，希望本文对您有所帮助！

浏览葫芦娃AI，了解更多关于这个话题的详情