有感于前天的AlphaGo再进化新闻,DeepMind团队的最新技术都可以在没有任何围棋先验知识的前提下,完全自学就可以达到超越AlphaGo、AlphaMaster的水平,想当初阿尔法狗一代和狗二代可是很轻松的战胜了李世石和柯杰。这个新闻对于近期的人工智能研究来说应该会起到很大助澜作用。听说今年公司校招的时候,投算法职位的学生非常多,投服务端开发职位偏少,前端开发最少。随着深度学习在多个领域落地开花,比如:人脸技术、图像识别准确率一再被提高,但都算是机器学习圈子的新闻,而阿尔法狗与李世石的人机大战应该算是引爆点,开启了这次人工智能的大潮。这几年人工智能这个词着实热,有点像前些年的云计算,记得2010年的时候,科技圈内的各大论坛、峰会,都在热讨云计算,朋友间聊天时,也会提到云计算,各大公司也都在云计算上展开投入,目前来看,bat三家中,阿里做成了。而这一波人工智能热潮不知道能持续多久,最后国内哪家公司能真正胜出呢?
回到开头的话题,投算法职位的学子越来越多,除了说明人工智能热之外,我想也说明了算法的学习曲线变平缓了。本来机器学习涉及的算法繁多,每个算法都有大量的理论推导,要想一一掌握需要花大量时间和精力学习,而深度学习凭着强大的函数拟合能力,可以胜过很多传统机器学习算法,这样充分掌握一项技术就可以做很多事情。当然,传统算法还是要理解、掌握的,这样思路才宽广。学习过程中,过了深度学习的理论关,就可以采用下面各种主流的框架开始训练模型,比如TensorFlow、Theano、Keras 、Caffe 、Torch等,实际需要编写的代码很少。用了这些框架,想起以前用mfc做pc客户端开发,一个简单功能,比如绘图,画之前,要先创建画笔,创建画笔要先获取dc,自己创建的画笔供dc使用前,需要先保存dc原画笔,画完图后,要先复原系统dc画笔, 在依次释放内存,并且有些函数参数巨多,有的传句柄、有的传指针、有的传对象,五花八门的用法,整个过程非常繁琐。而现在这些深度学习框架,比如TensorFlow,在加载数据,构建、训练、验证模型等过程中,只需编写少量的代码,整个编写过程不仅仅是非常简单,而是异常简单。当然,算法工程师也闲不着,除了模型需要调参和优化,还有大量的paper等着去读,还有更多未知信息等着去探索、发现。