做算法是屠龍，做工程是狩獵，做數(shù)據(jù)是養(yǎng)豬！

緣起

為什么這么多人想入行 AI 呢？真的是對(duì)計(jì)算機(jī)科學(xué)研究或者擴(kuò)展人類智能抱著無(wú)限的熱忱嗎？說(shuō)白了，大多數(shù)人是為了高薪。

人們?yōu)榱双@得更高的回報(bào)而做出選擇、努力工作，原本這是個(gè)非常正當(dāng)?shù)氖虑椋顷P(guān)鍵在于：如何找對(duì)路徑。

想要入行，總得知道這個(gè)行業(yè)里面都有什么樣的崗位，分別是干什么的吧。

本文中，我們將從直觀的角度，管窺一下 AI 領(lǐng)域中，幾種不同技術(shù)崗位的：
日常工作的狀態(tài)。
所需要具備的素質(zhì)。
職業(yè)發(fā)展路徑。

我們不去看那些招聘啟事上令人眼花繚亂的 title，而是從抽象層面，以工作內(nèi)容、職責(zé)為準(zhǔn)，來(lái)分類工業(yè)界直接的 AI 技術(shù)人員。

他們大致可以分為三個(gè)不同角色：

• 做算法。
• 做工程。
• 做數(shù)據(jù)。

做算法

應(yīng)用科研成果，解決實(shí)際問(wèn)題

說(shuō)到做算法，大家首先想到的可能是發(fā)明新的算法或者對(duì)算法進(jìn)行改進(jìn)。這是在學(xué)術(shù)機(jī)構(gòu)或者幾家定價(jià)大企業(yè)研究院中擔(dān)任科研任務(wù)的科學(xué)家們的任務(wù)。

在工業(yè)界做算法的算法工程師（也有公司叫科學(xué)家），最基本的日常工作其實(shí)是：銜接學(xué)術(shù)成果與實(shí)際業(yè)務(wù)，在工程實(shí)踐中利用最新科研成果來(lái)達(dá)到產(chǎn)品或服務(wù)在業(yè)務(wù)層面的提升。

或者，說(shuō)得更通俗點(diǎn)，他們實(shí)際每天在做的事情是：讀論文&實(shí)現(xiàn)之——確認(rèn)最新論文中的闡述是否真實(shí)可重現(xiàn)，進(jìn)一步確認(rèn)是否可應(yīng)用于本企業(yè)的產(chǎn)品，進(jìn)而將其應(yīng)用到實(shí)踐中提升產(chǎn)品質(zhì)量。

強(qiáng)學(xué)術(shù)背景要求

既然日常工作首先是讀別人論文。那么作為算法工程師必不可少應(yīng)該具備快速、大量閱讀英語(yǔ)論文的能力。

如果要做算法，平均而言，大致要保持每周讀一篇最新論文的頻率。

光能讀不行，還必須讀懂論文，要讀懂論文，就需要：
科研能力：或云學(xué)術(shù)研究方法，能夠通過(guò)參考資料、搜索及以往的知識(shí)積累學(xué)習(xí)掌握論文內(nèi)容的能力。
系統(tǒng)數(shù)學(xué)知識(shí)：足夠深入的微積分、線性代數(shù)、概率統(tǒng)計(jì)的知識(shí)。最新的論文，沒(méi)有被時(shí)光檢驗(yàn)過(guò)。
閱讀時(shí)，需要關(guān)注公式的推導(dǎo)過(guò)程。否則，萬(wàn)一出現(xiàn)數(shù)學(xué)推導(dǎo)有錯(cuò)，導(dǎo)致了過(guò)于喜人的結(jié)果，卻無(wú)法在實(shí)踐中重現(xiàn)，豈不空耗時(shí)力？

也許這就是為什么，到目前為止，筆者所聽(tīng)聞和見(jiàn)過(guò)的算法工程師都是名校相關(guān)專業(yè)博士的原因。

經(jīng)過(guò)幾年強(qiáng)化學(xué)術(shù)研究訓(xùn)練，這些博士們，就算英語(yǔ)綜合水平不過(guò)是 CET-4，也能讀得進(jìn)去一篇篇硬骨頭似的英語(yǔ)論文！

對(duì)業(yè)務(wù)負(fù)責(zé)的創(chuàng)新型人才

很多時(shí)候，單論具體的手頭工作，做算法的算法工程師和下面要說(shuō)到的做工程的機(jī)器學(xué)習(xí)工程師相差并不大，他們兩者都會(huì)花費(fèi)很多時(shí)間去訓(xùn)練模型。

但是，做工程的可以把關(guān)注點(diǎn)放在模型本身，只要交付符合評(píng)價(jià)指標(biāo)要求的模型就可以了，而做算法的人必須對(duì)業(yè)務(wù)提升負(fù)責(zé)！

如果交付的模型雖然整體質(zhì)量提升了，卻不能提高用戶體驗(yàn)，或者在某幾個(gè)用戶非常關(guān)心的 corner case 上總是出錯(cuò)。

機(jī)器學(xué)習(xí)工程師可以通過(guò)加人工干預(yù)，做幾個(gè) workaround 把這幾個(gè) dsat 繞過(guò)去，但算法工程師則有責(zé)任從算法角度解決問(wèn)題，而不是隨便打人工補(bǔ)丁。

在實(shí)踐過(guò)程中，算法工程師，即使自己不發(fā)明新的算法，不提出新的算法優(yōu)化方法，也得去嘗試最新算法的使用或者把已有算法用出新花樣來(lái)。

毋庸置疑，這是一個(gè)有著必然創(chuàng)新性的角色。因此，這個(gè)角色必然不適合絕大多數(shù)人！

做工程

“調(diào)參工程師”

這一角色比較有代表性的崗位是：機(jī)器學(xué)習(xí)工程師，常常被戲稱為調(diào)參工程師。

他們使用別人開(kāi)發(fā)的框架和工具，運(yùn)行已有算法，訓(xùn)練業(yè)務(wù)數(shù)據(jù)，獲得工作模型。

工作期間他們可能需要一些處理數(shù)據(jù)、選取特征或者調(diào)節(jié)參數(shù)的手段，不過(guò)一般都有據(jù)可循，并不需要自己去發(fā)明一個(gè) XXXX。

TIP：很多 title 寫(xiě)的是“人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法工程師”的招聘崗位，其實(shí)招的是做工程的人。不要執(zhí)著于辭藻，看清楚具體職責(zé)和工作內(nèi)容。

程序員的分支

說(shuō)到底，機(jī)器學(xué)習(xí)工程師是廣義的軟件工程師（程序員）的一個(gè)分支。

說(shuō)起來(lái)，每一個(gè)程序員都有一個(gè)領(lǐng)域。不過(guò)，不同領(lǐng)域在不同時(shí)期熱度不同，發(fā)展趨勢(shì)不同。AI 產(chǎn)品開(kāi)發(fā)，是廣義軟件開(kāi)發(fā)的一個(gè)領(lǐng)域，如今正好在熱點(diǎn)上。

開(kāi)發(fā)人工智能產(chǎn)品的程序員，也還是程序員。不過(guò)是需要懂一定程度的領(lǐng)域內(nèi)理論知識(shí)而已，就和以前開(kāi)發(fā) PCI 協(xié)議棧要懂 PCI 協(xié)議，寫(xiě)網(wǎng)卡 driver 要懂 TCP / IP 的道理是一樣的。

編碼能力是基礎(chǔ)

既然是程序員，首先就不能丟掉程序員的基本素質(zhì)：編碼能力和基礎(chǔ)算法能力（不是前面說(shuō)的那種算法，而是鏈、樹(shù)、圖的構(gòu)建、刪除、遍歷、查找、排序等數(shù)據(jù)結(jié)構(gòu)里講的那種算法），這是最起碼的兩個(gè)要求。

當(dāng)然，既然在 AI 領(lǐng)域進(jìn)行開(kāi)發(fā)，一定程度的機(jī)器學(xué)習(xí)/深度學(xué)習(xí)知識(shí)還是有必要掌握的。

此外，做工程也得讀論文，不過(guò)和做算法不同，做工程讀論文的一般目的不是嘗試最新方法，而是用已知有效的方法來(lái)解決實(shí)際問(wèn)題。

因此，做工程的，讀的經(jīng)常是“舊”論文，或者相對(duì)學(xué)術(shù)含量低一些（不那么硬）的論文。

在閱讀時(shí)，主要是為了直接找到某個(gè)問(wèn)題的處理方法，故而可以跳讀。對(duì)于其中的數(shù)學(xué)公式，能夠讀懂頭尾也就可以了。論文閱讀頻率和學(xué)術(shù)深度的要求，都比做算法低得多。

做數(shù)據(jù)

此處說(shuō)得做數(shù)據(jù)并非數(shù)據(jù)的清洗和處理——大家可以看到做工程的崗位，有一部分工作內(nèi)容就是 ETL 和處理數(shù)據(jù)，此處說(shuō)的做數(shù)據(jù)是指數(shù)據(jù)標(biāo)注。

數(shù)據(jù)人工標(biāo)注的必要性

簡(jiǎn)單說(shuō)，數(shù)據(jù)標(biāo)注就是：給各種各樣的數(shù)據(jù)（文本、圖像、視頻、音頻等）打上標(biāo)簽，使原數(shù)據(jù)（raw data）變成標(biāo)注數(shù)據(jù)（labeled data）——標(biāo)注數(shù)據(jù)是各種有監(jiān)督學(xué)習(xí)的必要條件。

雖然機(jī)器學(xué)習(xí)中有無(wú)監(jiān)督學(xué)習(xí)，但在實(shí)踐領(lǐng)域被證明有直接作用的，基本上還都是有監(jiān)督模型。

近年來(lái)，深度學(xué)習(xí)在很多應(yīng)用上取得了巨大的成功，而深度學(xué)習(xí)的成功，無(wú)論是圖像、語(yǔ)音、NLP、自動(dòng)翻譯還是 AlphaGo，恰恰依賴于海量的標(biāo)注數(shù)據(jù)。

無(wú)論是做 ML 還是 DL 的工程師（算法&工程），后者尤甚，都共同確認(rèn)一個(gè)事實(shí)：現(xiàn)階段而言，數(shù)據(jù)遠(yuǎn)比算法重要。

固然，目前有多種技術(shù)用以在標(biāo)注的過(guò)程中輔助人工，以減小工作量及降低人工標(biāo)注比例，但至今沒(méi)有能在應(yīng)用領(lǐng)域完全自動(dòng)化標(biāo)注的技術(shù)出現(xiàn)。

換言之，在看得見(jiàn)的未來(lái)之內(nèi)，人工標(biāo)注數(shù)據(jù)仍然是 AI 落地的必要和主流。

人工智能的“勤行”

好消息：數(shù)據(jù)標(biāo)注工作幾乎沒(méi)有門檻。一般任何專業(yè)的大學(xué)畢業(yè)生，甚至更低學(xué)歷都能夠勝任，上手不需要機(jī)器學(xué)習(xí)之類的專業(yè)知識(shí)。

壞消息：這樣一份工作是純粹的“臟活累活”，一點(diǎn)都不 cool，起薪也很低。所以，雖然這是一件誰(shuí)都能干的工作，但是恐怕，沒(méi)幾個(gè)人想干。

就單個(gè)任務(wù)而言，數(shù)據(jù)標(biāo)注是一項(xiàng)很簡(jiǎn)單的工作，它的難點(diǎn)在于：

數(shù)據(jù)一致性

指所有數(shù)據(jù)的標(biāo)注原則都是一樣的。如果一份 raw data 由多個(gè)人同時(shí)標(biāo)注，就算是反復(fù)宣講標(biāo)注原則，每個(gè)人也都有自己的理解和側(cè)重，很難保證一致。甚至即使是將所有數(shù)據(jù)交給一個(gè)人，也可能在不同時(shí)間段理解不同。

很多公司出于對(duì)數(shù)據(jù)標(biāo)注工作的不重視（正好與對(duì)算法的過(guò)分重視相映成趣），采取一種暴力解決方案試圖消除不一致：讓多個(gè)人（比如 3 個(gè)）同時(shí)標(biāo)注同一份數(shù)據(jù)，一旦出現(xiàn)不一致，就采用簡(jiǎn)單多數(shù)法，取最多人一致認(rèn)定的那種結(jié)果。

這種方案對(duì)于粗標(biāo)數(shù)據(jù)還可以起到一定作用，但如果是精標(biāo)，則往往連多數(shù)人一致的情況都難以出現(xiàn)。如果三個(gè)人所標(biāo)結(jié)果完全不一樣，那么這條數(shù)據(jù)也就失去了標(biāo)注價(jià)值。

在現(xiàn)實(shí)中，經(jīng)常會(huì)出現(xiàn)同一份數(shù)據(jù)因?yàn)橘|(zhì)量過(guò)低，被要求重復(fù)標(biāo)注的情況出現(xiàn)，費(fèi)時(shí)費(fèi)力。

與業(yè)務(wù)的集合

業(yè)務(wù)需求時(shí)常變動(dòng)，技術(shù)解決方案變更更多，而每一次變更都可能引起數(shù)據(jù)標(biāo)注策略的變化，進(jìn)而要求對(duì)數(shù)據(jù)重新標(biāo)注。

目前，由于人工智能的落地點(diǎn)還比較有限，主要集中在大公司里，它們都有各自的標(biāo)注團(tuán)隊(duì)，業(yè)務(wù)要求也相對(duì)穩(wěn)定等原因，此種挑戰(zhàn)尚不明顯。

一旦未來(lái)人工智能在各個(gè)領(lǐng)域全面鋪開(kāi)，很可能需要的是針對(duì)具體企業(yè)、具體業(yè)務(wù)，不斷變更的標(biāo)注需求。

如何應(yīng)對(duì)快速變更的業(yè)務(wù)需求，同步更新標(biāo)注結(jié)果，將是一個(gè)在 AI 真正服務(wù)于大眾時(shí)全面爆發(fā)的問(wèn)題，偏偏現(xiàn)階段還未引起足夠重視。

選一條適合自己的入行之路

認(rèn)清形勢(shì)，腳踏實(shí)地

尋求入行的人雖多，能真的認(rèn)清市場(chǎng)當(dāng)前的需求，了解不同層次的人才定位，并結(jié)合自己實(shí)際尋找一條可行之路的人太少。

上面我們介紹了 AI 領(lǐng)域內(nèi)的幾個(gè)工種，打個(gè)不太恰當(dāng)?shù)谋扔鳎?br />做算法是屠龍，仗劍江湖，天外飛仙。
做工程是狩獵，躍馬奔騰，縱酒狂歌。
做數(shù)據(jù)是養(yǎng)豬，每天拌豬食清豬糞，一臉土一身泥。

人人都想“做算法”，做個(gè)獨(dú)行天涯的劍客多酷啊，更何況還有那么高的薪水！

卻不想想：大公司里研究院里有那么多讀了十幾二十年論文始終站在 AI 潮頭的資深研究人員。

想要與他們?yōu)槲樽鏊惴?，要么有足夠分量的學(xué)術(shù)成果，要么解決過(guò)大用戶量產(chǎn)品的實(shí)際業(yè)務(wù)問(wèn)題——你占哪一條呢？

僅僅是學(xué)過(guò)課程，做過(guò)練習(xí)或?qū)嵙?xí)性質(zhì)的小項(xiàng)目，是不足以去做算法的。

現(xiàn)實(shí)當(dāng)中能屠龍的人又有幾個(gè)？留給人去屠的龍又有幾條？養(yǎng)豬雖然沒(méi)那么高大上，有豬肉吃是實(shí)實(shí)在在的。

好高騖遠(yuǎn)只會(huì)虛擲光陰，腳踏實(shí)地才能實(shí)現(xiàn)理想。

“算法力”的自我測(cè)試

對(duì)于一心想做算法的同學(xué)，我建議大家先自我測(cè)試一下自己的算法力。

在此先推薦一個(gè)網(wǎng)站，所有有志于算法的同學(xué)必須要知道：https://arxiv.org ——這里有多個(gè)學(xué)科（包括 computer science）的大量論文，里面大部分都是尚未正式出版的最新成果。

目前真正在做算法的人，都在大量閱讀這個(gè)網(wǎng)站上的文章。

測(cè)試“算法力”有個(gè)很簡(jiǎn)單的驗(yàn)證方法：從上述網(wǎng)站里找一篇論文（比如這篇：Dynamic Routing Between Capsules），從頭到尾讀一遍。

現(xiàn)在不懂沒(méi)關(guān)系，至少先試試在不懂的情況下能不能把它從頭到尾一字不漏的讀完，有不認(rèn)識(shí)的字查字典。

如果這都做不到，還是當(dāng)機(jī)立斷和“算法”分手吧。既然注定無(wú)緣，何必一味糾纏？

先當(dāng)程序員再選領(lǐng)域

在 AI 成為潮流的今天，只要能找到一個(gè)在 AI 方面相對(duì)比較前沿的企業(yè)，進(jìn)去從做一名普通程序員開(kāi)始吧。

即使本來(lái)開(kāi)發(fā)的產(chǎn)品不屬于 AI 范疇，未來(lái)通過(guò)在舊產(chǎn)品上應(yīng)用新的 AI 技術(shù)或者在公司內(nèi)部 transfer 到做 AI 產(chǎn)品的 team，都可能獲得入行的機(jī)會(huì)。甚至具體知識(shí)的掌握，你都可以在入職后慢慢積累。

對(duì)于大多數(shù) AI 工程人員，這可能才是一條自然的入行之路。

但這一切的前提是：此人首先得是一個(gè)合格的程序員！而不是本末倒置，雖然花功夫?qū)W了幾個(gè)模型、算法，卻連最基本的編程面試題都做不對(duì)。

市場(chǎng)對(duì)數(shù)據(jù)標(biāo)注的潛在需求

高質(zhì)量的標(biāo)注數(shù)據(jù)對(duì)高質(zhì)量模型的影響非常直接。

一群年薪百萬(wàn)起步的算法工程師耗費(fèi)經(jīng)年的成果，對(duì)于模型質(zhì)量直接的影響甚至比不上一個(gè)靠譜標(biāo)注團(tuán)隊(duì)一兩個(gè)月的精心標(biāo)注。對(duì)模型的影響尚且如此，更何況是商業(yè)價(jià)值。

此時(shí)此刻，AI 在風(fēng)口浪尖，大公司、拿了巨額風(fēng)投的獨(dú)角獸 startup，一個(gè)個(gè)拿出千金市馬骨的氣概，將不可思議的高薪狠狠砸向 AI 領(lǐng)域的頂尖學(xué)者，順便捧起了一批年輕的博士，也引來(lái)了世人的垂涎。

這種情形能維持多久？商業(yè)企業(yè)能承受多少年不掙錢只燒錢？待潮涌過(guò)后，行業(yè)回歸理性，模型還是要用來(lái)掙錢的。

到了那個(gè)階段，大小企業(yè)不會(huì)去算成本收益嗎？他們會(huì)意識(shí)不到將資源投入數(shù)據(jù)和算法的不同產(chǎn)出比嗎？

企業(yè)為了創(chuàng)造利潤(rùn)應(yīng)用 AI 技術(shù)，算法工程師不是剛需，而數(shù)據(jù)標(biāo)注這個(gè)人工智能領(lǐng)域的“勤行”，人工智能藍(lán)領(lǐng)，一定是剛需！

一切標(biāo)注工作的難點(diǎn)和潛藏的風(fēng)險(xiǎn)，也就是這項(xiàng)工作的潛力和從事這項(xiàng)工作未來(lái)職業(yè)發(fā)展的可能性所在。

各工種的職業(yè)發(fā)展

籠統(tǒng)而言，一個(gè)技術(shù)崗位的 Career Path 總有兩條路徑：
領(lǐng)域?qū)＜摇?br />管理者。

做算法的崗位，雖然也確實(shí)有不少人轉(zhuǎn)向管理，但因其客觀的技術(shù)深度和學(xué)術(shù)積累的習(xí)慣，比起其他兩種角色，更容易成為領(lǐng)域?qū)＜摇?/p>

做工程的崗位，作為程序員的一部分，整體的職業(yè)發(fā)展和普通程序員并無(wú)太大區(qū)別。

當(dāng)然也有可能成為領(lǐng)域?qū)＜?，不過(guò)在我們現(xiàn)在的環(huán)境里，恐怕轉(zhuǎn)向管理對(duì)于大多數(shù)人是更優(yōu)的選擇。

當(dāng)然，做工程的，如果真的對(duì)技術(shù)和算法感興趣，深入下去做算法，最終成為領(lǐng)域?qū)＜乙餐耆赡堋?/p>

而做數(shù)據(jù)的崗位和所有門檻低的工種一樣，要面臨如何從極大量基數(shù)資質(zhì)類似的人員中脫穎而出的問(wèn)題。

由于 AI 領(lǐng)域的特殊性，還需要面對(duì)如何與越來(lái)越多的自動(dòng)化標(biāo)注技術(shù)共處的問(wèn)題。

因此，筆者個(gè)人建議的數(shù)據(jù)標(biāo)注職業(yè)提升路徑：經(jīng)驗(yàn)+業(yè)務(wù)+管理。大致步驟為：
通過(guò)實(shí)踐積累數(shù)據(jù)標(biāo)注的工作經(jīng)驗(yàn)。
深入理解業(yè)務(wù)需求并將其體現(xiàn)到數(shù)據(jù)的標(biāo)注結(jié)果中。
管理標(biāo)注團(tuán)隊(duì)達(dá)到高效的標(biāo)注結(jié)果與業(yè)務(wù)變更 align。

未來(lái)也許會(huì)出現(xiàn)一個(gè)“數(shù)據(jù)經(jīng)理”之類稱謂的職位：其職責(zé)以負(fù)責(zé)提供高質(zhì)量標(biāo)注數(shù)據(jù)為基礎(chǔ)，技術(shù)上銜接工程領(lǐng)域的 ETL 和數(shù)據(jù)處理，產(chǎn)品上對(duì)接業(yè)務(wù)，帶領(lǐng)團(tuán)隊(duì)為公司產(chǎn)品或服務(wù)的 revenue 提供直接貢獻(xiàn)。

作者：李燁