本文授權轉自知乎

如此火爆的AI，會不會像Android和iOS一樣，五年後歸於平淡？轉型AI真的有必要嗎？

2017年，AI就像一個點石成金的神器，所有的行業，任何的創業，抑或是職位背景，只要沾著這個詞，多少有點腳踩五彩祥雲的優越感，話題來了，融資來了，故事來了，高薪來了，offer來了。

於是，越來越多的人開始往AI方向湧，哪怕現在做的工作跟AI完全不沾邊，也阻擋不了人們轉型的熱情。

可是，問題就在於，這條路就一定靠譜嗎？到底應該堅守當前的開發陣地，力求做到精益求精呢？還是應該堅決一點，轉型AI呢？

在這一年快要結束的時候，我們不僅想問，AI、大資料這些火的一塌糊塗的詞，五年後會不會也像Android和iOS

關於這個話題，我們邀請到幾位知乎大神。他們關於這個問題的回答，非常精彩，獲得了知乎上非常高的點贊量，希望他們的觀點，對你有所啟發。

01

小賴sqLai

我個人其實覺得，ai工程師更像是傳統工程師的存在，經驗在很大意義上佔有非常大的比重，也就是某種意義上，可以吃老本，同時也是要深入行業挖掘需求。好多人都聽過德國專家在壞掉的機器上畫了一個圈就拿了三萬美金的故事，ai從業者其實可以是往這個方向上走。這樣的話，從傳統行業的發展來看就很明確了，後續要麼繼續搞技術，努力當總工，也就是現在所謂的研究員，首席研究員之類，要麼就是轉成車間主任往管理方向發展。這是和正常研發相比，最大的不同，研發的技術棧，總體更新換代太快，很難靠吃老本活下去，這也是為啥好多人說年紀大了就不好當程式設計師的原因。

大資料也好，AI也好，智慧城市也好，智慧醫療也好，各種鼓吹起來的概念，在我看來，這些技術其實一直存在，也一直有很強需求，只不過之前沒被吹上風口而已。

就像提到神經網路，好多老師估計都知道，換個名字變成深度學習了，很多人就覺得高大上了。

大資料是燃料，演算法是鍋爐，產出就是各行各業的應用，實際上，這些東西都是互通的。

就以CV為例，人臉識別搞檢測切割和檢索，換到行人再識別裡依然是檢測切割檢索。無車人裡做檢測切割跟蹤，無人機裡依然是這些東西。醫療影像到現在主要關注點也同樣是切割和檢測。

推薦系統這些年大火特火，說白了依然逃離不出資訊檢索的範疇，搜尋引擎實際上都培養出多少知名公司了。甚至包括廣告系統在內，核心演算法始終是逃離不出那麼些東西的，相互轉換簡直不能更容易。無非就是再結合行業應用的深入挖掘。

安卓也好，iOS也好，包括前端也好，說白了就是某個平臺上的工具，平臺崩了，就只能去學新東西了，君不見塞班和flash崩了之後多少工程師轉行學別的。所以前端圈好多人說要做大前端也是這個原因，一個端崩了，換個端就行唄，面向使用者的開發，永遠都是那麼一套思路，折騰了這麼多年，mv*還不是照樣是最常用的方案。

而ai不同，大家換平臺換框架甚至換語言都是家常便飯，至於究竟是在伺服器跑還是嵌入式跑，手機跑還是平板跑，根本沒有啥影響。演算法照樣暢通無阻。

就算五年後這些東西炒作的差不多了，自然又有新的風口了，什麼精準醫療啊，精準房地產啊，輔助決策啊，換個說法而已，依然還是老技術結合新領域做深入挖掘。

所以現在入行的人，一定要深入把基本功打好，不是說隨便會幾個框架，能跑開原始碼，調整調整就行的。緊跟新論文，有獨立復現能力，抱著終身學習的態度，積極探索和領域深入結合，這才是正道。

02

阿薩姆

我認為人工智慧能否火下去是偽命題。相反，現階段的AI技術的落地能力還很有限。

對比來看，移動端開發本身就是落地的實用技術，你可以用來做手機遊戲，也可以開發拍照軟體，有豐富的業務需求。而人工智慧是學科、是技術手段、是通用框架，所以現在和未來最大的困難不是在於會不會火，而是怎麼更好的落地應用？沒有業務需求是很難撐起大量企業的，那個時候也就不存在人才缺口了。

不難看出，優秀的人工智慧企業都有實際的應用場景，不過主要是集中在視覺、語言上，而大部分企業其實是需要更加通用的業務場景。現在每個大一些的企業都在砸重金招聘機器學習工程師、研究員，美其名曰是為了業務擴充套件。但實際來看，很多公司只是在做人才儲備，它們只是需要這麼一個部門，而業務上是否需要機器學習、機器視覺、自然語言處理，還不是非常明朗。以金融服務類公司為例，不少公司都重金從學校挖了一批做機器學習的人，我們自己每天擔心的是無法為企業創造價值，而老闆總擔心我們要跳槽，雙方的體驗都不夠好。這其實指出了一個人工智慧的一個困境，就是現階段無法在大部分企業的業務中落地，對於很多企業來說人工智慧(機器學習)可能還太早了一點。

而管理層往往也缺乏對於其真實能力的理解，只知道很重要，必須成立這麼一個部門。老闆往往有兩種極端，一種認為人工智慧可以解決一切問題，一種認為我們什麼都做不了只是來裝點門面的。從另一個角度來看，很多企業需要人工智慧來講故事，來支撐良好的估值和獲得投資。試問各位看官，你們老闆有沒有發郵件說我們企業要紮根AI，大鳴大放？至於AI現階段到底能做什麼，大部分老闆其實是不大清楚的，但在一片郵件轉發中我們似乎已經實現了全面AI化。

換個角度來看，一個比較健康的狀況應該是企業有了業務需求，再去招聘相關人才，這樣的話員工有事做企業也獲利。然而現在不少的企業的是先去招聘人工智慧相關人才，來了再看看能幹點什麼。這種情況下，企業可能難以獲利而AI人才覺得自己每天無事可做，而其他員工覺得AI組光拿錢不幹事，從各種角度來看不是一件好事。

那麼企業為什麼要做這麼出力不討好的事情呢？除了戰略性防禦以外，這其實是賭。賭的是AI必然有用，賭的是現在買進來的AI人才未來可能需要5倍10倍的價格才能引進。但是賭博就必然有贏有輸，如果大量企業引進的AI從業者無法在3-5年中為企業創造價值，那麼大家也會認為其中泡沫略大，而降低對於AI人才的重金策略。而如果因為各種原因，AI從業者能在大部分企業真的創造價值，創造落地應用，那麼3-5年只是AI起飛的開始，遠不是衰落。

從個人角度來看，我們每個人也都在賭，賭要不要轉AI，要不要all in深度學習，要不要全職考研考博。這些賭的都是AI未來，但其實賭的是AI能不能從現階段的人才儲備轉為業務驅動。如果幾年內這件事情無法發生，那我們可能需要蟄伏等待下一個機會了。所以已經“上船”的朋友們要努力嘗試把AI應用於各個領域，為企業創造價值，這樣才可以維持現在的高薪。而還在準備的朋友們不妨還是結合自己的專業，想想如何把AI在你所瞭解領域應用，不然即使上了船也不會有高薪了。我們現在還沒到保護泡沫不破的階段，而還在努力吹泡泡的階段。

我在另一個回答 阿薩姆：《未來 3~5 年內，哪個方向的機器學習人才最緊缺？》中曾經提到過：

工業界未來需要什麼樣的機器學習人才？老生常談，能將模型應用於專業領域的人，也就是跨領域讓機器學習落地的人。有人會問現在我們不就需要這樣的人嗎？答案是肯定的，我們需要並將長期需要這樣的人才，現階段的機器學習落地還存在各種各樣的困難。這樣的需求不會是曇花一現，這就跟web開發是一個道理，從火熱到降溫也經過了十年的週期。一個領域的發展有特定的週期，機器學習的門檻比web開發高而且正屬於朝陽期，所以大家致力於成為“專精特定領域”的機器學習專家不會過時。

什麼是特定領域的機器學習專家？指的是你有足夠的機器學習知識，並對特定領域有良好的理解，那麼在職場供求中你肯定可以站在優勢的那一邊。

引用來源：https://www.zhihu.com/question/63883507/answer/227019715

所以這是老生常談。對於個人來說，如果AI從業者有很好的技術能力和良好的領域結合能力，三年五年絕不是職業的瓶頸期，甚至十年都還太早。而對於企業而言，如何從“人才儲備”走向“業務驅動”才是重中之重。不然的話，人工智慧其實根本就不算曾火過，我們本身都還在嬰兒期。

03

Xiaoyu Ma（大資料話題的優秀回答者）

正好和找我諮詢的朋友聊過這個話題。託個大給點個人看法，這些話過來人肯定都明瞭，入行不久的也許有幫助。

先給結論，只是會搭叢集，會用MLLib，會用Tensorflow的大資料或者AI從業者，不管五年後行業本身會不會迴歸平淡（大資料很可能會，AI應該沒那麼快），個人職業發展無法避免變平淡。到時候這樣的人就要困惑是否跟隨下一個熱點了。

但是如果你精通的是領域本身，而不僅僅是用好某個工具某個平臺，那你會發現自己並不會隨著行業沉寂，或者你會發現你很快很自然能過度到下一個相關的熱點領域。

迴歸平淡是一個熱門技術必然的趨勢，五年在IT領域已經是很長久的時間了。迴歸平淡的未必是技術過時，反而可能是技術過於普及。但是如果你精通的不只是淺表，那是否迴歸平淡對你來說就無所謂了。

趨勢和熱點肯定是對前途/薪水會有加成，比如大資料（其實火了很久了），或者AI。在幾年內會對從業者薪酬有不小的增幅。但是就如你所說，熱點和趨勢是會降溫的，比如慢慢社會上就會有越來越多會搗鼓Spark的人，能跑Tensorflow的人，熱點帶來的紅利會慢慢減少到消失的。有些人會迷茫，為什麼自身價值似乎越來越低，是不是要換一個熱點；但是有些人卻越做越深入，越來越資深，越走越順。

我的想法是，工程師應該更重視“道”而不是“術”，才能保持競爭力。

什麼是“術”？

比如，“遣詞造句”，是術。如果你是一個作家，遣詞造句無疑是必備技能。

同樣，“熟悉程式語言”是術。作為一個程式設計師，熟悉自己常用的語言的特性，完全是必須的。

類比一下大資料，應用開發或者資料庫領域。如何配置Hadoop，架設叢集；如何使用某個UI庫做出炫酷的介面效果；使用什麼引數可以調整某資料庫快取大小等等，都是術。

那什麼是“道”？

比如，“一部小說如何謀篇佈局”，是道。如果你是一個作家，那麼無疑這是比遣詞造句更影響你職業生涯的技能。

同樣，作為一個程式設計師，瞭解系統背後的原理，比熟悉一門語言一個框架對你職業發展會有更深遠的影響。

如果你做大資料，那你是否知道分散式系統的一致性保證有些什麼不同的設計和取捨？容錯又該如何實現？如果你做資料庫，又是否知道不同索引的資料結構有什麼樣的特性？抑或優化器背後的原理是什麼？或者你做業務邏輯開發，那你是否通曉了邏輯背後的業務流程以及相關的行業知識？

術的特點是容易過時，或者附加值越來越小。如何使用工具在每天都有新發明的計算機領域無疑是非常容易過時的，公司也不會為使用工具的經驗投資太多錢，畢竟夠用就行。

誠然術是你必備的技能：不會寫程式碼，不熟悉語言，根本找不到工作。但是並不是你修煉的方向：公司並不會因為你精通一個語言的各種細節而特別青睞你。公司的確是招人寫程式的，但是公司並不僅僅是招人“寫程式”。

道是我們在領域內不斷精進成長的根本：只有瞭解背後的原理，你才可能在每天都有新系統新語言新框架誕生的科技領域存活；某個框架你並沒有摸過，但是你知道哪些指標和特性是選擇取捨的依據；某個系統你才聽說，但是看了架構設計，你就知道它在你的使用場景下會有什麼樣的表現，可能會有什麼樣的坑；再或者你看了某個論文，發現它的原創性設計能改進在你們現有的系統解決之前無法解決問題等等。這樣的你，往往比只是對語言熟悉，API精通的碼農更受歡迎和尊重。

有人可能會說，你看那些大神程式設計師，哪個不是對某些語言滾瓜爛熟。是的，我們看到的碼農大神們，往往寫的一手好C++，精通Go的上上下下左左右右，但那並不是因為他們專門修行這門語言，而是因為他們在不斷研習“道”的路上，順便磨練了“術”。為了更好的效能，為了實現構思的新設計，他們必須更熟悉所用的語言。

再你當然可以舉出特例：通曉一門語言的方方面面能成為參與制定語言規範的大神；哪怕寫字寫的好也能成為書法家。這樣說也沒錯。鐵砂掌練到極致，也能和五絕一拼，但這比修內功的路難多了。況且，某人能制定語言規範肯定不是因為她特別熟悉這個語言的細節；書法家之所以是書法家也遠不止寫字寫得好。

回到正題。四年不短，如果你認為你在現在的領域除了“術”沒有什麼其他積累，那這樣的急轉彎換掉也不可惜，否則就慎重一點，因為你想換的領域和現在做的似乎沒有太多交集。哪怕再換，深入鑽研的話，熱不熱其實並沒有太多關係。

文章地址：連結：https://www.zhihu.com/question/67120248/answer/269467498

營長說說：怎麼樣，看完這些大牛的回答，你深有感觸還是好不贊同呢？不妨也在留言區告訴營長哦~天天為你們操碎了心的營長。

熱文精選