前言:
现时朋友们对“机器人算法工程师是做什么的”可能比较看重,咱们都想要学习一些“机器人算法工程师是做什么的”的相关文章。那么小编在网络上汇集了一些对于“机器人算法工程师是做什么的””的相关内容,希望看官们能喜欢,兄弟们一起来了解一下吧!燃次元(ID:chaintruth)原创
作者 | 吕敬之 马舒叶
编辑 | 曹 杨
AI绘画火了。
此前,抖音、微博、小红书纷纷被AI绘画刷屏,而AI绘画的作品最多的评价就是好笑且离谱。“我抱着我的狗的合照被AI画成了人形狐狸脸的怪兽。”沉迷于AI绘画的阿宇对燃次元回忆道,当时阿宇觉得非常搞笑就把小程序推荐给了朋友,还用怪兽做了微信头像。
抖音上也充满了用户分享的“离谱”的AI绘画作品,有的将一只脚画成了穿着粉色裙子的卡通女孩,还有的把一辆自行车画成带着“武器”的卡通男孩。
在AI绘画爆火的同时,人工智能(Artificial Intelligence,英文缩写为AI)这个关键词再次涌入了大家的视野。
实际上,自2018年AI领域开始大火之后,每一年的毕业季都会有类似“今年什么行业是最火的”“哪些专业最好找工作”等提问冲上微博、知乎、小红书等平台的热搜。而AI,基本每一年都会当选最火热的就业专业。
AI越来越被关注背后,或是随着技术的发展,应用的领域也越来越多,包括网络安全、医疗诊断助理、视觉与图像、先进制造、数据挖掘和营销等。据IT桔子统计,近年来医疗健康、先进制造、智能硬件等AI技术应用较为广泛的行业也备受一级市场的追捧。
多位对AI颇有研究的相关从业者对燃次元表示,经过多年的观察和亲身经历,AI大概在2016年就进入了第一波资本和人才涌入的高峰期。
彼时,企业用远超行业平均工资的待遇招聘算法工程师和教育讲师,这也直接导致部分现金流较小的初创公司无法支撑。
而随着AI应用的更为广泛,AI行业也越来越走向“大众化”,行业的“内卷”也更为明显,且随着资本热情地退却和技术的不断完善,愈演愈烈。
就职于网易智企游戏行业部的李浩早在2018年就已经开始从事AI行业相关工作,现担任AI机器人算法工程师的李浩表示,自己刚刚毕业的那一年,应届生只需要掌握计算机语言知识,并有相关的工作经历,基本就可以被大厂选中,“但近年,尤其是去年和今年,没有非常垂直的项目经验的应届生,在初筛阶段几乎就全被淘汰了。”
对此,同样是在网易工作的若璇表示,AI行业需要从业者严格的自我要求和持续的自我学习,学习论文早已成为工作甚至休息的日常。
而在百度从事计算机视觉相关工作的芦苇更是直言,除了日益增加的工作技能需求,自己的部门更像是企业内部的乙方,日常与项目经理的沟通和摩擦也是不可避免的。
不断加剧的人才竞争,不能停止的自我学习,以及与其他部门同事之间的摩擦……外表光鲜亮丽的AI行业,其从业者的日常到底是怎么样的?他们对行业的变迁又会如何评价呢?
95后前媒体人,造出一个教育AlphaGo
“AI教育出现后,‘取代’是老师们下意识的反应。”比芦苇早一年进入AI相关行业的古茜告诉燃次元。
2017年,古茜一头闯进AI教育赛道。作为联合创始人,95后的古茜带领团队研发的AI虚拟老师曾引起争议,而这种争议背后,是“AI取代真人老师”的可能性。
对此,古茜既有些啼笑皆非,又在内心坚定了AI创业的信心。
作为一个梦想“用AI技术改变世界”的技术发烧友,正是AI强大的逻辑推理和计算能力让古茜着迷,并毅然从媒体人转型到了AI行业。
实际上,对AI着迷的种子,在古茜大学就读计量经济学专业期间就已经悄悄种下。
大学期间,指导古茜学业的导师正在研究AI。基于此,通过导师古茜第一时间了解到了元认知、元语言等基本概念,并熟知了比特币等新事物,也由此认识了和她志同道合的创业合伙人。
大学毕业后的古茜,曾经有过一年时间的媒体从业经验。
2017年,在“万众创业”的热潮之下,坚信“AI将成为未来的潮流”的她,和合伙人一拍即合,成为了AI创业大军的一员。
来源/视觉中国
“AI还是离大家的生活太远了。”对古茜而言,AI很适合应用到微积分、数学等高度逻辑性学科的学习过程中,“如果AI能在这些学科的教育场景里落地,或许就能通过技术带动教育本身,再前进一步。”
很快,古茜便与合伙人一起,组建了一个拥有十几个人的团队,并将目光投向了更为细分的“AI数学教育”。除了古茜,团队内全是主攻算法的技术人员,为了推动产品更快地被市场接受,古茜总是“混在”算法团队里“恶补”知识,并逐渐做到了对各种“行话”的精通。
随后,古茜积极与学校展开合作,其推动的“AI虚拟老师”,作为“助教”逐渐被学校接受。
2020年,受疫情影响,线教育行业迎来资本热,古茜也吃到了红利。“彼时,市场上的头部在线教育公司几乎都与我的团队有过接触,且不少达成了合作。”古茜介绍,也是在那个时候,在线教育的爆火,让AI教育成了最热的“概念股”之一。
根据中研网数据表示,2020年是AI教学行业企业注册量的爆发期,全年新增注册企业17.2万家,同比增长了292.8%。除了在线教育巨头新东方、学而思、猿辅导等机构,字节跳动、腾讯、百度、网易等互联网大厂也争相入局,如字节跳动的瓜瓜龙系列、腾讯的开心鼠英语等。“这背后,是因为教师太少,能用于个性化教学的教师就更少。”古茜表示。
除此之外,一方面,在线教育一个老师最多可以负责200个学生。而在学校,真人老师一人最多只能负责50个学生左右。“对企业和学校而言,引入AI虚拟老师,可以更好地控制人工成本。”
另一方面,考虑到真人教师的时间和机会成本,AI虚拟老师能分担部分重复性高的工作,解放真人老师去做更有针对性、难度更高的工作。另一方面,AI虚拟老师可以根据学生的话语进行智能分析,更好地感应学生知识掌握的情况,随后给出提升方案。
“这背后,需要依托强大的算法和巨量的数据输入,这也是AI技术能够提高教育质量的方式之一。”古茜解释道。
实际上,相对于“AI虚拟老师”的抽象概念,古茜更愿意称其为一款可用于教育的“AlphaGo”,其主要作用,就是让AI系统通过交互式对谈,对学生的每一句话背后的信息进行处理。
然而,尽管AI在资本市场备受追捧,但并不是所有AI从业者都可以过得风生水起。
一边,是资本热钱带来的从业潮导致入场者的良莠不齐。古茜告诉燃次元,有的团队只重概念营销,打着AI的旗号,实际上是把真人教师的课程录播,导致课程的内容和形式千篇一律,让消费者逐渐失去信心和选择的动力。
另一边,是企业想要挖到真正优秀人才所导致的行业疯狂内卷。
2020年10月,字节跳动旗下教育业务大力教育宣布独立,并给出每年百亿元人民币的教育业务预算。不差钱的大厂直接下场,用高于行业规律的薪资到处挖人,导致整个行业的平均工资不断水涨船高。据古茜介绍,当时一线城市AI课程的教师,月薪甚至一度飙升至六位数。
丰厚薪资的同时,一些企业也打起了价格战,到处可见的“9.9元限时抢购课程”让一些初创企业无法承担营收与成本的极大失衡,纷纷宣布退场。
彼时已经陷入“内卷”的古茜则选择了“躺平”,古茜表示,与其花费大量资金砸广告,还不如老老实实走技术派路线,“我始终保持我们公司技术团队的人员占比不低于30%。对我来说,从技术出发才是我们的核心竞争力。”
而随着双减政策的落地,在线教育按下暂停键的同时,AI教育的风似乎也悄悄停了下来。
去年,古茜调整了公司战略,选择了出海去北美,“美国市场无疑能为AI公司提供充足的数据,让我们沉下心来继续打磨产品。”
如今,古茜和团队正按部就班地布局海外。对于未来,她乐观地表示,“很多人都问AI是不是泡沫,但对我而言,让泡沫悬在中间,吸引更多的人才一起探索,也很好。”
从电院转型AI,学习成了工作日常
和古茜有同样想法的还有若璇,在越来越“卷”的AI行业,若璇同样选择了“向上”。
“我和我老公都是算法工程师,因此,工作之余我们最大的兴趣就是讨论最新的论文。”现任网易智企计算机视觉算法工程师的若璇半开玩笑似地对燃次元表示。
2011年,进入上海交通大学电子信息与电气工程学院(以下简称“电院”)的若璇,彼时还没有确定未来的学业和职业方向。
“大一的时候,电院更多的是一个广义的学科,还没有非常细分,当时我们学习了一些通用电学的基础课程。到了大二,在有了更细的专业划分后,我选择了测控技术与仪器方向。再后来,因为我自己对计算机的热情,以及当年计算机专业的热门环境和我导师的一些研究项目,我逐渐向AI行业转型。”若璇介绍道。
尽管毕业之前,若璇就参与到了AI算法对医学图像的自动分析与诊疗任务中,其主要的应用场景就是在输入医疗CT等图像后,算法通过计算提供一个自动诊疗意见。但这与若璇毕业之后直至现在所从事的“网络内容风控”在场景上应用,有着很大地跨越。
来源/视觉中国
若璇解释道,医学领域的数据集量是比较小的。因为医学仪器采集等问题,其针对某种病症的数据集不会非常庞大,且分布的比较均匀。但相较之下,网络的不安全内容有千万种形态。
除此之外,网络内容风控会随时发生对抗,“不断有黑产和灰产想要‘钻空子’,对你发起进攻,而在医疗诊疗领域,我们不会碰到被攻击的情况。”若璇表示,更重要的是,AI技术对医疗诊断只能起到辅助作用,医生大部分还是依赖自己的专业判断。但是网络内容风控对技术的依赖性更高,因此对工作人员的技术要求也就更高。
若璇也因工作应用场景的变化,感受到了自己能力的上限。
“我大学读的本就不是计算机专业,所以对计算机语言和电脑硬件的知识储备一直是我的短板;外加我学习的算法场景和实际应用场景也有较大差别,这就需要我不断地学习。”若璇自我剖析道。
若璇回忆,最“疯狂”的自我学习阶段,是在半年前接到的一项任务,“当时为了更加有效地控制人工成本,我开始学习‘半监督’和‘自监督’算法。”
“之前,我们行业里有句玩笑话,‘有多少人工才有多少智能’,因为大量的数据需要被打上标签才能让机器更好地学习,这个过程则需要大量的人工去完成。后来,出现了所谓的‘半监督’形式,即,不需要人工再为每组数据打标签,甚至有些数据不用打标签,这就使得在控制人工成本的同时,也可以更好地实现机器学习的任务。”若璇解释道,这也是自己当时接触到半监督的契机。
“我当时在微博、微信等平台,关注了很多行业里的大V。从他们发布的文章中不断提取关键词,之后再去顶级学刊上检索。先学习论文的理论再实践到工作中去。”若璇回忆道,“每个算法工程师手中基本都会同时进行2-3个任务,你要在完成任务的同时进行理论探索。因此,当时我的时间安排就是,白天在完成任务,到了休息和晚上的时间才开始看论文。”
“当时一度有点‘着魔’。”若璇笑着回忆道,几乎每天晚上都要和老公讨论自己看到的最新的论文内容,“就像一个艺术创作者在寻找灵感时一样,我们在研究解决方案的时候也需要这种灵感。”
后来,若璇逐渐将“半监督”方法运用到了自己更多的项目中,并向整个小组进行了演示。
而提及这个自我学习的阶段是什么时候停止的,若璇则表示,“我很难说这个阶段会停止。实际上,AI就是一个信息量巨大、演变迅速的行业,从业者需要不断地自我学习,接触最新的解决方案和算法趋势,才能完成任务。”
当然,在自我学习与提升的过程中,若璇也感受到了整个AI行业的变迁。
“虽然只在这个行业做了3-4年,但我已经感受到了行业招聘的不断趋严。”若璇表示,“我本科毕业时,应届生基本只需要了解一些基本的计算机语言理论,在校期间参与过一些项目,哪怕只是将网上的开源代码看明白,自己再实际运行、调试过,基本就能拿到不错的互联网大厂的offer。但现在,应届生想要进入大厂,需要发表顶刊论文,就连参与项目也要应聘岗位的场景非常垂直才可以。”
而对于AI未来的发展,若璇则表示,“AI听起来好像高大上,但是‘脱’去‘外衣’,它只是人类科技进步到一定阶段必然发展的产物。而技术如何演进,还要看人们如何去使用和限制其发展。”
是高级工程师,也是企业内乙方
比起若璇从电院逐渐转型到AI行业,现就职于百度成为高级工程师,并且是富春山居图项目核心成员的芦苇则是地地道道的计算机专业出身,但他最初选择计算机专业,却也是“误打误撞”。
芦苇坦率地说,自己2011年走进大学校园,当时计算机专业已经从2009年的疯狂热潮降温,“那个时候,很多学校的计算机专业录取分数线都不高。我也只是把计算机专业当成一个备选,没想到竟然中了。”
更巧合的是,随着时间的推移,计算机专业又迎来了“第二春”。2016-2018年之间,逐渐成为最热门的行业之一,而彼时,芦苇恰逢研究生毕业。
芦苇也就顺势加入了计算机视觉行业,主要的工作内容则是,根据不同项目组的需求对视频和图像进行编辑和最终的视觉生成与呈现。“其中,风格迁移是我擅长的方向之一。”芦苇进一步解释道,“风格迁移指的是通过AI技术将一幅经典画作和一幅现代照片或图像结合在一起"
来源/视觉中国
和若璇一样,芦苇在工作中也需要不断地自我学习。
“阅读顶刊的最新论文是我的日常工作之一。因为我接收到的需求很少是一个模型套用之后就能从端到端解决所有的问题。因此,我需要自己把这些需求拆解,之后转化成算法问题,再一步步地解决。再加上每个人做的任务不同,所以很难找到别人请教。更多时候,我需要自己拆解问题,再从论文中寻找答案。”
但与若璇通过学习就能解决大部分问题不同,芦苇的很多需求都需要与项目组的其他同事进行沟通。
“我的工作和视觉设计部门有些相似,都属于企业内部的乙方。我们从产品经理,也就是企业内部的甲方角色中接到任务,拆解和完成任务后,最终交付给项目经理进行审核和修改。只是,这其中的艺术与创作空间较少,通过技术解决问题的实质更大。”芦苇说道。
而谈起与产品经理(甲方)的沟通,芦苇则笑称,“所有技术人员和甲方沟通都存在一个合理量化的问题。” 他进一步解释道,“尤其是对于视觉的量化更为微妙。一些产品经理并不能很准确地描述他对视觉的期待,有些时候他们只有一些粗略的想象,而我的任务中,最重要的一部分,就是将这些想象量化。”
“对此,我们的解决方案就是,收集一些数据集并让产品经理对其打分,这样能够更好地帮助团队更直观地了解项目经理的偏好。”
当然,即使如此,芦苇仍会在工作的过程中与项目经理产生理念冲突。这种时候,比起坚持自己的想法,芦苇更倾向于按照对方的要求进行调整,“我们需要认清自己工作的本质不是艺术的二次创作,而是充分地了解需求和解决问题。”芦苇如是说道。
2018年正式工作的芦苇,对于AI行业的招聘演变趋严也有和若璇同样的感受,“首先是应届生发表论文的期刊是否顶级;其次,企业对应届生实习和校内参与的项目与工作项目的贴近程度也有了更加严格的要求。”
与此同时,芦苇也观察到,近年随着AI行业逐渐热门,也有很多理工科的学生进行转型。对于这些转型年轻人的加入,芦苇说道,“编程基础是从事AI相关工作的基本技术。因此,一些学习自动化、通信专业的人本身会有计算机的理论课程,转型AI会更加容易。相对而言,传统工科,比如材料、化工之类和计算机没什么太大关系的学科转型难度相对更大。”
而在芦苇看来,不论是科班出身,还是“跨行”转型,不断学习和保持对知识的热情,都是这个行业不可缺少的素养。
*题图及内文配图来源于视觉中国。
*文中芦苇为化名。
*免责声明:在任何情况下,本文中的信息或所表述的意见,均不构成对任何人的投资建议。
标签: #机器人算法工程师是做什么的