軟件開(kāi)發(fā)難一點(diǎn)還是人工智能難一點(diǎn)？

這個(gè)問(wèn)題從兩個(gè)方面分別討論吧，我給你分解開(kāi)來(lái)更合理的解釋一下。

做開(kāi)發(fā)不如做算法？人工智能高端嗎？

一，做開(kāi)發(fā)不如做算法？

我并不這么認(rèn)為，本人一直都從事算法工程師崗位，同項(xiàng)目組算法工程師也有不少，其實(shí)我覺(jué)得現(xiàn)在算法和開(kāi)發(fā)的界限越來(lái)越模糊了，做開(kāi)發(fā)不可能一味的不做任何思考的寫(xiě)代碼，做算法的也不是整天琢磨和研究算法，我談一下我對(duì)算法的感受，就拿計(jì)算機(jī)視覺(jué)算法崗位來(lái)說(shuō)，目前成熟的算法已經(jīng)很多，能夠真正從底層、從網(wǎng)絡(luò)架構(gòu)和模式上做出有意義改變的屈指可數(shù)，從2012年Alexnet出現(xiàn)到現(xiàn)在，日常用的比較頻繁的也就ResNet、mask rcnn、faster rcnn、ssd、yolo系列等每年頂會(huì)和期刊論文不少，但是真正可用的、可復(fù)現(xiàn)的太少太少，尤其在公司里，是沒(méi)有那么多功夫和財(cái)力養(yǎng)著一大批算法工程師正在琢磨怎么改進(jìn)，大多數(shù)或者是。絕大多數(shù)都是用上述提到的成熟狂進(jìn)去，然后根據(jù)具體的場(chǎng)結(jié)合一些其他算法比如機(jī)器學(xué)習(xí)、優(yōu)化算法、場(chǎng)景知識(shí)提出一種解決方案，然后編程實(shí)現(xiàn)并驗(yàn)證，就比如計(jì)算機(jī)視覺(jué)，主要就是拿著成熟的框架結(jié)合tensorflow或pytorch之類(lèi)的框架搭建出來(lái)平臺(tái)，跑出結(jié)果，看看有沒(méi)有過(guò)擬合？精度怎么樣？召回率查準(zhǔn)率如何？然后通過(guò)一些方法去解決，當(dāng)然這些方法里幾乎也都是現(xiàn)成的，所以我個(gè)人認(rèn)為開(kāi)發(fā)和算法并沒(méi)有明顯的界限，我覺(jué)得題主所說(shuō)的開(kāi)發(fā)可以視為開(kāi)發(fā)中的前段，算法可以視為后端，從事算法日常大部分工作時(shí)間也在和代碼打交道，所以我覺(jué)得沒(méi)有誰(shuí)不如誰(shuí)，做開(kāi)發(fā)把實(shí)力打牢固，肯定也會(huì)很受歡迎。

二，人工智能高端嗎？

我的回答是肯定的，如果不高端國(guó)家也不會(huì)那么重視，也不會(huì)那么多大企業(yè)都趨之若鶩的布局AI，計(jì)算機(jī)視覺(jué)、自然語(yǔ)言、推薦、強(qiáng)化學(xué)習(xí)這些有太多的應(yīng)用場(chǎng)景，如果一旦精度、速度等方面達(dá)到要求的確可以做出很牛逼很高端的東西，比如之前看了一個(gè)新聞?wù)f現(xiàn)在計(jì)算機(jī)視覺(jué)在醫(yī)學(xué)方面看x光已經(jīng)達(dá)到了專(zhuān)家級(jí)別，另外在醫(yī)學(xué)方面糖尿病視網(wǎng)膜疾病、青光眼、癌細(xì)胞識(shí)別也都有很多突破，但是，我覺(jué)得目前的人工智能還有很多問(wèn)題存在，比如訓(xùn)練速度緩慢、受限于數(shù)據(jù)量、在時(shí)序方面還有很多問(wèn)題，比如計(jì)算機(jī)視覺(jué)在語(yǔ)義方面還有很大障礙，深度學(xué)習(xí)的可解釋性差，但是不可否認(rèn)，人工智能這么廣義的一個(gè)方向前景是很美好的，這期間有很多問(wèn)題需要攻克。