人工智能从业者大牛工程师和调参狗

　　你眼中的他和他眼中的他是不是同一个人。
　　今天准备来点儿干货。
　　你要问这两天什么火，每个产品经理都会告诉你人工智能和区块链。很多人都还没搞明白这些东西是什么，能解决啥问题，就已经怀着一身热情扑了进去，生怕错过下一个微信。你果哥也是个没事儿就喜欢焦虑的人，想了三天三夜，决定去做个人工智能的落地产品。
　　不瞒你们，你果哥之前是个很水的程序员，只会写写UI，调调API，连冒泡排序这样的幼儿园算法，都要咬烂一支笔憋半天。就这水平去搞AI，好比苟到决赛圈还只有一把平底锅，怎么跟人家98K八倍镜拼啊。不过你果哥也是见过世面的人，有差距不可怕，为了知彼知己，就把人工智能领域里的专家教授扒了扒，看看他们都是在做什么。
　　这里面的第一类人，是学术界的大牛。人工智能其实是一门比较老的学科，上世纪4、50年代就出现了，但进展一直比较缓慢。这几年有点喷薄的趋势，一方面算力跟上来了，另一方面学术研究起了很大的作用。大家看很多入门书，讲回归分析、聚类，反向传播，支持向量机，一大堆公式定理，涉及矩阵、概率、求导，都是学术界的工作。
　　随着理论的发展，很多神经网络模型被提出来然后完善。最基础的图像任务，识别定位检测，有几十个经典的CNN模型可以选。自然语言处理，从RNN到LSTM，记忆力越来越强。往往学术界一篇文章，可以带来一个领域的繁荣，比如这几年很火的对抗网络，现在已经能帮你把片儿里的女演员换成你老婆gaki了。
　　这里面第二类人，是工业界的工程师。理论的落地，离不开工程的实践。工程上大致有两部分，一类是各种深度学习框架的开发，一类是AI产品的研发。
　　其实一开始的时候，并没有什么框架，大家徒手搭神经网络，卷积运算，梯度更新全都自己解决。后来有大牛站出来，说干脆我给你们写一个框架，把这些基础的、都用的着的、需要极致的运算速度的东西做了，你们资词不资词啊？
　　于是一下子出来很多框架。G家的tensorflow，基于Python和C，很流行，但是实际上用起来并不咋地，对新手不友好，调bug不容易。tensorflow算是比较低级的框架，还是要写很多无用的代码，keras框架更上一层，基于tensorflow，几行代码就能搭起一个神经网络。大牛贾清扬的caffe，元老级的框架，封装的非常好，速度很快，社区也很活跃，但是，我咧个神哩，安装起来那叫一个费劲。现在在做caffe2，据说对移动端支持比较好。FB的Torch，学术界用的比较多，主要是它基于Lua，把我们这些培训班学python出来的鄙视惨了。
　　都说未来是AI的时代，这里面有个很重要的前提是要有杀手级的产品落地。现在落地比较好的，一个是一些推荐系统，已经从传统的过滤算法，迈向了深度学习的路子。除此之外，如果C端不够成熟，从B端切入也是个不错的思路。
　　最后再说说，人工智能领域，还有一群从业者躲在墙角瑟瑟发抖，那就是大家说的调参狗。一个神经网络从理论到落地，有这么几个阶段，一个是模型构建，就是把别人论文里的网络搭建起来。然后是模型训练，把自己需要的数据准备好，然后部署到显卡上去跑，这个过程有很多参数要调，很玄，属于老中医看病，全靠经验，妙，不可言。一名调参狗的日常是这样的：
　　调参狗接到需求，第一件事就是去github和各种框架的modelzoo上当搬运工。调参狗没有设计网络的能力，如果github上没有，就只能看论文动手撸了，不仅费时费力，出了bug还得到处求人。
　　模型搭好了，调参狗开始彻夜整理数据。你果哥有句话常常挂在嘴上，就是有多少人工，就有多少智能。很多时候大家用的模型是一样的，你牛逼就牛逼在有高质量的标注数据。实在没有？威胁老板买买买啊。
　　数据准备好了，调参狗就开始调参了。嗯，先用默认值来一遍，不行，试试小一点的LR呢？不行，换个initializer试试？艾玛，一不小心过拟合了，快快快，加大正则，加大正则还有救。
　　很不幸，你果哥干的就是调参狗的活。这不，没日没夜瞎折腾，时光小视频终于上线了。它能帮你的手机相册智能分类、整理、去差，做成小视频，一键即成。无论是分享给亲友，还是发抖音，都是逼格满满的。还不快玩起来，玩起来同学们！