公司内。
萧天看着手下的技术人员将一段代码难题提交上来，陷入了沉思之中。
一开始只是说了个大概的人工智能大方向，所以觉得很难，但是真的进入了之后，发现难度也是相对的。
起码不是想象中的那么艰苦了，因为有一些是别人已经攻克了的难关。
早些年，在模式识别领域（例如人脸识别、语音识别等），大家都发力在数学算法的时候，算法工程师虽然努力多年，精度却一直上不去，几乎没有实用价值。
但是，突然有一天，在nist竞赛中，有一个厂家突然爆发，一骑绝尘，直接把竞争对手甩下几个身位，也直接把很多识别技术（例如人脸识别）推到了实用的地步。
这个事情对业界的震惊很大，不久后，大家了解到竞争对方之所以能取得这么大的进步，正是因为引入了以“深度学习”为基础的ai技术后，整个业界的研发重点就迅速切换到了ai的跑道上。
在随后的时间里，大家都如饥似渴的阅读各种paper，接触与ai相关的各种技术，包括神经网络、深度学习等等。
之后，各家厂商的人工智能平台就搭建了起来，各种模式识别技术（例如人脸、语音）放弃了传统的数学算法研究，直接切换到深度学习平台上。
而经过深度学习的训练，在两年后的nist竞赛中，各家公司的算法精度上虽然没有赶上原来的第一名，但已经开始接近了。
这也说明了，两年的时间，模式识别领域，在算法上，大家都统一切换到了以深度学习为基础的人工智能上。
同时说明了，从技术上来说，“深度学习”并不是一个特别高深，特别新颖的技术，而更多是“旧瓶装新酒”，是对大家观念的扭转。
因为在此之前，计算资源缺失，数据缺失，所以才使得严重依赖于此的深度学习技术难以实用化。
而经过互联网多年的积累，计算和数据都到位的时候，“尘封”多年的深度学习技术则突然“枯木逢春”。
因为不止一个算法科学家嘴里说过，从对脑力的挑战来说，深度学习的精巧度远不如传统的数学算法。
甚至，相对于早前的数学研究，大家都觉得“深度学习好“傻”，好“暴力”，一种常见的套路是：设置框架，喂数据，调参数，喂数据，调参数…，循环往复。
而且，就这两年来说，好多普通的软件工程师，都慢慢开始对算法研究缺乏敬畏了，因为许多人最多的对话就如下面——
“你们算法实验室，能不能尽快把质量检测精度再提高下。”
“当然能，不是正在准备数据，正在训练嘛！”
所以，算法的提高，在很大程度上赖于数据，而不仅是算法工程师的脑力。
这直接导致了一个后果：以深度学习为基础的人工智能技术，在使计算机变得“聪明”的同时，却使算法工程师变得更“傻”。
这种傻有两个纬度，一个是从人的角度看，算法工程师的工作难度在降低，从阳春白雪变为了“朝市之学”。
另一个角度是，虽然机器变得越来越聪明，但却不知道它为什么变得聪明，它到底学会了什么？
因为，算法科学家通过数学精确的控制着机器的行为，是机器的“管家”，而现在，算法科学家在某种程度上沦为了机器的“保姆”。
因此，在技术上，深度学习不仅没有推高算法工程师的重要性。相反，正在降低他的重要性。
所以原来搞算法研究，博士是主流，而这两年越来越多的硕士正涌入这个行业。
而且，不仅在技术上，在商业上，算法工程师的稀缺程度也不如以前。
就拿人脸识别来说，原来大家的算法精度都比较低的时候，为了促进算法的实用性，大家都疯狂的招兵买马，以提高算法的精度。
而经过这些年的发展，各个厂家的精度都有了大幅的进步，都越过了实用的门槛。因此，在算法上继续大幅投入下去，再取得的回报是非常有限的，甚至连锦上添花都算不上。
这个时候，大家急需要做的就是尽快的用好的产品占领市场，以获取经济回报。
而这，无论对资本来，还是对社会，才是一门技术健康发展的应有之义。
当然，在接下来的几年，人工智能行业肯定会继续繁荣下去。
但这种繁荣之下，很可能不是技术的繁荣，而是产品和市场的繁荣。
所以，这对将要入行的技术新人来说，还需冷静的观察和思考后，再做决定。
萧天想要完成人工智能的手机管家，那也是一个极为巨大的挑战，一年半载如果没有技术的突破，那肯定还要继续往后延后长时间。
将这段代码整理了一下，萧天也是认真的看了起来，公司目前没有顶尖的技术人员那也是没有办法的事情，毕竟他没有足够的资金，又没有足够的人脉，所以要是一些难题出现，只能够自己琢磨了。
他倒是也可以求助于阿里巴企鹅他们的技术人员，但是没有必要，求助与他们等于把那部分技术也与他们分享了，得不偿失。
所以萧天也只能继续的头疼，可惜黑土平台上面的厉害的程序员冒泡的机会很少，而且有不少是拒绝加好友的，这样子一来，萧天根本没有办法邀请到。
再加上那种顶尖的技术程序员，他也付不起足够的工资啊，所以这件事情只能够搁浅中。
要是萧天想要降低一下人工智能手机管家的ai程度的话，那么无疑是简单的多，但是那样子一来，降低了程度的手机管家，那还是人工智能吗？
不说市场上有不少人可以做的出来，所以那种根本没有竞争力，发展不起来的。
只有提高自己的核心竞争力，创新是要的，技术也是需要的。
所以进入了死循环，保持原本计划缺少大量的技术人员，降低手机管家的要求，那么竞争力太弱，还有可能直接死于上架平台当天。
萧天看着手下的技术人员将一段代码难题提交上来，陷入了沉思之中。
一开始只是说了个大概的人工智能大方向，所以觉得很难，但是真的进入了之后，发现难度也是相对的。
起码不是想象中的那么艰苦了，因为有一些是别人已经攻克了的难关。
早些年，在模式识别领域（例如人脸识别、语音识别等），大家都发力在数学算法的时候，算法工程师虽然努力多年，精度却一直上不去，几乎没有实用价值。
但是，突然有一天，在nist竞赛中，有一个厂家突然爆发，一骑绝尘，直接把竞争对手甩下几个身位，也直接把很多识别技术（例如人脸识别）推到了实用的地步。
这个事情对业界的震惊很大，不久后，大家了解到竞争对方之所以能取得这么大的进步，正是因为引入了以“深度学习”为基础的ai技术后，整个业界的研发重点就迅速切换到了ai的跑道上。
在随后的时间里，大家都如饥似渴的阅读各种paper，接触与ai相关的各种技术，包括神经网络、深度学习等等。
之后，各家厂商的人工智能平台就搭建了起来，各种模式识别技术（例如人脸、语音）放弃了传统的数学算法研究，直接切换到深度学习平台上。
而经过深度学习的训练，在两年后的nist竞赛中，各家公司的算法精度上虽然没有赶上原来的第一名，但已经开始接近了。
这也说明了，两年的时间，模式识别领域，在算法上，大家都统一切换到了以深度学习为基础的人工智能上。
同时说明了，从技术上来说，“深度学习”并不是一个特别高深，特别新颖的技术，而更多是“旧瓶装新酒”，是对大家观念的扭转。
因为在此之前，计算资源缺失，数据缺失，所以才使得严重依赖于此的深度学习技术难以实用化。
而经过互联网多年的积累，计算和数据都到位的时候，“尘封”多年的深度学习技术则突然“枯木逢春”。
因为不止一个算法科学家嘴里说过，从对脑力的挑战来说，深度学习的精巧度远不如传统的数学算法。
甚至，相对于早前的数学研究，大家都觉得“深度学习好“傻”，好“暴力”，一种常见的套路是：设置框架，喂数据，调参数，喂数据，调参数…，循环往复。
而且，就这两年来说，好多普通的软件工程师，都慢慢开始对算法研究缺乏敬畏了，因为许多人最多的对话就如下面——
“你们算法实验室，能不能尽快把质量检测精度再提高下。”
“当然能，不是正在准备数据，正在训练嘛！”
所以，算法的提高，在很大程度上赖于数据，而不仅是算法工程师的脑力。
这直接导致了一个后果：以深度学习为基础的人工智能技术，在使计算机变得“聪明”的同时，却使算法工程师变得更“傻”。
这种傻有两个纬度，一个是从人的角度看，算法工程师的工作难度在降低，从阳春白雪变为了“朝市之学”。
另一个角度是，虽然机器变得越来越聪明，但却不知道它为什么变得聪明，它到底学会了什么？
因为，算法科学家通过数学精确的控制着机器的行为，是机器的“管家”，而现在，算法科学家在某种程度上沦为了机器的“保姆”。
因此，在技术上，深度学习不仅没有推高算法工程师的重要性。相反，正在降低他的重要性。
所以原来搞算法研究，博士是主流，而这两年越来越多的硕士正涌入这个行业。
而且，不仅在技术上，在商业上，算法工程师的稀缺程度也不如以前。
就拿人脸识别来说，原来大家的算法精度都比较低的时候，为了促进算法的实用性，大家都疯狂的招兵买马，以提高算法的精度。
而经过这些年的发展，各个厂家的精度都有了大幅的进步，都越过了实用的门槛。因此，在算法上继续大幅投入下去，再取得的回报是非常有限的，甚至连锦上添花都算不上。
这个时候，大家急需要做的就是尽快的用好的产品占领市场，以获取经济回报。
而这，无论对资本来，还是对社会，才是一门技术健康发展的应有之义。
当然，在接下来的几年，人工智能行业肯定会继续繁荣下去。
但这种繁荣之下，很可能不是技术的繁荣，而是产品和市场的繁荣。
所以，这对将要入行的技术新人来说，还需冷静的观察和思考后，再做决定。
萧天想要完成人工智能的手机管家，那也是一个极为巨大的挑战，一年半载如果没有技术的突破，那肯定还要继续往后延后长时间。
将这段代码整理了一下，萧天也是认真的看了起来，公司目前没有顶尖的技术人员那也是没有办法的事情，毕竟他没有足够的资金，又没有足够的人脉，所以要是一些难题出现，只能够自己琢磨了。
他倒是也可以求助于阿里巴企鹅他们的技术人员，但是没有必要，求助与他们等于把那部分技术也与他们分享了，得不偿失。
所以萧天也只能继续的头疼，可惜黑土平台上面的厉害的程序员冒泡的机会很少，而且有不少是拒绝加好友的，这样子一来，萧天根本没有办法邀请到。
再加上那种顶尖的技术程序员，他也付不起足够的工资啊，所以这件事情只能够搁浅中。
要是萧天想要降低一下人工智能手机管家的ai程度的话，那么无疑是简单的多，但是那样子一来，降低了程度的手机管家，那还是人工智能吗？
不说市场上有不少人可以做的出来，所以那种根本没有竞争力，发展不起来的。
只有提高自己的核心竞争力，创新是要的，技术也是需要的。
所以进入了死循环，保持原本计划缺少大量的技术人员，降低手机管家的要求，那么竞争力太弱，还有可能直接死于上架平台当天。