AI热潮,爱,哎
本故事中出现的所有人,事,物,如Google,Watson,乐视,李开复等等纯属虚构,如有雷同,纯属巧合
2013年我开始在Pinterest工作的时候,周围都在谈论“大数据”,根据Gartner当年的炒作周期图,大数据处于最高峰。那年夏天在大连举行的达沃斯还专门开辟一个专场,以“大数据概念是否被过度炒作”为题举行过一个辩论。作为一个程序员,要成为很“酷”的人意味着要学会搭建Hadoop,写MapReduce,还要写Spark;同时出现了个“X老师”,“X总”教你如何学习大数据,可谓盛况空前。
快进到2017年,炒作大数据的声音少了,有的大数据公司成为了时代的眼泪,就比方说我当年差点加入的分析用户影响力的公司Klout。现在,各大公司在Google的带领下都开始宣称自己是AI-First。
关于AI的炒作是无处不在的,每个公司都在宣称自己能使用人工智能包住客户解锁潜在的商业价值。
乐视LeSEE概念车正式发布具备无人驾驶功能
警惕机器人威胁,预防天网的形成。
AI在炒作中成为一个品牌,Tensorflow成了最酷的玩具,无数公司都想方设法将AI注入到他们的业务中,大量资金也涌入了AI创业公司。
这对我们搞电脑,搞网络,或者搞数据的也不一定是一件坏事。Big Data Analyst把自己的职位现在变成了Data Scientist,年薪涨了10%;Big Data Engineer的职位变成了Machine Learning Engineer,年薪涨了20%;最“厉害”的那些人变成了Head of AI,Head of Machine Learning,百万年薪,迎娶白富美,走向人生巅峰。
回想一下自己2008年开始在微软亚洲研究院实习的时候,研究如何在一个集群上并行训练基于神经网络的LambdaRank,是不是也可以在简历上标榜自己早期工作是提高Deep Learning的Performance。
期望越高,失望…
大众在媒体的渲染下对AI的期望是非常高的,AI会改变世界,同时还会…
这和过去大家炒作大数据类似,大数据驱动企业下一代商业智能,大数据带给你最大回报。但是现实是残酷的,大部分公司都还没有准备好处理和存储大量数据。这些公司给每个小组都聘请了数据科学家,但连数据怎么存储,怎么大规模分析都没有想清楚。
在公司推广大数据早期,大部分工作最后都停留在PowerPoint中,没有真正的进入产品,因为这些团队根本没有正确的基础设施和能力维护这些程序。另一方面,因为公司意识到这个趋势,还在不断地投入了大量资金和人力。
同样的事情现在发生在AI上,当投资者讨论AI,他们指的其实只是机器学习,另一方面这其实是过去那些年我们讨论大数据的遗物。
人们很怕错过AI这个风口,每个人都想成为时代的弄潮儿,去下载一个Tensorflow;去报一个Deeplearning.ai;再去买一个Nvidia GPU。
公司搭建的系统可能还只能跑一个logistic regression,就声称自己is the only search technology built on both human-like understanding of linguistic structure and a deep retail awareness,殊不知他们提供的API常常要1~2s才返回结果。
基础设施不好很大程度上是因为没有正确的人和文化,但是他们的老板相信他们只要投资足够多的钱就可以转型,他们花了数百万搭建系统,但至今没有办法处理所有的数据,以及算法的迭代。
AI浪潮中不乏机会主义者,比方IBM的Watson“机器人”,他承诺可以回答像Jeopardy这样的游戏节目中所有的问题,并且能够帮助治愈癌症。IBM希望您认为Watson可以解决您的任何问题,因为他用Deep Learning,并且名字很酷,然而业内人都知道Watson是一个很大的营销噱头。
雨过会天晴,么?
人们对AI的期望正在爆炸,就连我的表哥(研究水利)都会问我在美国是不是也做无人车方面研究。
但是AI是不是会像大数据一样,泡沫刹那间爆裂就没有人继续讨论了,甚至大家还说你根本不用Google,Facebook那样复杂的系统。
AI之后什么会是热点?会有量子计算颠覆现有的安全系统么?会有虚拟现实让人们体验刀剑神域么?我不知道,但是我要准备好学习新的知识。
我看不清AI繁荣表面下到底是什么,我的理解也处于浅薄的机器学习应用层面,浇了一盆冷水之后,我发现了不少还在科研一线努力研究的小朋友们。
最后,还是衷心祝愿那些专注使用机器学习来构建有意义和现实的东西的人们获得成功。我期待着无人驾驶的汽车,期待着医疗诊断的改善,教育文化的进步。但愿有朝一日AI浪潮带我们回到岸边,给我们一个可以开拓的新的有前途的沙滩。
