2018年，该不应转型AI？

如此火爆的AI，会不会像Android和IOS同样，五年后归于平淡？转型AI真的有必要吗？

2017年，AI就像一个点石成金的神器，全部的行业，任何的创业，抑或是职位背景，只要沾着这个词，多少有点脚踩五彩祥云的优越感，话题来了，融资来了，故事来了，高薪来了，offer来了。

因而，愈来愈多的人开始往AI方向涌，哪怕如今作的工做跟AI彻底不沾边，也阻挡不了人们转型的热情。

但是，问题就在于，这条路就必定靠谱吗？到底应该坚守当前的开发阵地，力求作到精益求精呢？仍是应该坚定一点，转型AI呢？

在这新的一年伊始之时，咱们不只想问，AI、大数据这些火的一塌糊涂的词，五年后会不会也像Android和IOS同样归于平淡呢？

关于这个话题，咱们邀请到几位知乎大神。他们关于这个问题的回答，很是精彩，得到了知乎上很是高的点赞量，但愿他们的观点，对你有所启发。

（1）

小赖sqLai

我我的其实以为，AI工程师更像是传统工程师的存在，经验在很大意义上占有很是大的比重，也就是某种意义上，能够吃老本，同时也是要深刻行业挖掘需求。好多人都听过德国专家在坏掉的机器上画了一个圈就拿了三万美金的故事，AI从业者其实能够是往这个方向上走。这样的话，从传统行业的发展来看就很明确了，后续要么继续高技术，努力当总工，也就是如今所谓的研究员，首席研究员之类，要么就是转成车间主任往管理方向发展。这是和正常研发相比，最大的不一样，研发的技术栈，整体更新换代太快，很难靠吃老本活下去，这也是为啥好多人说年纪大了就很差当程序员的缘由。

大数据也好，AI也好，智慧城市也好，智能医疗也好，各类鼓吹起来的概念，在我看来，这些技术其实一直存在，也一直有很强需求，只不过以前没被吹上风口而已。

就像提到神经网络，好多老师估计都知道，换个名字变成深度学习了，不少人就以为高大上了。

大数据是燃料，算法是锅炉，产出就是各行各业的应用，实际上，这些东西都是互通的。

就以CV为例，人脸识别搞检测切割和检索，换到行人再识别里依然是检测切割检索。无人车里作检测切割跟踪，无人机里依然是这些东西。医疗影像到如今主要关注点也一样是切割和检测。

推荐系统这些年大火特火，说白了依然逃离不出信息检索的范畴，搜索引擎实际上都培养出多少知名公司了。甚至包括广告系统在内，核心算法始终是逃离不出那么些东西的，互相转换简直不能更容易。无非就是再结合行业应用的深刻挖掘。

安卓也好，IOS也好，包括前端也好，说白了就是某个平台上的工具，平台崩了，就只能去学新东西了，君不见塞班和flash崩了以后多少工程师转行学别的。因此前端圈好多人说要作大前端也是这个缘由，一个端崩了，换个端就行呗，面向用户的开发，永远都是那么一套思路，折腾了这么多年，mv*还不是照样是最多见的方案。

而AI不一样，你们换平台换框架甚至换语言都是屡见不鲜，至于到底是在服务器跑仍是嵌入式跑，手机跑仍是平板跑，根本没有啥影响。算法照样畅通无阻。

就算五年后这些东西炒做的差很少了，天然又有新的风口了，什么精准医疗啊，精准房地产啊，辅助决策啊，换个说法而已，依然仍是老技术结合新领域作深刻挖掘。

因此如今入行的人，必定要深刻把基本功打好，不是说随便会几个框架，能跑开源代码，调整调整就行的。紧跟新论文，有独立复现能力，抱着终身学习的态度，积极探索和领域深刻结合，这才是正道。

(2)

阿萨姆

我认为人工智能可否火下去是伪命题。相反，现阶段的AI技术的落地能力还颇有限。

对比来看，移动端开发自己就是落地的实用技术，你能够用来作手机游戏，也能够开发拍照软件，有丰富的业务需求。而人工智能是学科、是技术手段、是通用框架，因此如今和将来最大的困难不是在于会不会火，而是怎么更好的落地应用？没有业务需求是很难撑起大量企业的，那个时候也就不存在人才缺口了。

不难看出，优秀的人工智能企业都有实际的应用场景，不过主要是集中在视觉、语言上，而大部分企业实际上是须要更加通用的业务场景。如今每一个大一些的企业都在砸重金招聘机器学习工程师、研究员，美其名曰是为了业务扩展。但实际来看，不少公司是作人才储备，它们之时须要这么一个部门，而业务上是否须要机器学习、机器视觉、天然语言处理，还不是很是明朗。以金融服务类公司为例，很多公司都重金从学校挖了一批作机器学习的人，咱们本身天天担忧的是没法为企业创造价值，而老板总担忧咱们要跳槽，双方的体验都不够好。这其实指出了一我的工智能的一个困境，就是现阶段没法在大部分企业的业务中落地，对于不少企业来讲人工智能（机器学习）可能还太早了一点。

而管理层每每也缺少对于其真实能力的理解，只知道很重要，必须成立这么一个部门。老板每每有两种极端，一种认为人工智能能够解决一切问题，一种认为咱们什么都作不了只是来装点门面的。从另外一个角度来看，不少企业须要人工智能来说故事，来支撑良好的估值和得到投资。试问各位看官，大家老板有没有发邮件说咱们企业要扎根AI，大名器放？至于AI现阶段到底能作什么，大部分老板实际上是不大清楚的，但在一片邮件转发中咱们彷佛已经实现了全面AI化。

换个角度来看，一个比较健康的情况应该是企业有了业务需求，再去招聘相关人才，这样的话员工有事作企业也获利。然而如今很多的企业是先去招聘人工智能相关人才，来了再看看能干点什么。这种状况下，企业可能难以获利而AI人才以为本身天天无事可作，而其余员工以为AI组光拿钱不干事，从各类角度来看不是一件好事。

那么企业威慑呢们要作这么出力不讨好的事情呢？除了战略性防护之外，这实际上是赌。赌的是AI必然有用，赌的是如今买进来的AI人才将来可能须要5倍10倍的价格才能引进。可是赌博久必然有赢有输，若是大量企业引进的AI从业者没法在3-5年中为企业创造价值，那么你们也会认为其中泡沫略大，而下降对于AI人才的重金策略。而若是由于各类缘由，AI从业者能在大部分企业真的创造价值，创造落地应用，那么3-5年只是AI起飞的开始，远不是衰落。

从我的角度来看，咱们每一个人也都在赌，赌要不要转AI，要不要all in深度学习，要不要全职考研考博。这些赌的都是AI将来，但其实赌的是AI能不能从现阶段的人才储备转为业务驱动。若是几年内这件事情没法发声，那咱们可能须要蛰伏等待下一个机会了。因此已经“上船”的朋友们要努力尝试把AI应用于各个领域，为企业叉棍早价值，这样才能够维持如今的高薪。而还在准备的朋友们不妨仍是结合本身的专业，想一想如何把AI在你所了解领域应用，否则即便上了船也不会有高薪了。咱们如今还没到保护泡沫不破的阶段，而还在努力吹泡泡的阶段。

我在另外一个回答 阿萨姆：《将来3～5年内，哪一个方向的机器学习人才最紧缺？》中曾经提到过：

工业界将来须要什么样的机器学习人才？老生常谈，能将模型应用于专业领域的人，也就是跨领域让机器学习落地的人。有人会问如今咱们不久须要这样的人吗？答案是确定的，咱们须要并将长期须要这样的人才，现阶段的机器学习落地还存在各类各样的困难。这样的需求不会是昙花一现，这就跟web开发是一个道理，从火热到降温也通过了十年的周期。一个领域的发展有特定的周期，机器学习的门槛比web开发高并且正属于朝阳期，因此你们致力于成为“专精特定领域”的机器学习专家不会过期。

什么是特定领域的机器学习专家？指的是你有足够的机器学习知识，并对特定领域有良好的理解，那么在职场供求中你确定能够站在优点的那一边。

引用来源：http://www.zhihu.com/question/63883507/answer/227019715

因此这是老生常谈。对于我的来讲，若是AI从业者有很好的技术能力和良好的领域结合能力，三年五年毫不是职业的瓶颈期，甚至十年都还太早。而对于企业而言，如何从“人才储备”走向“业务驱动”才是重中之重。否则的话，人工智能其实根本就不算曾火过，咱们自己都还在婴儿期。

(3)

Xiaoyu Ma（大数据话题的优秀回答者）

正好和找我咨询的朋友聊过这个话题。这里给点我的见解，这些话过来人确定都明了，入行不久的也许有帮助。

先给结论，只是会搭集群，会用MLLib，会用Tensorflow的大数据或者AI从业者，无论五年后行业自己会不会回归平淡（大数据很可可能会，AI应该没那么快），我的职业发展没法避免变平淡。到时候这样的人就要困惑是否跟随下一个热点了。

可是若是你精通的领域自己，而不只仅是用好某个工具某个平台，那你会发现本身并不会随着行业沉寂，或者你发现你很快很天然能过分到下一个相关的热点领域。

回归平淡是一个热门技术必然的趋势，五年在IT领域已是很长久的时间了。回归平淡的未必是技术过期，反而多是技术过于普及。可是若是你精通的不仅是浅表，那是否回归平淡对你来讲就无所谓了。

趋势和热点确定是对前途／薪水会有加成，好比大数据（其实火了好久了），或者AI。在几年内对从业者薪酬有很多的增幅。可是就如你所说，热点和趋势是会降温的，好比慢慢社会上就会有愈来愈多捣鼓Spark的人，能跑Tensorflow的人，热点带来的红利会慢慢减小到消失的。有些人会迷茫，为何自身价值彷佛愈来愈低，是否是要换一个热点；可是有些人却越作越深刻，愈来愈资深，越走越顺。

个人想法是，工程师应该更重视“道”而不是“术”，才能保持竞争力。

什么是“术”？

好比，“遣词造句”，是术。若是你是一个做家，遣词造句无疑是必备技能。

一样，“熟悉编程语言”是术。做为一个程序员，熟悉本身经常使用的语言的特性，彻底是必须的。

类比一下大数据，应用开发或者数据库领域。若是配置Hadoop，架设集群；如何使用某个UI库作出炫酷的界面效果；使用什么参数能够调整某数据库缓存大小等等，都是术。

那什么是“道”？

好比，“一部小说如何谋篇布局”，是道。若是你是一个做家，那么无疑这是比遣词造句更影响你职业生涯的技能。

一样，做为一个程序员，了解系统背后的原理，比熟悉一门语言一个框架对你职业发展会有更深远的影响。

若是你作大数据，那你是否知道分布式系统的一致性保证有些什么不一样的设计和取舍？容错又该如何实现？若是你作数据库，又是否知道不一样索引的数据结构有什么样的特性？抑或优化器背后的原理是什么？或者你作业务逻辑开发，那你是否通晓了逻辑背后的业务流程以及相关的行业知识？

术的特色是容易过期，或者附加值愈来愈小。如何使用工具在天天都有新发明的计算机领域无疑是很是容易过期的，公司也不会为使用工具的经验投资太多钱，毕竟够用就行。

诚然术师你必备的技能：不会写代码，不熟悉语言，根本找不到工做。可是并非你修炼的方向：公司并不会由于你精通一个语言的各类细节而特别青睐你。公司的确是招人写代码的，可是公司并不只仅是招认“写程序”。

道是咱们在领域内不断精进成长的根本：只有了解背后的原理，你才可能在天天都有新系统新语言新框架诞生的科技领域存活；某个框架你并无摸过，可是你知道哪些指标和特性是选择取舍的依据；某个系统你猜据说，可是看了架构设计，你就知道它在你的使用场景下会有什么样的表现，可能会有什么样的坑；再或者你看了某个论文，发现它的原创性设计能改进在大家现有的系统解决以前没法解决问题等等。这样的你，每每比只是对语言熟悉，API精通的码农更受欢迎和尊重。

有人可能会说，你看那些大神程序员，哪一个不是对某些语言倒背如流。是的，咱们看到的码农大神们，每每写的一手好C++，精通Go的上上下下左左右右，但那并非由于他们专门修行这门语言，而是由于他们在不断研习“道”的路上，顺便磨练了“术”。为了更好的性能，为了实现构思的新设计，他们必须更熟悉所用的语言。

再你固然能够举出特例：通晓一门语言的方方面面能成为参与制定语言规范的大神；哪怕写字写的好也能成为书法家。这样说也没错。铁砂掌练到极致，也能和五绝一拼，但这比修内功的路难多了。何况，某人能制定语言规范确定不是由于他特别熟悉这个语言的细节；书法家之因此是书法家也远不止写字写得好。

回到正题。四年不短，若是你认为你在如今的领域除了“术”没有什么其余积累，那这样的急转弯换掉也不惋惜，不然就慎重一点，由于你想换的领域和如今作的彷佛没有太多交集。哪怕更换，深刻钻研的话，热不热其实并无太多关系。