贾扬清：把生命浪费在有意思的事情上

昨天，是1024程序员节。在这个“攻城狮”自带光芒的日子里，阿里妹请来AI大神贾扬清，做为一位开发者，聊一聊他本身的开发者经历，但愿对你有所启发。

深度学习框架Caffe 做者，TensorFlow 做者之一，曾任 Facebook AI 架构部门总监，负责前沿 AI 平台的开发，Facebook 各产品部门 AI 平台的支持以及前沿机器学习系统研究。加州大学伯克利分校计算机科学博士学位、清华大学硕士学位和学士学位。

01 人生经历

当我以为正在作的事情有意思，
我就以为投时间在里头是对的。

阿里妹：你们对你的我的经历特别感兴趣，这么年轻来到阿里，想了解你是何时开始编程的？大学、研究生、博士分别学了什么？

贾扬清：其实我学编程还挺晚的。初三的时候，有一台计算机，我以为挺有意思的，这时候开始接触电脑。大学的时候我想报相关的专业，清华计算机的分数线很是高，我就去了自动化线。我在本科学的是正常的课程，到了研究生阶段才开始学习机器学习相关的内容。当时有一句话是说：机器学习在80%的时间里解决80%的问题，但咱们不知道哪80%的时间解决了哪些80%的问题。当时你们都很沮丧，想着毕业可能就失业了，还不如学系统或是数据库，至少有工做的机会。后来是由于兴趣，就一直坚持下来了，再后来去伯克利读PHD。博士期间已经在作计算机视觉的研究。要说正式开始很是认真的编程的话，Caffe 应该算是我第一个C++的项目。

阿里妹：你认为你是一个智力超群的人仍是学习刻苦的人？

贾扬清：我以为我智商没过高，可能仍是由于兴趣，我也是相对比较懒的人，可是干活仍是干的。我基本上7点起来，半夜还在作。当我以为个人事儿特别有意思，那我就以为投时间在里头是对的。

02 深度学习技术

这是一个值得投入的方向。

阿里妹：Caffe 是在什么场景下开发的这个框架，而且选择开源的，开发这么一个复杂的计算框架中遇到最大的坑是什么？

贾扬清：当时咱们是想解决一个现实的问题，AelxBnet 出来以后，一直没有一个通用的让咱们作科研的像 cuda-covnet 这样的一个平台，你们若是去看 cuda-covnet的话，是很难作扩展的。因此，当时我和伯克利的其余研究生是想解决本身的痛点：怎样来训练和设计深度学习的网络？

开源的缘由是咱们以为咱们有这样的一个问题，那么斯坦福确定也有，清华也有，其余人确定也是有这样的一个痛点。后来，咱们基于共享的考虑因素就把它放出来了，可能也是由于这个缘故，正好踩到了点。

若是要说坑的话，搞开发的时候，最痛苦的事情是怎样来Debug。最开始的时候没有测试，后来咱们跟之前在谷歌和其余的科技公司的朋友谈了一些测试框架。咱们把测试的东西弄起来以后，写完Code跑一遍测试就能够了，这是很大的收获。

阿里妹：AI 对于解决常识或者推理的问题上面，会不会有重大的突破？包括知识图谱跟深度学习学习如何结合？知识图谱+图计算是否是有但愿的方向？

贾扬清：凭心而论，我不是图计算的专家，只在读Paper了解的程度。我以为相似于知识图谱，或者说用一个很老的词叫专家系统，这方面的研究多是人工智能接下去的方向。之前作专家系统的时候，你们发现一个问题：我知道这个逻辑是怎么样的，可是输入一个图，怎么样从图到逻辑。因此，这几年人工智能在感知方面，像图像识别、语音识别、天然语言理解，都是从各类各样的输入到所谓深度学习的阶段，这方面深度学习的问题没有解决。图计算让我想起我在作PHD的时候一个特别热的领域叫几率图模型，我以为这是一个很值得投入的方向。

阿里妹：目前出现了无需大规模训练集的深度学习算法模型，只是在精准度方面有必定的损失，请问这个方向是否有生命力？若是有，能够应用在哪些场景中？

贾扬清：这仍是跟场景有关系，在一些影像识别等场景中的确有这样的问题，当我要找一个特殊癌症的人，我不能满世界找十个得癌症的人。因此说怎样在小数据上作学习是一个问题。我也常常在反思，不必定须要拘泥于数据太少的问题，能够经过一些方法来看能不能找到更多的数据。目前，小数据的收集还处于一个偏科研的方向，不少场景在真正落地的时候，仍是须要数据，可是这个方向仍是很是值得关注的。

阿里妹：你会推荐其余技术上的同窗投入深度学习吗？

贾扬清：我夫人是作 finance 和 accountant 的，有一天她说要学 SQL，在finance 中，不少人须要数据处理。后来，咱们就用一个周末的时间在一起学习。我以为这件事和这个问题相似，你们能够把深度学习当作一个工具。若是你在周末的时候把它当作练练手的项目来作，那还能够，不然就不要搞了。有不少专业的，像作编译器的同窗均可以帮忙搞定。怎么投入学习呢？看一看数据科学家都在作什么事情，若是本身有一堆数据的话，是否是能够用深度学习的模型跑一跑，前提是做为一个用户来用，而不是做为底层的开发者来用。我以为深度学习是一个好东西，看你们怎么来用，到底要不要造这个工具，有兴趣的话固然能够。

03 职业成长

人应该是要想着怎样作更好的工具，
而不是跟工具抢活。

阿里妹：AutoML是一个兴起的领域，预期会有愈来愈多的平常工做被自动化，算法工程师应该如何选择发展提高方向？

贾扬清：我认为这是一个机会。当年C语言出来的时候，作汇编的同窗会以为本身没饭吃了。python、java出来后， C语言的人是否是没饭吃了？其实都不是，而是说效率提高了。因此，我以为 AutoML 更多的是让咱们可以放手来考虑更多更上层的东西。因此人应该是要想着怎样作更好的工具，而不是跟工具抢活。

阿里妹：对算法工程师来讲有没有更具体的，能够发力的方向？

贾扬清：AutoML 应该是从2016年开始的， AutoML 最开始作搜索的时候，须要大量的资源，一开始你们开玩笑说AutoML 属于谷歌秀肌肉的文章，一上来就说800个GPU跑了几个月的时间，这事儿不现实的。咱们用一个相对批评的态度来看 AutoML 文章，他基本上就是跑一堆程序，最后跑出一个最好的。可是咱们随机搜了一堆，它的效果能差多少？这个问题在研究领域也在讨论。因此，AutoML 一个比较现实的方向是，怎么样在资源受限的状况下，最快地寻找到一个最好的模型，这是一个传统的像搜索等方面的问题。

阿里妹：在你的感觉中，国内工程师跟硅谷工程师有什么差别点和共同点，对国内的一些工程师有什么样的建议？

贾扬清：我以为我们国内的工程师最好的一点是特别认真，真的是特别认真。国外的工程师，有的时候到周末就找不到人，甚至星期五下午四点钟就下班了。我来阿里以后，加入了骑自行车锻炼的群，虽然尚未机会去，我以为仍是须要平衡一下。硅谷工程师的想法更加天马行空一点，愿意投资到看似没什么用的地方去。这体如今公司的文化上面，硅谷的工程师把不少的工具作的挺好的，这无形当中就提高了咱们的效率，好比说像代码的审查，怎样作测试等。也不是批评我们本身，国外的公司可能在这方面的投资的范围更大，这个反过头来帮助了平常的工做效率，这多是我们应该向硅谷学习的一个地方。

04 将来

人不是一台机器，
但也正所以，
咱们才比机器更加温暖。

阿里妹：AI 在落地改变人类发展的道路上，面临的主要挑战是什么？

贾扬清：我以为面临的挑战是咱们作 AI 的人不落地，这算是一个自我批评。你们作科研，不少时候像在象牙塔里，须要解决的问题很简单，就像 imagenet，最开始咱们说人工智能爆发的这一点，imagenet 图像解压缩以后250G左右的样子，我拿个硬盘就解决了，即便硬盘不够快，我拿个 SSD 也差很少也解决了。而后，咱们再看看应用到产品里，有的时候是30亿的照片，拿 SSD 就放不下。你再拿一个机器跑一跑试试，半年后说不定也没戏。因此这个时候，算法须要真正的在不一样的产品环境里头摸爬滚打。产品的数据，在必定程度上来讲挺脏的，可是这事得作，作完了才能把算法推下去，有的时候作事不能太干净，这个是最主要的一个挑战。AI 领域发展得很快，科研人员很快地冲到了产品里，对软件工程这方面的敬畏在必定程度上是不够的，包括我本身，这是最大的挑战。

阿里妹：知识爆炸的时代，将来应该如何选择能够长期投入的方向去研究？

贾扬清：这个有点难说，咱们当时搞人工智能的时候，开玩笑说，毕业就是失业。我以为仍是要找一个本身感兴趣的方向，如今你们都在作的，并不必定是最有意思的一个事儿。

有一次，咱们一群博士生在讨论日子要怎么过。咱们的想法是找一个本身喜欢作的事情。若是是我不喜欢作的事情，即便挣钱了，也仍是在干不喜欢干的事。咱们当时的说法是：即便我作得不开心，即便我赚不了钱，但我以为这事儿有意思就行。我有一位同窗是作天文的，虽然不赚钱，可是他作得很开心，这事儿就是我想作的事情。

2002年我刚入学的时候，咱们班主任跟咱们说了这样一句话：“大家已经读大学了，都已经在这儿了，大家要考虑到未来你毕业以后，年薪10万是没有问题的，养小孩是没有问题的。大家要想一想，当温饱解决了以后，你作事儿是否是开心？”我以为这句话对个人触动挺大，我一直都记得这句话。

阿里妹：若是推荐一本书给如今的开发者，你会推荐哪一本书？

贾扬清：做为软件工程师我常常有这样一份沮丧：为何别人老是不讲逻辑？这种沮丧在我走上技术管理岗位之后愈来愈多，直到今天。戴尔卡内基的《人性的弱点》，从畅销书的角度可能都已经被说烂了，不过我以为它对像我这样的技术人员来讲，是一本特别值得读的书：它用逻辑来说述逻辑以外的事情，同时向我展现了一系列为人处世和共创成功的方法论。我2014年的时候第一次读到这本书，感受它解决了我心底里对于和人打交道的恐惧。乍一看，书中讲到的事情彷佛都是一些技巧：如何使你更受欢迎，如何交朋友，如何增长赚钱的能力，等等；但一条主线贯穿始终：人做为一种社会动物，有着喜怒哀乐，有着不一样的个性，可是最终都但愿得到相互的真诚，合做和理解。书中讲到的无数种技巧，归结起来，就是真心理解他人，尊重他人。人不是一台机器，但也正所以，咱们才比机器更加温暖，共勉。

---

本文做者： 贾扬清

阅读原文

本文来自云栖社区合做伙伴“阿里技术”，如需转载请联系原做者。