人工智慧：風口之上泡沫之中謹慎入坑

現在有越來越多的事情都在向人工智慧貼，彷彿鹹魚貼了 AI 的標就成了在風口上飛起來的豬。還有一些不負責任的人鼓動去轉行 AI，顯然這些人不是蠢，只是單純的壞而已，為了蹭熱點置其他人未來於不顧。放棄自己現在的行業積累，去做一個完全陌生的領域完全就是一個反職業發展邏輯的路。

目前而言由於一些簡單工具的提出比如 Keras、TensorFlow 使得越來越多的人感覺人工智慧只是使用一些工具而已。Spark 的提出使得很多人感覺大資料、分散式不過如此，那麼大資料火了幾年呢？人工智慧又能火幾年呢？

可能隨著人工智慧迴歸工具屬性滲透進傳統行業才普通行業發展的未來，這也是國家鼓勵，但是別人的未來跟我們轉行又有什麼關係呢？似乎沒有，每個行業會出現自己的 AI 人才。繞了一圈我們依然只是一個技術追隨者。

本場 Chat 只有文章，沒有交流。

文章僅代表個人觀點，請謹慎參考。文中涉及所有事件和引文均為編造，請勿在現實中聯想，如有雷同純屬巧合。

前言

Simon Matthews大牛說過一句話評價大資料：

“Big Data is like teenage sex: Everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it too”

可以說大資料的營銷是非常成功的，同時有非常多的可借鑑之處。大概在15年前後媒體、企業、還有普通群眾中形成了一個非常和諧的大資料氛圍：人人都在討論，人人都是資料科學家。也大概在那一年之後卻迅速成了明日黃花。每一個熱點事件實際上都有幕後的推動。大資料熱之中網際網路企業扮演著非常重要的推動的角色，而且非常成功的是他們帶動了一個非常大的群體討論的氛圍。這種情況下熱度會不需要人為的推動就可以自然的持續。從營銷的角度來講大資料的營銷是非常有研究價值的。而這種熱點的消失總是伴隨著新的熱點。如今的“人工智慧”接替了“大資料”成功上位。

這倒不是什麼罪過，你要知道怎麼營銷也會這麼做。但是有些沒有底線的人用人對於新技術的焦慮來鼓動人轉行就有些沒有底線了。

首先我們來看看人家口中性感的人工智慧，順道學學什麼是表達的藝術：

有個人做了個報告，有句話非常有意思：“昨天晚上我也舉了一個例子，前一陣子做一個金融合同審計，通常要用30萬個小時審查，用人工智慧幾秒鐘就完成了。”

你知道如果我沒有學過審計和資料統計，可能看到這句話的感覺就是“臥槽，人工智慧太牛逼了嘿，哥們得去好好學學，要不就落後了”，但是稍微瞭解一些數理統計的人用excel就可以把三十萬個小時縮小到幾分鐘，為什麼不是幾秒？因為excel統計計算比python慢。整個過程跟人工智慧根本沒有半點關係，就是基於統計規則編寫一些程式。那麼為什麼提人工智慧呢？因為好聽。

還有一個例子是人工智慧晶片：

學學人家營銷的語言：“XX表示，其正在與很多其它公司合作，共同開發出更多的應用來，讓消費者切身體驗到 NEW AI 效能瓶頸突破後所帶來的巨大改變”。(高大上：共同合作，英文縮寫，突破瓶頸，巨大提升)

這就是表達的藝術，就像一般人看到這句話的第一個感覺“牛逼了嘿，XX不愧為愛國第一企業，EMMC、綠化完全不是事兒，雖然幾個硬體搞得挺牛逼的人都一致認為其是業界毒瘤，但這晶片的確牛啊，沒得黑”。大概知道人家GPU比同行慢的原因了，GPU的一部分計算能力分出去做AI了。

所以說前面的兩個例子是我們人工智慧營銷第一課：看起來很美的大餅。

最後來看看更加有煽動性的表達，順便引出我們今天的第一個主題“人工智慧能否撐得起這麼大的餅”。

首先來看看某篇文章的標題：《AI會讓人失業？YY說AI是為了幫助人》，學到了什麼？失業？對的，我們用百度指數來分析一下：

是的這是吸引眼球的營銷，關注就業和失業的人群和關注人工智慧的人群有著很大的重疊度(別太對資料較真)，可以想像一下身邊的人是否都在談論大資料。通過這種製造普遍焦慮的方式來吸引注意力，同時增加宣傳企業本身正面性(關鍵詞：YY，AI，幫助)這是很有套路的營銷方式。在展現企業本身的技術實力的同時樹立一個正面的形象。套路怎麼解釋呢？用個更容易理解的是在明星中玩爛的套路：“捐款洗白”。

那麼點到為止，如果大家對於營銷感興趣我們可以在其他的文章裡聊聊，那麼來開始今天的第一個主題。

人工智慧的餅

我們來看看近一年來的百度熱點，為了有對比性，這裡選擇很出名的薛之謙作為對比：

可以看到作為一個全民話題，人工智慧熱度只有在"新作品"出現之後的短暫時間才被薛之謙的熱度掩蓋。同時作為一個全民話題，媒體的的普遍行為就是開始“畫餅”。比如人工智慧抓小偷，人工智慧診斷疾病還有大部分言之無物(或者說資訊熵很低)的人工智慧時代來臨的預測。既然都這麼說了為什麼還被稱為人工智障呢？因為智障還是有些智力的。

先來看看做的比較好的幾個領域：

• 語音識別
• 自然語言處理
• 資料探勘(包括使用者畫像等)
• 計算機視覺
• 生物識別
• 醫療領域

可以看到現階段我們傳統的資料分析領域換個演算法，或者說沒換演算法，就稱為人工智慧了。以上幾個領域不管如何，只要是藉助了深度神經網路的，絕大部分都是藉助了其所具有的強大的描述能力。而從另一方面來講，所謂的描述能力只是所形成的空間超曲面的複雜程度。由於對深度神經網路從數學角度缺乏一個好的描述，這就使得其可能會帶有我們不知道的特性，這種未知可能表現為對抗樣本的出現。有種不甩論文就難受的毛病論文在這裡。那麼為什麼舉這個例子呢？也就是說在需要確定性很強的領域深度學習是否有能力保證問題正確還是個需要討論的問題。你一定不想把自己的性命交給容易被愚弄的機器。這也就是說在很多場景之下實際上是用不到人工智慧的。

不可否認在工業自動化領域、生物、自然語言處理等領域人工智慧都表現出了很好的預期優勢，但這只是行業內部對於已有演算法的升級，並不是由人工智慧所產生的需求。傳統的圖形識別方法和統計方法在面對複雜問題時有一些侷限，所以引入了深度神經網路。發現問題了嗎？每個行業內部都都可以自行產生相應的人才，我們作為一個程式設計師是很難去與他們競爭的。所謂跨界優勢指的是從複雜行業跨界到簡單行業，比如從數學跨界到物理，從物理跨界到金融。但是很少有人聽說有人從程式設計師跨界到物理，可能有，會扯到蛋。

再來說說我們的弱人工智慧，現在很多所用的所稱的人工智慧方法都是對於原有的資料統計方法進行的一次升級。之於很多人想的，人工智慧取代程式設計師，人工智慧讓人下崗。現階段來講，我還沒有發現任何類似的技術出現。有人會說提下圍棋的，但是這不是強人工智慧，圍棋的規則非常簡單。有人問“為什麼霍金聲稱人工智慧威脅人類”，因為霍金先生對於人工智慧的現狀不甚瞭解罷了。

那麼再回到標題，人工智慧是否能撐得起這麼大的餅。大概可以，但是需要等人工智慧迴歸工具屬性，下沉到具體產業應用之後。而那時，吃到餅的就不是轉行的我們了，而且始終不會是我們。

風投基金的錢

每天起來一件事就是去看看比特幣崩盤了沒，以至於“比特幣崩盤”，“XX(手機)良心”，“ZZ倒閉”成為了我認為的科技圈三大錯覺。作為一種純投機商品，沒有國家支援(甚至打壓)，沒有貨幣的基本屬性(求幾個方程解不產生價值)。用左半邊屁股想都知道是騙局。但是別忘了一句話：

當所有人都狂熱的時候，最理智的人反而是最傻的。

所以說你看到了比特幣在劇烈的震盪中衝擊到了9000美元。這是沒有辦法的事情。冷靜下來看，比特幣熱潮大概還會持續兩到三年，現在入局掙不了多少錢了，接盤俠是誰誰也不知道。所以說現在想入坑電子貨幣的給你們個明路，去玩其他帶有電子貨幣屬性的貨幣，資本狂熱之下任何電子貨幣都有可能一夜之間雞蛋變鳳凰，而且是很大概率上。但是比特幣就不推薦了，就像孫巨集斌抄了樂視的底，沒想到底沒抄到自己掉坑裡了。雖然他看上的是樂視手中的地產的，但是這似乎不夠填坑。所以說有了前面的調侃。幾個月前孫巨集斌入主樂視前說特別佩服賈用那麼少的錢做那麼大的事，現在來看用一句話特別合適“你上你也化反”。

那麼花了這麼多篇幅來描述比特幣，其實這和人工智慧概念是十分類似的，各種人工智慧概念一下子就冒出來了。有了概念錢就來了，經歷了資本寒冬，各種資本對於新的概念都躍躍欲試。而人工智慧就是一個符合投資者所有幻想的投資概念：政策支援，有落地應用，有講故事餘地。所以說你看到的每篇關於人工智慧的文章或多或少都有背後的資本的支援。

最近發現很多人對於輿論基本上都不加辨別。輿論是有傾向性的，第一是國家層面的，第二也是最有持續性的也就是資本層面的。你以為某個個電影口碑爆棚是因為本身質量好，其實這也是營銷的技巧，通過少部分人帶節奏去讚美，最終形成一種輿論風向。舉個身邊的例子《大聖歸來》，不可否認電影本身質量不錯，但是不到一種全民讚譽的程度，那麼我們看輿論是如何評論的呢？最早的評論是“國產動漫良心，沒票房”，學到了嗎？這就是典型的利用人們同情進行營銷，而國產動漫這個眾矢之地也是讓人恨恨交疊。突然有個能看得過去的動漫就使得這種負面情緒達到一種爆發的程度。不算非常高明，但是非常有效的營銷方式，如你所見那篇文章是電影營銷公司的手筆。之後的事情你也看到了，相關公司股價大漲，這裡再給一條建議，如果求穩不要去投資這種影視基金，其對於單個電影的爆發依賴性太強了，不是好的投資選擇。娛樂至死的年代裡，深巷子裡的酒廠都倒閉了。

所以說好的投資是什麼呢？我們的人工智慧：是熱點，有持續性，有想像空間，不受單一事件影響。但是你一定看了最近的一個新聞：國家人工智慧創新平臺公佈。什麼意思呢我來給你解讀一下：市場已經被我們瓜分了，後來的人都退散吧。可以說這是一個節點，之後資本對於人工智慧其他的概念必然會降低興趣。而一個概念本身的熱度都是資本所維持的。

技術分享者的嘴

其實對如何吸引讀者與起標題，本人還是很有心得的，但是你知道作為一個自認為的知識分子，有的時候還是拉不下臉去做一些自認為不體面的事情。很懷念那句話“人世間最骯髒的是面子”。所以這裡分享一些技術分享者的套路，他們走的是與媒體相似的路：

有這幾個關鍵片語合是現在比較多的標題的形式，當然你也可以任意組合來看看百度的結果，我們不看廣告只看搜尋結果：什麼感覺呢，作為連再來一瓶都沒中過的運氣很爛的低等知識分子，我都感覺自己就像中獎了一樣，三天學會人工智慧，五天趕超Yann LeCun。天知道這些技術分享者有多不靠譜。舉個例子，百度“支援向量機”搜尋結果前幾頁的結果基本上就是一樣的，公式粘來粘去使得已經圖片掛上了歲月的顏色，各個分享者們傳承著推演過程的錯誤，卻從來沒有人站出來做出一點點質疑。可能有些人從來都沒有看過自己所寫的東西，可能有些人看過但是沒看懂，所幸貼上過去了。有的人貼上到一半電腦停電了，文章自此就再也沒有改變過。訪問者們來了一波又一波，他們以為自己學到了，並在下面留言讚美，還有的期待後文。但是作者走了，自此再也沒有來過。你知道從來都沒有人對機器學習做一個系統的總結與分析，都站在實戰的山頭用一些外行人看起來高大上的演算法順風扯旗。而分析總結恰恰是入門者所需要的，但是觀眾並不領情，他們會說“臥槽，這破玩意幹啥用，我要實戰，我要企業”，於是最後寫的人也消失了。很多成年人把自己看不懂的東西稱之為無用，我將其稱之為功利，功利沒什麼不好，畢竟人生是自己的。也有很多雞湯型別的分享者喜歡的關鍵詞是：

• 轉行心得
• 年薪xx
• 把握風口

前幾天跟好友開玩笑“哥想轉行你們硬體”，回應：“就你那損色，也不撒泡尿照照自己，我們專業可不是焊個電路板就行，而且你那智商千萬別轉行拖累我們”，這個回應是不是很有意思？我是從來不看這些文章的，還有上面那些，不過今天為了寫東西，還是耐著性子看了一些，不過實在看不下去，同樣的模板換個詞可以適用於任何轉行情況。

於是之我們看到了所謂的“意見領袖、行業精英”在前面搖臂吶喊，一眾追隨者在後面歡喜前行。他們可能看到未來，也可能沒有，但這都不重要，重要的是每個人都很高興。

追隨者的背影

很多年前，行業內部培養一個相關人才，需要用大概五年以上的時間，從令人厭煩的公式到新的模型細節調優。如今隨著方便的工具的出現，使得門檻忽然降得無限低。任何人都可以用著那些工具完成一些很炫的專案，比如使用者畫像，比如電商分析。然後一些人發現別人五六年學習所形成的門檻忽然被踏平了。於是乎，學數學沒用，不如“企業、實戰”來的實在這種論調就來了。

於是乎，有人硬生生的造出來了個場景給想轉行的人，比如“機器學習工程師”，比如做資料標註的，姑且稱之為“資料標註工程師”，再有幾個大型企業級專案的實戰經驗，聽起來都美的不行不行的了。又跟機器學習、人工智慧、大資料有關，又有噱頭、又可以“28天搞定人工智慧”。簡直量身定做，這就是自己一直追尋的人工智慧工程師之路。

但是時間久了就會發現自己的工作是從這裡粘段程式碼，從那裡借鑑個實現，試驗一萬個引數，頂著演算法工程師的名頭，拿著原來的工資，做著原來相同的工作。然後才發現，我們通過“28天精通”的東西所鑄成的所謂壁壘，只是一層紙而已，紙的那面是我們的起點。本身而言，世界上沒有什麼捷徑可言，轉行大概只是一個賭徒的心態罷了。

所以前面說到，媒體的一個不負責就在於放大對於新技術的焦慮，鼓動一些不明就裡的人去轉行。應該很多人都聽說過職業規劃這種東西。轉行意味著放棄自己在當前行業的所有積累去跟其他人強行站到一條起跑線上。也許我們有一個先發優勢，但是在我們從媒體和身邊的人獲取這個資訊的時候，就已然是一個技術追隨者。

熱點過後，留下的是追隨者踽踽獨行的背影。

總結

每個行業都有自己的高峰，安下心來鑽研誰都不比誰差多少，何必非要糾結轉行呢？

世界上本來就沒有龍門。

-完-

本文首發於GitChat，未經授權不得轉載，轉載需與GitChat聯絡。

閱讀全文: http://gitbook.cn/gitchat/activity/5a004ebe7393bc6262dfea4e

一場場看太麻煩？成為 GitChat 會員，暢享 1000+ 場 Chat ！點選檢視