微信号:programmer_club

介绍:程序员第一自媒体,与你探讨码农人生路上遇到的各类泛技术话题,定期为你推荐码农人生思考、感悟以及启迪!

百万年薪的人才泡沫?关于程序员向AI转型的事儿,这几位老司机是这么说的

2017-07-27 22:00 AI科技大本营

口述 :蒋涛、孟岩

来源: AI100社区



陆奇说,这个时代终将是技术驱动的。作为程序猿们,也该考虑考虑怎么转型AI的事儿了。但是,AI时代真的是一场泡沫吗?转型AI,机会和问题又在哪里?


AI时代的开发者,面对的究竟是百万年薪,还是虚假繁荣?首先,你得了解这个AI时代到底有什么特点,机会在哪里,以及最大的需求是什么,以及如果转型,会遇到的问题和技术实操。


7月15日,在AI100社区的沙龙上,极客帮创始合伙人 & CSDN创始人蒋涛,以及CSDN副总裁孟岩,跟现场众多程序员们聊了聊开发者转型和AI时代的那些事儿。而这,或许对每个开发者而言,都值得借鉴和思考。黑智现摘录如下。


01

蒋涛:AI时代,B端比C端更有机会




这几年我也在做投资,从一个比较宏观的角度给大家讲一下,就是说为什么人工智能这么重要。


上上周,百度开了一个开发者大会,叫Create大会,是由史以来中国最像开发者大会的开发者大会。


为什么像开发者大会?


因为有很多大会打着开发者大会的名义,其实都是在推销自己的东西,并没有真正提供给开发者实际的资源。


第二个也没有建立所谓的开发者生态,因为我们开发者生态都是建立在国外的公司的基础上。


百度这场会含义还是非常深的,也是陆奇去作为百度的二号人物,第一次大的亮相,他讲了一句话:未来属于创作者,AI的未来属于开发者,开发者成功才是百度真正的成功,这句话有一定的逻辑关系,我后面给大家解读一下,为什么开发者变得这么的重要,然后AI为什么成为百度的一个重要的基石。


PC时代回顾


首先让我们来回顾一下历史。


历史上,最大的开发者大会是微软1992年开的,为什么?


因为这是PC时代,PC时代最核心的是入口就是操作系统,或者是Windows的桌面,它是建立在X86因特尔的芯片技术上。围绕着这个,我们才有了PC时代,也诞生了开发者的时代。


他们为开发者做了什么东西?



在PC时代,我们看最大的一个公司,出现了几类:


一个是行业,公司百亿级别,如IBM,Oracle,SAP,他们为企业提供信息化的软件和工具,包括数据库、ERP,还有做外包,因为各个行业都需要信息化。


另外一个就是C端的业务,服务个人。在个人市场只产生了两类大的公司:


一类是做游戏的,暴雪公司,EA,这是PC游戏行业,也是非常大的一个产业。


还有一类是工具厂商,如图像工具Adobe。


移动互联网时代


接着我们迎来了移动互联网时代,大家都开始找入口,一开始是门户,后来发现不是门户。



比如,一开始最厉害的是新浪,三大门户,还有网易。


后来随着时间的发展,发现最重要的入口是搜索引擎。谷歌和百度等掌握了绝大部分流量的分发权。


电商也是很大一块入口。比如淘宝,58同城,大家一般都直接去到淘宝,而不是用百度搜索,因此不会被百度卡了脖子。


这是整个PC互联网的发展,这时候我们开发者在做什么呢?


他们在建立各种各样的网站,但是你的网站呢,很重要一点是要服务这些C端的用户。


第二个,可能要做好跟搜索引擎之间的关联。


这是PC互联网,到了移动互联网,才是一个开发者大显身手的时候。


到了移动互联网时候,入口变成了APPSTORE,就是说你做一个应用,原来是关健词搜索,现在是你的应用名字比较重要,你的应用名字能不能在用户之间建立它的认知。



微信作为一个巨大的入口,对开发者没起什么作用,倒是对内容起到一个巨大的作用,不少内容生产者立足微信做创业。


因为PC互联网跟人的连接还是比较远一点,而手机是随身携带的,因此移动支付发展起来。


跟生活比较贴近的,如做天气的APP,也发展得很好,因为它跟生活连在一起,就可以接入更多的服务。


现在APP已极大丰富,APPSTORE上有150万个APP,你现在需要分走用户的注意力比较难了,基本上能做的都被大家做了一遍。


第二个用户没有增长了,获得新用户的成本越来越高。


这是整个APP移动互联网时代。


AI时代


今天什么百度要提出这么一个战略?


因为百度发现,它在移动互联网的时候抓瞎了,因为它不是入口,入口变成APPSTORE、变成微信,变成小米手机,手机成为一个入口,还有应用宝商店,腾讯开了个应用宝,百度买了个91也不是很成功,所以在移动互联网上,百度就Miss掉。


Miss掉以后,O2O战略也不是很成功,这次他们下了很大的决心要做AI的OS,做AI的生态。



那AI的OS是什么呢?


以后所有的东西都要和互联网连接。摄像机可以连网,摄像机带人脸识别。摄像机识别以后,怎么跟你互动呢?


百度提了一个口号叫唤醒万物,你说Hello索尼摄像机,它就知道是在叫它。这个大概三年内就会发生,这就是说,语音会作为一个入口。


有了入口以后,后面是什么?


你把它唤醒了,它得和你进行交互,它得有算法在背后,而这个算法是要靠大量的硬件驱动。


百度认为,未来的每个行业,每个硬件都可能变智能,而智能化一定要有一个核心的OS来驱动它,所以这就是一个是入口。


但是现在这个生态刚刚开始,机会在哪里呢?


第一个你要做C端的应用,还是很有挑战的,因为现在做人工智能的应用,要有数据,没有数据你的算法就没有办法做出精确度。


那么数据在哪?


数据都在BAT手上,他们有大量的数据,有一大堆C端的公司,他们每天都产生大量的数据,饿了吗,滴滴,摩拜等。有了信息,他就能判断你的意图。


比如,现在亚马逊在美国就能根据你过去的购买记录,预测你会喜欢什么样的书,于是它会提前把书送到你家。你回家就能看到5本新书,想看就留下,不想看就退。


所以在C端,实际上我们的机会就不是很大了,因为这些公司手上的数据太大了。其实在B端,AI时代产业B端布局会比移动互联网更大。


AI时代,B端机会更大


为什么这么说B端机会更大呢?


我来详细解释一下。


移动互联网大量解决的是C端的问题,而B端有很多问题没有解决,B端也面临巨大的变革,他们做了第一步的信息化,但是他们没有把业务进行重构,但是人工智能来了以后,会有一个非常大重构的机会。


这其中最大的重构就是无人驾驶汽车,这是一个上万亿美金的市场,围绕着它配套的产业,光售后就有八千亿,如果汽车都变成无人驾驶了,现有的很多服务都会瓦解。


所以我们看到有很多大的公司在这里面下重注。


这是从投资角度看到的一个非常大的机会。


深度学习可以做什么


那从整个产业的角度,人工智能为什么现在变得这么热?


当然第一个原因是阿法狗在去年打败了李世石。


实际上,真正历史性的转折点在2012年。


在2012年Imagenet比赛中,深度学习的使用,将识别错误率大大降低,引起了人们的关注。


也就是说,原来人工智能技术被一道墙堵住了,过不去,进步很小,但是采用深度学习后,这个墙相当于被凿开了一个窟窿。下图中紫色代表采用深度学习,蓝色代表传统方式,可以看出其中的跨越式的变化。



如下图,计算机采用深度学习可以做到精确的识别,把这张图描述出来。



我们常说代码时代结束了,其实它指的不是所有代码,而是原来我们是用各种各样的规则和技术,现在可以用深度学习,用神经网络来建立模型,用以取代原来人工设立的规则。



这是很大的一个不同,而且这个技术不是说只是用在识别领域,它可以用在非常多,以及看起来很小的领域。


这是Google发布的数据源,展示出自己内部哪些项目用到了深度学习。



从2012年开始,他们就开始用,一开始几个项目,到2015年Q3已经有1200个项目使用深度学习。到2016年,已经有2700个。目前Google内部的所有项目,80%以上都用到了深度学习来改进。


比较小的地方,大家意想不到的地方,比如做缩略图的时候作,同比例放缩就看不清楚人了,所以用深度学习技术来改进。



如上图,图片里有人头,当你同比例缩小的时候,就有点看不清了,不方便浏览。于是,我就可以用深度学习来识别头像,以此在缩放的时候,做一个调整,让人像看起来吐出一些方便查找。


还有做压缩,利用这个技术,还可以再压缩30%,因为机器会学习,知道哪里更重要,压缩的时候主要内容保持质量,其他次要内容进一步压缩。



现在我们已经进入到新应用时代。



图片上这个人是深度学习的网红,原来在Open  AI,刚刚跳槽到特斯拉做无人驾驶的首席科学家。



他曾经拿托尔斯泰的作品来做一个学习,用机器去模拟,程序只有几百行,但就能让机器创造出来作品,虽然还达不到托尔斯泰的水平。


很多行业,都面临着这个巨大的挑战。


围棋行业已经被颠覆了,后面还有律师、金融,包括程序员,美国已经有不只一家公司做自动化编程,取代程序员的一部分工作。



上图是调用了Google的API做识别,这个人是斯坦福机器人研究室的一个博士,花一百美金左右买了这些设备,就做出来原来需要花50万美金的东西。这说明什么,说明智能应用时代是真的来临了。



这是来自YC的分析图。从上图可以看出,学术界的突破在2012年,从2014年起进入创业高峰期,2017年进入爆发期。


AI现在被我们捧得非常热,但是要很好地解决我们实际面临的困难和问题,达到大家期望,还需要经历一个过程,我们把它分三个阶段。


AI发展的三个阶段



目前还是算法红利期。现在大家都下重注去挖算法的优秀人才,年薪开到上千万美金,这是一个优秀算法掌舵的时代。


学术界的进步对我们非常重要,因为论文的一个突破就可能带来技术上应用上的一个大突破,一个快速发展期。


不过这个阶段很快会稳定下来,变成局部很小的改进,不再是大的突破。


这之后是工程技术期,会在2到3年后到来,这个时期就可以真正去做出各行各业的应用,而且对这些行业会产生比较大的价值。



再后面才是平台,谁拥有最多的数据,谁就拥有最大的商业资源,谁就更强大。


我记得我很早时,跟微软谈事的时候,他们内部就说过,我们公司没有10亿美金以上收入的项目,都不会列入我们的计划。


但是无人驾驶他们是可以杀进去的,这是一百亿一千亿的市场,但是我们可以在很多行业都找到这样的机会往里去切入,但是等到这个市场变得非常巨大的时候,你不一定打得过平台,或者你要先把这个平台要做的事做好,才有空间。


现在AI是同样的情况,我们可以调用谁呢?


Google是在这个领域做得最好,百度是目前最大,我把他们做了个对比,开放的能力大家可以去看一下,包括百度推的语音唤醒,Google现在还没有。视频内容比较分析,就是一个视频封面,我刚才讲,你怎么去选视频里面的哪一帧,作为你封面的展示页,百度也把它公布出来了,这些都是他们很大的积累了。


所以呢,这些技术的丰富,包括框架的成熟,就像安卓1.0时代,2.0时代,也不太成熟,我大概是3.0参加了Google  IO大会,那时候才有了点气象,也不是像现在这样,安卓一定会胜利,大概是在4.0的时候会确定。


02


孟岩:人工智能的泡沫与啤酒




著名财经作家吴晓波最近发表了一篇文章,《为什么新科技的风口总火不过一年》,在文章中引用了Garner技术发展曲线,他认为人工智能目前处在第一波峰的顶点,那么很显然,马上就会面临泡沫的崩溃。如果他的判断是正确的,那么这将是第三次人工智能的泡沫破灭。


人工智能产业有没有泡沫?


作为财经作家,吴晓波非常的博学,而且也特别的聪明,他能够很快的从一个现象当中抓住足以引爆舆论的点。但从专业角度分析的话,这个判断有问点题。从这幅图上来看,无人机、机器人和物联网已经开始爬坡了。



那问题来了,如果无人机、机器人和物联网即将迈上迅速成长的阶梯,你怎么可能想象人工智能会崩溃呢?因为无人机,机器人本身就是人工智能的应用平台,而物联网则是大数据的最大来源,会有力的推动人工智能的发展。大家要理解,在无人机、机器人、物联网这样的技术浪潮当中,人工智能将扮演很重要的角色。


所以我直接说我的观点,人工智能目前没有泡沫。


具体的分析一下。


第一,本轮人工智能技术的红利还没有吃完。今天人工智能的热潮,是技术上主要是深度学习的突破引发的。深度学习理论上的突破是2006年,所以大家会问一个问题,11年过去了,深度学习的红利是不是已经吃完了?



我们来看,这张图是吴恩达在一本书叫 Machine Learning Yearn的书里面一幅著名的插图,纵坐标是算法的表现,横坐标数据量。从这个图中你可以看到,对于大规模的神经网络来说,数据量越大,它的性能就会越高,也可以说它的能力越强。


我问过在这方面非常顶尖的专家,目前有没有看到顶点?他告诉我说,他们有人已经做到上万层的深度神经网络,还是没有看到这个顶点在哪里。深度学习它的红利是很厚的,目前还远远没有吃完。这是第一点。



第二件事情,最近DeepMind公布了两分钟的Video,他们利用深度增强学习,教会虚拟空间的木偶走路、跳跃、跨越,甚至在漂浮的木条上保持平衡和跳跃。


这些木偶并不知道什么叫走路,仅仅是给它目标,给他激励,他就自己学会了走路,自己学会了跨越障碍物,甚至可能在一些复杂情况下比人的表现要好得多。这充分展现了深度学习的潜力。


所以我们不需要看每天 arXiv 上那么多的论文,就从这些新闻事件上来看,都可以得出结论,这一代技术的红利还远远没有被吃光。


另外,我们不能光看技术,还要看这个产业。



这个是来自麦肯锡的一个报告,2013年到2016年里面,AI这个领域获得的外部投资增加了3倍,2016年的总规模达到了260亿到390亿美金之多。投资的效应是累积的,这些投资将会对 AI 的发展产生很大的拉动。



一个重点的行业是自动驾驶。同样来自麦肯锡的报告,预测从2015年到2010年,自动驾驶和半自动驾驶车辆的数量将从100万上升到1000万台。汽车这是一个几万亿美元的产业,单单只要考虑这一个产业的转型,对于 AI 就足以产生巨大的牵引力。


所以我完全不担心这次 AI 的泡沫会崩溃。


今天的 AI 整体是什么水平呢?如果你反推,从现实需求出发来对 AI 提要求,你会发现,它有很多事情确实做不到。但是如果你正推,从AI今天已经具备的能力出发,来看看我们能够解决什么问题,你会发现,在今天的AI的能力范围之内,已经可以解决很多问题,可以激发很多行业的变革。


所以如果你们认为AI有泡沫,我告诉你,泡沫只会来的更凶猛,这是第一个问题,AI是不是有泡沫?我的回答很明确,AI没有泡沫。

人工智能人才薪资虚高吗?


第二个问题,人工智能的人才薪资是不是虚高。PingWest 最近发表了一篇文章,作者花了很大的功夫去做调研,写出来一篇强文,题目是《百万年薪的人的泡沫与人工智能的虚假繁荣》。文章写得很棒,我读了好几遍,也推荐所有人都去看。


这个文章的核心意思,是说现在很多 AI 的人才在市场上拿到高薪,但是却没有为企业赚到钱。有些挂着高级学术头衔的人,跑到企业里先拿个高薪爽几年,然后可能拍拍屁股就回学术圈了。


我们怎么看待这个问题。


首先,AI 和数据科学人才的高薪是个全球现象,他们现在就是在享受薪资溢价,这个是事实。我接触的很多 AI 界的人也是这么看。


我们看一下美国的情况。



在美国,AI、机器人,机器学习与数据科学人才薪资水平目前快速增长中。你如果是程序员,你的薪资平均水平是九万一千美金,不过图中代表众数(mode)的那根柱子靠左,说明更多的人是略低于这个水平的。


这说明少数的超高薪的程序员把多数低工资的程序员给平均了。而算法工程师,尤其是数据科学家,他们整体收入水平很高,均值十三万美元,而且图中代表众数的那个柱字偏右,说明超过这个收入的人群在他们整个这个人群当中也是多数。


在招聘网站上,把 AI 方面人才的广告挂出去,5天时间招不到人,显著高于其他职业。意味着什么?供不应求。这个是美国的情况。



英国是全球人工智能的另一个中心。从2014年开始,英国的AI人才需求迅速的直线的上升,就是需求量迅速的上扬。



然后看印度,他们对程序员和机器学习专家的收入做了一个对比。结果呢,机器学习专家的收入不仅始终高于开发者,而且差距还越拉越大。


我们再从另外一个侧面来看一下,我们知道这个AI开发者使用的主力语言主要是Python。



这是从2005年到2016年,这三个语言薪资水平之间的一个对比,排在上面的是遥遥领先的是Java,它在整个企业应用,电子商务开发的地位,很难被撼动,目前它的薪资是排名第一的。


排名第二名的是世界上最好的语言,PHP,这个语言跟Java一直是并驾齐驱,保持不是很大的一个差距,但是到2014年,15年之后,出现了一个死亡交叉,Python语言在收入上开始超过PHP,我相信Python开发者的薪资水平超过是Java是迟早的事情,在最近两三年之内就会发生。



中国会怎样呢?大家看这幅图,也来自麦肯锡,在世界地图上蓝色越深的地方,当前劳动力当中可以被机器和人工智能取代的比例越高。


墨西哥、玻利维亚、秘鲁这些国家,它整个自动化程度很低,所以有大量的手工工作都是可以被机器所取代的,他们是深蓝色。然后呢,像美国、加拿大、澳洲这样的国家,他们的自动化程度很高,所以他能够被机器所取代的工作的比例并不是特别高,所以是浅色的。


你看我们中国呢,是比较深的,是49%到51%,就是在我们中国的话,AI和自动化取代人力是非常有潜力的。所以呢,我认为在未来的相当长的时间里面,中国的做AI的这帮人,都将参与到一场劳动力替代当中,而且是占据优势地位的一方,享受高薪是必然的。


但是刚才那篇文章里所说的薪资泡沫也很确凿,因为我们看到呢,很多的企业,现在花了很多的钱去雇了一些一流的博士硕士,但是 AI 这个产业的规模还没有起来,这些高薪基本上是靠投资人撑着,这合理不合理?



我认为事情的本质是人才结构的问题。这张图是我和蒋总讨论了很久以后我们列出来,其实一个成熟的,在未来5年以后真正赚到很多钱的人工智能企业,它的人才结构应该是这个样子的,应该是AI专家学者,机器学习的博士们,资深专家比较多;然后呢,应该有一大堆AI的机器学习工程师,AI的产品经理、架构师在这里。


更重要的底下有大批的开发者,数据工程师,运维人员,行业人员,这是一个合理的结构。



但是实际情况,目前市场上独立的人工智能初创企业,普遍严重缺乏优秀的产品、工程和运维人才。有些公司非常得意的宣传说,你看我的团队里,一流名校博士占百分之多少,比 Google、Facebook、微软高多了。


但其实这样的构成恰恰有问题,这种团队的工程化、产品化能力会成为瓶颈,从而制约他们赚钱的能力。很简单,用户只会为产品和服务买单,不会为论文、算法和你们的学位买单。正是这样的反差,让一部分人觉得这里头有泡沫。



那么怎么办呢?我主张不要着急,把这个事情交给市场。投资者不傻,他们很清楚,现在我们处在算法红利期,算法领域还不断的有突破,所以我们先把懂算法的人找来,花钱养着他,先把论文看懂,先突破,往前突破。


但是算法红利期还有个两三年可能就要结束了。这不是说算法不会有进步了,还是会有很大的进步,但是呢,从算法的突破,到工具化,这个转化路径现在变得很顺畅,两三年之后会更顺畅。


如果你有一个算法突破,发表论文出来,很短的时间内,几个月,甚至几周内,Github 上会有实现出来,甚至你可能会看到百度、谷歌把新的算法放在自己的开放API里面,这就意味着,企业竞争主要拼的就是工程能力和产品能力了。到那个时候,整个 AI 产业里的薪资水平会有更合理的分布。


我说一下我的结论。所谓的人才泡沫问题,只是一个暂时性的现象,是发展的一个必然过程,不需要担心。

数据科学向左,人工智能向右


我再说第三个问题,选择方向的问题。


我们现在叫广义 AI,其实里面大致包含两个工作性质差别挺大的方向。一个是商业分析与优化,一个是智能产品与解决方案。


两者主要的不同是谁来做决策,人做决策还是算法做决策,这个决定了自动化程度的高低。



商业分析与优化技术的应用的周期当中,人仍然在里面扮演很重要的角色,数据分析是用来辅助人类决策的,自动化水平受到人的决策的制约,不会太高。


另外一个方向叫做智能产品和解决方案,自动驾驶、扫地机器人、自动广告投放系统,都是这类。整个产品的执行过程基本上是完整的,很少需要有人干预,决策主要由机器来完成,自动化程度接近 100%。


大家很快会面临方向上的选择,你是走左分支,还是走右分支,这件事情你们要好好的想一想。左边这一支走下去,你可能会成为数据分析师、数据科学家、CDO。右边这一支走下去,你应该会成为 AI 工程师、AI 产品经理,CTO。


走左分支,你的关键是获得高质量的业务数据。在中国,这个事情难度很大。



这个是最近的一个全球数据开放度调查,美国排名第8,中国排名第93。如果你们想走左分支,尽可能加入到一些具有数据访问特权的机构,否则想在中国想低价拿到别人的数据是很难的。


那么怎样选择行业呢?麦肯锡给了六个原则,


第一,数字化高度成熟;

第二,业务规模巨大;

第三能够把AI用在自己的核心业务里边,而不是一些边缘业务;

第四,它能够同时的去接纳多项科技,不仅仅是AI,可能还有区块链,还有物联网,还有其他的科技,都能够去接纳;

第五,它更加注重增量,而不是存量;

第六,领导对AI的应用有强有力的支持。


选择方向的时候,用这六把尺子来量一量,就会有一个大致的判断。这是麦肯锡的一个行业分析,排在第一名的,叫做高科技和电信,就是它各个领域里面绿的比较多,如果你们在这个领域做AI比较容易。


今天大部分在互联网领域里,你们可能在这个领域里面做AI比较容易,因为数据也比较全,各方面的支持也比较到位,人的意识到位。


随后分别是汽车和生产线、金融、电力、娱乐传媒、零售等行业。我们现在很多人都在谈医疗的大数据,医疗的AI化,但是其实呢,这个行业的准备度是不足的,做这个方向,要克服很大的难度。


其他的行业不一一解释了,谢谢大家。

 




在微信公众号内回复数字“1”

小编拉你进粉丝微信群

不是在文章评论里回

 
程序员之家 更多文章 如何练习一万小时? 以撩妹为例,5分钟让你秒懂深度学习! 为什么你说“就差一个码农了”,我们是拒绝的 四五十岁之后,还在编程的程序员都有谁? 是什么摧毁了程序员的工作效率
猜您喜欢 数据工厂第二期——场景化的数据工厂构建 看到免費wifi別太激动 几招教你防黑客偷窥 【扒一扒】Thinker无尽的创(Nao)意(Dong) 技术支持服务群 给女朋友的 iOS 开发教程 iOS With Girlfriend 3 Design Lolita