我是16年上半年从软件开发转到算法工程师的,这些年AI,我亲眼见证了从“黑科技”跌入“俗学”的过程。
早些年,在模式识别领域,例如人脸识别、语音识别等,大家都发力在数学算法(基于机器学习)的时候,虽然努力多年,但是因为技术缺陷精度却一直上不去,几乎没有实用价值。
深度学习的引入
在一次NIST竞赛中,有一个厂家突然爆发,一骑绝尘,直接把竞争对手甩下几个身位,也直接把很多识别技术(例如人脸识别)推到了实用的地步。
这个事情对业界的震惊很大,不久后,大家了解到竞争对方之所以能取得这么大的进步,正是因为引入了以“深度学习”为基础的AI技术后,整个业界的研发重点就迅速切换到了基于深度学习的AI的跑道上。
在随后的时间里,大家都如饥似渴的阅读各种paper,因为公司转型到AI方向所以我也沾光,开始接触与AI相关的各种技术,包括神经网络三大模型、深度学习等等。之后,很多企业和研究所的人工智能平台就搭建了起来,各种模式识别技术(例如人脸、语音)放弃了传统的数学算法研究,直接切换到深度学习平台上。
多少“人工”多少“智能”
同时说明了,从技术上来说,“深度学习”并不是一个特别高深,特别新颖