以前我认为，等到人工智能技术沉淀以后，就会像云计算一样，成为一个基础infra，到那时，机会就会从人工智能本身浮出到人工智能这层infra的上层。
但是，我现在发现人工智能技术能不能沉淀，还要过多少时间才能沉淀，都是一个可能性很不确定的东西。
一个技术要能沉淀下来，需要这个技术已经十分成熟了，它已经有了一套基本上人人认可的标准。但对人工智能来说，目前还是处于大发展时期，近2年的进展可谓是指数级的进展。现在一个CVPR都能收到几千篇论文，几乎每天都有新的论文出现，新的模型出现，各项指标又会比之前的模型提高了一点点。
没错，人工智能模型的军备竞赛早就已经开始了。在这种情况下，它可能会在短期内沉淀吗？我觉得不太可能。
但是这也未必是好事。试想一下，你们公司用了世界上最好的模型，好不容易打造了一个人工智能产品，结果还没过几天，新的模型就出现了，而且直接beat了你们公司的模型，此时如果你们的竞争对手采用了这个更加新的模型，那你们怎么办呢，你们是不是也要跟着更换模型呢。
这样看来，似乎是后做的人始终有优势，因为它们可以用更新的模型。但是，你们公司也可以更改市场策略，你们可以不提F1这些指标，你们可以说反正别人的最新模型也就提升了可以忽略不计的一两个百分点，而你们的产品开发的比他们的更久，功能更完善，用户体验更好，这才是最重要的，那指标上的一两个百分点不意味着什么。
我认为这就是在人工智能军备竞赛下博弈到最后的市场策略。其实那一两个百分点也确实没那么重要。而且这个策略也揭露了人工智能的本质只是一段算法，只是产品中的很小一部分而已，最终肯定是产品的综合的比较，而且越往以后客户也越会比较懂人工智能到底是怎么回事了，也不可能对那么一两个百分点看的那么重。
所以只要模型的差距很小，而且都能达到比较好的基线了，再比较模型的性能指标其实已经意义不大了。今后必然是往弱化指标的方向发展，除非有重大突破。
其实现在一些CV任务，我觉得已经差不多到了临界点，再出新的模型，性能指标也不会再涨的有多大了。
那么人工智能会不会再次进入低谷呢，我觉得这是不可能的，因为至少现在CV已经改变了很多行业，CV这个产业至少已经形成了，有了产业就需要人去做，所以进入低谷是不可能的。最差只能说进入了平原期，这个是有可能的。
不过话说回来，因为人工智能本身的属性，它只是产品中的那很小部分，所以需求的人员并没有产品的其他部分那么多，现在微软谷歌FB的核心AI研究院好像也才1000多人而已，所以需求我觉得不会是太大的，但现在人人学AI，所以竞争会加剧很多。
另一个问题，要在人工智能军备竞赛下博弈，那就需要紧紧跟住大盘，但现在论文和研究发展速度实在太快了，论文出的实在太多太快，你连把论文一篇篇全读完都做不到。所以无论是企业还是个人，如果选择了紧紧跟住人工智能的最新成果，那么放弃的机会成本是巨大的，你会没有任何的其他时间精力去学习研究其他的东西，这就导致了横向知识面会不够丰富。所以要紧紧跟住大盘一定是要下很大的决心的。
万一哪天神经网络被新的东西颠覆了呢？Hinton自己也说希望有学生来怀疑他说的一切，他自己也搞了胶囊网络。万一哪天又出来个新东西，和神经网络完全不是一个路数，而且把神经网络淘汰了，那么之前苦学的神经网络真的是一点用也没有了，此时如果你已到中年。。。。。相比于码农，虽然码农的技术也经常过时，但至少他写code的经验不会过时，而且学个新技术也不会向从头学个新人工智能那么难(我是已经见识到了传统人工智能和神经网络间有多么的不一样了)，新旧技术间的共有部分也会更多一些。。。所以码农会比这些算法工程师/科学家，切换起来会好过一些。这些都是对于所有精力放在人工智能上的人的巨大的机会成本和挑战。
但，这样就不跟了吗？不，我认为还是一定要跟。我认为人工智能和量子计算绝对是未来，人工智能是近几年的未来，量子计算是远些年的未来。所以一定要跟，只是我可能自己跟的时候，会把更多时间花在理解原理和重大突破的论文上，而花更少时间在具体实现上，因为实现太detail了，你如果用不到，过些日子也会记不住的，而且各种框架又在不断进化。
网友评论