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，特别新颖的技术，而更多是“旧瓶装新酒”，是对大家观念的扭转。

因为在此之前，计算资源缺失，数据缺失，所以才使得严重依赖于此的深度学习技术难以实用化。

而经过互联网多年的积累，计算和数据都到位的时候，“尘封”多年的深度学习技术则突然“枯木逢春”。

我从不止一个算法科学家嘴里听过，从对脑力的挑战来说，深度学习的精巧度远不如传统的数学算法。

甚至，相对于早前的数学研究，大家都觉得“深度学习好“傻”，好“暴力”，一种常见的套路是：

设置框架，喂数据，调参数，喂数据，调参数…，循环往复。

而且，就这两年来说，好多普通的软件工程师，都慢慢开始对算法研究缺乏敬畏了，因为目前的人工智能就是 有多少“人工”就有多少“智能”

从此，大家也能够感受到，算法的提高，在很大程度上赖于数据，而不仅是算法工程师的脑力。

所以一大批培训机构如雨后春笋冒了出来，开始收割这批想入行的人，因为早期市场比较乱，所以也让这些机构赚了一笔，但是现在行业已经明朗想要再浑水摸鱼是不可能的事情了。

各大院校学生吐槽毕业设计

如果说7、8年前的状况是各个专业转CS的话，现在是全民转AI。各个专业的，例如自动化、微电子、机械、通信、电子信息、材料专业，都有大量的学生在学习机器学习(主要是深度学习)。学院方面为了响应官方政策，将这些专业学生的毕业设计中添加了，人脸识别、目标检测等项目。

至于我为啥知道这个消息，是因为前段时间在西瓜视频上分享了一套MTCNN的视频，结果很多大四的学生都在和我吐槽“毕设”的事情，不论是否是CS专业，只要是能挨边的或者人工智能在该行业有项目落地的，都被安排了。

导致这些没有学习过人工智能甚至编程的苦孩子，到处在各大平台网站找资料学习，然后很多还被培训机构给坑了。

如果读者中有需要MTCNN技术讲解的可以关注我，每天会在西瓜视频分享一节MTCNN的视频给大家

直达连接：「链接」

然后如果需要视频中配套的代码和数据集可以私信我。