关于学习人工智能 AI 方面的问题

[ModiKa2022]

自己的背景

• 211 本科毕业, 做了两年运维,后来做了 5 年的 PHP 开发, 现在主要做 python 方向, 写爬虫, 还有就是 django 的 web 开发

为啥想学习 AI

• 很早就注册 v2ex, 一直没有发帖, 喜欢这边的讨论环境
• 最近写代码,一直都是 copilot + chatgpt, 现在没有 copilot 的话, 写代码的效率已经很低了
• 感觉现在是 AI 应用爆发的前期, 想学习下人工智能相关的知识. 还没有确定以后做什么.
• 关注了一些比较厉害的大牛, 他们现在已经使用 AI 做了几个比较厉害的 Demo, 主要是深度学习方向的

关于现在的学习

• 最近一个多月一直在啃数学的东西, 本科毕业后,基本忘记光了, 查了些资料, 看了微分, 线性代数, 概率论和数理统计的数学知识. 现在的水平, 能看懂数学符号了, 很多定理要查一下才能懂. 啃的太快, 忘记的也快.
• 准备看机器学习和深度学习方向的东西了
• 我也不知道会学习到啥程度. 人工智能的应用方向和人工智能算法工程师感觉是两个方向,下载了一些系统的教程,最近下班后在看.

心中的疑问

• 我想问一下,
  • 1. 有没有已经在这方面工作的朋友, 对我们这种有一定的开发经验, 想进入 AI 领域的话, 主要补充的知识有哪些?
  • 1. 适合个人开发的 AI 产品,主要是哪些方向?
  • 1. 如果学习完了 AI, 在国内现在的就业环境怎么样?
  • 1. 因为现在也 30 多一点儿了, 这边的年龄和经验是否会缺乏竞争力?

备注

• 诚恳请教, 自己一个普通的沪漂程序员, 学习的时间挺充足. 只是对这个方向感觉很模糊

[swulling]

我觉得就没必要学习算法了，你学习算法再厉害，还能自己做一个 GPT 出来？

不如学习怎么用，技术好一点就学习下 PyTorch 和 Transformer ，对模型进行微调训练。

然后做一些应用类的 app 。

[ModiKa2022]

@swulling 谢谢你的建议, 后面会去学习这些框架

[vicalloy]

在 AI 公司干了一年，给我最大的感觉是 AI 行业是一个资本密集型产业，对普通程序员来说没太多的机会。
对普通程序员最大的变化是出现来一批很好用的 API ，可以实现一些以前实现不了的想法。

1. 常规应用，通用模型已经很成熟了。对于 99.9%人根本不可能构建出一个比开源模型更好的模型。
2. 模型的性能优化是个体力活，而且随着技术的发展，以后可能不需要手动的性能优化。
3. 模型的调优需要大量的数据和硬件。数据清洗是和 AI 没关系的纯体力活。参数调优又需要大量的硬件，¥成本普通人（公司）根本承担不起（据说 ChatGPT 训练一次的成本就高达 1 千万美元）。

对于普通开发人员，AI 会逐步演化成一些在线 服务 。比如 ChatGPT 一样，普通程序员通过调用 RESTFul API 来使用。另外一些小模型的使用，就是一些程序库。至于这些库用的是机器学习，还是传统的算法对应用开发来说是黑盒。

[fridaycatye]

本科就没必要去卷算法了，了解下底层逻辑就行了，还是当好一个调包侠，想象力和产品力才是最重要的

[ModiKa2022]

@vicalloy 很感谢你的建议. 问一下, 国内的 AI 也是使用开源模型吗? 还是研发自己的模型?

[ModiKa2022]

@fridaycatye 就是不想当调包侠, 才想去真正的了解下这一行的知识

[vicalloy]

国内 /外的大厂都有不少自己的模型。小厂几乎不可能去做自己的模型。顶多为了性能做作裁剪，用自己的数据作个训练调优。
目前做 AI 的厂家都以 paper 数作为一个重要的实力指标。paper 都发了，代码也一并发了（ AI 模型总共也没几行代码）。GPT 直到 3 都是开源的，最新的 4 才没有开源。
对于 AI 厂家来说，预训练模型往往比模型值钱。效果好的预训练模型都是用大量数据和硬件堆出来的，这些都是钱。

[ModiKa2022]

@vicalloy 国内的 AI 方向,现在的盈利点主要是什么? 如果进入这一行, 现在对人员的要求高吗? 硬性条件主要有哪些?

[vicalloy]

我只是短暂的在 AI 公司待了一年，现在已经出来了，对这个行业的了解也比较粗浅。
目前最成熟的应用也就安防，内容审查。要说盈利点，估计国内的几个头部 AI 公司都没有想清楚。
在我看来 AI 和搜索引擎、AWS 一样会成为基础服务，只有少数几个巨头可以做。这部分需要的 AI 专业人员非常少，门槛也高。
另外会有一些类似“集成商”的厂家，这些厂家通过 API 或者预训练模型给应用集成 AI 能力。这部分厂商和现有的软件开发商几乎没有任何区别。
另外也会有少部部分公司通过对数据进行标注对模型进行重新训练。这类厂商主要难点在于数据的收集、清洗、标注，以及足够多的算力。这部分厂商需要开发人员对 AI 原理有基础的了解。AI 人员的水平要求不高，且需求量极少。

[ModiKa2022]

@vicalloy 真的很感谢您, 我要好好调研下 AI 具体的应用场景了

[jhdxr]

我又来劝退了
1. 本科。无相关经验。这两点基本上简历筛选直接挂
2. 这一波兴起的 LLM 对算力有着极高的要求（别看有一些打着家用卡就能用的称号的模型——一来他们与 GPT3.5/4 的效果有差距，并且这些差距很重要。要是不重要的话 GPT3 就该火了，而不用等到 3.5 ；二来那些能用说的都是你可以做 predict ，想做 training 那是另外的），这个门槛筛掉了极大多数公司。

以上劝退不适用于兴趣爱好
如果愿意当个调包侠还是有可能进入这个行业的，但是否值得是另外一回事。