目前ai領域的泡沫化和內卷化基本上大家都已經形成共識了。各大頂會上充斥著灌水的文章，而關鍵的問題一直得不到解決，無論是學界和業界的重心都轉移到了使用ai技術創造更多實際價值上。這就是ai領域目前的現狀。
ai領域的泡沫化、內捲化與生化環材是類似的，背後的邏輯也是類似的：門檻低、關鍵問題無突破、預期收益高、變現能力差。打破任意乙個節點，這個泡沫化程序都會被終止。其中對技術本身而言，門檻肯定是越低越好，預期收益越高越好，這是很良性的。問題就出在關鍵問題無突破和變現能力差兩點上。
從今年頂會各領域一股腦灌nas就可以看出，學界真的是山窮水盡，走到了盡頭，灌無可灌，以至於見到乙個什麼熱點就開始排列組合。當然，人類的創造力是無窮的，說灌無可灌這話，可能還早著。但是，關鍵問題的突破，是大家都關心的，卻一直沒有什麼進展。
群體都是短視的，關鍵問題的突破看起來也不是一朝一夕可以完成的。此時，為了維持領域的熱度，以及各從業者為發展計，ai領域的人們都自然地把目光投向了改善ai變現能力上。整個領域，都在試圖人為創造ai的熱點，也就是偽需求，然後通過解決這些需求，達到所謂的創新。其實這些問題留給業界就好了，但是學界實在是人太多了無處可去，於是來搶業界的飯碗了。
其實，我們可以預計到，it業界，ai人才會迅速飽和，甚至非專業ai人才的人都能搞兩手ai。這已經不算什麼離經叛道的說法，而只是時間問題。其實，這也許是好事也說不定，對於這種現象，想入行ai的各位也應該心裡有數，如果不是天選之子，或者是不差錢，真的不應該再考慮這個行業，以免付出過多成本。我建議，想入行ai的，主業不應該是ai，而是應該把ai應用到一些看起來毫無關係的領域去。學術界創造的大多是偽需求，大家要恰飯。真正的需求的解決，需要實實在在的業界從業者們來完成。這也許是未來ai對大多數人而言乙個最大的意義了。
說完ai領域的現狀，其實我個人還是把目光放在了關鍵問題的突破上。我覺得這類情況，最長的路反而是最短的，早早耕耘於突破ai的關鍵瓶頸，不去參與灌水的潮流，是我面對這個情況做的決定。其實說這樣的話還是狂妄了點，畢竟我實力是很不足的。但是其實目標應該是要定得高高的，做起事情來卻是要穩穩的。如果有人和我一樣有這樣的目標，那我建議大家，還是要充分估計好這個目標的難度，不要吝嗇於做一些髒活，慢慢地積累經驗，充分地認識問題，這樣才能逐步靠近這個目標的。站在高處看，也許可以看得很清楚，也有可能會被亂花迷眼，而不得不去底層去逐步抽絲剝繭地解決問題、整合問題。我也會參與灌水的，但是那只是我發展中的乙個過程。當然，也要準備好後路，有退出的方法，放棄沒什麼可恥的。
向AI看齊 鎂光科技斥資1億美元投資AI領域
據路透社報道，鎂光科技本週三在其首次人工智慧會議上宣布，其通過戰略投資實體鎂光風投為人工智慧和機器學習領域的初創公司提供高達1 億美元的投資。投資領域包括ar 增強現實技術 vr 虛擬實境技術 自動駕駛等人工智慧領域。同樣鎂光對這些領域也很感興趣，因為該公司已經在這些領域開展了相關的業務。鎂光科技總...
我的AI之路
緒論 本章以西瓜為例子，簡單的介紹了機器學習的一些相關的概念，為之後的學習打下基礎。模型評估與選擇 學習筆記 機器學習之特徵工程 學習筆記 sklearn資料集與估計器 學習筆記 分類演算法 k近鄰演算法 學習筆記 分類演算法 樸素貝葉斯演算法 學習筆記 分類模型的評估 學習筆記 模型的選擇與調優 ...
隨筆 我的想法
1，一定要安排工作來進行工作的開展。安裝工作的任務，分析任務執行是否完成，然後再重新組織分配 2，每日問題每日解決，將所有沒能確認，帶有疑問的問題統計到乙個每日的工作問題整理中，並與當天結束前提交，分配解決 3，重複性會分散乙個人對於現有工作的積極性，從而不利於根本上解決問題 4，保持業務的熟悉程度...