AI 转型必看｜算法工程师的 AI 启示录

点击左上方蓝字关注我们

如今有些论断说：“AI 行业不热了！泡沫终是泡沫？” 但实际上，只有身处 AI 产业之中的局内人才深知，在经历了理论研究、数据驱动的阶段后，整个行业日渐成熟，进入了产业落地应用阶段。眼下亟需的是从技术到业务的融合，而不仅是技术本身的迭代。

 

第四次工业革命的驱动力量，这是科技行业对人工智能技术的价值评价。这次技术革命涌现出的新型 AI 复合型人才，正乘着 AI 产业化落地应用的风口，在各自的行业披荆斩棘。用 AI 驱动业务、推动产业升级，就是这些人的时代使命，江湖人称“AI 架构师”。

 

从字面拆解“AI 架构师”—— AI 对应算法技术；架构师则涉及对工程架构和业务的把握。把 AI 技术高效落地应用，找到在当前算法中能够最大化满足约束条件，并最优地实现目标的方法，这是 AI 架构师的核心使命。

 

但遗憾的是，AI 架构师的成长是一个漫长的过程。让做算法的人去了解业务架构，让做传统架构的人去把握 AI 技术，这需要工程师长时间的深度实践积累和技术抽象能力。

四大象限

找准AI架构师转型方向

在所有工程师中，研究算法出身的工程师和扎根工程技术出身的架构师，是最有可能转型成为 AI 架构师的两类人。他们有不同的侧重点，转型后具体又可以细分为四个方向可供大家参考：

• 算法出身转型为偏 AI 业务应用（偏业务策略）的 AI 架构师。他们有较强的 AI 技术背景，对业务的理解更深刻、与业务的结合更紧密；

• 算法出身转型为偏 AI 平台工程架构的 AI 架构师。他们有较强的 AI 技术背景，工作职责相对前者偏平台或中台，对业务的支持更广泛；

• 工程出身为转型偏 AI 业务应用（偏策略架构）的 AI 架构师。他们有传统架构师背景，工作职责贴近业务且擅长从架构策略发挥 AI 作用；

• 工程出身转型为偏 AI 业务应用（偏工程架构）的 AI 架构师。他们依然有传统架构师背景，工作职责却更偏底层的工程架构设计与实现。

算法工程师与传统架构师的转型之路存在各自的挑战，相比传统架构转型 AI 架构师而言，算法出身的工程师转型最大的瓶颈在于与业务的结合能力、对业务的理解能力和落实到工程实践中的经验积累。如果你想少走弯路，从算法工程师高效的转型成为 AI 架构师，下面的内容对你十分关键。

反复“锤炼” 

升级AI实战能力

一般来说，算法工程师常常针对的任务都是抽象后的、环境变量相对固定，基于这些问题做模型算法层面的研究。对业务的理解能力和落实是需要到工程实践中去不断积累的。

 

算法思维是算法出身人的最大优势，因为基本功扎实，要注意的重点就在对业务理解和抽象层面上进行突破。只要工程能力没有太大的瓶颈，然后在实际项目中反复锤炼架构能力，和工程的架构的同学多配合提升综合素质，工程能力也很容易得到补足强化。

 

虽然这个转型的过程中会遇到很多丘陵和沟壑，但把时间维度拉长，当你从开始解决业务的某一个小问题到解决更大范围的业务问题，这是你为之付出所带来的成长。

“握手”业务

找到AI最佳实践

很多算法出身的人，往往更关心和聚焦 AI 技术的原理是什么、某个算法原理是什么，但随着工作的展开，关心和聚焦的方向就一点一点的变成算法的价值在哪里、算法能解决什么问题；到后来，你会发现把算法应用到真实的业务场景里，解决算法的瓶颈以及存在的其他问题才是关键。但这个过程其实是从算法到业务的一个融合与渐进的过程。

 

当你走近 AI 架构师这扇门，你应该思考：如何站在业务系统的角度，找到业务最重要、最核心的问题？如何结合算法和工程经验，实现高效的 AI 业务系统？这些问题要求你不仅要掌握传统意义上的机器学习或者深度学习算法，还需要对整个行业的业务有充分的理解，只有这样才能设计出符合业务发展的 AI 系统。

 

有人曾片面地以为 AI 系统就是算法，但这是错误的认知。AI 系统和算法差别非常大，AI 系统是算法、工程架构、要解决的问题以及一系列的约束条件的集合体。从工程系统角度，AI 平台本身是一个技术型产品，算法是里面很关键的组成部分——但不是全部。AI 架构师就是要在具体的业务场景中设计并实现相应算法的最佳实践。

“迭代”能力

提升自身AI实力

AI 行业的快，让人超乎想象。前几年的热点还是“下围棋”类的单点技术，如今已经覆盖了衣食住行生活、商业的方方面面。AI 发展的快，要求 AI 从业者的能力也要快速迭代，除了算法模型之外的关键能力，更要有诸如问题抽象、技术选型和技术实现的能力。

 

抛开建模问题去思考问题的核心，而不是先考虑建模问题。比如说风控问题，传统树可以做风控、深度学习也可以做风控。但你要先把问题定义清楚，如何衡量贷款标准？如何确认贷款条件？以及需要哪些特征、哪些数据等等，思考完这些之后，你自然可以找到合适的模型。

 

AI 时代已经到来，将会有越来多的系统被 AI 自动化所取代。企业的竞争终究是人才的竞争，AI 的竞争本质更是 AI 人才的竞争。只有找到合适的方向、明确职责定位、并为之努力，采取有效的学习提升方案才能成为支撑企业的关键人才。

AICA

转型AI架构师的直通车

百度自2019年启动首席 AI 架构师培养计划（AICA）致力于为行业输送既能分析业务问题，又掌握模型算法，还能操刀落地应用，深谙算法与工程紧密结合的高端复合型 AI 领军人才。基于算法工程师转型 AI 架构师的瓶颈挑战与转型锚点路径，精准设置课程内容，覆盖：

• 提升技术视野，找准问题，看清方向

  提升对于自身企业具体业务场景理解的定位和认知

• AI 转型升级的典型技术案例剖析

  快速积累对整体业务、整个行业关键问题的深度抽象能力

• 模拟实战的问题拆解&解决方案

  培养用最新 AI 思维、AI 工具、方法和技术解决实际问题

• 百度科学家/AI 专家一对一指导

  百度众多深度学习架构师、科学家面对面深度交流指导

培养理念解读

专家指导

小组讨论

架构师授课

AICA 半年学制，带你从业务驱动出发，恰当地做好业务与深度学习技术、算法的对接。助你以最低成本、最高效率快速迭代 AI 能力，走出一条属于自己的 AI 最佳实践之路。

???? ACIA五期班招生中????

线下闭门交流

1+1参与模式

AI 思维风暴

限额50席

如今，正是国家十四五规划的开局之年，以人工智能为代表的新一代信息技术，将成为我国“十四五"期间推动经济高质量发展、建设创新型国家，实现新型工业化、信息化、城镇化和农业现代化的重要技术保障和核心驱动力之一。

 

在当前国家宏观政策利好的时间窗口内，AI 正在迎来新的机遇，作为算法工程师的你，准备好打开这扇门了么？

AICA五期班更多详情：

重仓AI人才培养，打造产业落地升级护城河

???? 点击文末“阅读原文”，即可跳转报名链接！

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体，是中国首个自主研发、功能完备、开源开放的产业级深度学习平台。飞桨企业版针对企业级需求增强了相应特性，包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。

END