2019年总结:来自19年的工作感悟

2019年总结:来自19年的工作感悟

摘要: 这是一份迟到的总结,2019年底现场工作分享已经结束近三个月,在新冠疫情即将消亡的时刻,重新整理出来,对过去的回顾为了明天更加精彩。

这是我在2020年年度工作会议上代表人工智能团队的讲话内容,总结了19年团队工作过程中的几点感悟。

很荣幸今天有机会代表人工智能团队和大家分享一下2019年的一些工作感悟。

知识

2019年,人工智能让我对知识的力量有了更加深刻的认识。

整个2019年是人工智能的爆发期,人工智能领域发展日新月异,新的算法层出不穷,后浪把各种前浪拍死在沙滩上。

算法的研究已经变成了海量金钱+海量数据+大量技术才能支撑起一项工作。

其实就算你真的搞出什么新算法可以充当技术壁垒,可能两三个月之后就又有人做出了更强的结果。

在高速变化的领域是很难形成壁垒的。

带着这个疑问,在2019年里,我们微软亚洲研究院专家、科大讯飞人工智能专家经过多次交流与探讨,人工智能未来的发展路径必然从数据驱动 ===》 知识驱动转变。

在人工智能技术如火如荼的今天,我们在技术交流和培训时经常被问到:什么样的工作不容易被替代?

一要有热情,而要有内涵。

【知识驱动的人工智能技术研发】 —->这也是今年在和科大讯飞的联合实验室中,我们一起探索领域知识库建设的原因。

传播

去年的此时,我们曾分享过,对人工智能算法工程师的要求,不但写的了算法还要认得清场景。2019年的实践验证了我们的看法。拿智能制造领域的人工智能应用来说,客户在车间现场通常需要一个开箱即用的产品,而大多数AI类场景需要足够多的时间去打磨。

在去年缺陷检测场景中,在很多行业里,很多问题不是算法难以设计,而是沟通这个需求和目标,比如检测标准的制定:如何定义检测工人所说的协调..?

如何做有意义的技术研发?

人工智能团队2020年的能力建设,从四方面入手: 连接—生产—传播—赋能

  • 连接解决的问题:不要重复造轮子;

  • 生产解决的问题:针对具体问题,能够对症下药;

  • 传播解决的问题:让更多人的人认识我们;

  • 赋能解决的问题:价值在哪里?技术竞争力何在? 找准点

整个2019年里,我们不再闭门造车、关起门来搞研发,而更多的走了出去,参加比赛、组织培训、参加技术论坛和技术交流活动,让别人了解你, 你也更了解别人。

团队

高:以前有句话,叫做“火车跑得快,全靠车头带”,这说的是前动车时代。动车和高铁为什么比传统的火车速度更快?根本原因是:大多数车厢都能提供动力。在新技术领域,往往如此,学习和交流一直是我们团队努力进行的。我也借此机会,和大家分享,在过去一年中,团队成员的成长感悟:

HF: 在过去的一年中,我们看到很多领域人工智能算法在学术上达到甚至超越了人类水平,但这是否代表相关算法/模型可以完全替代人类落地应用呢?

于此同时,我们也看到很多算法,准确率明明还没有达到人类水平,却已经开始普及应用了。比如自然场景下身份证识别,反面识别的准确率还不足九成。

这也是在过去一年的工程实践中,我们逐步发现学术成绩和工程落地之间存在很大的差别,我们无法提供百分百可靠的算法,但在工程领域讲究的是够用就行,我们可以在环境约束、实现路径、用户体验上来弥补算法的不足。(张会峰如是说)

DL: 在机器学习领域有个经典的理论,叫做没有免费的午餐。它讲的是没有一个算法在所有场景下都表现最优,所以根据场景需求进行算法的选择尤为重要,在众如繁星的算法空间中,挑中最闪亮的那一个,不但需要足够的技术功底掌握算法特性,更应该敏锐的洞察业务场景,没有最好的,只有最适合的。这是刘建志潜移默化影响团队的格言。

在过去一年的多个项目对接中,技术人员总是自觉不自觉的沉寂在自己技术领域之中,和客户分享着算法的优势、模型的特点,然而往往事倍功半。如何把模型和算法的魅力用更直观、更亲切的可视化方式和别人分享,是团队YY在过去一年努力追求的方向。

感谢集团领导给我们的耐心,给予我们宽松的环境从事技术研发,感谢研究院领导在过去一年中,帮我们牵线搭桥促进合作交流,2020年我们有信心,不负所托,争创佳绩。


评论

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×