在 ai/ml startup 做了一段时间了,随便闲扯几句,肯定是盲人摸象,管中窺豹,不要太当真。
年轻有为的硕士生用 ai/ml 做出个 poc,本来人工做的事情 ai 哗地一下做完了,结果猛一看挺好,客户哇声一片 --- 可以成立 startup 大干一票。但是真正商品化的时候,一路上要解决的问题超多。
要有很多 models - 每个 model 只能解决问题的一小块。google 光是为了不需要你说 “ok google” 就能干活就多加了 5/6 个新 models...
无休止的 training / training / training.... 而且有时候做不到通用,(不同客户)不同数据类型最后会形成各自的 weights...
预测准确度貌似玄学....
因为多数涉及 computer vision,公司得雇一堆懂 computer vision 人 ---- 毕竟,术业有专攻,你基本上甭指望懂 computer vision 的 ai/ml engineer 也懂软件工程。
ai/ml engineer 的 coding 和业界 coding standard 完全是两个维度的东西 ---- 我早说过,刷 leetcode 题能帮你进大厂,但那个不叫 coding...
ai/ml, computer vision, ai pipeline, cloud, backend/frontend, devops... 你得找到合适的人把这些串起来...
如果串得非常好,你才有可能让客户变成 training process 的一部分,否则你得让 domain expert 替所有用户做 model training... 如果你的 flow 不是很完善的话,你的 domain experts 还得学几句 python...
类似感触还有很多,所以觉得 ng 说的所有东西,尤其是 tooling 那块,都非常在点上。
大家今天都看不起 CRUD,但其实很多行业连基本 CRUD 还没做好,更别说 AI 了。AI 类似于 70/80 年代的 CRUD,还有很长的路要走...