AI的發展選擇 - 工程師

看完一系列文章 似乎了解AI的人不多 畢竟在浪頭上

所以大家一窩風的去炒他

→ enso: 硬體架構還是得看哪一類的應用。若多為影像辨識，那gpu還是 10/23 00:22
→ enso: 好用些。至於AI,也是蠻廣的，不是跑CNN就算AI。到終究還是 10/23 00:22
→ enso: 統計...

AI弄到最後 老實說就統計跟數學 程式只是輔助工具而已

而硬體 是進階的輔助

因為進步非常的快 所以常常今年流行的演算法 明後年馬上很少人用了

譬如說當初學的SVM的 kernel 學了幾十種 Kernel 還有混和kernel

第二年學教就不開kernel 直接交deep learning

再過一年直接變成 deep reinforced learning 也開始有簡單的ML套裝軟件出現

我同學還開發了 直接在excel上面可以用ML 套件 給商學院的人使用

至些都只是用現成的API 至於未來會不會有比較高效的演算法出現 很難說~

所以或句話說 你今天會的API 明年可能馬上退流行或被取代掉了

而且以台灣現狀 大多都是用現成的API 調調參數 這算真的懂ML嗎?

跟幾個ML的教授跟 Hassabis 聊過 他們給我的忠告是把 數學 統計學 C++學好

因為演算法可能幾年後主流就不再deep learning了

那時候是不是又會開發出新的晶片架構 提供給新的演算用呢?

很難說~~

※ 引述《david190 (david)》之銘言：
: ※ 引述《vivian032619 (亮～被罵+掛電話惹)》之銘言：
: : 朋友代po
: : ------------------
: : 目前有兩個題目可以選擇，不知道哪個選擇未來工作發展比較好。
: : 1. AI的應用，比較偏純軟體
: : 利用機器學習和影像處理取代人力
: : 不用對AI原理有太深入了解
: : 花比較多時間在應用的實作。
: : 2. AI的晶片，比較偏硬體
: : 利用FPGA加速AI在影像處理的效能
: : 30%要了解AI的數學原理
: : 70%在寫硬體。
: 就我的感覺 AI領域不要切分成軟跟硬
: 現在做AI晶片除了 輝達外 還有 intel 谷歌 微軟 IBM 華為
: 為何AI被注目 跟 自動駕駛跟阿法狗 被矚目有關係 這兩個都是谷歌做出示範可行的
: 谷歌是做軟服務 而IBM微軟也是做服務的 為何軟服務的大公司會想做AI硬體?
: 可以猜測 是目前現行硬體架構 已經不足續驅動AI軟件發展了
: 所以三大軟服務公司都去做硬體是必然的 順便搶AI硬體架構決定權
: 誰能拿下AI硬體架構決定權 代表誰之前的AI軟硬體研發能最小損耗不需推倒多數重來
: 所以做AI晶片的公司 本身就是會發展AI軟件跟服務的公司 這應該是不可分的
: 我相信intel如果能搶下AI硬體架構 也會順便攻進AI軟服務的 因為這整套一起發展的~

--