人工智能的本质是什么，AI算法工程师的高薪是否会一直这么持续下去？

2020因为疫情与经济局势的影响，不论对于在职人员还是应届生都是最近几年就业压力最大的一年，但AI算法工程师相关职位，确实比其他的技术类职位高出不少，算法工程师的薪资在科技公司中，基本是除去高管之外，薪资最高的职位了。类似于知乎等各种平台也在纷纷讨论，AI算法工程师是否已经过热？是否已经供过于求？AI算法工程师是不是会一直这样热下去？

为什么人类这么执着于人工智能？

要讨论这个问题， 需要从我最喜欢的一部美剧，《西部世界》(the west world)，开始讲起。这部剧讲述的是在未来的某个时代，人类建立了一个可以为所欲为的科技主题乐园。他们制造出非常接近真人的机器人，供游客放纵。但后来机器人自我觉醒，反制人类。

这部美剧对于大多数人是在最近几年才观看的，但大家可能并不知道，这部美剧的最早版本发布于1973年。就全世界而言，1973年当时没有什么大数据，没有什么互联网，甚至当时的巨型计算机的运算性能，还不如现在一个耳机Airpods的运算能力。很难想象，就是在1973年，人们已经开始对人工智能有了如此深切的想象。

再往前说一些，在1956年达特茅斯的Workshop上，明斯基(Minsky)、香农(Shannon)等后来成为一代大师的科学家们，就已经提出了Artificial Intelligence -- 人工智能。

所以我们可以发现，从1950年代开始，人们就开始研究人工智智能，从1970年代开始，人们就是把人工智能作为一个独立方向开始大力研究了。那么这个时候，大家一定会想一个问题，为什么人类这么执着于人工智能？

对信息基础了解的人会发现，当时大家对大数据、讨论分布式并不多。而人工智能却一直被各位科学家们、工程师们萦绕在心头，这一绕，就是70年。而人类第一台电子计算机距今也只有74年的时间。

恩格斯说过一句非常著名的话：哪里有压迫，哪里就有反抗。而人类对科技的追求，背后有一种逻辑是哪里有繁琐劳动，哪里就需要优化提效。这也是为什么人工智能会持续几乎电子计算机的整个历程。

人工智能这个词组，对于人类而言，从来就不是一项技术，也不是某段代码，它代表的是人类对于生产效率，对于自动化解决问题，对于解放人类生产力的追求。

AI指的是人类对于未知问题的追求

在70年代，当时AI研究最多的是地图寻找路径。现在我们每天用到的滴滴打车、高德地图，当时都归类为AI应用。

在90年代，人工智能研究领域是一个大家可能想象不到的方向——拼音输入法。对，就是现在大家使用的拼音输入法。现在咱们打字的效率已经非常高了，但是经历过王永民五笔输入法、智能ABC、清华紫光输入法年代的人，应该知道打字的艰难。

当时的拼音输入法效率极低，大家为了能快速打字，需要从王土大木工 开始背诵键位表，经过刻苦的练习才能快速的在电脑上打字。以至于当时有一个非常高薪的行业——打字员。

那个年代的一大批人，比如微软亚研、搜狗的研究人员，投入大量人力研究拼音输入法，才有了今天比较成熟的输入法。现在的输入法比当年的智能ABC智能化太多了，但是为什么现在大家不认为输入法是AI了呢？

因为在输入法这个地方，没有那么繁琐了，已经顺畅了，所以大家就把AI化转向了另外的场景。于此类似，我们每天其实会使用到非常多的AI场景，但是因为它太普遍了，以至于大家根本不会意识到这些曾经是/或者现在是 AI的重要方向。

例如：

• 每天的抖音给你推荐的视频，你是不是越看越爱看？

• 每次上淘宝，你是不是总能看到自己喜欢的东西？

• 网易云音乐中是不是依靠推荐歌单，你已经收藏了很多歌曲？

• 你的手机是不是能够自动识别你的脸部？

• 你的Office PPT或者WPS是不是能自动排版了？

• ……

（抖音视频推荐背后用到了大量的AI方法）

除此之外，还有很多领域。例如，外卖小哥怎么样最高效能送餐，我们每天使用的电，变电站如何能实现高效的变电，我们每天使用的各种电子设备里边的PCB板，怎么能自动化加速生产等，这些都是我们看不到的AI应用场景，而我们又是这些AI应用的受益者。

换句话说，当一个问题已经有了比较成熟的解决方案，那么它就会自动退出AI的研究领域，此时AI算法工作者的注意力又会关注在其他未解决的问题之上。

AI算法工程师高薪会一直持续热下去吗？

人工智能，AI算法工程师这个职位，也不仅仅局限于掌握特定的几个知识，然后这几个知识过几年过时了，这个职位就过时了。而是，随着社会的发展与生产力的进步，需要自动化、智能化进行的任务一定会越来越高级，而AI算法工程师，就是要解决这些问题的。

英文中有一个单词叫the cutting edge（刀切过的边沿，意思是前沿的），这个就很好的解释了AI算法工程师。企业在招你的时候，就是希望你做的事情是开创性的，需要被探索的事情。换句话说，如果一件事情已经变得非常正常，大家使用起来非常顺滑，那么这件事情在人类的认知里也就不属于人工智能的范畴了。

所以，如果你把自己定位成一个能使用AI工具，能解决目前一些AI问题的人，那么做这件事情的薪资大概率不会一直持续这么高下去，因为这些事情终有一天计算机会更加自动化、智能化的解决。

然而，如果你把自己定位成能够依靠自己的分析力与实现能力，将未自动化的、繁琐的任务智能化的人，你会发现，这个世界一直存在这样的问题。而因为你大力提升了生产效率，你所得到的回报自然也是高过常人的。所以，会持续存在一小部分人，这些人的目标为了更大得提升生产效率，这些人的薪资一定会高于常人。

想要成为这样的人，可以看一下我今天给大家推荐的这个课程《人工智能核心能力培养计划》。

这个课程是开课吧2017年年底的时候开设的，当时他们发现人工智能求职者与企业需求最大的差距在于，求职者会把自己定位在使用工具的人，而这些知名企业是希望找到一个创造解决新问题工具的人。或者是说，不少人工智能的求职者把自己的定位是一个做研究的人，而公司希望的是你能够实际加速企业的生产效率的人。

如果你想成为创造解决新问题、工具的人或者加速企业生产效率的人，那么这个培养计划大概率是面向你的，建议你看完接下来的课程介绍。

《人工智能核心能力培养计划》

长按添加课程顾问

获取完整版本的的培养计划

???

备注【AI课程预报名】添加?

Part

01

课程的时间安排和面向人群

课程时间一共是4个月，面对不同水平和不同目标的同学，设定了以下的培养计划。

AI名企求职课程：面向期望月薪超过20K，具备初步的人工智能和机器学习算法知识的学员；

人工智能核心能力课程：面向期望月薪超过16k，目前掌握Python编程的学员

Python编程与数据科学基础：面向期望月薪超过10k，Python编程0基础的同学。这个课程也是名企课程和核心能力课程的附赠预修课程。

人工智能核心课程与AI名企求职课程，为每位学员提供以下3个主修方向：

1. 计算机视觉(computer vision)

2. 数据挖掘与高级商业分析(data mining & advanced business analysis)

3. 自然语言处理(natural language processing)

每个层级的课程都是企业中的真实项目驱动，这些项目来自于百度、京东、华为、IBM等企业中的实际案例。

真实名企实训项目（以下为AI名企求职课程大纲）：

自然语言处理方向

计算机视觉方向

数据挖掘与高级商业分析方向

（想获取详细课程大纲，和人工智能核心能力课程课程大纲的同学，请添加教务老师获取）

这3个方向基本上涵盖了人工智能求职过程中最主流的方向。学员可以结合自身情况选择一个方向主修，同时可以辅修另外一个方向。

Part

02

如何培养工程师的心脑体？

AI算法工程师确实高薪，但是对人的综合要求相对来说也是更高的。那么在4个月要培养出能解决实际问题而且求职时具备竞争力的工程师，我们怎么做？

其实不论是使用工具的人，还是着眼于研究的求职者，看起来两种人差别很大，但其实很相近，因为这两种人的背后都不是以解决问题为出发点。

要能够掌握解决实际问题的能力，不仅仅需要熟悉某种方法/工具，更是要知道这些方法和工具，如何合理的、最佳的应用到不同的场景。

要成为这样的人，需要从心、脑、体3个维度来综合锻炼，而且还需要机会。

首先，心的层面，要能意识到不论再现金的方法、理论、工具都是会过时的，而永远存在的其实是问题，所以不管是做学问还是做工程研发，要想着解决问题的能力来进行有意识的锻炼；

其次，而是脑的层面，指的是要善于思考，要理解事物的原理和方法，要能善于思考并且分析如何能把知识、工具、方法论组合起来解决问题，这个是需要进行刻意训练的；

再次，就是体的层面，指的是你有这个意识，你老想，老琢磨这件事情也不行，还需要不断的练习，不断的进行实践，在实际问题中，才能找到真正的体感，也才能真正形成自己解决问题的能力。

而除了心、脑、体这3个方面，大多数人还缺一点，就是机会。这个其实就是《异类outliner》和《刻意练习》里边都提到的一个观点，就是要达到比较快速的提升。

只做练习是不行的，要做针对性的，要难度阶梯，要做让自己感到困难，但是努力一把又能完成的练习。而这种练习的密集程度与水平，很大程度上决定了人与人之间的水平差异。

（问题解决能力的养成）

所以在本次课程中，特别注重的有3个点：

1.错误驱动性(error driving)：

对于案例，课程会带着大家从最朴素的想法开始，从最熟悉，最直观的角度来解决问题。但是往往这些方法都是不行的，然后再逐渐推导出这个问题更为优化的解决方案，这样做的目标，虽然看起来路径绕一些但是这样培养出来的人，更能知道每种方法到底为什么要这个样子，更知道它的原理。那么到以后遇到问题的时候，也更能清晰的知道该使用哪种方法，或者在哪种方法上进行优化、迭代可以解决这个问题；

2.解构性(decomposition)：

结构性指的是，给大家提出一个案例或者一个问题的时候，课程会带着大家思考如何拆解这个问题，然后分析到最后，解决问题的方法其实就是显而易见的。这样做的目的主要是为了培养大家解决问题，拆解问题的这个思维习惯。养成了合理的思维习惯和方法，以后遇到新问题也会更加得心应手一些；

3.案例性(real case)：

课程教学场景全部都是来源于真实的企业场景案例。企业真实场景案例和臆想的案例或者实验室案例的区别在于，一个企业真实的问题往往刚开始的都是都不是定义好的，你都不知道要解决什么问题，数据可能也不够，而且在做的过程中会遇到很多意想不到的坑。而面对这些能力，如果提出解决办法，这往往才是普通的、初级的算法工作者和中高级的算法工作者的区别点。

另外，为了解决大家实操的问题，本课程还专门给大家搭建了易用的练习平台，大家在学习的时候可以不用去操心例如环境配置、变量设置、数据下载等等这些在刚刚学习的时候给大家造成很多困惑的问题。

（开课吧独家在线实验环境）

每周给大家安排了至少6个小时的在线实训，在线实训基于开课吧独家实训平台，在线实训的过程中，课程助教会实时解决大家编程中遇到的问题。

每周学习时间安排如下：

Part

03

课程的导师们

本课程的老师，均来自国际名校（清华大学、佛罗里达大学、浙江大学等）且均具备世界知名企业（阿里巴巴、商汤科技、IBM中国实验室等）的实际工作经验。（以下为部分导师）

前IBM中国总部数据科学家——高民权

曾先后就职于阿里巴巴集团、蚂蚁金服集团。多年丰富教研、授课经验，其培养的人工智能相关人才广泛分布于BAT、滴滴、大众点评、字节跳动及其他独角兽企业。

清华大学计算机博士——陈旸

IEEE ACM Member、中国人工智能协会成员、CCF数据库专委。曾获2次NO1竞赛一等奖，2次ACM竞赛亚洲铜奖，前BM中国研究院科学家（Research Scientist），极客时间等拥有超过10万粉丝。在人工智能领域发表多篇SCl。

前商汤科技算法专家——赵两可

毕业于美国佛罗里达大学计算机科学系、硅谷海归，前商汤科技算法专家。曾参与和领导多项大型计算机视觉项目，专注计算机视觉7年实践，在人工智能、计算机视觉领域发表多篇论文与专利。

前百度高级算法工程师——张楠

从事自然语言处理工作多年、对于自然语言处理技术在ToB和ToC领域的应用有着丰富的项目实战经验。

Part

04

课程的就业服务

大家来报名课程，最关心的主要是就业问题。开课吧的AI课程在过去的3年中，培养出的算法工程师超过500名，其中100多名就职在BAT、华为、滴滴、字节跳动、美团点评等这些一线企业中的算法岗位。

除了课程内容和课程项目训练，会用以下的方法提升大家求职时候的竞争力：

1.就业指导分析前置：

开课吧人工智能学院为每位入学同学在前3周分析每个方向的优势与劣势，结合自身的兴趣与特点，确定半年之后所能达到的目标，而且我们的课程班主任会持续追踪、优化大家的学习路径；

2.优质的校友网络：

如前所述，开课吧AI课程的校友分布在诸多名企中，我们每个月会邀请至少两位在BAT， 华为等一线企业的校友与大家进行交流，而且这也是自然而言的内推时机；

3.为期3个月的就业辅导：

在学员学习完毕之后，开课吧人工智能学院会为学员持续3个月的就业追踪，及时解决大家求职中遇到的问题。

Part

05

培养计划周期

如果大家来参加开课吧人工智能学院的培养计划，顺序是这样的：

Part

06

培养计划费用

为了让各位学员更加明确课程的信息，本次分为两个班型：

1.人工智能核心能力课程：6800元

2.AI名企求职课程：23800元

课程费用详情如下：

感谢阅读至此，预参加培养计划的同学，可以扫码填写自己的信息，一般来说，课程组将会在1个小时之内联系大家。谢谢大家，期待我们在正式课程中能够相遇。

《人工智能核心能力培养计划》

长按添加课程顾问

获取完整版本的的培养计划

???

备注【AI课程预报名】添加?