“李严鹏认为,AI时代懂技术的算法工程师是必不可少的,具备一流的建模能力和工程能力的算法工程师更加稀缺,只要你持续学习,那你就能更快成功。”

最近两年人工智能技术发展迅猛,新技术和新理念层出不穷,整体来看人工智能技术已趋于成熟和稳定,落地的案例不断增多,全国各地对技术创业、就业的需求很大,在这个方向上比以前有很大的溢价。那么在AI时代,如何改变自己和提升自己,才能跟上时代发展的步伐,实现自我价值呢?针对这个关键性问题,大人物道对玖富李严鹏先生进行了专访。

▲李严鹏,玖富资深算法工程师。曾任环迅支付信用卡授权交易反欺诈机器学习风险建模师,新颜征信信用评估、机器学习贷款预测、人脸识别算法工程师。

硕士毕业于上海师范大学,研究方向为数据挖掘和深度学习(计算机视觉)领域。6年的统计学学习积累,让他对应用数据科学的理解程度层层递进,从c语言到matlab到R语言再到如今的python,语言的一次次学习转变也体现出数据科学应用编程的发展变化。从numpy、scipy、pandas到scikit-learn、xgboost、lightGBM再到keras、mxnet、tensorflow,数据科学技术应用工具的一次次转变,也体现了当前AI技术从数据分析到传统的机器学习再到深度学习的一个发展历程。

以下为此次专访核心内容(Q&A):

一、大人物道:人工智能技术发展像是被按下了快进键令人目不暇接,由于AI的大热,媒体上关于AI的各类文章层出不穷,现在人们有时候会把深度学习说成机器学习,您对这个问题怎么看?

李严鹏:从技术范围来说,本质上深度学习是机器学习的一部分。深度学习可以通过非线性拟合从数据中将特征进行更复杂的函数映射,来达到对目标更好的预测效果。通常深度学习应用在数据特征极其复杂的一些机器学习任务上,如nlp、cv和语音等,而像一些表结构的数据任务则通常使用传统的机器学习方法,如广义线模、树模型等。所以无论是深度学习,还是广义线模、树模型它们都是不同类型的机器学习技术,这一点大家要有清晰的认识。

二、大人物道:我们对人工智能的认识也是在不断变化的。在这个AI发展迅猛的时代,您觉的什么样的人才最稀缺呢?

李严鹏:AI时代懂技术的算法工程师是必不可少的,具备一流的建模能力和工程能力的算法工程师更加稀缺。同时,先进技术的商业化落地也需要有了解技术的产品经理(AI产品经理)来共同探讨产品的落地方案。当然,支撑AI发展的一些大数据基础服务如数据仓库工程师、数据架构师、数据分析师等也是大数据行业较热门的岗位。

三、大人物道:在您关于智能运营的演讲中,从用户流失预测、用户购买预测以及强化学习探索三个方面进行了分享,方便透露一下现在这个项目的情况吗?

李严鹏:目前做的智能运营的项目像用户流预测失模型、用户购买预测模型都已经实现并且上线运行,用以支持运营方日常的运营工作。通过算法预测可以更加针对性的对用户施加有效的运营动作,从而达到优化用户成本,增加公司收益的目的。

四、大人物道:听了您的介绍,我们可以说“有了深度学习,AI的未来一片光明”吗?

李严鹏:随着Imagenet2012比赛深度学习大行其道,正式走向AI的舞台被广为人知,学习深度学习的工程师也在逐年增多,但是深度学习依然存在着商业化落地的不足,计算能力要求高的缺点,同时,深度学习没有可解释性,从统计学上来看,深度学习也仅仅只是在学习数据的统计分布,但无法解释目标结果,只能说在复杂的非线性函数映射下加上庞大的可学习参数在复杂的数据结构的任务拥有比传统机器学习方法更好的效果。因此,深度学习技术固然是好,但是对于不同的建模任务也要具体问题具体分析,毕竟,没有大一统的算法技术。

五、大人物道:人工智能在其它行业落地的情况如何您可以介绍一下吗?

李严鹏:AI技术应用与实现主要体现在4个方面,分别是数据挖掘、nlp、cv以及语音。数据挖掘涉猎极其广泛,包括像大数据风控、推荐系统、广告系统等;nlp的应用场景有像智能输入法、智能电子病历挖掘、新闻推荐、智能客服系统、机器翻译等;cv最主要的商业化落地则是AI医疗和人脸识别了;语音现在成熟的产品包括语音翻译、机器语音客服、语音导航等都已经在大众生活普遍使用了。

六、大人物道:请给请给大人物道的技术爱好者们一段寄语吧。

李严鹏:技术依然在不断发展,我们依旧需要不断学习,工具流固然是好,创造工具流或者用你掌握的开源技术去做你喜欢的产品,都是我们应当值得鼓励去做的事情。最后献给所有技术工作者一句话,“学习,是为了更好的生活”。

感谢李先生给我们带来的精彩分析,我们相信在一个可预见的未来里,人工智能的快速发展和商业化落地将让制造企业重新赢得快速增长的新未来,从质量控制到资产管理,问题解决方案以及降低开支,人工智能将逐步改变制造业的未来。