本周咱們就來聊聊人工智慧到底是怎麼回事兒。中國人工智慧四個代表職位之一的「算法工程師」——數據科學家，是近年來在網際網路和人工智慧領域顯示出極大發展潛力的新興職位，是在計算機科學、工程技術等諸多領域中分別涉及的領域內的一個綜合領域。很多初期從事人工智慧相關工作的人，受限於對本專業知識認識有限，在對人工智慧了解尚淺之時，就開始應聘。甚至有人剛開始著手做招聘工作時，就拿數據科學家這個工作的名稱誤導了初入門人工智慧行業的從業者。
然而，人工智慧人才的培養發展至今，人工智慧人才培養已成為一條產業鏈，僅僅把人工智慧定義為算法工程師的名稱未免太偏頗。當前，ai人才的招聘主要分為兩大類：計算機系統方向人才和算法方向人才。初期培養的人工智慧人才多數是計算機系統方向的，這是相對而言最好的情況。因為計算機系統的人才可以參與到ai算法的具體實現工作中，從而在不遠的將來實現對ai算法的自主化升級。同時，這類人才也可以參與一些集成方向的工作，如人工智慧商業智能。
但是，進入21世紀後，隨著技術的發展和融合，複合型人才就逐漸崛起，比如計算機系統+大數據+ai模式，可能成為人工智慧算法人才招聘的主流招聘方向。人工智慧計算系統方向最核心的功能就是算法模型定義的設計與實現，而現有的ai框架，很多也能夠提供相應的模型定義工具。當前，由於算法模型定義要將概率歸一化，這個過程需要用到很多機器學習算法，比如k-means、boosting、bagging等等。除此之外，一些常用的算法沒有特定的框架進行學習調整，就不能在人工智慧領域有比較好的發展。算法工程師的工作，就是根據具體的問題，用簡單的數學模型去近似實現這些算法。算法工程師的職責就是去實現這些計算機模型，並且能夠重現已有的模型效果。
從模型到算法，只是整個計算系統工程當中的很小一部分。算法工程師最重要的就是算法設計。而提供常用機器學習算法的目前主要有深度學習領域的各種模型及框架。當然，除此之外，也有很多框架可以選擇，比如前面提到的boosting、bagging、mean-square等機器學習算法。或者基於經典計算機體系的各種模型，比如gbdt等等。看待問題有著系統思維是極為重要的。比如上文提到的模型，以及ml算法對應的各種算法模型，會覆蓋一個行業從業人員需要掌握的專業知識。而算法工程師的職責也是在深入學習各個工程框架的過程中逐漸積累和實踐的。人工智慧是一個大領域，需要從業人員每個學科都要有所涉獵。