按照原計劃，這學期我将在1.14日下午五點半結束最後一門考試，然後再開始起草這學期的總結。但是由于疫情西安肆虐，所有的考試都被迫推遲，人也被迫封印在宿舍中。于是趁此跨年之際，分享一些近日新的想法和未來的計劃。
最繁忙一學期
這學期除了在學期初參加了一場全國大學生數學模組化競賽外，就一直上主課。我們學院的專業課全堆在了大三學期，其中重要的專業必修課又集中在大三上這一學期，于是我的課表就變成了這樣：
朋友圈看到一則笑話：“不要和智能院的大三談戀愛，他們大作業太多了，隔了一座樓就像異地戀一樣。”
是的，這學期的大作業也是史上最多，以下是大作業統計清單：
| 學科 | 大作業數量 |
| 數字信号處理 | 7 |
| 智能控制導論 | 6 |
| 模式識别 | 4 |
| 機器學習 | 3 |
| 人工智能概論 | 2 |
| 知識工程 | 1 |
| 認知計算 | 1 |
| 工程概論 | 1 |
| 微機原理 | 1 |
| EDA實驗 | 1 |
| 總計 | 27 |
此統計不包括平時的小作業。每一項大作業都需花費很多心力，特别是微機原理和EDA實驗，似乎花了額外的精力專門去學了彙編和verilog程式設計。
這些大作業部分已經開源，學習結束之後，會把剩餘的内容整理整理全部開源。
關于專業
在這學期之前，如果有人問我的專業是什麼，我會自豪地回答：“人工智能！”。從AlphaGo的出圈，人工智能已成為近幾年最熱議的話題之一。在我填報聯考志願的這一年，人工智能是19年最新開始招生的專業，并且分數線也是最高。
火爆歸火爆，但其實大部分人完全不清楚人工智能的概念，下面分享幾個不同的視角：
社會大衆：人工智能就是造機器人
其他專業的同學：人工智能是研究晶片
其他IT行業工作者：人工智能就是金飯碗
數學家：人工智能就是敲代碼
而事實上，人工智能的本質是模仿，其背後是複雜的數學模型與算法。
人工智能真有這麼火爆嗎？其實不然，通過技術論壇上的領域指數可以查近三年來人工智能的檢索次數。和傳統的python、java作個對比。如下圖所示：
資料顯示，人工智能遠沒有媒體報道得那樣火爆。往往是一個破圈技術或者熱點話題的出現，帶動人工智能概念在短時間沖上了波峰，之後又開始自然衰減。人工智能領域的主流程式設計語言是python，而在近三年中，無論人工智能如何出圈，以java為主代表的傳統後端火熱程度依舊掩蓋了其光芒。
再看一組資料，人工智能分好多方向，其中以自然語言處理與計算機視覺最有代表性，研究人數也最多。然而遺憾的是，這兩個方向在近三年的單日搜尋詞頻從未超過2000，由此可見，真正研究人工智能的人其實不多。
人工智能的研究者不多，于是媒體開始鼓吹：人工智能領域的人才缺口達xx萬。仔細想想，人少是否等于稀缺？
事實上，人工智能并不是一項非常依賴團隊的工作，人工智能專家調調參數，訓練訓練模型，根本沒必要再花錢招人來打下手。目前，很多人工智能崗位的實習生進去之後隻是做做資料集标注的這種簡單活，而這種活，即使一個從未接觸過人工智能的國中生，教育訓練半小時，也可以上手。
相對于以前端、後端、移動開發、運維、測試等傳統網際網路崗位，人工智能崗位少之又少，最多的也許就是算法崗。但還有一層問題，算法崗并不是所有研究人工智能的人都可以勝任，比如一個CV（計算機視覺）方向的人去面試NLP（自然語言處理）的崗位，兩者的模型、算法完全不同，面試者和面試官牛頭不對馬嘴，面試自然通不過。
是以，人工智能缺口很小，崗位嚴重供過于求。本身崗位很少，和自己研究方向相貼合的更少。AI崗固然高薪，但同時伴随着失業的巨大風險！
如果有人問：“人工智能是最新才出的專業，推薦去選嗎？”我要開始潑涼水了，極不推薦！
最新不代表最好，相反的，最新的東西很多内容都不完善。以我學校的專業安排為例，很多課程都是新開的，我們是第一批該課程的學生，老師出題難度無法把握，而我們複習也沒有往年題可作參考，沒有頭緒。有些課程甚至沒有教材，真的是純天書了…
當然，更為主要的是人工智能是偏研究型的學科，大學讀人工智能，則必須上研，否則根本沒有公司願意招一個AI專業的來做研究。目前，很多高校的其他專業都在往人工智能方向發展，特别是很多研究所學生的課程都包括了人工智能。人工智能是各領域研究新的風口，因為其它領域的傳統方法都已經開發到很難有創新的地步了，而人工智能的方法嘗試的人較少，稍微打打更新檔，便容易發論文。
說起論文，又要談回工作。上個月就和某個研究所學生學長交流，就提到了這個話題。據了解，目前大公司的AI崗都需要該領域的頂刊論文。頂刊論文和普通論文有什麼差別呢？普通論文在别人的基礎上，打打更新檔，或者是别人拿雞孵蛋，你拿鴨孵蛋（舉個例子），便可以發一篇影響因子較小的期刊。但頂刊完全不一樣，必須提出新的想法，做出重大創新，并且該方法性能比目前所有方法性能都要好，才有機會發論文到SCI的一區。是以，找大公司人工智能的崗位，你将和大批論文漫天飛的博士競争，國内博士又和國外海歸博士競争，算法崗的秋招由此灰飛煙滅。
當然，可能有些人會問：為什麼小公司沒人工智能崗位呢？原因是，人工智能是個燒錢的玩意。這就要從人工智能的溯源講起，人工智能的基礎算法并不是現在才發明出來的，早在上個世紀中葉，就有人提出來了。然而，因為當時計算機硬體設施不完善，算力不足，導緻人工智能經曆寒冬。就這樣，人工智能曆史上經曆過兩次寒冬。
如今，随着顯示卡技術的發展，計算機的算力逐漸能夠支撐人工智能，是以人工智能才迎來第三次繁榮。是以，人工智能複雜的計算依賴高端的顯示卡，而高端顯示卡往往價格昂貴，特别是挖礦業對顯示卡市場的沖擊，3090以上的主流顯示卡價格已然是原價的數倍。如果隻用普通顯示卡，那麼别人跑幾分鐘的程式在你的電腦上需要跑幾天。對企業來說，時間就是生命，企業等不起。其次，人工智能很多成果僅僅是實驗室産物，完全不能用到工業環境。如果仔細觀察，你會發現，除了目前的人臉識别、語音翻譯等場景見到人工智能技術外，其它方面很難再看到人工智能的存在。即使是已經上線的語音翻譯，還是不如人意，錯誤百出。
是以，小公司花大資金投入到人工智能的開發和研究，無異于申請破産。對小公司來說，調用大公司提供的API服務，才是更具成本效益的選擇。由此，小公司沒人工智能人才需求，而大公司又優中取優，人工智能的就業如同賭博。是以，很多人工智能專業的研究所學生都會去轉開發崗，經我了解，學院某導師今年四個畢業生沒有一個從事的是人工智能相關的崗位，全是傳統開發崗！
回到初始問題，為什麼我極不推薦大學生讀人工智能專業呢，不僅它找工作難，考研更難。由于人工智能是新開的專業，是以很多學校的研究所學生考試科目根本不包括人工智能相關的專業課。比如，我的專業課學了機器學習、深度學習、模式識别，而考研完全不考，更多考研科目是408，專業課考的是計算機那四樣：資料結構、作業系統、計算機組成與原理、計算機網絡；或者考的是電信類方向：模電數電、微機原理之類。而這些課程，我們專業的培養計劃中要麼就缺失，要麼就淺嘗辄止，和計算機、電子專業的人競争很吃虧。是以，人工智能專業的大學生想讀研，最好的方式就是直接保研，若選擇考研，将需要自學彌補很多其它專業課的内容，承受更大的壓力。
是以，學AI最好的方式就是大學選擇計算機科學與技術專業，研究所學生再選擇人工智能方向，若不想讀研，找個後端工作也完全契合。
關于自媒體
很多人關注我也許是從别的平台轉來的。自媒體方面，我從大一就新增賬號開始營運。起初，學了點剪輯技術，主要做遊戲類的自媒體，在B站發些遊戲類視訊。經過半年的營運，開通了激勵計劃，賺到了第一桶金，雖然不多，但非常有成就感。到了大二， 發現遊戲類内容有些難做，因為有些遊戲素材不是簡單打打就能獲得，特别是還要平衡好學業與娛樂的時間，種種原因下，我開始決定将賬号轉型。從遊戲區逐漸轉移到知識區，同時，我主營運三個平台，B站、、微信公衆号。微信公衆号更多利用了自動回複的功能，當作了一個存放資源的地方。B站主要用來發視訊，主要用來發文字類資訊。
雖然知識類的視訊流量比遊戲類的流量小了不少，但我仍不願為了賺錢而去修改标題，去蹭熱點。做視訊與寫部落格更多是用情懷在為愛發電。一年下來，雖然沒多少收益，但粉絲量足夠讓我寬慰：B站粉絲量突破了9000，微信公衆号訂閱者突破了1000，關注者突破了6000，并認證了”人工智能領域優質創作者“。
有時也會覺得，僅學了點皮毛就開始分享知識，會不會”過早的輸出“。其實不然，一方面，學習的知識不及時記錄會導緻遺忘；另一方面，應用費曼學習法，會促使對知識了解的更為深刻。随着粉絲數量的增加，我也越來越關注我的文章品質和内容，也希望在強化自身了解的同時盡可能的通俗易懂，讓一個從未學過相關知識的人能夠快速看懂。
關于未來
作為保研邊緣人，我目前面臨的是最糾結的情況。若能夠得到學校某些競賽的特長加分，将直接确定保研，這樣，就可以有很多精力選擇人工智能的某個方向做深入研究。若得不到加分，我将選擇考研。這樣，就不得不從下學期開始慢慢準備考研内容。
這學期是我最繁忙的一學期，也許下學期會更繁忙。我既要開始學習一些開發相關的内容，為自己留後路；又要完成大創相關的科研任務，盡量在明年發一篇論文；還要抽空輸出一些有意思的内容，不定期做一些頻道的更新。
是以，疫情讓我無法回家過年，對我來說，也是一種機遇，給與了我更多時間去做更有意義的事。
投票互動
由于我的微信公衆号注冊的較晚，無法開通留言功能，是以和讀者的互動也較少。如果看到這裡，希望能配合完成文章底部的投票。
雖然前面吐槽了那麼多人工智能的坑，但不得不說，人工智能其實非常有趣。複習之餘，我也打算将一部分有意思的内容整理出來，做一個新的系列。目前已經在計劃的主題有：人工智能與仿生的關系、遺傳算法求解TSP、手推SVM等。當然，要在西安解封之後再開始做（宿舍實在無錄音條件）。