人工智能算法工程师

2018年，知名科技企业秋招现场的门口，来自北京航空航天大学生物医学工程的研究生告诉笔者，今年的就业环境非常不乐观，在过去的一年里，人工智能的热潮已经吸引了来自工科背景的各个专业的同学，算法工程师的竞争格外激烈。

的确，笔者观察到的现象和这位同学一致，专业技术人员大批涌向人工智能人才的缺口就是今年的事情，但是只要有足够的人进来这坑就能被踩平吗？答案不是简简单单的No。因为如果随便采访哪位科技企业的技术副总裁，答案都会惊人的相似：人工智能人才普遍存在较大缺口。因为人工智能人才培养周期长、增速慢、成效低。毕竟人工智能人才属于技术梯队顶尖人才，不是网页前端工程师，网络在线培训，一毕业一大片。想要又学好数学，又学好计算机编程，天啊，这道题太难了，我不会做。在与一位来自人工智能热门落地领域的高新技术企业的技术高管交谈时，他很坦诚的告诉笔者，「算法类的人才，我们用不起，唯一的办法就是自己培养。我们不是人工智能的独角兽，烧不起钱，人才在人工智能应用落地的过程中才能释放出最大的价值。太学术的我们不要，不解决问题。」

没错，算法类的高端人才对企业来说所费的确高昂，滴滴算法类的资深专家月薪5万起。50万年薪感觉没有问企业多要，是个平均水平的工资。更有一些著名企业技术人士希望通过媒体找到合适的高端人才，原话是「工资不设上限」。企业的需求有些猛，人力资源猎头也没有足够时间积累资源。各家人力资源小姐姐束手无策，技术带头人纷纷向校友、前同事伸出橄榄枝。前百度研究院副院长、地平线机器人的创始人余凯的一句表态上了新闻标题――《余凯「老相识」!百度深度学习科学家徐伟加盟地平线》，这个时候，百度的前同事和离职同事关系网都变得非常有用。「技术人手不够，百度来凑」成了创业公司内部的段子。百度的技术人员为什么让人工智能企业趋之若鹜？因为质量好呗。百度深度学习实验室（IDL）是百度历史上首个正式成立的前瞻性研究机构，位列深度学习研究的第一阵营。虽然放眼全球，谷歌、微软、脸书等科技巨头都成立了深度学习研究院。但是国内同行的共识是，百度深度学习在起步早这件事情上，是没有争议的。

这让笔者回想起去年同时期，也是秋季校招，一位深度学习领域研究生学历的同学告诉笔者，只要获得百度offer，华为免面试、免笔试全部都要。难道百度的深度学习技术就是最好吗？结论不能这么草率的下，但是百度的文化基因是技术导向的，这个谁也不能否认。无论什么时候和百度的技术同学聊天，对技术高T（百度自有人才梯度对高阶别技术人员的称呼）的认可与崇拜是随时随地的。我们来看一段真实的对话。「请问《计算广告》这本书你读过吗？技术同学一脸自豪，当然读过，作者王超，高T，就在我们组，我们工作都在一起的。嗯，这种对于技术从业者的仰视在百度员工身上体现的特别明显。」

手机微信里时不时还在热转类似《请收好这部李彦宏的吹牛指南》这样标题的文章，2017年2月，国家发改委正式批复，由百度牵头筹建深度学习技术及应用国家工程实验室，与其他共建单位一起，推动我国深度学习技术及应用领域的产学研标用全面发展。深度学习为何这么重要，影响这么巨大？这就不在本文介绍了。这轮人工智能没了深度学习，不知道还玩啥。

这个由百度牵头筹建的实验室将着重发力于深度学习技术、计算机视觉感知技术、计算机听觉技术、生物特征识别技术、新型人机交互技术、标准化服务、深度学习知识产权七大方向。当然这个实验室不止百度一家机构，共建单位还包括清华大学，北京航空航天大学，中国信息通信研究院，中国电子技术标准化研究院。

政府主管机构的这一举措，是想弥补我国人工智能基础支撑能力不足。不足是来自人才还是技术？都不止，至少包括四个大领域，研究突破、产业合作、技术成果转让、人才培养。这么多人才纷纷涌入，这么多算法工程师的工位需要坐满，那么问题来了，人才评价与培养的有效依据是什么？能不能干活。这句话非常务实，但是有些粗糙。在这方面，百度技术学院院长陈尚义认为：「深度学习工程师认证是人才评价与培养的有效依据。」他对此的解释是，人工智能领域发展迅猛，行业对于人工智能人才，尤其是深度学习人才需求旺盛，求职者学习动力十足。而人工智能行业龙头企业对行业趋势和人才需求了解最为深刻，行业领军企业的参与对于人才培养的价值深远，最为适合作为核心力量，深度参与到行业人才建设中来。

深度学习工程师认证是一个关乎人才发展、人才评价的问题。说得简单一点，企业里的招聘和晋升都用得到。国内人工智能领域第一个专业技术人才培养标准――《深度学习工程师能力评估标准》千呼万唤始出来。

在对有着十年高科技行业经验，外企人力资源专家惠蓉的采访中，她谈到，「第一、准备进入深度学习领域的人才渴望了解人才标准，好让他们知道怎么发展。第二、对于企业来说，伴随新技术的发展，新的技术职位会越来越多，行业标准极具参考价值，越早出台越好。」惠荣女士具有多年的人才评鉴经验。她认为，「标准出台的非常是时候。」百度将《标准》中划分的初、中、高三个认证等级，深度学习工程师能力评估要素主要包括专业知识，工程能力，业务理解与实践共3大类9小类。值得注意的是，《标准》与百度工程师内部使用的职级进行对标，每一个认证等级所代表的能力与岗位职责都能够与百度工程师不同职级水平充分对齐，让企业方对于人工智能人才选育用留能有统一的标尺和参考。

晶兆科技CEO吕家平认为，「创业公司没有时间和精力在人事问题上反复试错，《标准》的发布让技术基础水准明晰化，认证和培训让人才培养和鉴别有章可循，这对创业公司来说很有价值。」。

百度高级副总裁、深度学习技术及应用国家工程实验室主任王海峰认为，百度希望通过落实深度学习工程师认证标准，培养更多、更高水平的工程师，加速推动产业发展，为社会发展变革带来更大价值。算法工程师的标准对于人才、企业、行业的意义是不言而喻的，是百度技术文化导向下的一种能力输出，能把自家对于深度学习算法技术人员培养、测评、发展的一套思路与方法推广到外部，对于技术导向型创业企业、正在进行数字化转型的传统企业等等，只要是用得到深度学习算法的领域都是有益处的。对于想进入深度学习这个热门技术领域的人才也是很好的参考标准。

除了肯定，还有需要讨论的地方，深度学习领域本就是当今科技巨头的战场，谷歌、脸书、微软等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源的深度学习框架。深度学习框架一个非常基础的系统。

在听说百度推出《深度学习工程师能力评估标准》后，很多主攻深度学习的受访者的问题集中在深度学习框架上，从业者对深度学习框架的熟悉程度各有不同，百度的深度学习框架Paddlepaddle、谷歌的深度学习框架TensorFlow、脸书人工智能研究院（FAIR）团队的深度学习框架PyTorch，以及Caffe、MXNet、Keras和Theano都可以选择。这个因素是否会影响测评的效果？另外测评的费用如何？是否是一个盈利项目？也都被问及。《深度学习工程师能力评估标准》共六页，其中在算法模型实现能力方面有提到，「能够独立使用指定的机器学习平台，训练机器学习模型，进行预测计算，并对模型效果进行调优」 工程开发与架构设计能力方面，「能够熟练地使用多种机器学习平台或机器学习工具」。《标准》为首次制定，没有涉及到应用层面的从业者关切问题也可以理解，具体的应用需要与《标准》配套的相关内容解释和说明。（完）