“古典程序员”集体恐慌

随着2007年第一台iPhone问世，随后Android的猛烈跟进，苹果和谷歌推动了长达10年的移动互联网浪潮。在此期间，移动端开发工程师可谓是风生水起，几乎人们日常生活中接触互联网90%的途径，都是通过一个叫App的东西，基于iOS/Android这两大系统平台。

然而好日子似乎也快到头了，随着行业巨头的逐步垄断，小App生存空间日渐萎缩，App排名靠前的几乎都是几家巨头的产品，市场上对移动端开发人员的需求也在下降。同时由于近些年学校里面学生也学，外面培训机构也教，开发人员的供给还在上升，大家似乎感受到了一丝丝凉意。

近两年，人工智能的浪潮汹涌而来，“古典”程序员们更是集体陷入了恐慌，不会点深度学习，是不是过两年就找不到工作了。

今天的AI就像十年前的Android/iOS一样，一夜之间需求暴涨，人才短缺。市面上的培训课程层出不穷，各种《21天学会深度学习》，《手把手教你神经网络》之类的课程，动辄几千，多者上万，跟当年的Android/iOS真的很像。

人工智能可没换一种编程语言那么简单

当然了，作为一个“科班出身”的AI从业人员，我想说还是有点不一样的。Android/iOS更多的是语言上的不同，或者界面交互方式的创新，本质上的思想和逻辑跟之前的VC/塞班也都一样。

而狭义的人工智能应用，在思考问题的方式上是完全不同的，大家考虑的更多的是模型、数据，跟数据结构课里面学的排序/查找也不是一个概念。各种数学概念搞得人晕头转向，可以说，对于普通程序员来说，AI的学习曲线是非常陡峭的。

以Facial Landmark Detection（人脸特征点定位）为例，输入很多标注了特征点的人脸图片，经过一个应用程序很久的运算，保存一个模型文件。然后用另一个应用程序，输入一张人脸图片，就能把特征点给自动标注出来，这个过程无论从数学的角度还是从编程的角度来看，都极其复杂，以后的文章里我会试图解释。

模型只是很小一部分

大多数人工智能的教程里面，主要讲的内容我都可以归纳为模型和算法，你经常看到的各种术语，比如决策树、支持向量机、逻辑回归、神经网络，到后来的CNN，RNN，LSTM，GAN等，都是模型。在学术圈模型和算法基本上就是全部，这也是对于普通程序员来说，最难以理解的部分，就像前面提到的Facial Landmark Detection的例子。

对于工业界来说模型和算法只是一部分，甚至可能是一小部分。

大家的模型可能差不多

在深度学习流行之前，学术界解决问题很多都是靠特征设计，这里面会有很多的技巧（trick），很多时候一篇论文的效果好不好，主要不是取决于那几个数学公式，而是代码里面的trick。所以那个时候除非是SVM这种通用的算法框架，很少有人公布自己的代码。

而深度学习流行之后，似乎大家不那么吝惜自己的代码了，很多人都选择了开源。带来的结果是，每年一批论文和对应的代码发布之后，任何一个人下载一套代码，就能达到State-of-Art。这对研究人员来说是非常残酷的，可能你辛辛苦苦研究一年刚刚超过去年的水平，人家一公布，你又落后所有人了。

而世界上真正有能力设计网络的人并不多，而且训练网络的代价非常的大，大部分AI工作者的主要工作还是在公认的比较好的基础上，进行小修小补，甚至都不做修改，只是优化优化数据。这就导致了，大部分人的模型都差不多，你折腾半天，可能没比别人强多少。当然我这里不包括那些顶尖的选手，顶尖的AI人才，也不是我们普通程序员的目标，看看他们的简历你就知道我为什么这么说了，而且这样的人一个公司也不需要几个，太贵。。。

开源的那套东西没法直接用

既然开源的东西那么多，为什么AI应用仍然有很高的门槛呢。因为开源的东西通常是没法直接用的，原因总结有两个：

1. 多数开源代码是无法直接在移动端运行的，Tensorflow Lite是一个强大的存在，一定要紧密关注。
2. 移动端的运算能力较弱，而且不同硬件和平台有很多适配问题，这对于一个应用是否能够大规模应用是决定性的。

先推理（Inference）再学习（Training）

什么是Training和Inference

几乎所有机器学习的任务都可以抽象成一件事情，设计一个方程y=f(x)，通过Training得到函数f的所有参数。然后再输入一个新的x，得到输出y，这个叫Inference。

我试图用一种最粗糙的方法解释一下这两个过程。

先说Inference，比如我有函数Y=f(X)=aX*X+bX+c。假设a=b=c=1，如果现在有一个输入x=1,那么输出y=3，这就是一次Inference。

再说Training，如果我知道输入x=1的时候，y=10，那说明a=b=c=1肯定是错的，利用优化算法，改变a,b,c的值，使得输出y更接近1一些。那么现在有很多的x和对应的y，要找到一组a,b,c，使得总体的错误最小，这就是Training。

你可能暂时不用理解Training

好消息是，真正的人工智能应用中，你只需要使用Inference，也就是f(x)是已知的，是由其他大牛在计算能力很强的一台机器或者一个集群上，训练了几个小时甚至几天得到的。应用在运行的时候，要做的只是把输入送到方程里，得到输出。

掌握了Inference，Training也不会很难

还是负责任的补充一下，这里讲的是突围，强调效率，先推理再学习不是说学习不重要，Training仍然是人工智能的核心。前面的例子也大体描述了Training的过程，其实Training就是根据Inference结果的错误，不断优化参数，然后再Inference，反复迭代的过程。所以掌握好了Inference，也是为掌握Training打基础。

客户端的机会就在于Inference的优化和部署

现在主流的Training和Inference主要都在服务端

Training不用说，需要大量的计算资源和存储，而且通常离线完成，现在基本上都是在服务端上完成。
主流的Inference，比如大家常用到的商品识别（淘宝客户端的拍立淘）、语音识别（天猫精灵）等，核心的运算也都在服务端，因为算法模型巨大，客户端内存可能都放不下，速度也达不到。

边缘计算（Edge Computing）的兴起

近年边缘计算这个词开始兴起，而近几天Google发布的Edge TPU把这件事情推到了极致。所谓边缘，就是在云的边缘，或者外面。要解决的问题有以下两点：

1. 云端计算资源贵
2. 网络传输实时性和稳定性问题

大家考虑的解决问题的方法主要是：

1. 把一些对计算要求不是特别高的运算放到边缘设备上
2. 对算法本身进行优化和简化
3. 提升边缘设备的运算能力

这里的边缘设备是一个抽象的概念，包含但不限于：

1. 手机
2. 带有处理芯片的摄像头
3. 架设在本地的小型服务器

从计算资源成本来说，手机最极致，你自己花钱买的，不管算什么都不会耗费服务器的资源，架设在本地的摄像头或者服务器通常也是客户一次性花费，不会带来后续的负担。

从网络角度来说，实时性取决于算法本身运行的速度，如果太慢，可能还不如上传，但稳定性一定更优。

从业态来说，新零售兴起的今天，像盒马鲜生这样的领军队伍，也是边缘计算的先行者。

“抖音”——“部署”和“优化”极致典范

抖音大家都知道，他的美颜/长腿/手势识别等技术大大提升了生产力，为社会低成本地创造了无数的大长腿大眼网红。

从AI工作者的角度来看，抖音是把端上人工智能应用的部署和优化发挥到了极致。还以Facial Landmark Detection为例，抖音的美颜能够做那么好，人脸特征点的定位功不可没。目前主流的算法基本都是基于CNN的，运算量极大，而且各种磨皮/瘦脸的图像处理，也非常复杂。这里商汤科技可能结合了多种优化技术，才能达到如此快的效果。CPU的Neon优化和GPU优化应该都有应用。

此外，抖音这种亿级用户的产品，一定会覆盖非常多的手机机型，如此复杂的算法，能够在这么多不同的手机上运行，这也是一件很不容易的事情。

我再不怀好意地猜测一下，抖音上的人脸，除了用来定位，有可能还会被用来做人脸识别/聚类的训练数据，这里就涉及到了边缘和云之间的协同工作。

而上面说的这些事情，都是当今移动端开发者的机会。

突围之路

基本功

如果是视觉方面，就是图像处理，语音方面就是音频处理。以视觉为例，现在深度学习基本输入都是原始像素，也不用做复杂的特征提取，所以这一块要求不是太高。当然随着应用的深入，很多东西还是慢慢要学。

动手把流行的算法移植到手机上

这件事情可能是最重要的，就是动手，动手，动手。很多人学习深度学习，就是先把Tensorflow在自己的机器上安装一遍，然后把Tutorial里面的几个例子跑一跑，就完事了。加起来也没几行python代码，其实你什么也没学会，就是照书敲代码。

我说的动手，还是针对Inference，建议先从Tensorflow Lite开始，一步步把训练好的模型通过量化处理变成简化的模型，然后在Android或者iOS上调用API，做一个App。

Tensorflow官方有开源的sample，是1000类的图像分类，可以在这个基础上改模型，改代码，逐步尝试。比如把1000类变成狗的品种识别，或者实现一个手写数字识别，再复杂一点，做一个人脸检测。后面会专门写一些教程，把不同算法移植到手机上。

紧密关注Tensorflow Lite的发展

Google发布Tensorflow之后，生态日渐完善，开发社区非常活跃，远远把Caffe甩在了身后。随后发布的TPU，专门针对Tensorflow优化的AI芯片，提供了Cloud服务，Tensorflow Lite也是对移动平台支持最好的Inference框架，近日推出的Edge TPU，同样完美支持Tensorflow Lite，大有一统江湖之势。所以一定要关注Tensorflow的发展。

作为移动端开发人员，Tensorflow Lite是重中之重。目前来看，Tensorflow Lite的优化还主要限于CPU，之后还会有什么发展也是关注重点。Tensorflow Lite的代码量也不是太大，有时间阅读源代码，甚至进行一些优化，都是非常有价值的事情。

学习性能优化的方法

前面提到了，性能优化是客户端智能的重中之重，可以着重学习一下技术：

1. C++性能优化
2. Neon/SSE指令集优化
3. GPU优化

这些技术难度都不低，而且通常跟应用场景本身相关，不容易有通用解决方案，在实际应用中可能会成为核心突破点。

除了手机，玩玩别的设备

边缘计算不只包含手机，手机重界面和交互，有很多AI应用其实是不强调界面和交互的，比如安防领域，试试更多的设备，会拓展更多的可能性。比如Nvidia的TX2，Raspberry PI，以及即将上市的Edge TPU。

有时间多看看书

前面几乎没有提到看书，不是看书不重要，而是只看书不动手是没有效果的。在实践中，不明白的地方一定需要网上查或者翻看资料。在这个基础上，系统的学习理论知识，也是很有必要的。理想情况下，我认为可以重点关注一下几点：

1. 主流深度神经网络的架构，设计的思想，理解不同层到底在干什么，对应的代码在哪
2. 人工智能发展的历程，怎么一步步发展到深度学习的
3. 曾经流行的一些经典算法，很多思想其实在深度学习中都有应用

多一种思路，更广阔的天地

最后，我想说很多人的焦虑其实大可不必，人工智能一定是未来，但人工智能不可能是全部，术业有专攻，你在自己的领域如果足够强，是很难被取代的。

但是人工智能提供了一种新的思路，就是通过数据和模型，能够把一些以前需要人来判断的事情变成自动的。最重要的就是，以前需要你定义好的if else规则，现在是一个动态可学习的东西，这本身不就是一件很妙的事情吗？

多一门知识，多一种思路，我相信会给每个人带来更广阔的天地，加油！