摘要：在此期間，移動端開發(fā)工程師可謂是風(fēng)生水起，幾乎人們?nèi)粘Ｉ钪薪佑|互聯(lián)網(wǎng)的途徑，都是通過一個叫的東西，基于這兩大系統(tǒng)平臺。而上面說的這些事情，都是當(dāng)今移動端開發(fā)者的機會。

隨著2007年第一臺iPhone問世，隨后Android的猛烈跟進，蘋果和谷歌推動了長達10年的移動互聯(lián)網(wǎng)浪潮。在此期間，移動端開發(fā)工程師可謂是風(fēng)生水起，幾乎人們?nèi)粘Ｉ钪薪佑|互聯(lián)網(wǎng)90%的途徑，都是通過一個叫App的東西，基于iOS/Android這兩大系統(tǒng)平臺。

然而好日子似乎也快到頭了，隨著行業(yè)巨頭的逐步壟斷，小App生存空間日漸萎縮，App排名靠前的幾乎都是幾家巨頭的產(chǎn)品，市場上對移動端開發(fā)人員的需求也在下降。同時由于近些年學(xué)校里面學(xué)生也學(xué)，外面培訓(xùn)機構(gòu)也教，開發(fā)人員的供給還在上升，大家似乎感受到了一絲絲涼意。

近兩年，人工智能的浪潮洶涌而來，“古典”程序員們更是集體陷入了恐慌，不會點深度學(xué)習(xí)，是不是過兩年就找不到工作了。

今天的AI就像十年前的Android/iOS一樣，一夜之間需求暴漲，人才短缺。市面上的培訓(xùn)課程層出不窮，各種《21天學(xué)會深度學(xué)習(xí)》，《手把手教你神經(jīng)網(wǎng)絡(luò)》之類的課程，動輒幾千，多者上萬，跟當(dāng)年的Android/iOS真的很像。

當(dāng)然了，作為一個“科班出身”的AI從業(yè)人員，我想說還是有點不一樣的。Android/iOS更多的是語言上的不同，或者界面交互方式的創(chuàng)新，本質(zhì)上的思想和邏輯跟之前的VC/塞班也都一樣。

而狹義的人工智能應(yīng)用，在思考問題的方式上是完全不同的，大家考慮的更多的是模型、數(shù)據(jù)，跟數(shù)據(jù)結(jié)構(gòu)課里面學(xué)的排序/查找也不是一個概念。各種數(shù)學(xué)概念搞得人暈頭轉(zhuǎn)向，可以說，對于普通程序員來說，AI的學(xué)習(xí)曲線是非常陡峭的。

以Facial Landmark Detection（人臉特征點定位）為例，輸入很多標(biāo)注了特征點的人臉圖片，經(jīng)過一個應(yīng)用程序很久的運算，保存一個模型文件。然后用另一個應(yīng)用程序，輸入一張人臉圖片，就能把特征點給自動標(biāo)注出來，這個過程無論從數(shù)學(xué)的角度還是從編程的角度來看，都極其復(fù)雜，以后的文章里我會試圖解釋。

大多數(shù)人工智能的教程里面，主要講的內(nèi)容我都可以歸納為模型和算法，你經(jīng)?？吹降母鞣N術(shù)語，比如決策樹、支持向量機、邏輯回歸、神經(jīng)網(wǎng)絡(luò)，到后來的CNN，RNN，LSTM，GAN等，都是模型。在學(xué)術(shù)圈模型和算法基本上就是全部，這也是對于普通程序員來說，最難以理解的部分，就像前面提到的Facial Landmark Detection的例子。

對于工業(yè)界來說模型和算法只是一部分，甚至可能是一小部分。

在深度學(xué)習(xí)流行之前，學(xué)術(shù)界解決問題很多都是靠特征設(shè)計，這里面會有很多的技巧（trick），很多時候一篇論文的效果好不好，主要不是取決于那幾個數(shù)學(xué)公式，而是代碼里面的trick。所以那個時候除非是SVM這種通用的算法框架，很少有人公布自己的代碼。

而深度學(xué)習(xí)流行之后，似乎大家不那么吝惜自己的代碼了，很多人都選擇了開源。帶來的結(jié)果是，每年一批論文和對應(yīng)的代碼發(fā)布之后，任何一個人下載一套代碼，就能達到State-of-Art。這對研究人員來說是非常殘酷的，可能你辛辛苦苦研究一年剛剛超過去年的水平，人家一公布，你又落后所有人了。

而世界上真正有能力設(shè)計網(wǎng)絡(luò)的人并不多，而且訓(xùn)練網(wǎng)絡(luò)的代價非常的大，大部分AI工作者的主要工作還是在公認(rèn)的比較好的基礎(chǔ)上，進行小修小補，甚至都不做修改，只是優(yōu)化優(yōu)化數(shù)據(jù)。這就導(dǎo)致了，大部分人的模型都差不多，你折騰半天，可能沒比別人強多少。當(dāng)然我這里不包括那些頂尖的選手，頂尖的AI人才，也不是我們普通程序員的目標(biāo)，看看他們的簡歷你就知道我為什么這么說了，而且這樣的人一個公司也不需要幾個，太貴。。。

既然開源的東西那么多，為什么AI應(yīng)用仍然有很高的門檻呢。因為開源的東西通常是沒法直接用的，原因總結(jié)有兩個：

多數(shù)開源代碼是無法直接在移動端運行的，Tensorflow Lite是一個強大的存在，一定要緊密關(guān)注。

移動端的運算能力較弱，而且不同硬件和平臺有很多適配問題，這對于一個應(yīng)用是否能夠大規(guī)模應(yīng)用是決定性的。

幾乎所有機器學(xué)習(xí)的任務(wù)都可以抽象成一件事情，設(shè)計一個方程y=f(x)，通過Training得到函數(shù)f的所有參數(shù)。然后再輸入一個新的x，得到輸出y，這個叫Inference。

我試圖用一種最粗糙的方法解釋一下這兩個過程。
先說Inference，比如我有函數(shù)Y=f(X)=aX*X+bX+c。假設(shè)a=b=c=1，如果現(xiàn)在有一個輸入x=1,那么輸出y=3，這就是一次Inference。
再說Training，如果我知道輸入x=1的時候，y=10，那說明a=b=c=1肯定是錯的，利用優(yōu)化算法，改變a,b,c的值，使得輸出y更接近1一些。那么現(xiàn)在有很多的x和對應(yīng)的y，要找到一組a,b,c，使得總體的錯誤最小，這就是Training。

好消息是，真正的人工智能應(yīng)用中，你只需要使用Inference，也就是f(x)是已知的，是由其他大牛在計算能力很強的一臺機器或者一個集群上，訓(xùn)練了幾個小時甚至幾天得到的。應(yīng)用在運行的時候，要做的只是把輸入送到方程里，得到輸出。

還是負(fù)責(zé)任的補充一下，這里講的是突圍，強調(diào)效率，先推理再學(xué)習(xí)不是說學(xué)習(xí)不重要，Training仍然是人工智能的核心。前面的例子也大體描述了Training的過程，其實Training就是根據(jù)Inference結(jié)果的錯誤，不斷優(yōu)化參數(shù)，然后再Inference，反復(fù)迭代的過程。所以掌握好了Inference，也是為掌握Training打基礎(chǔ)。

Training不用說，需要大量的計算資源和存儲，而且通常離線完成，現(xiàn)在基本上都是在服務(wù)端上完成。
主流的Inference，比如大家常用到的商品識別（淘寶客戶端的拍立淘）、語音識別（天貓精靈）等，核心的運算也都在服務(wù)端，因為算法模型巨大，客戶端內(nèi)存可能都放不下，速度也達不到。

近年邊緣計算這個詞開始興起，而近幾天Google發(fā)布的Edge TPU把這件事情推到了極致。所謂邊緣，就是在云的邊緣，或者外面。要解決的問題有以下兩點：

云端計算資源貴

網(wǎng)絡(luò)傳輸實時性和穩(wěn)定性問題

大家考慮的解決問題的方法主要是：

把一些對計算要求不是特別高的運算放到邊緣設(shè)備上

對算法本身進行優(yōu)化和簡化

提升邊緣設(shè)備的運算能力

這里的邊緣設(shè)備是一個抽象的概念，包含但不限于：

手機

帶有處理芯片的攝像頭

架設(shè)在本地的小型服務(wù)器

從計算資源成本來說，手機最極致，你自己花錢買的，不管算什么都不會耗費服務(wù)器的資源，架設(shè)在本地的攝像頭或者服務(wù)器通常也是客戶一次性花費，不會帶來后續(xù)的負(fù)擔(dān)。

從網(wǎng)絡(luò)角度來說，實時性取決于算法本身運行的速度，如果太慢，可能還不如上傳，但穩(wěn)定性一定更優(yōu)。

從業(yè)態(tài)來說，新零售興起的今天，像盒馬鮮生這樣的領(lǐng)軍隊伍，也是邊緣計算的先行者。

抖音大家都知道，他的美顏/長腿/手勢識別等技術(shù)大大提升了生產(chǎn)力，為社會低成本地創(chuàng)造了無數(shù)的大長腿大眼網(wǎng)紅。

從AI工作者的角度來看，抖音是把端上人工智能應(yīng)用的部署和優(yōu)化發(fā)揮到了極致。還以Facial Landmark Detection為例，抖音的美顏能夠做那么好，人臉特征點的定位功不可沒。目前主流的算法基本都是基于CNN的，運算量極大，而且各種磨皮/瘦臉的圖像處理，也非常復(fù)雜。這里商湯科技可能結(jié)合了多種優(yōu)化技術(shù)，才能達到如此快的效果。CPU的Neon優(yōu)化和GPU優(yōu)化應(yīng)該都有應(yīng)用。

此外，抖音這種億級用戶的產(chǎn)品，一定會覆蓋非常多的手機機型，如此復(fù)雜的算法，能夠在這么多不同的手機上運行，這也是一件很不容易的事情。

我再不懷好意地猜測一下，抖音上的人臉，除了用來定位，有可能還會被用來做人臉識別/聚類的訓(xùn)練數(shù)據(jù)，這里就涉及到了邊緣和云之間的協(xié)同工作。

而上面說的這些事情，都是當(dāng)今移動端開發(fā)者的機會。

如果是視覺方面，就是圖像處理，語音方面就是音頻處理。以視覺為例，現(xiàn)在深度學(xué)習(xí)基本輸入都是原始像素，也不用做復(fù)雜的特征提取，所以這一塊要求不是太高。當(dāng)然隨著應(yīng)用的深入，很多東西還是慢慢要學(xué)。

這件事情可能是最重要的，就是動手，動手，動手。很多人學(xué)習(xí)深度學(xué)習(xí)，就是先把Tensorflow在自己的機器上安裝一遍，然后把Tutorial里面的幾個例子跑一跑，就完事了。加起來也沒幾行python代碼，其實你什么也沒學(xué)會，就是照書敲代碼。

我說的動手，還是針對Inference，建議先從Tensorflow Lite開始，一步步把訓(xùn)練好的模型通過量化處理變成簡化的模型，然后在Android或者iOS上調(diào)用API，做一個App。

Tensorflow官方有開源的sample，是1000類的圖像分類，可以在這個基礎(chǔ)上改模型，改代碼，逐步嘗試。比如把1000類變成狗的品種識別，或者實現(xiàn)一個手寫數(shù)字識別，再復(fù)雜一點，做一個人臉檢測。后面會專門寫一些教程，把不同算法移植到手機上。

Google發(fā)布Tensorflow之后，生態(tài)日漸完善，開發(fā)社區(qū)非?；钴S，遠遠把Caffe甩在了身后。隨后發(fā)布的TPU，專門針對Tensorflow優(yōu)化的AI芯片，提供了Cloud服務(wù)，Tensorflow Lite也是對移動平臺支持最好的Inference框架，近日推出的Edge TPU，同樣完美支持Tensorflow Lite，大有一統(tǒng)江湖之勢。所以一定要關(guān)注Tensorflow的發(fā)展。

作為移動端開發(fā)人員，Tensorflow Lite是重中之重。目前來看，Tensorflow Lite的優(yōu)化還主要限于CPU，之后還會有什么發(fā)展也是關(guān)注重點。Tensorflow Lite的代碼量也不是太大，有時間閱讀源代碼，甚至進行一些優(yōu)化，都是非常有價值的事情。

前面提到了，性能優(yōu)化是客戶端智能的重中之重，可以著重學(xué)習(xí)一下技術(shù)：

C++性能優(yōu)化

Neon/SSE指令集優(yōu)化

GPU優(yōu)化

這些技術(shù)難度都不低，而且通常跟應(yīng)用場景本身相關(guān)，不容易有通用解決方案，在實際應(yīng)用中可能會成為核心突破點。

邊緣計算不只包含手機，手機重界面和交互，有很多AI應(yīng)用其實是不強調(diào)界面和交互的，比如安防領(lǐng)域，試試更多的設(shè)備，會拓展更多的可能性。比如Nvidia的TX2，Raspberry PI，以及即將上市的Edge TPU。

前面幾乎沒有提到看書，不是看書不重要，而是只看書不動手是沒有效果的。在實踐中，不明白的地方一定需要網(wǎng)上查或者翻看資料。在這個基礎(chǔ)上，系統(tǒng)的學(xué)習(xí)理論知識，也是很有必要的。理想情況下，我認(rèn)為可以重點關(guān)注一下幾點：

主流深度神經(jīng)網(wǎng)絡(luò)的架構(gòu)，設(shè)計的思想，理解不同層到底在干什么，對應(yīng)的代碼在哪

人工智能發(fā)展的歷程，怎么一步步發(fā)展到深度學(xué)習(xí)的

曾經(jīng)流行的一些經(jīng)典算法，很多思想其實在深度學(xué)習(xí)中都有應(yīng)用

最后，我想說很多人的焦慮其實大可不必，人工智能一定是未來，但人工智能不可能是全部，術(shù)業(yè)有專攻，你在自己的領(lǐng)域如果足夠強，是很難被取代的。

但是人工智能提供了一種新的思路，就是通過數(shù)據(jù)和模型，能夠把一些以前需要人來判斷的事情變成自動的。最重要的就是，以前需要你定義好的if else規(guī)則，現(xiàn)在是一個動態(tài)可學(xué)習(xí)的東西，這本身不就是一件很妙的事情嗎？

多一門知識，多一種思路，我相信會給每個人帶來更廣闊的天地，加油！