我想提出一个新的观点，那就是未来想要从事人工智慧相关事业的人的不是应该在『数理 』以及『编程』两者中二选一，而是两者兼备外加『领域知识』，而我认为主要专业的选 择在上述任何方向都可以，而困难的在除了主专业之外还必须对另外两者进行持续的加强 。 各位试想一下最近人工智慧的关键突破发生的背景，我想大家都可以接受2012年在ILSVRC 一举夺冠的AlexNet是引爆关键，而我们思考一下它成功的背後关键是甚麽? 是演算法吗? (所谓的数学?) 显然不是，他使用的演算法在1980年代就已经被提出了。 是编程能力? (所谓的资工?) 部分是，但关键是在於对GPU的编程能力以及足够强大的GPU支持。 如果都不是，那关键是甚麽?显而易见的是关键是『数据』，在人工智能领域，我们公认 『演算法』是引擎，而『软体及硬体』是工厂，『数据』则是石油，而石油才是真正稀缺 的资源。 在ILSVRC之前不是没有图像辨识挑战赛，只是以前数据不足，数据才是这波革命的关键。 当你了解到了这一点，你就应该知道掌握数据，我这里要把『领域知识』的定义稍微扩充 ，你必须把『数据』的产生算成领域知识的一部分，现在要投入此领域的人大多忽视了数 据的重要性。 我希望想要投入这个领域的人必须从数据优先的角度来思考，而这个角度势必必须先决定 你希望做出什麽样子的人工智慧。 假设你未来是想进入一般业界(Google等级的当我没说)，那你要知道现在新创公司/事业 群比的都是数据，很少有公司能『完全使用公开数据』做出自己的核心服务，并且同时确 保自己的竞争优势，就连Google、Amazon的核心竞争优势也是依靠自己累积的数据。 举例来说你想做智慧医疗，我认为先把自己搞进医院比什麽都重要。 而如果你还没决定，只觉得人工智慧很潮想要投入，那我认为也是选择资工相关科系而不 是数学相关科系，至少有许多资料的蒐集需要的是编程能力而非数理能力。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 219.85.128.60 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/PhD/M.1523078588.A.4FD.html 这说明了资料品质的重要性。事实上我的经验告诉我预测准确度80%来自资料，20%来自演 算法。 再补充几点为什麽业界更希望掌握资料而非演算法： 1. 演算法概念非常容易被抄，对台湾小公司而言一个核心研发人员被挖直接带走，而资 料相对不容易带走，也有法律保障。 2. 资料的累积是先行者的优势，後继者难以追上前者累积的资料，且随着用户越来越多 搜集速率也会有明显区别。 数据可靠度很大一部分也取决於领域知识，你的搜集方式是否存在潜在bias直接影响到资 料品质，而这需要的绝非数学、编程等能力。 我特别想强调的就是大家往往更重视演算法而忘了资料的重要性，imagenet的初期完全找 不到资金就是因为大家觉得这研究没什麽价值（看起来就像标注资料而已），但事实证明 他才是推动进步的核心关键。 ※ 编辑: ching0629 (219.85.128.60), 04/08/2018 09:05:46