我想提出一個新的觀點，那就是未來想要從事人工智慧相關事業的人的不是應該在『數理 』以及『編程』兩者中二選一，而是兩者兼備外加『領域知識』，而我認為主要專業的選 擇在上述任何方向都可以，而困難的在除了主專業之外還必須對另外兩者進行持續的加強 。 各位試想一下最近人工智慧的關鍵突破發生的背景，我想大家都可以接受2012年在ILSVRC 一舉奪冠的AlexNet是引爆關鍵，而我們思考一下它成功的背後關鍵是甚麼? 是演算法嗎? (所謂的數學?) 顯然不是，他使用的演算法在1980年代就已經被提出了。 是編程能力? (所謂的資工?) 部分是，但關鍵是在於對GPU的編程能力以及足夠強大的GPU支持。 如果都不是，那關鍵是甚麼?顯而易見的是關鍵是『數據』，在人工智能領域，我們公認 『演算法』是引擎，而『軟體及硬體』是工廠，『數據』則是石油，而石油才是真正稀缺 的資源。 在ILSVRC之前不是沒有圖像辨識挑戰賽，只是以前數據不足，數據才是這波革命的關鍵。 當你了解到了這一點，你就應該知道掌握數據，我這裡要把『領域知識』的定義稍微擴充 ，你必須把『數據』的產生算成領域知識的一部分，現在要投入此領域的人大多忽視了數 據的重要性。 我希望想要投入這個領域的人必須從數據優先的角度來思考，而這個角度勢必必須先決定 你希望做出什麼樣子的人工智慧。 假設你未來是想進入一般業界(Google等級的當我沒說)，那你要知道現在新創公司/事業 群比的都是數據，很少有公司能『完全使用公開數據』做出自己的核心服務，並且同時確 保自己的競爭優勢，就連Google、Amazon的核心競爭優勢也是依靠自己累積的數據。 舉例來說你想做智慧醫療，我認為先把自己搞進醫院比什麼都重要。 而如果你還沒決定，只覺得人工智慧很潮想要投入，那我認為也是選擇資工相關科系而不 是數學相關科系，至少有許多資料的蒐集需要的是編程能力而非數理能力。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 219.85.128.60 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/PhD/M.1523078588.A.4FD.html 這說明了資料品質的重要性。事實上我的經驗告訴我預測準確度80%來自資料，20%來自演 算法。 再補充幾點為什麼業界更希望掌握資料而非演算法： 1. 演算法概念非常容易被抄，對台灣小公司而言一個核心研發人員被挖直接帶走，而資 料相對不容易帶走，也有法律保障。 2. 資料的累積是先行者的優勢，後繼者難以追上前者累積的資料，且隨著用戶越來越多 搜集速率也會有明顯區別。 數據可靠度很大一部分也取決於領域知識，你的搜集方式是否存在潛在bias直接影響到資 料品質，而這需要的絕非數學、編程等能力。 我特別想強調的就是大家往往更重視演算法而忘了資料的重要性，imagenet的初期完全找 不到資金就是因為大家覺得這研究沒什麼價值（看起來就像標註資料而已），但事實證明 他才是推動進步的核心關鍵。 ※ 編輯: ching0629 (219.85.128.60), 04/08/2018 09:05:46