[[387580]]

 首先，問你一個問題，你覺得自己是「調包俠」或者「調參俠」嗎？

我想不是每個人都有勇氣回答，但這種焦慮確實存在每個從業人員心中。

各大公司都在研發機器學習平臺，想要把搭模塊當做積木一樣。前兩年火爆的神經網絡架構搜索（NAS）相關研究的目的也是「搭積木做模型」。

近日，Reddit上一個小哥「大方地」承認了自己的調參行為，并感覺自己是來公司騙工資的。他連連后悔，當初就該做一個軟件開發工程師（去做調包俠？）。

這位仁兄，本科是計算機，碩士研究生物信息，主要研究領域為機器學習，統計和概率。平時工作用的語言是R和Python。

我的工作有什么意義？

「工業革命」帶給人們最多的就是工作，減少田間勞作的人口數量。在滿足最低層次欲望之后，我們開始思考工作的意義。

下面是這個小哥的Reddit譯文：

X說我每天的工作就是清洗數據、寫腳本、數據可視化、基礎的機器學習算法（如tSNE降維，k-means聚類等），只是運用前人提出的經典算法。

沒有人來review代碼！我也不用上傳代碼到GitHub，僅團隊內部人員可見，我也不需要做單元測試。

我也不會用到Hive，Spark，Kafka，CI/CD，Hadoop，AWS，GCP，Docker等和用戶接觸的工具。

我不知道自己在做什么，無論做什么都都覺得沒有意義。

有一次采訪，他們問我，你們是否使用Git或單元測試？誰來review代碼？如何交付代碼和持續集成？我知道這些問題我都回答不了。

我很焦慮，或許我的同事們都在泡沫里工作吧！他們不想學習新的技術，甚至討厭我的進取心。

我已經工作4年了，但我覺得我比剛畢業的時候更沮喪。

后來我開始找工作，然后面試。面試官問我KNN的原理，我才發現我根本不知道公式！是的，我學過，但是我忘了！現在我只需要 sklear.neighbors 就可以了。

我感覺很難過，我覺得我的能力沒有進步。每年都會有撥款，畢竟這是科學，而且我們也會寫論文，但我沒有在作者列表里，因為作者實在是太多了。

任何一個人都是機器學習領域的天才，在jupyter上寫寫代碼，僅此而已，也就算是個初級數據分析師。

我都覺得我自己失憶了，本科時候我最擅長的C++/Java，如今已經忘得一干二凈了。我想知道如果我當初選擇做軟件開發，是否會好一些？

可能我命中注定是失敗者吧！我身邊也都是充滿了自我感覺良好的人，我覺得10年后，們的工作內容也還是這些。

理想和現實的差距在哪里？

看了這段話，大家可能多多少少都有所感同身受吧，高學歷，卻換來更大的失落；工作內容重復，沒有看的見的快樂。

沒入行之前，你眼中的AI是改變人類未來。

入行之后，你眼中的AI變成了一個個黑盒的模型，我要更多更干凈的數據，更龐大的模型！

「有多少人工，就有多少智能」，即使在深度學習時代也是如此，各大AI公司首先招聘的就是標注員。科研機構發布新數據集的論文也會公布自己用了多少標注人員，時薪多少美元等。

AI入行難嗎？

說入行難的，和說計算機專業難的，應該是同一波「勸退黨」。

計算機專業難：計算機既要學習編譯原理、體系結構、計算機網絡，還得徒手做網線（美好的回憶，第一次做成就感滿滿），再去看軟件工程。

簡單：各種七天速成，還有無處不在的「Python學習班」廣告。

AI行業入門難：各種數學原理你不得學啊？周志華和李航老師的著作沒刷三十遍叫入門嗎？

AI行業入門簡單：GitHub一搜，你啥干不了啊？

有人本科就可以發多篇頂會，有人博士畢業也依然難發，這之間的差異也許因人而異吧！所以難易不可一概而論。

網友對此也眾說紛紜：

你支持哪方呢？

不過，「我有一言，請諸位靜聽」，如果數據和特征很重要，那深度學習的優點豈不又少了一個？