首先，问你一个问题，你觉得自己是「调包侠」或者「调参侠」吗?

我想不是每个人都有勇气回答，但这种焦虑确实存在每个从业人员心中。

各大公司都在研发机器学习平台，想要把搭模块当做积木一样。前两年火爆的神经网络架构搜索(NAS)相关研究的目的也是「搭积木做模型」。

近日，Reddit上一个小哥「大方地」承认了自己的调参行为，并感觉自己是来公司骗工资的。他连连后悔，当初就该做一个软件开发工程师(去做调包侠?)。

这位仁兄，本科是计算机，硕士研究生物信息，主要研究领域为机器学习，统计和概率。平时工作用的语言是R和Python。

我的工作有什么意义?

「工业革命」带给人们最多的就是工作，减少田间劳作的人口数量。在满足最低层次欲望之后，我们开始思考工作的意义。

下面是这个小哥的Reddit译文：

X说我每天的工作就是清洗数据、写脚本、数据可视化、基础的机器学习算法(如tSNE降维，k-means聚类等)，只是运用前人提出的经典算法。

没有人来review代码!我也不用上传代码到GitHub，仅团队内部人员可见，我也不需要做单元测试。

我也不会用到Hive，Spark，Kafka，CI/CD，Hadoop，AWS，GCP，Docker等和用户接触的工具。

我不知道自己在做什么，无论做什么都都觉得没有意义。

有一次采访，他们问我，你们是否使用Git或单元测试?谁来review代码?如何交付代码和持续集成?我知道这些问题我都回答不了。

我很焦虑，或许我的同事们都在泡沫里工作吧!他们不想学习新的技术，甚至讨厌我的进取心。

我已经工作4年了，但我觉得我比刚毕业的时候更沮丧。

后来我开始找工作，然后面试。面试官问我KNN的原理，我才发现我根本不知道公式!是的，我学过，但是我忘了!现在我只需要 sklear.neighbors 就可以了。

我感觉很难过，我觉得我的能力没有进步。每年都会有拨款，毕竟这是科学，而且我们也会写论文，但我没有在作者列表里，因为作者实在是太多了。

任何一个人都是机器学习领域的天才，在jupyter上写写代码，仅此而已，也就算是个初级数据分析师。

我都觉得我自己失忆了，本科时候我最擅长的C++/Java，如今已经忘得一干二净了。我想知道如果我当初选择做软件开发，是否会好一些?

可能我命中注定是失败者吧!我身边也都是充满了自我感觉良好的人，我觉得10年后，们的工作内容也还是这些。

理想和现实的差距在哪里?

看了这段话，大家可能多多少少都有所感同身受吧，高学历，却换来更大的失落;工作内容重复，没有看的见的快乐。

没入行之前，你眼中的AI是改变人类未来。

入行之后，你眼中的AI变成了一个个黑盒的模型，我要更多更干净的数据，更庞大的模型!

「有多少人工，就有多少智能」，即使在深度学习时代也是如此，各大AI公司首先招聘的就是标注员。科研机构发布新数据集的论文也会公布自己用了多少标注人员，时薪多少美元等。

AI入行难吗?

说入行难的，和说计算机专业难的，应该是同一波「劝退党」。

计算机专业难：计算机既要学习编译原理、体系结构、计算机网络，还得徒手做网线(美好的回忆，第一次做成就感满满)，再去看软件工程。

简单：各种七天速成，还有无处不在的「Python学习班」广告。

AI行业入门难：各种数学原理你不得学啊?周志华和李航老师的著作没刷三十遍叫入门吗?

AI行业入门简单：GitHub一搜，你啥干不了啊?

有人本科就可以发多篇顶会，有人博士毕业也依然难发，这之间的差异也许因人而异吧!所以难易不可一概而论。

网友对此也众说纷纭：

你支持哪方呢?

不过，「我有一言，请诸位静听」，如果数据和特征很重要，那深度学习的优点岂不又少了一个?

关键词： 调包侠 调参侠