95後AI工程師，造出一個“AI虛擬老師”

燃次元（ID:chaintruth）原創

 

AI 繪畫火了。

此前，抖音、微博、小紅書紛紛被 AI 繪畫刷屏，而 AI 繪畫的作品最多的評價就是好笑且離譜。" 我抱著我的狗的合照被 AI 畫成了人形狐狸臉的怪獸。" 沉迷於 AI 繪畫的阿宇對燃次元回憶道，當時阿宇覺得非常搞笑就把小程序推薦給了朋友，還用怪獸做了微信頭像。

抖音上也充滿了用戶分享的 " 離譜 " 的 AI 繪畫作品，有的將一隻腳畫成了穿著粉色裙子的卡通女孩，還有的把一輛自行車畫成帶著 " 武器 " 的卡通男孩。

在 AI 繪畫爆火的同時，人工智能（Artificial Intelligence，英文縮寫為 AI）這個關鍵詞再次湧入了大家的視野。

實際上，自 2018 年 AI 領域開始大火之後，每一年的畢業季都會有類似 " 今年什麽行業是最火的 "" 哪些專業最好找工作 " 等提問衝上微博、知乎、小紅書等平台的熱搜。而 AI，基本每一年都會當選最火熱的就業專業。

AI 越來越被關注背後，或是隨著技術的發展，應用的領域也越來越多，包括網絡安全、醫療診斷助理、視覺與圖像、先進製造、數據挖掘和營銷等。據 IT 桔子統計，近年來醫療健康、先進製造、智能硬件等 AI 技術應用較為廣泛的行業也備受一級市場的追捧。

圖片來源 /IT 桔子 燃次元截圖

多位對 AI 頗有研究的相關從業者對燃次元表示，經過多年的觀察和親身經曆，AI 大概在 2016 年就進入了第一波資本和人才湧入的高峰期。

彼時，企業用遠超行業平均工資的待遇招聘算法工程師和教育講師，這也直接導致部分現金流較小的初創公司無法支撐。

而隨著 AI 應用的更為廣泛，AI 行業也越來越走向 " 大眾化 "，行業的 " 內卷 " 也更為明顯，且隨著資本熱情地退卻和技術的不斷完善，愈演愈烈。

就職於網易智企遊戲行業部的李浩早在 2018 年就已經開始從事 AI 行業相關工作，現擔任 AI 機器人算法工程師的李浩表示，自己剛剛畢業的那一年，應屆生隻需要掌握計算機語言知識，並有相關的工作經曆，基本就可以被大廠選中，" 但近年，尤其是去年和今年，沒有非常垂直的項目經驗的應屆生，在初篩階段幾乎就全被淘汰了。"

對此，同樣是在網易工作的若璿表示，AI 行業需要從業者嚴格的自我要求和持續的自我學習，學習論文早已成為工作甚至休息的日常。

而在百度從事計算機視覺相關工作的蘆葦更是直言，除了日益增加的工作技能需求，自己的部門更像是企業內部的乙方，日常與項目經理的溝通和摩擦也是不可避免的。

不斷加劇的人才競爭，不能停止的自我學習，以及與其他部門同事之間的摩擦 …… 外表光鮮亮麗的 AI 行業，其從業者的日常到底是怎麽樣的？他們對行業的變遷又會如何評價呢？

95 後前媒體人，造出一個教育 AlphaGo

"AI 教育出現後，‘取代’是老師們下意識的反應。" 比蘆葦早一年進入 AI 相關行業的古茜告訴燃次元。

2017 年，古茜一頭闖進 AI 教育賽道。作為聯合創始人，95 後的古茜帶領團隊研發的 AI 虛擬老師曾引起爭議，而這種爭議背後，是 "AI 取代真人老師 " 的可能性。

對此，古茜既有些啼笑皆非，又在內心堅定了 AI 創業的信心。

作為一個夢想 " 用 AI 技術改變世界 " 的技術發燒友，正是 AI 強大的邏輯推理和計算能力讓古茜著迷，並毅然從媒體人轉型到了 AI 行業。

實際上，對 AI 著迷的種子，在古茜大學就讀計量經濟學專業期間就已經悄悄種下。

大學期間，指導古茜學業的導師正在研究 AI。基於此，通過導師古茜第一時間了解到了元認知、元語言等基本概念，並熟知了比特幣等新事物，也由此認識了和她誌同道合的創業合夥人。

大學畢業後的古茜，曾經有過一年時間的媒體從業經驗。

2017 年，在 " 萬眾創業 " 的熱潮之下，堅信 "AI 將成為未來的潮流 " 的她，和合夥人一拍即合，成為了 AI 創業大軍的一員。

來源 / 視覺中國

"AI 還是離大家的生活太遠了。" 對古茜而言，AI 很適合應用到微積分、數學等高度邏輯性學科的學習過程中，"如果 AI 能在這些學科的教育場景裏落地，或許就能通過技術帶動教育本身，再前進一步。"

很快，古茜便與合夥人一起，組建了一個擁有十幾個人的團隊，並將目光投向了更為細分的 "AI 數學教育 "。除了古茜，團隊內全是主攻算法的技術人員，為了推動產品更快地被市場接受，古茜總是 " 混在 " 算法團隊裏 " 惡補 " 知識，並逐漸做到了對各種 " 行話 " 的精通。

隨後，古茜積極與學校展開合作，其推動的 "AI 虛擬老師 "，作為 " 助教 " 逐漸被學校接受。

2020 年，受疫情影響，線教育行業迎來資本熱，古茜也吃到了紅利。" 彼時，市場上的頭部在線教育公司幾乎都與我的團隊有過接觸，且不少達成了合作。" 古茜介紹，也是在那個時候，在線教育的爆火，讓 AI 教育成了最熱的 " 概念股 " 之一。

根據中研網數據表示，2020 年是 AI 教學行業企業注冊量的爆發期，全年新增注冊企業 17.2 萬家，同比增長了 292.8%。除了在線教育巨頭新東方、學而思、猿輔導等機構，字節跳動、騰訊、百度、網易等互聯網大廠也爭相入局，如字節跳動的瓜瓜龍係列、騰訊的開心鼠英語等。" 這背後，是因為教師太少，能用於個性化教學的教師就更少。" 古茜表示。

除此之外，一方麵，在線教育一個老師最多可以負責 200 個學生。而在學校，真人老師一人最多隻能負責 50 個學生左右。" 對企業和學校而言，引入 AI 虛擬老師，可以更好地控製人工成本。"

另一方麵，考慮到真人教師的時間和機會成本，AI 虛擬老師能分擔部分重複性高的工作，解放真人老師去做更有針對性、難度更高的工作。另一方麵，AI 虛擬老師可以根據學生的話語進行智能分析，更好地感應學生知識掌握的情況，隨後給出提升方案。

" 這背後，需要依托強大的算法和巨量的數據輸入，這也是 AI 技術能夠提高教育質量的方式之一。" 古茜解釋道。

實際上，相對於 "AI 虛擬老師 " 的抽象概念，古茜更願意稱其為一款可用於教育的 "AlphaGo"，其主要作用，就是讓 AI 係統通過交互式對談，對學生的每一句話背後的信息進行處理。

然而，盡管 AI 在資本市場備受追捧，但並不是所有 AI 從業者都可以過得風生水起。

另一邊，是企業想要挖到真正優秀人才所導致的行業瘋狂內卷。

彼時已經陷入 " 內卷 " 的古茜則選擇了 " 躺平 "，古茜表示，與其花費大量資金砸廣告，還不如老老實實走技術派路線，" 我始終保持我們公司技術團隊的人員占比不低於 30%。對我來說，從技術出發才是我們的核心競爭力。"

而隨著雙減政策的落地，在線教育按下暫停鍵的同時，AI 教育的風似乎也悄悄停了下來。

去年，古茜調整了公司戰略，選擇了出海去北美，" 美國市場無疑能為 AI 公司提供充足的數據，讓我們沉下心來繼續打磨產品。"

如今，古茜和團隊正按部就班地布局海外。對於未來，她樂觀地表示，" 很多人都問 AI 是不是泡沫，但對我而言，讓泡沫懸在中間，吸引更多的人才一起探索，也很好。"

從電院轉型 AI，學習成了工作日常

和古茜有同樣想法的還有若璿，在越來越 " 卷 " 的 AI 行業，若璿同樣選擇了 " 向上 "。

" 我和我老公都是算法工程師，因此，工作之餘我們最大的興趣就是討論最新的論文。" 現任網易智企計算機視覺算法工程師的若璿半開玩笑似地對燃次元表示。

2011 年，進入上海交通大學電子信息與電氣工程學院（以下簡稱 " 電院 "）的若璿，彼時還沒有確定未來的學業和職業方向。

" 大一的時候，電院更多的是一個廣義的學科，還沒有非常細分，當時我們學習了一些通用電學的基礎課程。到了大二，在有了更細的專業劃分後，我選擇了測控技術與儀器方向。再後來，因為我自己對計算機的熱情，以及當年計算機專業的熱門環境和我導師的一些研究項目，我逐漸向 AI 行業轉型。" 若璿介紹道。

盡管畢業之前，若璿就參與到了 AI 算法對醫學圖像的自動分析與診療任務中，其主要的應用場景就是在輸入醫療 CT 等圖像後，算法通過計算提供一個自動診療意見。但這與若璿畢業之後直至現在所從事的 " 網絡內容風控 " 在場景上應用，有著很大地跨越。

來源 / 視覺中國

若璿解釋道，醫學領域的數據集量是比較小的。因為醫學儀器采集等問題，其針對某種病症的數據集不會非常龐大，且分布的比較均勻。但相較之下，網絡的不安全內容有千萬種形態。

除此之外，網絡內容風控會隨時發生對抗，" 不斷有黑產和灰產想要‘鑽空子’，對你發起進攻，而在醫療診療領域，我們不會碰到被攻擊的情況。" 若璿表示，更重要的是，AI 技術對醫療診斷隻能起到輔助作用，醫生大部分還是依賴自己的專業判斷。但是網絡內容風控對技術的依賴性更高，因此對工作人員的技術要求也就更高。

若璿也因工作應用場景的變化，感受到了自己能力的上限。

" 我大學讀的本就不是計算機專業，所以對計算機語言和電腦硬件的知識儲備一直是我的短板；外加我學習的算法場景和實際應用場景也有較大差別，這就需要我不斷地學習。" 若璿自我剖析道。

若璿回憶，最 " 瘋狂 " 的自我學習階段，是在半年前接到的一項任務，" 當時為了更加有效地控製人工成本，我開始學習‘半監督’和‘自監督’算法。"

" 之前，我們行業裏有句玩笑話，‘有多少人工才有多少智能’，因為大量的數據需要被打上標簽才能讓機器更好地學習，這個過程則需要大量的人工去完成。後來，出現了所謂的‘半監督’形式，即，不需要人工再為每組數據打標簽，甚至有些數據不用打標簽，這就使得在控製人工成本的同時，也可以更好地實現機器學習的任務。" 若璿解釋道，這也是自己當時接觸到半監督的契機。

" 我當時在微博、微信等平台，關注了很多行業裏的大 V。從他們發布的文章中不斷提取關鍵詞，之後再去頂級學刊上檢索。先學習論文的理論再實踐到工作中去。" 若璿回憶道，" 每個算法工程師手中基本都會同時進行 2-3 個任務，你要在完成任務的同時進行理論探索。因此，當時我的時間安排就是，白天在完成任務，到了休息和晚上的時間才開始看論文。"

" 當時一度有點‘著魔’。" 若璿笑著回憶道，幾乎每天晚上都要和老公討論自己看到的最新的論文內容，" 就像一個藝術創作者在尋找靈感時一樣，我們在研究解決方案的時候也需要這種靈感。"

後來，若璿逐漸將 " 半監督 " 方法運用到了自己更多的項目中，並向整個小組進行了演示。

而提及這個自我學習的階段是什麽時候停止的，若璿則表示，" 我很難說這個階段會停止。實際上，AI 就是一個信息量巨大、演變迅速的行業，從業者需要不斷地自我學習，接觸最新的解決方案和算法趨勢，才能完成任務。"

當然，在自我學習與提升的過程中，若璿也感受到了整個 AI 行業的變遷。

" 雖然隻在這個行業做了 3-4 年，但我已經感受到了行業招聘的不斷趨嚴。" 若璿表示，" 我本科畢業時，應屆生基本隻需要了解一些基本的計算機語言理論，在校期間參與過一些項目，哪怕隻是將網上的開源代碼看明白，自己再實際運行、調試過，基本就能拿到不錯的互聯網大廠的 offer。但現在，應屆生想要進入大廠，需要發表頂刊論文，就連參與項目也要應聘崗位的場景非常垂直才可以。"

而對於 AI 未來的發展，若璿則表示，"AI 聽起來好像高大上，但是‘脫’去‘外衣’，它隻是人類科技進步到一定階段必然發展的產物。而技術如何演進，還要看人們如何去使用和限製其發展。"

是高級工程師，也是企業內乙方

比起若璿從電院逐漸轉型到 AI 行業，現就職於百度成為高級工程師，並且是富春山居圖項目核心成員的蘆葦則是地地道道的計算機專業出身，但他最初選擇計算機專業，卻也是 " 誤打誤撞 "。

蘆葦坦率地說，自己 2011 年走進大學校園，當時計算機專業已經從 2009 年的瘋狂熱潮降溫，" 那個時候，很多學校的計算機專業錄取分數線都不高。我也隻是把計算機專業當成一個備選，沒想到竟然中了。"

更巧合的是，隨著時間的推移，計算機專業又迎來了 " 第二春 "。2016-2018 年之間，逐漸成為最熱門的行業之一，而彼時，蘆葦恰逢研究生畢業。

蘆葦也就順勢加入了計算機視覺行業，主要的工作內容則是，根據不同項目組的需求對視頻和圖像進行編輯和最終的視覺生成與呈現。" 其中，風格遷移是我擅長的方向之一。" 蘆葦進一步解釋道，" 風格遷移指的是通過 AI 技術將一幅經典畫作和一幅現代照片或圖像結合在一起 "

來源 / 視覺中國

和若璿一樣，蘆葦在工作中也需要不斷地自我學習。

" 閱讀頂刊的最新論文是我的日常工作之一。因為我接收到的需求很少是一個模型套用之後就能從端到端解決所有的問題。因此，我需要自己把這些需求拆解，之後轉化成算法問題，再一步步地解決。再加上每個人做的任務不同，所以很難找到別人請教。更多時候，我需要自己拆解問題，再從論文中尋找答案。"

但與若璿通過學習就能解決大部分問題不同，蘆葦的很多需求都需要與項目組的其他同事進行溝通。

" 我的工作和視覺設計部門有些相似，都屬於企業內部的乙方。我們從產品經理，也就是企業內部的甲方角色中接到任務，拆解和完成任務後，最終交付給項目經理進行審核和修改。隻是，這其中的藝術與創作空間較少，通過技術解決問題的實質更大。" 蘆葦說道。

而談起與產品經理（甲方）的溝通，蘆葦則笑稱，" 所有技術人員和甲方溝通都存在一個合理量化的問題。" 他進一步解釋道，" 尤其是對於視覺的量化更為微妙。一些產品經理並不能很準確地描述他對視覺的期待，有些時候他們隻有一些粗略的想象，而我的任務中，最重要的一部分，就是將這些想象量化。"

" 對此，我們的解決方案就是，收集一些數據集並讓產品經理對其打分，這樣能夠更好地幫助團隊更直觀地了解項目經理的偏好。"

當然，即使如此，蘆葦仍會在工作的過程中與項目經理產生理念衝突。這種時候，比起堅持自己的想法，蘆葦更傾向於按照對方的要求進行調整，" 我們需要認清自己工作的本質不是藝術的二次創作，而是充分地了解需求和解決問題。" 蘆葦如是說道。

2018 年正式工作的蘆葦，對於 AI 行業的招聘演變趨嚴也有和若璿同樣的感受，" 首先是應屆生發表論文的期刊是否頂級；其次，企業對應屆生實習和校內參與的項目與工作項目的貼近程度也有了更加嚴格的要求。"

與此同時，蘆葦也觀察到，近年隨著 AI 行業逐漸熱門，也有很多理工科的學生進行轉型。對於這些轉型年輕人的加入，蘆葦說道，" 編程基礎是從事 AI 相關工作的基本技術。因此，一些學習自動化、通信專業的人本身會有計算機的理論課程，轉型 AI 會更加容易。相對而言，傳統工科，比如材料、化工之類和計算機沒什麽太大關係的學科轉型難度相對更大。"

而在蘆葦看來，不論是科班出身，還是 " 跨行 " 轉型，不斷學習和保持對知識的熱情，都是這個行業不可缺少的素養。