※ 引述《KILLE (啃)》之銘言： : 又過一年了 來看本人兩年前預測文 : 矽谷這AI職缺明顯變少 https://imgur.com/EM9X6Kj : CUDA也變少 https://imgur.com/kzGtpoj : 產品要落地 必要之優化不可少 : 產線要優化 流程要優化 電路設計需要優化 裝置軟體韌體要優化 : 憑甚就AI不需要 ? : https://finance.technews.tw/2021/01/15/unicorn-companies-software-ec-ai/ : ※ 引述《KILLE (啃)》之銘言： : : 個人認為 AI是個大泡泡 : : 理由很不是因為炒很熱　又沒確實賺錢這觀點 : : 現在我們用104 去查 deep learning : : 全台可以找到全職6185個職缺 https://imgur.com/wCQVRqB : : 但用CUDA去找　只能看到 77個職缺 https://imgur.com/ve9tbj1 : : 類似的狀況在矽谷也一樣 以下是用indeed之結果 : : https://imgur.com/uHP7coL : : https://imgur.com/JfQZ5UP 現在結果算是揭曉了 AI = 拼數據 沒數據就是吃毛 數據充足 爛模型亦為結果好棒棒 數據不足 神佛亦難救 在數據夠情況下 不要說底層優化到自己開晶片 就算是推論inference運行模型之晶片 還買都買得到 是的 我當初推論偏頗 以CUDA為深度學習量揣指標 我未想到還有AI專用晶片這路 以我這四年觀察 : 人工智能 離不開傳統做法為前處理 不論是統計分析還是訊號圖像處理 這些傳統處理 相當多適合一口令一動作無需判斷之併行計算 (SIMD單指令多筆數據) 也就做CUDA(或SIMD(x86 SSE/AVX, arm NEON)優化 在數據夠 在玩到一定程度後 這些前處理必需優化 而數據量是核心之核心 以致根本沒幾間公司數據量達到需聘人優化前處理 人們現發現其實AI(在數據不足時)也沒這樣神 AI今日退成統計分析之一環 與傳統方法互補 今日 累計數據之重要性 比 找個AI天才 來得重要 AI常只是意謂 這公司有在做統計分析 至於是不是神經網絡 那不是重點 結果能用 正確 就可以了 採數據才是AI真議題 所以做單晶片韌體之人 比之前來得搶手 不過AI也不能說沒用 讓公司重視數據分析 看出些端倪 總是好是 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.248.120.234 (臺灣) ※ 文章網址: https://webptt.cc/bbs/Tech_Job/M.1671644563.A.B2B.html ※ 編輯: KILLE (111.248.120.234 臺灣), 12/22/2022 01:54:24