※ 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