组合优化是不是也是天坑方向了?
好像研究收入就是不高，但是喜欢就完了真要就业还是老老实实去处理数据，原来是之前互联网给我的错觉，原来我真的是打工人! 我不喜欢天坑这个词，因为每个领域都有过得好的。自己过得好不好依赖于运气、自己是否有想法以及动手能力。
显然，知识除了有本身理论层面的意义，还有应用的意义。而后者是符合这个世界绝大部分场景的，这也是业界应用的意义。让先进的理论指导实际应用，这是可以提高全人类幸福的，但这确实也是某些理论工作者所不齿的。
顺嘴说一句，题目中提到打工人，打工人是和资本家相对的，而不是和理论相对的。靠出卖自己的时间来养活自己的都是打工人。 这是不少研究生同学都比较关心的问题，我从当前的技术发展趋势和人才需求趋势来说说个人看法。
首先，永远不要小看算法优化所带来的实际意义，虽然在大规模训练模型的推动下，感觉算法优化主要集中在应用端，但是算法优化对于能否完成模型的落地应用有非常直接的影响，实际上我认为当前行业领域真正缺乏的人才恰恰是算法优化人才。
随着当前互联网大厂纷纷完成了算法中台的搭建，算法优化将成为更多团队所关注的重点，尤其在当前深度学习领域研究越来越偏向于应用场景的大背景下，算法优化的空间也在进一步得到扩大。
从当前的技术发展趋势来看，关于算法的泛化能力、执行效率、可解释性等领域依然有较大的创新空间，而且在多个方向领域都取得了一定的成果之后，能否完成众多成果的整合，从而在落地应用时取得更好的效果，这是目前很多科研工作者做创新的一个重要出发点。
在当前人工智能领域的研发似乎遇到瓶颈的情况下，一部分研究者开始把目光投放到了快速价值产出领域，比如最近一段时间火热的文生图的LDM就是一个典型的代表，相信在这个领域未来可能会产出巨大的价值空间，创作可能会进入到一个新的AI维度。
人工智能技术大众化一直是很多科研工作者所追求的目标之一，而算法优化在一定程度上来说，就是在做这样的一件事情，所以算法优化未来的人才需求潜力还是比较大的。
很多同学会认为算法优化的创新空间不大，实际上我并不认可这种观点，尤其在工业互联网时代，算法优化会推动很多模型的改进工作，而且会影响整个团队的研发思路。
比如早期很多做算法优化的同学都会追求算法的可解释性，但是往往得不到更加积极的响应，直到产业领域频繁拒绝深度学习之后，很多人才意识到算法可解释性的重要，所以算法优化岗位可以认为是人工智能技术应用的一个晴雨表。
我在近几年跟国内外互联网大厂合作的过程中，组里做算法优化的同学比例在不断提升，我认为这是比较务实的一种做法。
最后，如果有人工智能领域相关的问题，欢迎与我交流。 要说算法优化那就是类似Calinescu-Karloff-Rabani, Fakchareonphol-Rao-Talwar, Lovasz-Plummer, Lex Schrijver, Easley-Kleinberg这些。天坑肯定算不上，只要你能做出不错的东西/找到合适的团队。我认识搞这些的人，生活都挺幸福轻松的，也没啥压力。但横竖跟洗数据或者互连网也没啥关系就是了 感觉就是的，算法优化都是有具体场景的，无非就是面对不同的场景，把原来的优化方法或者说思维方式组合运用得到新的解答，
那么多场景，水论文肯定容易啊，但是普适的优化方法不变，也是个体力活。
这么一想，原来以前一开始学不会的组合也是体力活，只是一开始思维方式有问题，没学明白，后面又没时间完整学，才会觉得很神奇~~
完了，感觉要退坑图论了，但是接下来该去哪呢，会是优化吗?读个优化的硕士试试，不行就出来处理数据
但是，这世界上好像也没有什么事情比组合优化更有意思了呢
页:
[1]