機(jī)器學(xué)習(xí)如火如荼，據(jù)說(shuō)高校圖書館理工科研究生現(xiàn)在人手一本Deep Learning和西瓜書。

另一方面知乎關(guān)于秋招AI算法崗的討論可以看出，AI算法崗競(jìng)爭(zhēng)有多激烈，一大批“科班”人工智能畢業(yè)生進(jìn)入市場(chǎng)。

還有很多傳統(tǒng)理工科轉(zhuǎn)行人工智能的。

對(duì)于傳統(tǒng)理工科背景出身的，轉(zhuǎn)行人工智能難度很大，包括計(jì)算機(jī)科學(xué)相關(guān)課程，數(shù)據(jù)結(jié)構(gòu)，統(tǒng)計(jì)學(xué)都是陌生的，代碼實(shí)現(xiàn)能力弱，計(jì)算機(jī)底層系統(tǒng)架構(gòu)不了解，數(shù)據(jù)結(jié)構(gòu)不了解。

也不少任由人工智能發(fā)展，而不管不顧。

傳統(tǒng)專業(yè)出身的強(qiáng)項(xiàng)在于對(duì)自己業(yè)務(wù)的熟悉，將機(jī)器學(xué)習(xí)應(yīng)用于傳統(tǒng)行業(yè)。

吳恩達(dá)今年創(chuàng)辦的Landing.ai正是要將AI落地傳統(tǒng)制造業(yè)。

作為空調(diào)行業(yè)從業(yè)者

將機(jī)器學(xué)習(xí)應(yīng)用于空調(diào)系統(tǒng)的設(shè)計(jì)。

熱交換器分配優(yōu)化問(wèn)題。機(jī)器學(xué)習(xí)算法說(shuō)到底是一個(gè)最優(yōu)化的過(guò)程，傳統(tǒng)CFD自下而上仿真，從流體力學(xué)，傳熱學(xué)，工程熱力學(xué)理論計(jì)算熱交分配，計(jì)算精度可以說(shuō)有待商榷。

而機(jī)器學(xué)習(xí)的端到端學(xué)習(xí)，可直接基于熱交回路到傳熱效果進(jìn)行學(xué)習(xí)。跳過(guò)所有的中間件。

但也有很多問(wèn)題

用深度學(xué)習(xí)的話如何將熱交回路，蒸發(fā)效果轉(zhuǎn)化為機(jī)器學(xué)習(xí)可讀的數(shù)據(jù)，如何設(shè)定目標(biāo)函數(shù)。

用強(qiáng)化學(xué)習(xí)的話，如何設(shè)定反饋函數(shù)，甚至用GAN(多抗生成網(wǎng)絡(luò))直接生成。

還有一個(gè)難點(diǎn)就在于數(shù)據(jù)集的構(gòu)建，機(jī)器學(xué)習(xí)算法一般至少需要5000個(gè)training sample才能達(dá)到可觀的效果。這就涉及到傳統(tǒng)行業(yè)研發(fā)整個(gè)過(guò)程數(shù)據(jù)化，而且是規(guī)范的數(shù)據(jù)化。

數(shù)據(jù)化后，數(shù)據(jù)就是最有價(jià)值。

你問(wèn)Google為什么Alpha go那么厲害，她說(shuō)“我們沒有好的算法，只是有好的數(shù)據(jù)”

以上