今天，是1024程序员节。在这个“攻城狮”自带光芒的日子里，阿里妹请来AI大神贾扬清，作为一位开发者，聊一聊他自己的开发者经历，希望对你有所启发。
贾扬清
阿里巴巴集团副总裁、高级研究员
阿里巴巴计算平台事业部总裁
深度学习框架Caffe 作者，TensorFlow 作者之一，曾任 Facebook AI 架构部门总监，负责前沿 AI 平台的开发，Facebook 各产品部门 AI 平台的支持以及前沿机器学习系统研究。加州大学伯克利分校计算机科学博士学位、清华大学硕士学位和学士学位。
01 人生经历
当我觉得正在做的事情有意思，
我就觉得投时间在里头是对的。
阿里妹：大家对你的个人经历特别感兴趣，这么年轻来到阿里，想了解你是什么时候开始编程的？大学、研究生、博士分别学了什么？
贾扬清：其实我学编程还挺晚的。初三的时候，有一台计算机，我觉得挺有意思的，这时候开始接触电脑。大学的时候我想报相关的专业，清华计算机的分数线非常高，我就去了自动化线。我在本科学的是正常的课程，到了研究生阶段才开始学习机器学习相关的内容。当时有一句话是说：机器学习在80%的时间里解决80%的问题，但我们不知道哪80%的时间解决了哪些80%的问题。当时大家都很沮丧，想着毕业可能就失业了，还不如学系统或是数据库，至少有工作的机会。后来是因为兴趣，就一直坚持下来了，再后来去伯克利读PHD。博士期间已经在做计算机视觉的研究。要说正式开始非常认真的编程的话，Caffe 应该算是我第一个C++的项目。
阿里妹：你认为你是一个智力超群的人还是学习刻苦的人？
贾扬清：我觉得我智商没太高，可能还是因为兴趣，我也是相对比较懒的人，但是干活还是干的。我基本上7点起来，半夜还在做。当我觉得我的事儿特别有意思，那我就觉得投时间在里头是对的。
02 深度学习技术
这是一个值得投入的方向。
阿里妹：Caffe 是在什么场景下开发的这个框架，并且选择开源的，开发这么一个复杂的计算框架中遇到最大的坑是什么？
贾扬清：当时我们是想解决一个现实的问题，AelxBnet 出来之后，一直没有一个通用的让我们做科研的像 cuda-covnet 这样的一个平台，大家如果去看 cuda-covnet的话，是很难做扩展的。所以，当时我和伯克利的其他研究生是想解决自己的痛点：怎样来训练和设计深度学习的网络？
开源的原因是我们觉得我们有这样的一个问题，那么斯坦福肯定也有，清华也有，其他人肯定也是有这样的一个痛点。后来，我们基于共享的考虑因素就把它放出来了，可能也是因为这个缘故，正好踩到了点。
如果要说坑的话，搞开发的时候，最痛苦的事情是怎样来Debug。最开始的时候没有测试，后来我们跟以前在谷歌和其他的科技公司的朋友谈了一些测试框架。我们把测试的东西弄起来之后，写完Code跑一遍测试就可以了，这是很大的收获。
阿里妹：AI 对于解决常识或者推理的问题上面，会不会有重大的突破？包括知识图谱跟深度学习学习如何结合？知识图谱+图计算是不是有希望的方向？
贾扬清：凭心而论，我不是图计算的专家，只在读Paper了解的程度。我觉得类似于知识图谱，或者说用一个很老的词叫专家系统，这方面的研究可能是人工智能接下去的方向。以前做专家系统的时候，大家发现一个问题：我知道这个逻辑是怎么样的，但是输入一个图，怎么样从图到逻辑。所以，这几年人工智能在感知方面，像图像识别、语音识别、自然语言理解，都是从各种各样的输入到所谓深度学习的阶段，这方面深度学习的问题没有解决。图计算让我想起我在做PHD的时候一个特别热的领域叫概率图模型，我觉得这是一个很值得投入的方向。
阿里妹：目前出现了无需大规模训练集的深度学习算法模型，只是在精准度方面有一定的损失，请问这个方向是否有生命力？如果有，可以应用在哪些场景中？
贾扬清：这还是跟场景有关系，在一些影像识别等场景中的确有这样的问题，当我要找一个特殊癌症的人，我不能满世界找十个得癌症的人。所以说怎样在小数据上做学习是一个问题。我也经常在反思，不一定需要拘泥于数据太少的问题，可以通过一些方法来看能不能找到更多的数据。目前，小数据的收集还处于一个偏科研的方向，很多场景在真正落地的时候，还是需要数据，但是这个方向还是非常值得关注的。
阿里妹：你会推荐其他技术上的同学投入深度学习吗？
贾扬清：我夫人是做 finance 和 accountant 的，有一天她说要学 SQL，在finance 中，很多人需要数据处理。后来，我们就用一个周末的时间在一块儿学习。我觉得这件事和这个问题类似，大家可以把深度学习当做一个工具。如果你在周末的时候把它当做练练手的项目来做，那还可以，否则就不要搞了。有很多专业的，像做编译器的同学都可以帮忙搞定。怎么投入学习呢？看一看数据科学家都在做什么事情，如果自己有一堆数据的话，是不是可以用深度学习的模型跑一跑，前提是作为一个用户来用，而不是作为底层的开发者来用。我觉得深度学习是一个好东西，看大家怎么来用，到底要不要造这个工具，有兴趣的话当然可以。
03 职业成长
人应该是要想着怎样做更好的工具，
而不是跟工具抢活。
阿里妹：AutoML是一个兴起的领域，预期会有越来越多的日常工作被自动化，算法工程师应该如何选择发展提升方向？
贾扬清：我认为这是一个机会。当年C语言出来的时候，做汇编的同学会觉得自己没饭吃了。python、java出来后， C语言的人是不是没饭吃了？其实都不是，而是说效率提升了。所以，我觉得 AutoML 更多的是让我们能够放手来考虑更多更上层的东西。所以人应该是要想着怎样做更好的工具，而不是跟工具抢活。
阿里妹：对算法工程师来说有没有更具体的，可以发力的方向？
贾扬清：AutoML 应该是从2016年开始的， AutoML 最开始做搜索的时候，需要大量的资源，一开始大家开玩笑说AutoML 属于谷歌秀肌肉的文章，一上来就说800个GPU跑了几个月的时间，这事儿不现实的。我们用一个相对批评的态度来看 AutoML 文章，他基本上就是跑一堆程序，最后跑出一个最好的。但是我们随机搜了一堆，它的效果能差多少？这个问题在研究领域也在讨论。所以，AutoML 一个比较现实的方向是，怎么样在资源受限的情况下，最快地寻找到一个最好的模型，这是一个传统的像搜索等方面的问题。
阿里妹：在你的感受中，国内工程师跟硅谷工程师有什么差异点和共同点，对国内的一些工程师有什么样的建议？
贾扬清：我觉得咱们国内的工程师最好的一点是特别认真，真的是特别认真。国外的工程师，有的时候到周末就找不到人，甚至星期五下午四点钟就下班了。我来阿里之后，加入了骑自行车锻炼的群，虽然还没有机会去，我觉得还是需要平衡一下。硅谷工程师的想法更加天马行空一点，愿意投资到看似没什么用的地方去。这体现在公司的文化上面，硅谷的工程师把很多的工具做的挺好的，这无形当中就提升了我们的效率，比如说像代码的审查，怎样做测试等。也不是批评咱们自己，国外的公司可能在这方面的投资的范围更大，这个反过头来帮助了日常的工作效率，这可能是咱们应该向硅谷学习的一个地方。
04 未来
人不是一台机器，
但也正因此，
我们才比机器更加温暖。
阿里妹：AI 在落地改变人类发展的道路上，面临的主要挑战是什么？
贾扬清：我觉得面临的挑战是我们做 AI 的人不落地，这算是一个自我批评。大家做科研，很多时候像在象牙塔里，需要解决的问题很简单，就像 imagenet，最开始我们说人工智能爆发的这一点，imagenet 图像解压缩之后250G左右的样子，我拿个硬盘就解决了，即使硬盘不够快，我拿个 SSD 也差不多也解决了。然后，我们再看看应用到产品里，有的时候是30亿的照片，拿 SSD 就放不下。你再拿一个机器跑一跑试试，半年后说不定也没戏。所以这个时候，算法需要真正的在不同的产品环境里头摸爬滚打。产品的数据，在一定程度上来说挺脏的，但是这事得做，做完了才能把算法推下去，有的时候做事不能太干净，这个是最主要的一个挑战。AI 领域发展得很快，科研人员很快地冲到了产品里，对软件工程这方面的敬畏在一定程度上是不够的，包括我自己，这是最大的挑战。
阿里妹：知识爆炸的时代，未来应该如何选择可以长期投入的方向去研究？
贾扬清：这个有点难说，我们当时搞人工智能的时候，开玩笑说，毕业就是失业。我觉得还是要找一个自己感兴趣的方向，现在大家都在做的，并不一定是最有意思的一个事儿。
有一次，我们一群博士生在讨论日子要怎么过。我们的想法是找一个自己喜欢做的事情。如果是我不喜欢做的事情，即使挣钱了，也还是在干不喜欢干的事。我们当时的说法是：即使我做得不开心，即使我赚不了钱，但我觉得这事儿有意思就行。我有一位同学是做天文的，虽然不赚钱，但是他做得很开心，这事儿就是我想做的事情。
2002年我刚入学的时候，我们班主任跟我们说了这样一句话：“你们已经读大学了，都已经在这儿了，你们要考虑到将来你毕业之后，年薪10万是没有问题的，养小孩是没有问题的。你们要想想，当温饱解决了之后，你做事儿是不是开心？”我觉得这句话对我的触动挺大，我一直都记得这句话。
阿里妹：如果推荐一本书给现在的开发者，你会推荐哪一本书？
贾扬清：作为软件工程师我经常有这样一份沮丧：为什么别人总是不讲逻辑？这种沮丧在我走上技术管理岗位以后越来越多，直到今天。戴尔卡内基的《人性的弱点》，从畅销书的角度可能都已经被说烂了，不过我觉得它对像我这样的技术人员来说，是一本特别值得读的书：它用逻辑来讲述逻辑之外的事情，同时向我展示了一系列为人处世和共创成功的方法论。我2014年的时候第一次读到这本书，感觉它解决了我心底里对于和人打交道的恐惧。乍一看，书中讲到的事情似乎都是一些技巧：如何使你更受欢迎，如何交朋友，如何增加赚钱的能力，等等；但一条主线贯穿始终：人作为一种社会动物，有着喜怒哀乐，有着不同的个性，但是最终都希望获得相互的真诚，合作和理解。书中讲到的无数种技巧，归结起来，就是真心理解他人，尊重他人。人不是一台机器，但也正因此，我们才比机器更加温暖，共勉。
原文链接
本文为云栖社区原创内容，未经允许不得转载。
