※ 引述《iseeyou080 (iseeyou080)》之銘言：
: 第一次發文請見諒
: 最近看一些新聞 提到機器人或AI
: 也看到類神經網路似乎可以從雜亂無章或複雜的data 分析和學習
: 很類似半導體製程工程師的工作
: 想請問各位百萬
: 製程工程師 或設備和整合工程師
: 在未來會有被AI 取代的一天嗎
小弟在這行業界經驗已經4年了。
隨時都在讀論文導入產品，我可以很明確地說，目前技術做不到。
目前所有人工智慧，都伴隨著大量的 "工人智慧"
前幾年Deep Learning 火紅的時候，真正爆炸點，並不是技術有什麼突破。
的確大家發現了讓學習模型複雜且可以收斂的方法了，但是那時大家覺得沒什麼用。
要不是 ImageNet 花了大量的"人工"標註圖片內容(Amazon Mechanical Turk)，
大家怎麼會發現，原來深度學習好像有點用?
最近雖然FB,MS,Google都推出對話機器人服務，但是大家可以去看它們這兩年的論文。
論文跟產品廣告出來的技術難度差太多了。
產品展現出來的功能，例如訂Pizza，這種小事情，
大家可以去看 A Neural Conversational Model 為範例，
要用多少的資料，多少的人工整理過的資料去預先處理?
目前即使是深度學習，還是包含大量的人工預先處理。
雖然很多論文號稱不用標註，但實際上用到產業界都不好用，或根本沒效果。
個人覺得，不管是業界頂尖或學術研究，
目前還沒看到個影子，AI大量取代技術工作者。

你人工智慧系？

樓上 現在資料分析很夯吧 人工智慧lab多啊

我相信你

推這篇

非常感謝您的回答 原來有工作這麼多元 嚮往您的工作

目前的企業的商業獲利模式尚不明朗，但是受僱者的獲利倒是很火紅，當下作這個可說是顯學且薪水可觀。

推

標注是一次性的工作，談不上是問題，請不到人也可以丟 Amazon Mechanical Turk 解決，怕被取代，主要還是看手邊的工作是不是可以用 NN 解決，您問我我是演算法工程師會不會被 NN 取代，我會回還早，現在 NN 離創造力還很遠，您問我我是公司的電話客服會不會被 NN 取代，我會回您要小心了

DrTech大大怎麼不去矽谷撈一票

正解

推目前技術做不到

推

推

整理到一個階段 叫人類判斷就好了

覺得沒法完全取代，但可能降低人力需求

好文 期望大大未來多多分享

推

推

推啦～

推

2F哈哈哈哈哈哈哈

糧草徵收人、礦工、伐木工應該就不會被取代吧

拎杯6年前論文就是用NN+big data 數據還比nasa還猛

推推 拿來demo可以 很潮 長官愛 但是真的沒辦法實用

先前的資料處理也很重要，一堆極端值也會影響機器學習分析出的y值，還有bias lambda的參數調整，避免overfitting

需要大量工人智慧這點我有些疑問deep learning的好處之一包含不用特別做feature只要給的原始資料中或多或少包含關鍵資訊就可以影像處理的部分已經是拿一個一個pixel當input讓模型自己學出 需要從點中得到怎樣的資訊像是先前google 從影片中學出來的 人臉 以及 貓臉阿有些偏了 imgnet那邊的標註答案的確需要人的幫助但那是標註答案的部分 我前面講的是input的預處理

這篇講的是可監督式的學習，不是深度學習。

回文講AI提到的模型 不是都算是deep learning的模型嗎??

以前的人也認為電腦圍棋下不贏人類職業高手啊就算原po在這行 寫的出阿法go嗎？

需要大量工人智慧是對的，fine-tuning 階段還是需要大量的標注資料才會學得好，監督或非監督不是判斷是不是深度學習的依據，DNN 也沒什麼特別，但 Deep 之後的確效果驚人，在一些領域把既有的方法直接拋在背後追都追不到

抽取資料的feature還是要設計過，不然效果不好

我預測會先用在翻譯系統 deep learning可以解決翻譯問題

Language model 加上dnn的成果也越來越扯

crowdsourcing 大好～

勿忘unsupervised learning，是可以幫助labeling的

覺得比起CNN，小弟更看好LSTM-RNN的潛力