大国工匠新纪元：算法铸就的匠心传奇

这是苍穹猎鹰第356篇演化日记 大国工匠新纪元：算法铸就的匠心传奇 本文只是小编的观点分享，列举的数据和逻辑只为了分析说明，不构成任何的决策建议。 头条号易流黄滨聊科技在视频里提到一个观点，大国工匠的选拔，要跟上技术进步的步伐。 “百年未有之大变局”，其底层逻辑，就是科学技术的发展，推动整个社会形态的巨大改变。不但大国工匠要跟上技术进步的步伐，工作、学习和生活也要跟上社会变迁的节奏。 2023年，中国大国工匠年度人物揭晓。十位在不同技术岗位取得卓越成就的技术人员，获得大国工匠年度人物荣誉。 在这10位当选的大国工匠年度人物里，9位是男性1位是女性。 这位女性就是汉王科技研发中心算法工程师、清华大学2003级生物医学工程系的校友彭菲。她作为人工智能行业代表，荣膺2023年“大国工匠年度人物”，成为首位获此殊荣的人工智能算法工程师。 2010年，彭菲从清华大学获得硕士学位后成为了一名算法工程师。 13年来，她先后从事红外光人脸识别、可见光人脸识别、手掌静脉识别、智能视频分析等多项人工智能算法的研发和改进工作，在人工智能算法领域做出了很多成绩。 这次彭菲当选大国工匠，透露出一个信号，工匠的评定标准由过去的凭经验和感觉，转向依靠数据和算法。 经验和感觉，不可复制、不可叠加、不可迁移。而数据和算法，则很好地克服这些问题。 1/4工匠的新解 算法工程师成为工匠，意味着我们在评选工匠的思路上的一大进步。 长期以来，尤其日本匠人精神的影响，叠加媒体宣传的推波助澜，我们一提到工匠就不由自主的和手艺工作联系起来，认为工匠就是手艺人。 这种想法其实是很片面的，手艺人在传统的手工业时代还是技术的代名词，但在网络时代，数据时代，算法时代，显然不合时宜。 根据黄滨老师的观点，现在选拔大国工匠要走出手艺人的这个传统思维，要和时代的技术进步相结合。 比方说，30年前要选机械加工方面的工匠，肯定是从车床、铣床、磨床的操作工里头选。但是，现在如果要选机械加工方面的工匠，就得突破这个思维，是否可以考虑从数控机床算法工程师里头选。 如果我们的算法工程师能够做出各种数控机床的核心控制模块、控制算法，那我们才算真正在机械加工领域掌握了底层核心技术，这种人当之无愧是当代的大国工匠。 无论是五轴数控加工机床，还是任何数字化装备，人的手艺是很难和算法抗衡的。 能研发五轴数控算法的人，肯定不是传统意义上的机械加工工人，但他对整个技术进步的贡献，并不亚于传统的手艺人，甚至远远超越。 这些人需要掌握的不再是经验、感觉等玄乎的技能，而是数学、控制论、数据分析、算法等知识。 彭菲的当选，打破了我们对工匠的固有看法，不再是手工感觉几斤几两精确到克，加工精度精确到几个miu（指μm，也就是微米Micrometre）。这种老套路是不能适应当下及未来的数据化、智能化。 2/4经验的还原 营销鬼才杜国楹，现任北京小罐茶业有限公司创始人、董事长。曾创立背背佳、好记星、E人E本、8848钛金手机等多个知名品牌。 得到《详谈》系列丛书也透露，杜国楹在传承制茶大师手艺方面的方法。 其实制茶大师也很苦恼，自己花了一辈子积累的经验，不知道该怎么传下去，因为很多判断是依靠嗅觉、触觉的，很难被描绘清楚。 比如他抓一把茶，更多的是感知水分，那水分就是可以用探测器解决的。 再比如过去炒茶，大师一闻说可以了，出锅。那到底香气和内含物质发生了什么变化，也都是可以通过仪器检测出来的。 这就清晰多了，大师不用守在锅边盯着，只需要安装相应的设备监测就可以。 过去我们说中国茶是“意外的发现”，未来我们可以把大师从生产线上解放出来，去做“主动的设计”，比如明年工艺要改善，调参数就行了，过去失水50%的时候停，要不要调到45%。 这是利用数字技术，把传统手艺人的经验和感觉复制出来，还原成可量化、可复制的数据和程序。 类似中医、民间手艺之类的传统，是否可以考虑类似的方法还原和保留？ 这个问题值得相关从业人员挖掘和研发。 3/4可缩放和算力 得到专栏《万维钢·精英日课6》里提到：任何一个项目拿过来先看是不是可缩放的；如果不是，再看能不能跟算力结合；如果不能，那就是笨功夫，不值得投入太多。 首先，“可缩放（scalable）”，准确说应该是“可扩展”，是现在AI界最热门的词。如果在这件事儿上投入的算力越多，得到的结果就越好，那么就说这个事儿是可缩放的 —— 否则就是不可缩放的。 强化学习之父，加拿大计算机科学家，现任加拿大阿尔伯塔大学教授理查德·萨顿，他在《苦涩的教训》这篇文章里说的：只有两个技术可以在计算上无限地缩放，那就是“学习”和“搜索”。 学习可以产生复利效应，获得可叠加式的进步。 学习，不管是深度学习神经网络、Transformer，还是强化学习，都是可积累的：见过的素材和局面越多，能力就越强。学过数学不耽误再学物理和生物，那些知识之间不会互相抵消，而是越多越好。 搜索，从计算的角度来说在空间上尽可能多地考虑一些可能性，在深度上对每个可能性做尽量详尽的场景模拟，合起来就是系统2思维。只要题目足够复杂，想的时间越长，就会越接近最好的答案。 其次，和算力结合。小编的理解是一个宽泛的说法，可以认为是能否数据化、智能化、网络化…… 电动汽车对油车的替代，表面看只是使用能源的不同，实质上电动汽车是传统汽车工业的数据化、智能化和网络化，在摩尔定律的加持下，会给传统汽车工业带来质的飞跃。 把传统匠人的手艺，通过数据和程序还原出来，也是结合算力的一种。 4/4转型的困境 把传统匠人手艺的数字化，需要改变落后的组织结构。 这也是大量企业向往数字化却又只能叶公好龙的原因——只想付出财务成本，不想付出组织成本。 数字化时代，不同的技术背景，对组织架构的要求完全不同，甚至截然相反。但多数人只愿意花钱购买一套设备，不愿意为数字化进行深度的结构调整。 改革组织结构，某种程度就是自我革命，就是自我利益的减少。任何时候，任何情况下，削减个人利益都是最难的一件事。 本文只是小编的观点分享，列举的数据和逻辑只为了分析说明，不构成任何的决策建议。 · END·