演算法工程師都有哪些痛點

這是一個很多同學都比較關心的問題，結合我們組內的情況，我來說說個人看法。

首先，應用場景的需求就是演算法工程師要解決的痛點，而這也是演算法崗位自身痛點的來源，包括演算法設計問題、演算法最佳化問題、可解釋性問題、泛化能力問題、時空效率問題等等。

在實際解決問題的過程中，我們往往會先從演算法的數學理論基礎開始，在完成一個嚴謹的數學推導過程之後，接下來要完成演算法的實現、訓練、驗證和應用，當然這些環節都會出現各種痛點，包括數學推導過程本身就有大量的痛點，因為目前很多推導都是基於假設條件來完成的，這自然也是痛點的重要來源。

在做演算法的不同階段往往遇到的痛點是不同的，比如在做演算法的初期，痛點在於如何解決訓練的過擬合和驗證的欠擬合問題。這幾乎是每一名做演算法的同學都會遇到的情況，而且這一問題大機率會伴隨演算法工程師的整個職業生命週期，只是到了後期再遇到類似的問題就不那麼焦慮了而已，問題一直都在，只是心態不同罷了。

在做演算法的中期，痛點會逐漸轉移到泛化問題上，很多工程師也會為了提升泛化能力而犧牲掉特定場景表現更好的演算法，因為這些演算法可能在其他場景下的表現很差，這對於落地應用是非常致命的。

在當前深度學習大行其道的背景下，痛點又從大規模訓練逐漸轉移到了隱私計算和可解釋性上了，而這對於演算法工程師來說，在已有痛點沒有解決的背景下，又增加了新的痛點。

對於當前從事演算法崗的同學來說，痛點無處不在，新的痛點出現了，並不意味著已有的痛點已經解決了，實際上更常見的現象是很多痛點慢慢地被習慣了，也就是所謂的“痛久了就不疼了”。

我經常跟組裡的同學說這樣一個觀點，那就是追新有追新的好處，但是在人工智慧領域，很多傳統問題依然沒有得到解決，只是我們的關注點轉移了而已，如果能夠專注於解決歷史遺留問題，依然有廣闊的創新空間。

最後，如果有計算機領域相關的問題，歡迎與我交流。