无论是大数据还是人工智能，有两点：第一点，你能否用现有的技术或条件做出什么产品？第二点，你能否对现有的技术工具进行改进，以提高开发效率、降低成本、缩短周期、提升质量、提高性能、适应市场，等等。

我看了许多人工智能和大数据的人才培养方案，可以说，几乎都是强理论弱实践。

因此，很简单的一件事情，在自然语言处理、计算机视觉、机器视觉、知识图谱、广告推荐、搜索等等领域，找一个小方向，然后用现有的模型和算法去设计开发一个人工智能产品出来。

可以说，如果你做到了这一点，OK，工作是很简单的事情。

现在我们国内的人工智能走偏了。

纵观欧洲和美国200多年的历史，也就是法国建立第一所工程大学的那一年开始，人类社会经过了六次技术革命。远的不多说，我们观察20世纪初期，制造业从英国迁移到美国。美国出现了大量的产品，进入为期10年的黄金时代。

20世纪50年代，或者60年代，制造业从美国逐渐外迁。日本承接了相当一部分。于是，日本也生产出各种各样的产品。当然，日韩都不是完全的独立国家。

2001年的911后，中国也逐渐成为制造大国。伴随着电商，中国成为世界工厂。各色产品，层出不穷。

观察人类这几个关键的时刻或时期，请问，有什么特别的地方？或者说，美国为什么如此不遗余力地打压中国？里根当年如何对付日本？OK，这是宏观的层面。

微观层面上，对于个人来说，不是发论文，不是算法研究，而是工程开发能力。

我们工科人，始终要记住两点：第一，你如何用现有的技术去解决问题，哪怕不完美，妥协或权衡，tradeoff？第二，你如何去改进技术与工艺，提高效率，提高良品率，降低成本，最终落实到工具上。

事实上，google做的paper，都是这两点。GFS、BigTable、MapReduce，如果跟以前的并行计算相比，简直就是渣，把条件放宽了无数倍。

因此，做一个实际的东西出来，绝对不会找不到工作，而且，很好找工作。