关注、星标下方公众号，和你一起成长

作者 | 梁唐

(相关资料图)

出品 | 公众号：Coder梁（ID：Coder_LT）

大家好，我是老梁。

最近由于ChatGPT兴起，带动了aigc产业飞速发展。

老梁有幸刚好认识一个研究这个方向的朋友，邀请他加入了我的星球，分享一些aigc的行业知识。让我没有想到的是，大佬的自我介绍引起了许多小伙伴的注意。所以这次特意邀请他做了一个简单的访谈，针对他过去的经历以及ai行业进行分享。

下面是大佬的自我介绍：

出于什么原因当初选择从物理系转行？

向之所欣，俯仰之间，已为陈迹。

出于梦想和现实有差别，之前喜欢物理是因为它给了我美感，那些简洁的公式让我体会到什么是日月之行，若出其中；星汉灿烂，若出其里。但是真正做研究之后发现，大部分的活也是很枯燥的，完全没用任何美感，大部分都是在验证，模拟，和“数据去噪“。那会每天都觉得自己再做重复性的劳动，也感觉不到做的事情有多大意义，所以就去寻找新的兴趣点，恰好当时深度学习刚刚兴起(alphago的成功)，就去了解深度学习了，它的简单高效让我着迷，所以就想着从事相关的研究或工作。

如此大跨度的转行你是如何做到的

万里之行，始于足下。

就是从基础课补起就好了，当时买了数据结构与算法，计算机体系和计算机网络三本书，从头开始学习。

然后跟着网上的公开课学习，比如coursera/慕课网的一些课。认认真真写作业，扎扎实实刷题。当时面试前应该刷了600题，书大致翻了一遍（当然学的很不扎实），leetcode有时也能ac四题。其实能做到这样，在行情好的年代，一般都会有不错的offer。

转行的过程有遇到什么困难吗

主要有两点困难:

信息获取，因为没有相关经验的学长学姐，很难问到想要的信息。当时想到的办法是加了个cs就业的群，去与cs相关的学长学姐建立联系。同时积极寻找转行的学长学姐，与他们建立联系。这一步很难，主要考验的是软实力，怎么去社交，怎么能让人帮人等等。

基础不好，最开始只学习数据结构与算法，但是面试是会问计算机基础的，这个时候就很棘手了，因为很多问题是知不知道的区别，不是会不会的区别。我当时采取的策略是只管书的前三章，以及看面经背高频题答案。

目前在做哪个方向的研究

目前做的是diffusion，计算摄影，视觉语言预训练方面的研究。

这里插一句，老梁最近在捣鼓的ai绘图就是和大佬学来的。他就是我之前提到过的朋友，分享两张大佬绘制的蒂法。

你是如何看待aigc和ChatGPT的影响的

其实chatgpt也是aigc。ai从最开始提出来就是为了增加生产效率，让人类从繁重的重复劳动中解放出来，专注创造力相关的工作。

这一波chatgpt和diffusion的大火，其实是从nlp和cv两个方向让人类体会到了ai到来的生产力的进步: 比如自动更改论文，信件，整理表格，生成代码等；还有ai绘画(照相)给人带来的冲击，人类只用设计模版，就能在短时间内创造比之前多得多的内容，比如模特试衣服，家具摆放模版等。这，就是生产力的进步。

我觉得这是大势所趋，我们应该去拥抱它，让ai武装自己，提升自己的生产力，不要害怕它。这一轮的aigc本质还是基于统计的(maxlikelihood)，上一轮是基于规则的。基于统计的ai有它无法解决的问题，interpolation总是做的很好，Extrapolation效果不尽如人意。在长尾场景中，没有稳定的表现；同时训练数据直接决定了模型的表现上限。具体例子大家可以试试用chatgpt做leetcode前两百题，以及做刚出的周赛题。看看它生成的代码质量，思路正确与否。

打算将来在星球里分享什么

{视觉语言预训练} {GPT},{diffusion},{incontext learning} {深度学习理论前沿研究} {外语学习} {海外生活} {面试技巧}

看着大佬的分享让老梁也感慨万千，当年我在转行的时候，也经历了类似的过程。花了大量时间买书以及上公开课学习，看了很多高质量的资料，低质量的内容也没少看。没有什么知道了就能快速成功的捷径，也没有什么秘籍，20天内搞定offer。有的只有一点点学习硬啃知识的苦功夫罢了。

可惜的是，很多人看不上苦功夫，总是追求速成，结果不知不觉间花了大量的时间在寻找上，如果用寻找捷径的时间来一步一个脚印地前进，可能早已抵达了。

喜欢本文的话不要忘记三连~