第262章 技术团队的雏形
第262章技术团队的雏形
IBM作为老牌计算机领域/互联网领域的方案解决巨头。
这样的巨头其手中有很多资源也正是林灰所看中的。
真的进行合作的话，林灰觉得同IBM还是有很大的合作空间的。
不过现在想这些多少有点一厢情愿。
事情将来的走向也不好说。
毕竟现在八字还没一撇呢。
现在林灰想太多也不是很有用。
一切要等到进一步接洽之后再说。
或者是IBM表现出相应的诚意之后再说。
退而言之，即便是和IBM没有合作的可能。
现在事情呈现出来的态势也在朝着对林灰有利的方向发展着。
此前谷歌入局，现在IBM入局。
两个巨头入局，而且涉猎的方向还不约而同地都涉及到和林灰此前搞得算法有关的内容。
倍感荣幸之至？
似乎还不需要这种情绪。
在这两大巨头的号召之下。
林灰觉得将来肯定还会有更多的巨头涉足于此的。
未来可期。
习惯于买买买的巨头涉足文本摘要后最方便的做法就是直接对现有的技术进行兼并。
这种情况下，林灰此前搞得现成的摘要技术无疑就是他们最好的选择。
林灰相信将来肯定不止是谷歌一家对林灰此前搞得技术感兴趣。
如此，无形之中成了卖方市场。
这就给了林灰待价而沽的权利。
当然了即便如此。
林灰也不大可能坐地起价。
林灰是很有合作的诚意的。
林灰蛮想通过此次合作能够再找到一个发展路线上没什么冲突的国际巨头作为长期合作伙伴的。
此前已经和蘋淉有不错的合作关系了。
为什么林灰还要寻求一个国际巨头呢？
其实这没什么好疑惑的。
即便是本着最起码的风险管控原则。
也知道应该不把鸡蛋放在同一个篮子里。
尽管现在林灰和蘋淉方面合作还算不错。
但天下没有不散的筵席。
只是因为利益暂时凑到一块的。
林灰不是很确定和蘋淉方面将来能走多远。
抛开这些商业方面的风险不谈。
就纯粹技术方面而言。
虽然在软件开发这方面林灰确实和蘋淉方面有不小的合作空间。
但涉及到机器学习算法方面一些比较激进的技术林灰并不是很确定蘋淉会对这些东西的兴趣。
纵然前世蘋淉在机器学习方面的进步似乎也不慢。
但客观地讲在机器学习的顶尖方面蘋淉往往慢半拍的。
尽管蘋淉很多时候即便是慢半拍也能后发制人。
譬如说像OCR文本识别方向，当年蘋淉动作慢吞吞的，看起来什么动作都没有，但甫一入局直接就默秒全。
但这慢半拍是林灰所不能接受的。
要知道，很多林灰所搬运的技术赚得就是“快半拍”的钱。
什么事情都拖上一拖让对手是试错之后才正式入局的话。
林灰还怎么愉快的圈钱。
总之在算法赛道上更喜欢后发制人的蘋淉大概率是要跟林灰形同陌路的。
江山易改本性难移。
林灰觉得虽然时空变了。
这个时空在厨子掌舵下的蘋淉在很多技术上慢半拍也将成为常态。
在这种情况下，就诸如算法方面的一些技术变现寻求其余的合作伙伴才是明智之举。
当然了寻求任何合作伙伴都是暂时的。
至于这个“暂时”的时间究竟是多长。
取决于林灰的成长速度有多快。
从更长期来看，林灰还是要自成一系的。
说到自成一系，这件事以前对林灰或许有些遥远。
但从伊芙·卡莉那获取的第二个消息让林灰自成一系的可能不再那么遥远。
伊芙·卡莉以前项目组里几个以前和伊芙·卡莉关系还算不错的人打算和伊芙一样加入到林灰麾下。
这对林灰来说可是一个不错的好消息。
伊芙·卡莉虽然很优秀。
做学术的态度也很尽责。
从纯粹科研人员的视角来说，伊芙·卡莉的进展并不算慢。
仅仅几天的时间，就有了不少成果。
这份速度足以羡煞一众科研同行了。
但某种程度来说。
伊芙·卡莉的进度依然算不上快。
这有点影响林灰的搬运速度。
此前林灰就想过能有一支学术工具人团队了。
没想到想睡觉就有枕头。
学术工具人2号、学术工具人3号……马上就要到位了。
不过这些人是不是愿意当工具人还不好说。
如果这些人也甘当学术工具人的话。
林灰那可是太高兴了。
尽管“学术工具人”听起来似乎是很贬损。
不过相比于大多数黑心老板
林灰感觉他比这些xuefa高到不知道哪里去了。
首先在待遇什么的林灰不会故意盘剥。
而且有前世的经历在。
林灰的科研路线几乎是绝对正确。
就这份道路的正确性就不知道碾压多少学术毒瘤了。
此外，科研路线几乎绝对正确。
也意味着即便是这些学术工具人只需要做莫得理想的学术机器（落实林灰的想法、完善林灰搭好框架的大楼）
他们的名字一样是有机会留在科学发展史史册的。
就这还不够么？
当然，话也不必说太死。
如果这些人不愿意当学术工具人的话，林灰也不强求。
这些人如果愿意从事算法落地方面的工作。
林灰一样是欢迎之至。
至于待遇什么的都好说。
也别说林灰为什么不用國内的人才。
呃，这个时间点相关方面的大牛國内不能说完全没有。
但要么是目前兴趣在别的地方。
要么是被一些大互联网公司当祖宗似的供着。
林灰眼下这宗小庙还真未必对这些人有太大的吸引力。
从人力成本的角度出发，当下反倒是应用歪果在机器学习这方面的人才更划算。
至于说现在用歪果仁会不会影响本国人才培养？
不存在的，在互联网思潮的席卷之下，技术人员学习新知识的速度往往要比普通人所预料的还夸张。
林灰前世正式从事人工智能方面的工作之时，当时差不多是第三次人工智能热潮兴起两三年之后的事情了。
但也丝毫没影响林灰迅速理解前人搞出来的大部分人工智能方面的算法和模型。
而当时林灰只是一个普通的技术人员而已，林灰觉得前世他能做到这个份上，这个时空有心于此的技术人员即便是后来者也能迅速跟进的，总之，林灰不觉得暂时用海外的人才会影响到本国人才的培养。
而且此时用歪果方面的技术人员还有另一重考量。
要知道机器学习是需要使用大量数据。
尽管都说啥机器学习的有效性并不需要以牺牲用户隐私为代价。
但这很多时候都只是漂亮话而已。
涉及到机器学习无论是设计还是训练。
无论是基于文本的开发还是基于语音的开发抑或是基于图像的开发。
相应的程序都离不开大量的数据喂。
没数据喂难道指望相应的模型自己“长大”么？
而数据从哪来呢？
只能是用户。
纵然林灰有前世不少的数据，但那些数据终究是有限的。
最佳的数据获取源终究还是用户。
毕竟用户在时时刻刻生产着数据。
而用哪的数据呢？
按理说我國有最大基数的网民，我國是最不缺各种数据的。
不过截至到目前为止，林灰也没和官方有过什么实质性接触。
这种情况下，总不能林灰去贸然收集数据吧？
虽然此时涉及到个人数据这方面没啥太明确的法律规定。
但林灰怕的就是这种模棱两可。
模棱两可意味着容易不小心踩坑。
纵然林灰只是想搞技术而已，不是想利用数据搞大新闻。
但技术真的无罪么？
这个问题不同时期可能有不同答案。
但要知道此时王欣还在海外跑路呢。
说技术无罪是不现实的。
总之在和官方正式接触之前，林灰是不大可能用國内数据的。
此前这个时空因为海外反对人脸识别的浪潮。
在部分国家诸如说漂亮国此时涉及到数据使用是有明确规定的。
海外数据在符合一定条件且获得许可的时候是可以据此搞技术开发的。
尽管如此，林灰还是觉得，用海外的数据。
如果是中方的技术人员使用歪果的数据很可能会被扣帽子。
但歪果的技术人员使用歪果的一些数据应该不会有什么问题。
这也正是林灰选择海外人员的另一重原因。
总之，无论是IBM准备涉足文本摘要还是伊芙·卡莉此前项目组中部分成员有投奔林灰的意向。
这两个消息林灰觉得都很不错。
这两件事对于林灰将来要做的事情都有可能产生助力作用。
尤其有很多擅长自然语言处理机器学习这方面的技术人员准备投奔这件事让林灰很是期待。
尽管前段时间林灰一直独来独往，但林灰还是很清楚的，无论做什么事，归根结底起决定性因素的还是人。
人是创造一切的基础。
即便是林灰有很多前世的信息，相比于现在这个时空有很大的信息差优势。
但很多时候一个人在做事的时候是会有很多局限性的。
要将前世这些信息真正充分发挥价值并且将涉及到应用的一些东西落到实处所需要的是无数的人才为之奋斗。
某种程度来说，人才是最宝贵的财富。
言而总之，林灰对即将到来的技术人员很是欢迎。
不过话说回来，尽管林灰对于这些即将到来的技术人员比较热切的期盼着。
但对于即将到来的这批人林灰最终还是要经过一定的面试的。
当然所谓的“面试”不是以淘汰为目的，林灰相信伊芙·卡莉此前团队成员的实力。
林灰只是希望能够更加明确这些人更擅长什么？
就算同样是算法方面的技术人员，其所擅长的内容或者说偏好也是不同的。
林灰希望能在进一步了解倒这些人的特长之后，而后将他们放在更加容易发挥价值以及的地方。
为了避免届时出现一些误会。
对于这个想法林灰也没避讳伊芙·卡莉，而是直接了当地告知了。
对此伊芙·卡莉也表示理解并愿意将林灰的态度代为传达。
甚至于对林灰愿意接纳她的朋友，伊芙·卡莉也已经是很感激了。
至于伊芙·卡莉为什么感谢，林灰是略知一二的。
雪崩的时候没有一片雪花是无辜的。
与之相似，涉及到算法方面甚至是更广阔的计算机领域，往往流行一种这样的观点：
“一个崩盘或失败的项目组/团队里没有成功的个人。”
很多引人入坑的培训机构会告诉一些外行。
涉足IT这方面的技术人员很多人在几个项目之后就如何如何工资从勉强十多万迅速破百万。
这种说法所描述的场景确实是存在的。
但这种情况下通常是项目接连成功的情况下才有的待遇。
可如果项目没有接连成功呢？甚至项目接二连三翻车时是什么情况呢？
鲜少有培训机构会讲项目失败后会如何。
真实情况是，但凡一个项目翻车之后接下来的日子别说什么百万年薪迎娶白富美了。
先想想以后的日子怎么过再说吧。
项目的倾覆总要有背锅的。
甩锅甩不出去往往就只能一块背。
涉及到一些随便玩票的项目还好说。
翻车就翻车了。
如果是一些被业界看好的项目翻车就比较惨了。
明明很好的项目却被你们搞砸了？
你们不背锅谁背锅？
现实中人们还能理智地批驳一下受害者有罪论，但涉及到技术方面可没这么多温情。
往往是只以成败论英雄。
就算很多时候明明是锅从天降也逃不脱背锅的命运。
而且这种锅基本就是大家一起背，从产品经理到底层的技术人员，基本上是谁都跑不脱。
背锅倒只是恶劣影响的开端，在业界比较看好的项目上翻车这份经历更是履历污点了。
有这些履历污点的影响下很多时候都非常拖累技术人员的正常成长。
甚至是跳槽也很受影响。
常言道，失败是成功之母。
但事实是某些情况下，失败是成功之墓。
一次失败直接就gameover了。
根本就没有翻身重来的机会。
至于说三十年河东三十年河西莫欺少年穷，这类说法多数时候只存在小说里。
IBM作为老牌计算机领域/互联网领域的方案解决巨头。
这样的巨头其手中有很多资源也正是林灰所看中的。
真的进行合作的话，林灰觉得同IBM还是有很大的合作空间的。
不过现在想这些多少有点一厢情愿。
事情将来的走向也不好说。
毕竟现在八字还没一撇呢。
现在林灰想太多也不是很有用。
一切要等到进一步接洽之后再说。
或者是IBM表现出相应的诚意之后再说。
退而言之，即便是和IBM没有合作的可能。
现在事情呈现出来的态势也在朝着对林灰有利的方向发展着。
此前谷歌入局，现在IBM入局。
两个巨头入局，而且涉猎的方向还不约而同地都涉及到和林灰此前搞得算法有关的内容。
倍感荣幸之至？
似乎还不需要这种情绪。
在这两大巨头的号召之下。
林灰觉得将来肯定还会有更多的巨头涉足于此的。
未来可期。
习惯于买买买的巨头涉足文本摘要后最方便的做法就是直接对现有的技术进行兼并。
这种情况下，林灰此前搞得现成的摘要技术无疑就是他们最好的选择。
林灰相信将来肯定不止是谷歌一家对林灰此前搞得技术感兴趣。
如此，无形之中成了卖方市场。
这就给了林灰待价而沽的权利。
当然了即便如此。
林灰也不大可能坐地起价。
林灰是很有合作的诚意的。
林灰蛮想通过此次合作能够再找到一个发展路线上没什么冲突的国际巨头作为长期合作伙伴的。
此前已经和蘋淉有不错的合作关系了。
为什么林灰还要寻求一个国际巨头呢？
其实这没什么好疑惑的。
即便是本着最起码的风险管控原则。
也知道应该不把鸡蛋放在同一个篮子里。
尽管现在林灰和蘋淉方面合作还算不错。
但天下没有不散的筵席。
只是因为利益暂时凑到一块的。
林灰不是很确定和蘋淉方面将来能走多远。
抛开这些商业方面的风险不谈。
就纯粹技术方面而言。
虽然在软件开发这方面林灰确实和蘋淉方面有不小的合作空间。
但涉及到机器学习算法方面一些比较激进的技术林灰并不是很确定蘋淉会对这些东西的兴趣。
纵然前世蘋淉在机器学习方面的进步似乎也不慢。
但客观地讲在机器学习的顶尖方面蘋淉往往慢半拍的。
尽管蘋淉很多时候即便是慢半拍也能后发制人。
譬如说像OCR文本识别方向，当年蘋淉动作慢吞吞的，看起来什么动作都没有，但甫一入局直接就默秒全。
但这慢半拍是林灰所不能接受的。
要知道，很多林灰所搬运的技术赚得就是“快半拍”的钱。
什么事情都拖上一拖让对手是试错之后才正式入局的话。
林灰还怎么愉快的圈钱。
总之在算法赛道上更喜欢后发制人的蘋淉大概率是要跟林灰形同陌路的。
江山易改本性难移。
林灰觉得虽然时空变了。
这个时空在厨子掌舵下的蘋淉在很多技术上慢半拍也将成为常态。
在这种情况下，就诸如算法方面的一些技术变现寻求其余的合作伙伴才是明智之举。
当然了寻求任何合作伙伴都是暂时的。
至于这个“暂时”的时间究竟是多长。
取决于林灰的成长速度有多快。
从更长期来看，林灰还是要自成一系的。
说到自成一系，这件事以前对林灰或许有些遥远。
但从伊芙·卡莉那获取的第二个消息让林灰自成一系的可能不再那么遥远。
伊芙·卡莉以前项目组里几个以前和伊芙·卡莉关系还算不错的人打算和伊芙一样加入到林灰麾下。
这对林灰来说可是一个不错的好消息。
伊芙·卡莉虽然很优秀。
做学术的态度也很尽责。
从纯粹科研人员的视角来说，伊芙·卡莉的进展并不算慢。
仅仅几天的时间，就有了不少成果。
这份速度足以羡煞一众科研同行了。
但某种程度来说。
伊芙·卡莉的进度依然算不上快。
这有点影响林灰的搬运速度。
此前林灰就想过能有一支学术工具人团队了。
没想到想睡觉就有枕头。
学术工具人2号、学术工具人3号……马上就要到位了。
不过这些人是不是愿意当工具人还不好说。
如果这些人也甘当学术工具人的话。
林灰那可是太高兴了。
尽管“学术工具人”听起来似乎是很贬损。
不过相比于大多数黑心老板
林灰感觉他比这些xuefa高到不知道哪里去了。
首先在待遇什么的林灰不会故意盘剥。
而且有前世的经历在。
林灰的科研路线几乎是绝对正确。
就这份道路的正确性就不知道碾压多少学术毒瘤了。
此外，科研路线几乎绝对正确。
也意味着即便是这些学术工具人只需要做莫得理想的学术机器（落实林灰的想法、完善林灰搭好框架的大楼）
他们的名字一样是有机会留在科学发展史史册的。
就这还不够么？
当然，话也不必说太死。
如果这些人不愿意当学术工具人的话，林灰也不强求。
这些人如果愿意从事算法落地方面的工作。
林灰一样是欢迎之至。
至于待遇什么的都好说。
也别说林灰为什么不用國内的人才。
呃，这个时间点相关方面的大牛國内不能说完全没有。
但要么是目前兴趣在别的地方。
要么是被一些大互联网公司当祖宗似的供着。
林灰眼下这宗小庙还真未必对这些人有太大的吸引力。
从人力成本的角度出发，当下反倒是应用歪果在机器学习这方面的人才更划算。
至于说现在用歪果仁会不会影响本国人才培养？
不存在的，在互联网思潮的席卷之下，技术人员学习新知识的速度往往要比普通人所预料的还夸张。
林灰前世正式从事人工智能方面的工作之时，当时差不多是第三次人工智能热潮兴起两三年之后的事情了。
但也丝毫没影响林灰迅速理解前人搞出来的大部分人工智能方面的算法和模型。
而当时林灰只是一个普通的技术人员而已，林灰觉得前世他能做到这个份上，这个时空有心于此的技术人员即便是后来者也能迅速跟进的，总之，林灰不觉得暂时用海外的人才会影响到本国人才的培养。
而且此时用歪果方面的技术人员还有另一重考量。
要知道机器学习是需要使用大量数据。
尽管都说啥机器学习的有效性并不需要以牺牲用户隐私为代价。
但这很多时候都只是漂亮话而已。
涉及到机器学习无论是设计还是训练。
无论是基于文本的开发还是基于语音的开发抑或是基于图像的开发。
相应的程序都离不开大量的数据喂。
没数据喂难道指望相应的模型自己“长大”么？
而数据从哪来呢？
只能是用户。
纵然林灰有前世不少的数据，但那些数据终究是有限的。
最佳的数据获取源终究还是用户。
毕竟用户在时时刻刻生产着数据。
而用哪的数据呢？
按理说我國有最大基数的网民，我國是最不缺各种数据的。
不过截至到目前为止，林灰也没和官方有过什么实质性接触。
这种情况下，总不能林灰去贸然收集数据吧？
虽然此时涉及到个人数据这方面没啥太明确的法律规定。
但林灰怕的就是这种模棱两可。
模棱两可意味着容易不小心踩坑。
纵然林灰只是想搞技术而已，不是想利用数据搞大新闻。
但技术真的无罪么？
这个问题不同时期可能有不同答案。
但要知道此时王欣还在海外跑路呢。
说技术无罪是不现实的。
总之在和官方正式接触之前，林灰是不大可能用國内数据的。
此前这个时空因为海外反对人脸识别的浪潮。
在部分国家诸如说漂亮国此时涉及到数据使用是有明确规定的。
海外数据在符合一定条件且获得许可的时候是可以据此搞技术开发的。
尽管如此，林灰还是觉得，用海外的数据。
如果是中方的技术人员使用歪果的数据很可能会被扣帽子。
但歪果的技术人员使用歪果的一些数据应该不会有什么问题。
这也正是林灰选择海外人员的另一重原因。
总之，无论是IBM准备涉足文本摘要还是伊芙·卡莉此前项目组中部分成员有投奔林灰的意向。
这两个消息林灰觉得都很不错。
这两件事对于林灰将来要做的事情都有可能产生助力作用。
尤其有很多擅长自然语言处理机器学习这方面的技术人员准备投奔这件事让林灰很是期待。
尽管前段时间林灰一直独来独往，但林灰还是很清楚的，无论做什么事，归根结底起决定性因素的还是人。
人是创造一切的基础。
即便是林灰有很多前世的信息，相比于现在这个时空有很大的信息差优势。
但很多时候一个人在做事的时候是会有很多局限性的。
要将前世这些信息真正充分发挥价值并且将涉及到应用的一些东西落到实处所需要的是无数的人才为之奋斗。
某种程度来说，人才是最宝贵的财富。
言而总之，林灰对即将到来的技术人员很是欢迎。
不过话说回来，尽管林灰对于这些即将到来的技术人员比较热切的期盼着。
但对于即将到来的这批人林灰最终还是要经过一定的面试的。
当然所谓的“面试”不是以淘汰为目的，林灰相信伊芙·卡莉此前团队成员的实力。
林灰只是希望能够更加明确这些人更擅长什么？
就算同样是算法方面的技术人员，其所擅长的内容或者说偏好也是不同的。
林灰希望能在进一步了解倒这些人的特长之后，而后将他们放在更加容易发挥价值以及的地方。
为了避免届时出现一些误会。
对于这个想法林灰也没避讳伊芙·卡莉，而是直接了当地告知了。
对此伊芙·卡莉也表示理解并愿意将林灰的态度代为传达。
甚至于对林灰愿意接纳她的朋友，伊芙·卡莉也已经是很感激了。
至于伊芙·卡莉为什么感谢，林灰是略知一二的。
雪崩的时候没有一片雪花是无辜的。
与之相似，涉及到算法方面甚至是更广阔的计算机领域，往往流行一种这样的观点：
“一个崩盘或失败的项目组/团队里没有成功的个人。”
很多引人入坑的培训机构会告诉一些外行。
涉足IT这方面的技术人员很多人在几个项目之后就如何如何工资从勉强十多万迅速破百万。
这种说法所描述的场景确实是存在的。
但这种情况下通常是项目接连成功的情况下才有的待遇。
可如果项目没有接连成功呢？甚至项目接二连三翻车时是什么情况呢？
鲜少有培训机构会讲项目失败后会如何。
真实情况是，但凡一个项目翻车之后接下来的日子别说什么百万年薪迎娶白富美了。
先想想以后的日子怎么过再说吧。
项目的倾覆总要有背锅的。
甩锅甩不出去往往就只能一块背。
涉及到一些随便玩票的项目还好说。
翻车就翻车了。
如果是一些被业界看好的项目翻车就比较惨了。
明明很好的项目却被你们搞砸了？
你们不背锅谁背锅？
现实中人们还能理智地批驳一下受害者有罪论，但涉及到技术方面可没这么多温情。
往往是只以成败论英雄。
就算很多时候明明是锅从天降也逃不脱背锅的命运。
而且这种锅基本就是大家一起背，从产品经理到底层的技术人员，基本上是谁都跑不脱。
背锅倒只是恶劣影响的开端，在业界比较看好的项目上翻车这份经历更是履历污点了。
有这些履历污点的影响下很多时候都非常拖累技术人员的正常成长。
甚至是跳槽也很受影响。
常言道，失败是成功之母。
但事实是某些情况下，失败是成功之墓。
一次失败直接就gameover了。
根本就没有翻身重来的机会。
至于说三十年河东三十年河西莫欺少年穷，这类说法多数时候只存在小说里。