即使事先知道要拍照，她的穿着还是出人意料的简单：白T恤、黑裙子，当然还少不了带隔层的双肩包来保护笔记本电脑——好像随时都能拿出来写上几行代码
她的双肩包像个“百宝箱”，里面除了装着电脑，还备着各式接口的数据传输线，几乎能连接这间小会议室里的所有设备
新产品上线前的那几次测试，总是会发现一些意想不到的漏洞，需要连夜排除，大家往往会经历几个不眠之夜
张栋栋觉得自己骨子里是个“技术流”，喜欢跟机器打交道，遇到问题也爱“用技术说话”
在北京，“西二旗”是人流量最大的地铁站之一。离此不远的中关村软件园内，互联网公司和高科技企业林立。在网上，“西二旗人”很容易被贴上标签，“码农”是最常见的说法。程序、算法、迭代、优化……有人说，程序员的生活单调到只有睡眠和工作，就像代码里的0和1。
1992年出生的张栋栋却不认同这些看法。她是曙光信息产业股份有限公司大数据及创新事业部的研究人员，也是一位工作在“西二旗”的人工智能算法工程师，主要从事超大规模视频智能分析引擎开发和算法优化工作。“90后”“女性”“程序员”，这些不同的特质会在她的身上碰撞出怎样的火花？记者日前来到位于中关村软件园的曙光信息产业股份有限公司，体验“90后”人工智能算法工程师张栋栋的一天。
边介绍边演示，桌上这台配置不错的笔记本电脑也有些跟不上她的节奏，系统时不时会有些卡顿
即使事先知道要拍照，张栋栋今天的穿着还是出人意料的简单：白T恤、黑裙子，当然还少不了带隔层的双肩包来保护笔记本电脑——好像随时都能拿出来写上几行代码。
来到偌大的办公平台时，已是上午10点，张栋栋工位周围的同事还不多。“一些人在出差，一些人在开会，一些人可能刚下班。”张栋栋说。为了不影响在工位上工作的同事，我们决定将体验地点换到一间小会议室。楼里的小会议室出奇的多，每间可以容纳五六个人，白板上留着反复擦写后的记号笔痕迹，仿佛能重现一场场热烈的讨论。
张栋栋的工作跟我们经常能见到的“电子眼”相关。这些分布于各个角落的“电子眼”一直默默地守护着人们的安全，可是它们是如何在茫茫人海中快速、准确地锁定目标的？又怎样将数量庞大、响应迟缓、内容大多没有应用价值的监控视频变为更易查找、能被深度挖掘的高密度数据？在它们的背后，离不开一整套视频智能分析系统的支持。
为了帮助我这个门外汉快速理解，张栋栋将自己上周的工作进行了一场“情景还原”。“狭义上来说，人工智能也是一种算法，要靠数据来不断优化，大量的数据往往包含很多冗余甚至无用的信息，这时就需要数据清洗与整合。”张栋栋指着屏幕说。刚见面还有些腼腆的她，讲起技术来似乎一下子放开了，“拿这组人脸图片来说，每张都有标签，标签分很多列，分别标注着所属人的编号、性别、年龄等特征信息，当然其中每个人也可能有多张图片。”
“接下来要进行的是数据的可视化操作，一是为查看图片质量，二是为获得一个统计学上的数据描述，这时候就会发现一些‘噪音’（指对数据的干扰和影响）。”张栋栋举例说，“比如一张图片里可能有多个人脸或者没有人脸，属于同一个人的不同图像却发现根本不是一个人，或者同样的图片发现存了两遍等等——系统录入时的误操作会导致这些情况的发生。要保证机器能够学习到高质量的数据，就要把这些数据存在的问题罗列出来，再根据不同的问题找到数据清洗的方法。数据清洗是一个很重要的过程，虽然耗费时间，但关系到后续模型的准确率。”
边介绍边演示，桌上这台配置不错的笔记本电脑也有些跟不上她的节奏，系统时不时会有些卡顿，一直尝试理清思路的我也是一样。为了看起来方便，张栋栋连上了墙上的电子屏幕。这时我发现，她的双肩包像个“百宝箱”，里面除了装着电脑，还备着各式接口的数据传输线，几乎能连接这间小会议室里的所有设备。
键盘起起落落，一行行的代码便落在了屏幕上，远程服务器上记录着她每一次的灵光乍现
清洗完数据，接下来还要对数据进行前期预处理，包括从图片中截取人脸、把分散的数据集中到同一个大文件中，这些工作都是在为后续的模型训练做准备。张栋栋说：“人工智能对算力有很高的要求，原始数据体量大，处理过程就会耗用很多的CPU（中央处理器）资源，处理时间也比较长。后面训练时，如果数据量太大，我们还会用到分布式并行训练的方法来提高速度。”此外，数据增强也是预处理的一部分，就是对刚才的工作反其道而行之——人为增加数据的“噪音”。
“数据清洗要去除噪音，这个时候为什么又要增加噪音呢？”我有些不解。“这是为了让模型适应多种实际场景，在人脸识别里，就是应对逆光、人像不全等极端情况，专业名词叫‘提高模型泛化能力’。”张栋栋解释说。
把这些工作做完之后，还要在原来的算法结构的基础上进行改进，俗称“改代码”。“人脸识别也有多种算法，需要选择合适的来修改。我们前期已经对各种算法进行了评估，有一个大概的算法结构，只要拿过来稍微改一下就可以使用了。”
说到这里，我们才算进入模型训练阶段，张栋栋也正式开始了她今天的工作。“训练的过程其实就是一个降低损失函数（预测值与真实值之间差距）的过程。”键盘起起落落，一行行的代码便落在了屏幕上，远程服务器上记录着她每一次的灵光乍现，也不会放过任何一个程序故障。
“在机器学习中，一般会将样本分成独立的三部分——训练集、验证集和测试集，其中测试集用来检验模型的性能如何。两方面决定了一个模型或算法的好坏，一个是结构，另一个是模型参数。训练的最终目的就是要找到合适的参数，使测试集的准确率更高。”张栋栋说，当最后测试集显示准确率已经比较高，并且已经收敛到一个平稳的状态后，训练就告结束，后续就可以对新数据进行预测和推理。
“程序员真的能记住这么多的代码吗？”看她双手如飞，我有些好奇。“其实这就跟我们背诗句、单词差不多，熟能生巧嘛。”张栋栋笑了，“有时候也做不到一字不差，但大致的逻辑和思路是能记得的。”初秋的午后，阳光照射在园区空荡的街道上，打开的窗边偶尔会传来几声鸟鸣，旋即被起伏的键盘敲击声所取代。旁边几间会议室的灯渐次点亮，人们进进出出。程序员工作的过程似乎不像传说中的那般“压力山大”。
中华养生网
