十月中旬,林晨收到了一封意料之外的邮件——来自清华计算机系的学生会,邀请他去做一个技术分享。主题是大模型在金融科技的实践,面向的是研究生和本科生中的AI方向学生。
他盯着邮件看了一会儿。清华——中国计算机科学的最高学府。他自己只是中南省某普通大学的毕业生,从来没有想过有一天会被清华邀请去讲课。
苏婉在旁边看到了他的表情。什么邮件让你这么严肃?
清华找我去做分享。大模型在金融科技的实践。
去啊。苏婉说,这有什么好犹豫的?
林晨没有犹豫——他不是不想去。他在想的是另外一件事:站在清华的讲台上,他应该讲什么。只是讲技术——像在公司内部做技术分享那样把FinGPT的架构和评测数据放上去——那他只是一个普通的客座演讲者。但他觉得自己应该讲点别的。站在一群年轻的计算机系学生面前,他能给他们的东西,不只是一套模型的训练参数。
他回复了邮件。时间是下周三下午。
周三下午两点,林晨站在清华计算机系报告厅的讲台上。报告厅不大,容纳大概两百号人,差不多坐满了七成。前排坐了十几个教授和老师,后排和中间是学生——本科生和研究生各占一半。
林晨穿了件白衬衫——不是在T厂常穿的那件Polo衫,是苏婉帮他挑的。
我叫林晨。他把自己的名字写在投屏上,目前是T厂大模型应用部的副总监。但今天我不打算从副总监的角度来讲——我想从一个三十五岁才开始学AI的程序员的角度来讲。
台下安静了下来。这个开场白跟学生预想的大厂技术分享不太一样。
他先把自己被裁员的经历讲了一遍。没有煽情,只是陈述事实。三十五岁,在跨境电商公司干了十年后端开发,突然被优化。那个下午我拿着赔偿金走出写字楼,在门口的台阶上站了很久——不是因为难过,是因为不知道下一步往哪走。
然后他讲了自己在家闭关学AI的过程。TensorFlow的报错困了他两天,吴恩达的课看了三遍才听懂反向传播,数学基础不够就重新翻高数课本——每一步都是硬啃出来的。
我投的第一家Web3公司给了我offer,薪资三十K。但我干了两个月公司就出问题了——项目暂停、资金断裂、二次裁员。那次经历让我明白了一件事:跟风追热点的代价远比老老实实学基本面要大。
接下来他切换到技术部分。把FinGPT在金融场景下的落地逻辑从头到尾讲了一遍——为什么选金融这个垂直领域,怎么构建标注数据集,怎么设计合规机制,怎么从模型训练到产品上线。每个环节他都附了一页他自己踩过的坑的总结——比如模型在回测数据集上表现完美但上线后被用户的实际提问打回原形,因为用户的提问方式跟标注数据完全不一样。
台下开始有人做笔记。前排的一位教授——头发花白,戴着老花镜——在纸上写着什么。
FinGPT现在的金融问答准确率是百分之八十一。看起来不高——通用大模型在闲聊场景下的准确率能到九十好几。但金融是一个容错率极低的领域——一条理财产品的风险等级解释错了,用户可能赔几万。所以我们的标准不是百分之八十一够不够好,而是什么时候能到百分之九十以上还能保持零合规风险
他在大屏幕上放了两行字:
技术是手段,不是目的。目的是用技术解决真实世界里的真实问题。如果你学AI只是想进大厂拿高薪——可以,这条路走得通。但如果你学AI是因为相信这件事能改变某个行业的效率——那你会走得更远。
演讲结束后是问答环节。前排的一个戴眼镜的男生第一个举手。林老师,您刚才提到您是从普通大学毕业的。在现在这个竞争环境下,非名校出身的程序员在AI行业还有机会吗?
林晨的回答毫不犹豫,AI这个行业最公平的地方在于——算法不认学历,只认结果。你的模型跑出来的指标比别人的好,你就是比别人的好。清华还是普通大学,在accuracy的数值面前没有区别。关键是你能不能拿出让别人无法忽视的结果。
第二个站起来的是一个坐在后排的女生。林老师,我有一个比较个人化的问题——您觉得三十五岁转行学AI还来得及吗?我身边很多师兄师姐一过三十岁就开始焦虑,觉得自己已经学不动了。
林晨沉默了两秒。台下所有人的目光都集中在他身上。
来得及。他说。我就是三十五岁开始学的。不是报班速成那种——是真的从Python基础语法开始敲。刚开始连import tensorflow都会报错。但一年后我靠AI项目面试进了T厂,两年后在ACL发了论文,三年后我站在这里——以副总监的身份告诉你们这些全国最顶尖的计算机学生:来得及。
他顿了顿,补了一句:来得及的前提是你真的投入。不是每天下班刷一个小时网课那种投入——是每天十小时以上、把
>>>点击查看《AI时代:码农的涅盘重生》最新章节