2016年年底，参加谷歌开发者大会，我站在会场最后一排，站着听完了tensorflow的讲座，觉得这技术很酷，因为2016年alphago战胜了李在石，所以对AI技术充满憧憬，虽然当时还听不懂，还是不明觉厉。
2017年年初，从创业公司退出来，和创业伙伴分道扬镳，站在一个人生的十字路口，就想着还是要过一个技术人生，选择一个最酷的技术学习和从事，想的很单纯，就很单纯地冲进去了。记得是3月份的时候，报了小象学院邹博的机器学习课，跟着啃了下来，大概3个月，虽然学完还是啥都不会，但是至少对机器学习有了概念，也能分清楚机器学习和深度学习的关系了，也努力开始把概率、高数、线代都捡了起来。随后，陪着家人看病，哩哩啦啦，一直到了年底。期间，去买了各类盗版课，疯狂的刷，似懂非懂，但是至少对AI的边边角角都有了概念。下半年，又开始学习深度学习，对CNN、LSTM等概念有了一定理解，也动手写了一些代码，写了一些典型的例子，也能跑通，同时努力理解它的原理。逐渐地，感觉自己已经入门了，但是，还是缺乏一个像样的项目的实践。
2018年，来到了一个互金公司，这里是它的一个子部门，恰好，部门技术老大想组建一个AI方向的团队，经朋友介绍，我获得了这个机会，我是非常珍惜这个机会，推掉了其他的offer。
刚来公司，技术老大就扔过来一个任务，我明白，这个就是一个试用期考察，是一个让我给别的团队提供验证码识别，对我一个从来没做过真实项目的人来说，是个不小的挑战，于是，我开始拼命的查找资料，github上clone，找例子尝试。最终，找到了一个比较简单的例子，很实用，我在此基础上做了改进，然后用我的笔记本，真的训练了出来，正确率还非常高，可以到90%+。其实，就是一个固定长度输出的CNN，现在看来非常简单，但是在当时，对自己来说还是一个不小的挑战，毕竟keras是第一次上手使用（之前主要是看tensorflow）。最终，2周，就把这东西训练出来，并且搞上线了，我自己都惊讶自己的高效，当然，这也是夜以继日不停的学习、思考、实践的结果。期间，还学习了docker，做成了容器发布，还完成了服务器上的部署等诸多细节。
老大对我的进度、能力非常满意，顺利转正。之后，就给我一些空间，让我探索，有什么可以落地的可能性，我也自信满满，自己对NLP、聊天机器学习人，非常感兴趣，于是，就把自己的方向尝试向这个方向努力，也和老大沟通了，他表示也同意。于是，我开始着手研究，经过调研，我找到了RASA，一个开源的chatbot引擎，从这里面，我看到了一个比较大的开源项目，如何使用LSTM、命令实体识别、意图识别等诸多细节，收获颇丰，我花了很长时间，一边补习这些深度的基础知识，一边阅读它的源码，运行它，尝试它的例子；然后，把这套东西，尝试用在公司的一个对外的业务问答上，做的过程中，才发现，把公司的业务知识梳理清楚，形成一个知识库很有必要，这个时候，就接触到了知识图谱，还报名参加了王昊奋老师的课，真心听不懂，不过硬是跟下来了。但是，真的去实践的时候，发现，根本没有一个成熟的知识图谱引擎，商业化的只有不带概念层的neo4j，而带着完备概念层的jena，根本就是个toy，自己也鼓捣了一下jena，根本不适用。而且，自己看到的唯一的可以run的是一个农业百科的问答系统，后来就越来越觉得这事难度太大，是自己一个人无法搞定的大工程。最最核心的是，如何把一个问答语句，转变成一个本体的查询语句sparql，是一个非常难的事，我根本没有思路。老大可没有耐心，在3个多月没有任何进展后，就让我必须把chatbot用起来，我于是，只好到处找场景，最终，和运维监控团队一起，尝试做一个业务监控报警机器人。最终，其实并没有用到rasa，只是很简单的一个固定模板，反倒是精力花在了基于微信的聊天机器人、QQ聊天机器人等诸多跟AI无关的技术细节上，偶尔用了用聚类做做问题的自动分类聚合等。就这样，哩哩啦啦、陆陆续续的忙到了年底。老大对我这块的进展非常不满意，甚至裁掉了我招的一个同事。
转机出现在第二年春节后，其他团队的同事，找我帮着做银行流水的识别，是一个OCR需求，我非常高兴，详细和他沟通了需求，他们需要的是把客户拍摄的银行流水水单，把其中的工资项需要分裂出来，不需要客户再手工输入，或者，让客户输入后做交叉验证。所以，这个时候，就需要一个OCR引擎，可以把文字的位置和内容识别出来。他们也去寻找了其他的技术方案，找到了阿里提供这种通用文字识别方案，识别率还挺不错的，他们决定采用，但是，他们更希望，我这边提供自有的OCR识别方案，毕竟，把客户的银行流水图片，交给基于互联网的API，是有背风控原则的，这可是客户的私人资料，按理说不应该发给任何第三方的。我于是接受了这个挑战，我和他们两边同时进行，他们先用阿里的API开发，等我的OCR识别OK了，他们再切回来。
尽管我之前只有验证码和聊天机器人的实战经验，但是，我对这件事还不是那么有信心，不过后来安慰自己，既然别人能做出来，我也可以。于是，我展开了深入的学习和研究，感谢互联网，我逐渐了解到，OCR分为检测和识别，也逐渐了解到了各类检测核心算法和识别核心算法。最终，我选定了当时最为成熟的CTPN检测算法，和识别的CRNN算法。然后，认真的读了两篇论文，中文的读完了，再读英文的，基本上原理的各个细节都了解了，期间遇到各种自己不懂的问题，都一一研究全都搞清楚。最后，我还找到了github上star最多的两个项目，由于自己一直是在学习tensorflow和keras，所以，就直接过滤掉了pytorch的项目。接下来，就是，对代码一行行的啃，每行都搞清楚，搞不清楚的，就把代码拷贝出来，写个小例子，中间加入了无数的打印，图片输出，debug图像等，每个细节都力图清清楚楚。十分感谢这些开原作者的复现代码，当时的我，甚至现在的我，可能都很难复现每一个细节，而他们当时的每行代码的展示，都给我无穷的帮助。
代码搞清楚了，剩下的，就是要动手训练了，因为我有训练的经验，所以我明白样本的重要性。我先从CTPN入手，样本我不可能从头标注啊，那怎么办？恰好我的合作团队，他们正在调用阿里云的API，已经积累了大量的样本，对我来说，如获至宝，我管他们要来后，清洗，然后按照ctpn要求的样本格式进行训练，期间，修复了ctpn源码中的好几个bugs，最终，大约在一个半月左右，终于训练出来了我的检测模型。正确率和F1都可以到70%+。非常高兴和开心，自信心也大大增强。接下来，就是CRNN，CRNN的算法比CTPN要复杂，一如既往，我套路已熟，读论文、肯细节、推导也不放过，理论撸完撸代码，代码也是逐行读逐行理解，写注释，中间也遇到几个棘手的细节问题，都一一攻克了。样本，我使用了阿里切出来的大量的识别小图，但是，有一个问题，就是阿里的小图有很多错误，并且，覆盖的字符集太小（毕竟就是银行流水，涉及到的字数太少了）。怎么办？我的办法是，自己生成广泛字符集的样本，我使用6880的一级+二级字库，然后用图像生成的办法，均匀的生成所有的汉字小图，长度、大小、纹理、干扰等都完全随机。这样训练出一个60%正确率的模型，但是，仍然无法满足生产需求，我实在没办法了，只好像部门领导请求帮助，发动部门的研发兄弟，集体帮我打标，为此我还开发了一个小型的打标系统，然后使用阿里的真实小图，让同事们帮着校验正确与否，最终给我提供了宝贵的4万张，正确率非常高的样本，我再使用这些样本做增强，然后加入到我自己生成样本，一共大约900万张，终于在3-4天的训练后，正确率达到了85%+，基本上可以满足生产需求了。
这之后，我还遇到一些问题，如用户提交的图像的方向是不定的，歪的图像是无法做检测的，所以，我又自己设计了一个VGG做backbone+4方向判断的方向判断模型，并且，使用投影方差最大化，再做微调的方式，开发了一个正确率非常高的纠正方向的模型。
终于，我自己研发的OCR识别系统完成了，前后大概经历了3-4个月的时间，最终，我们把他部署到新采购的GPU服务器上，使用tensorflow serving的官方容器，来部署这些模型。对外，提供一个flask API容器，调用这个tensorflow serving的容器，完全替换了阿里的OCR服务。
经过2019年的一年，基本上，已经构建出一个新的产品方向，恰好这个时候，公司加盟了一位非常优秀的产品总监Z，Z对AI方向也非常感兴趣，也想通过AI来帮助公司开拓一些新方向，于是一拍即合。期间，我和她的产品团队，一起尝试过内部风控、风控评分卡等多种尝试，不过，在业务上都不太成功，最终，我们在OCR的进一步产品化方向上，达成一致，决心一起把OCR这个方向做突破。
到了2020年，我们开始深入OCR的各个方向，团队也由我一人，变成了4个人，虽然其他3个人也都不是算法工程师出身，但是大家对这个方向都非常感兴趣，也非常努力学习，我们利用平时时间，一起研读各个机器学习算法，深度学习算法，一起读西瓜书、读花书，每周五中午，都要一起做分享，并且还拉了一些其他team对AI感兴趣的同事一起，搞了一个机器学习方向的技术论坛，让大家都对机器学习、深度学习有了更深入的学习和理解。我也利用这个机会，对GAN、DRL、图神经网络，都进行了深入的学习和实践。
2020年赶上非典，在家隔离了一段时间，期间，正好有业务部门找上我们，要我们帮助开发一个车牌识别系统，对我们来说，车牌其实就是文字识别的一种扩展，算法无非也是对车牌的定位，以及识别。我负责识别，另外一个同事负责识别检测，他选型后，选定了psenet，在当时是最好的检测算法之一，当时的 检测技术，已经从基于fast-rcnn的ctpn，发展成为了基于语义分割技术的模型，psenet就是其中优秀的算法之一。而对车牌识别而言，我其实就是使用传统的CNN，因为车牌长度也是固定的，所以相对难度不是那么大，主要难度体现在样本上，我们没有那么多样本，好在是，我找到了CCPD，一个开源的车牌数据集，大概有30万张+，我们使用他train完后，再用业务部门提供的几千张真实场景的图片，做增强训练，最终，使得正确率达到了非常高的97%+，完全可以满足业务的需求了。这里要提一句，我们几千张车牌的打标，使用的完全是免费的百度服务：我们写了一个爬虫，去调用百度的展示网页，完成了打标；我们同时也使用阿里的展示页进行打标，以及旷视的，最终我们再做交叉验证，很高效的得到了正确率非常高的样本。
接下来，我做了更多的尝试，使用Keras2.0复现了当时一篇很有名的识别算法TextScanner，期间，和论文作者取得联系，还从他那里得到了一些非常关键的演示代码，可惜的是，训练总是报显卡OOM，我们12G的显卡根本train不动，我最后也只是把这个模型使用CPU可以跑通，就放在那里了，但是通过这个项目，我对论文复现，对keras2.0都有了非常深刻的理解。然后，我还复现了AttentionOCR，完全自己实现了一个Seq2Seq的实现，这个倒是训练出来了，但是，正确率远远低于CRNN，果然如同OCR圈里大家所说，CRNN是一个很难超越的经典。Attention有注意力偏移（Attention Drift）的问题，为此，我还去读了FocusAttention算法，但是，有个细节一直没搞明白，联系了作者，也没有收到回复，就作罢了。通过大约半年的复现工作，我对tensorflow、keras、深度学习以及论文阅读和理解等，都提升大一截子，自己感觉已经完全是一个合格的算法工程师了，也对带领团队面对未来的挑战充满信心。
2020年下半年，我们就主动出击，在产品总监Z的带领下，去拜访各个业务线负责人，和他们座谈，推销我们的产品，通过我们的努力，果然就获得了一些内部机会：帮着车贷业务线尝试开发绿本（车辆产权证）的识别，帮着保险业务线开发国内各个保险公司保单的关键信息识别；纸质征信报告识别等诸多项目机会，但是，我们都没能把握住机会，原因是我们确实还欠缺很多，具体包括，表格识别能力，前端的布局分析能力，表单间的分割能力等等。痛定思痛，我们于是开始着手一一解决，首先，我们使用网上一个Unet代码样例，再其基础上，开发出一个表格识别，具体的做法是，使用UNet做表格线识别，识别出横线和竖线，然后我们自研了一个算法，去分割出行和列，然后做cell的合并，完成了表格的识别；然后，我们是使用语义分割算法，把典型的证件类，如身份证、行驶证、发票、绿本等，使用语义分割，将其从图片里剥离出来，当然，我们仍然使用阿里、百度、旷视、华为这些公司的demo网页作为我们打标的手段；期间，我们的一个同事，还使用Bert以及笔画库，开发了一个词语纠错和文字笔画纠错的模块，大大增加了我们识别的鲁棒性；我们还改进了CRNN，使用CenterLoss来区分形近字（这个受到阿里的一个分享中提及的方案的启发），并且，通过改进我们的造字程序，加大样本量等手段，是我们的正确率从我之前的85%提升到93%左右；最后，我们使用这些技术的基础和铺垫，研发出一套基于模板的自动对齐算法：我们首先在模板图像上标注关键字（其实是为了标识关键位置），然后，在识别过程中，使用语义分割出对应的证件区域和其类型，然后识别后，再根据关键字在做类型的二次校验，然后，根据之前标注的此类模板的关键位置，进行对齐，通过各种调整、透射、仿射，最终，把图像的关键区域“扣”出来，完成关键字段的识别，取得了非常好的效果；我们还开发了一系列和业务相关的校验器，如身份证、车证编号、地址等，大大提高了识别后的纠错能力。
终于，在2021年，我们迎来了真正的项目机会，我们连续给业务部门提供了多个服务，包括，给车贷线的绿本12页识别，34页识别（12页和34页模式完全不同，需要不同的特殊的处理），我们还定制性的研发了车牌和二维码在一起的混合识别；我们研发的身份证、行驶本、驾照业务识别也同步上线；这些都在真实的业务场景下，每月为业务线提供了数万计的调用，有力的支撑了业务的发展。我们团队的同事，也得到了极大的成就感，成为全公司唯一的一条支撑OCR识别的内部AI团队。
到了下半年，风云突变，公司相关的业务线由于战略调整，逐渐开始裁撤，我们目测的业务量呈直线下降，而和我配合的产品总监Z，也由于个人原因离开团队，团队内部也出现了问题，其中的两位同事，分别在年中和年末离开了团队，加入了更有前途的外企和互联网大厂，虽然深深的祝福她们，但是，也是感觉到团队的没落和危机。
于是，2021年8月份开始，我尝试开发研发人脸识别系统。我首先把焦点聚焦在人脸识别上，通过大量的论文学习和阅读，我逐渐理解了，人脸识别才是人脸系统的核心。而人脸检测其实就是目标检测的一个应用而已。回到识别上，本质上，人脸识别就是人脸的比对，如何判断一张脸和另外一张脸就是同一张脸，而和另外一张脸不是同一张呢？这本质上，就是一个相似性、或者叫两张脸的距离问题，在使用backbone做了人脸的特征抽取后，然后使用各类衡量特征距离的方法，来衡量人脸的距离，最终，梳理了整个人脸比对的算法发展脉络后，我选定了arcface，一个把特征映射到到球面上，计算弧度距离的算法上。这次，我使用的是pytorch，借这个项目，我把pytorch认真学习了一遍，真心感觉keras就是抄的pytorch，pytorch的代码确实简洁很多，也很直白，下次做项目，我可能还会选择pytorch。为了实现arcface，我还开发了基于arcface的MNIST识别，降维到2维，可视化体验了arcface如何分开不同人脸的。最终，我train出了人脸比对，虽然正确率达不到生产要求，但是基本上已经实现了算法的诉求。接下来，我又着手人脸检测，这次要简单的多了，我选择了比较成熟的RetineFace，其实就是一个目标检测，使用FPN做特征抽取后，除了人脸的位置回归，还加入了人脸的关键点lanmark的loss，最终训练来了检测模型。
话说，已经到了11月底，我发现，即使我train出来人脸识别，也无法改变团队的命运了，一方面是缺乏产品端的支持，另一方面公司的人脸识别场景也不是特别明确，看来，我train出来的这个人脸模型，注定无法给业务带来支撑的机会了。于是，我决心，在最后的阶段，全力把经历转变到量化投资上吧，一个为自己的投资积累一些经验，另一个也算是再尝试一个可能跟公司业务相关的一个方向把。
从12月初开始，我开始学习量化投资，我了解到，量化投资适合我们做的，只有CTA和多因子这两个方向，CTA不是很难，而多因子则复杂很多，而且是机构常用的方法。于是，我还是选择了多因子方向。多因子模型是从fama-frech的三因子模型逐渐发展而来，于是，我又去研读了一遍投资学的教材，学习了从CAMP到多因子模型到FF三因子模型，最后找到了石川老师的《多因子实证》的书研读，发现，这个领域其实也是非常深。经过学习和探索，我逐渐形成了一套，基于tushare、alphalens、jads、backtrader的开发脚手架，分别覆盖数据源、单因子分析、多因子合成和回测的所有内容，完成后，我开始着手寻找别人实现的因子，以及准备开始复现各个金工研报的因子和策略，这些都在稳步的进行。我也尝试认识了量化投资圈的很多朋友，包括一些有经验的朋友，跟他们学习和请教，逐渐认识到这个领域的博大精深，以及对市场的敬畏。我还尝试联系了公司内部的量化部门，但是反馈是，确实没有什么机会了，好吧，最终，这个可能成为我将来个人的一个学习和研究方向吧。
目前，即将离开这个公司了，工作已经基本上告一段落了，回想四年的工作，还是收获满满，还是非常感谢当初部门的老大给我这个机会，可以让我在人工智能这个领域可以有四年的学习和实践。也经历了从白纸一张，到学习理解，到最终实践交付的整个过程，期间认识了非常优秀的同事们，带领他们一起为公司的业务发展也贡献了力量，也帮助她们收获了职业的发展，心里还是非常高兴和满足的。
天下没有不散的宴席，我自己也要开启一段新的旅程了，我还是持续关注人工智能发展，关注数学的应用，关注计算机行业的最新发展，关注量化投资、NLP等具体的领域，希望未来有机会再经历这样的有意义的四年。