当我们在谈论算法时，我们在谈论什么

作为互联网从业者，或多或少都接触过算法这个概念。

有的人认为算法是魔法。比如热搜人物王力宏在《A.I.爱》里唱过“但 A.I.，能克服所有问题”。

有的人认为算法就是一堆烂泥巴，得靠着各种修正策略才能勉强糊一个破娃娃形象。

我自己开始接触算法是因为做搜索系统需要了解算法原理，于是开始是看阮一峰的博客。后来做了推荐，花了一段时间才理解了什么是机器学习、随机梯度下降。后来虽然工作换了几次，但是主线还是在算法和产品结合的领域。

工作中也多次在项目中主导算法选型和算法设计，算是积累了不少经验，也对算法这个抽象的词，可以多谈一点自己的理解。本文不包含任何公式，请放心食用。

基础的数学原理

神经网络可以追溯到上个世纪五十年代，决策树起源于上个世纪六十年代，强化学习起源于上个世纪六十年代。而它们分别是联结学派（The connectionists）、符号学派（The symbolists）、进化学派（The evolutionaries）的算法基石，也是影响我们生活方方面面的算法基石。（想了解各种学派算法的原理，可以看之前的一篇文章）

从数学的角度，算法的原理非常基础，属于接受了高等教育的学生努力都可以学明白的地步。当然了，这和大部分互联网从业者不了解算法原理的现状并不矛盾，毕竟大部分人也跑不了10公里。

算法之所以这些年大规模应用，还是因为芯片和云计算的发展。而随着各种开源工具的丰富，算法开发难度也越来越低，甚至有了调参炼丹的梗。

从业务问题到算法问题

既然算法开发越来越简单了，那么为什么还有那么多公司无法利用算法提高效率呢？

明明别人用的好好的算法，很多公司用了之后却没什么效果。或者明明请了很厉害的人，却搞不出来有用的算法产品。前者的典型是一些公司做推荐算法，后者的典型是大厂们努力开发的智能音响。

之所以会这样，是因为算法的应用从来都不是单纯的算法问题，在解决算法问题之前，首先需要把一个业务问题转化为算法问题。

就拿已经逝去的K12领域的分班问题举例子吧。同一个主讲老师的班级中，一个学生会被分给多个辅导老师，理论上有很多种分配可能，行业中通用做法基本还是随机分配。每个学生和不同辅导老师之间转化概率不同，理论上可以有基于预测，作出最优匹配，提升整体转化率。

这不是一个推荐问题，而是一个典型的分配问题，解法更类似于整数线性规划，和大部分主流算法不兼容。

但只要问题从业务问题拆解到了整数线性规划这样的算法问题，这个问题就可以用很成熟的方法解决。具体到这个问题，可以把每个辅导老师的班级名额作为需求，学生作为供给，名额和学生之间有匹配度，然后构造二分图。解二分图的算法非常多，贪心算法、KM算法、匈牙利算法都行。

当问题拆解到可以用二分图建模时，问题好像已经被解决了，但真的是这样吗？

可解释性与推广应用

上一节的结束部分可能已经有朋友看得迷迷糊糊的，这很正常。如果真的用这段说法去跟管理层沟通，大概就是一场灾难。如果拿着这个方案去跟一线辅导老师们沟通，他们只会觉得你想克扣他们的工资，用呼兰的话说就是“总有朕要害刁民”。

如果一个问题可以被用非常简单的方式解决，那这个问题就不会被遗留到现在。而当你试图用数据、算法构造一套更复杂的系统去解决，那么在内部就会遇到很大的阻力。

首先就是可解释性。实际上可解释性和复杂性是不矛盾的。比如原子弹是怎么爆炸的？里面有无数个物理问题和工程系统问题，两弹一星影视作品里经常有一黑板的公式，看着就头疼。

但对受过义务教育的人而言，依然可以做一个简化解释，比如：质量可以转化为巨大能量，原子撞击聚合能把部分质量转化为能量。

在实际工作中，要进一步推广应用，则需要站在对方的角度去思考。帮助对方理解这个很难理解的系统怎么解决他的问题，做一些工作帮助对方打消对新系统潜在问题的顾虑。测算投入和收益、分析影响面、对应用中可能遇到的各种问题做足够的预案，争取足够多的人。

然后设计完善的测试方案，用测试结果，进行进一步的推广。

实践的机会与窗口期

算法不是理论，也不是刷题。算法比赛里能拿金牌的人，也许在面对真实情况时完全手足无措。

算法解决实际问题的能力，需要在真实的实践中锻炼和培养，而这样的机会则少之又少。

一个公司不能太大，太的公司里挂了策略产品经理title可能就是在收集case，不理解系统全貌。典型的比如之前在字节时，给抖音推荐PM反馈bug的故事。某天我刷到了很多快手风的视频，点赞量也不对。我就在问题反馈群里说了下，我觉得是推荐系统挂了，而且兜底内容池也出了问题。然后接话的推荐PM还说应该没问题，后来是工程师确认，应该就是我说的问题，他们会尽快修复。

一个公司也不能太小，没有足够多的潜在应用场景，只有模式相对稳定，积累了一定量的数据，有一定盈利能力，才需要高杠杆的算法去提升各个环节的效率。

“深处种菱浅种稻，不深不浅种荷花”，算法大概就是荷花。

图穷匕见的招人启事

目前我就在这样一家公司，有一定的规模和盈利能力，组织内部关系简单，管理团队讲逻辑，现在负责算法和策略产品。有一些事儿已经在做了，但还是需要很多同学的加入，算法工程师和策略产品经理都需要。

算法工程师有两类，一类是偏研究的，核心是算法深度，一类是偏解决问题，核心是算法广度。我们当前阶段需要的是后者。现在就像是在整个业务的果园里摘长得比较低的果子，所以更看重算法的广度和工程实践能力，对于算法领域普遍比较看重的背景不做要求。

策略产品经理基本还是我之前的招聘偏好，需要有一些数理统计基础，有比较强的自我驱动和学习能力。

除了成长机会，薪资可以给到业内有竞争力的薪资，还是个不错的机会。

当然，除了这些基础的保障，还有一些相比于稳定大厂拧螺丝的风险溢价，比较适合风险偏好型的同学。

今年互联网整体寒潮，好机会不多，欢迎自荐或者推荐给身边的朋友。简历可以发送我邮箱：[email protected]。

有任何问题也可以公众号咨询沟通，这阵子我保证积极回私信。