最近看到Andrej Karpathy（特斯拉前AI总监）的一篇文章，感触很深。想和大家聊聊AI对程序员的真实影响。他说Geoffrey Hinton（深度学习三巨头之一）在2016年预测AI图像识别会让放射科医生全部失业。结果呢？快10年过去了，放射科不仅没消失，反而发展得挺好，职位还在增长。这个例子很能说明问题。虽然实验室里AI识别准确率99%，很牛逼！！但是真实场景往往复杂得多：模糊的图像、罕见的病例、需要结合病史判断...AI代替不了医生。就像leetcode刷题和实际开发是两码事。你刷了100题，就真能上手做开发了？答案是否定的。放射科医生的工作也不只是"看片子"...

6月down后继续尝试～【intro】我是UCL（qs top 10）城市空间科学硕士，本科是211机械设计制造及自动化（有工科逻辑底子👩🏻‍💻）过去几年，我的经历有点“跨界”，但核心一直围绕着 数据分析 + 空间信息 + 可持续发展。📍林火遥感监测的研究（发表Remote Sensing论文）；📍在浙大某实验室和关联企业中做过与数字孪生、碳排放评估相关的项目，参与一些算法和技术文件的编写。📍python/GIS研究伦敦超低排放区政策（ULEZ）对空气质量的影响；看起来跨度有些大，我其实一直在寻找同一个方向——用数据与空间技术理解和优化真实世界。（🔎详情CV哦）【认真碎碎念】今年6月后迫于求职环境压力，我申请了部分PhD（ESG、城市交通排放、碳中和方向♻️），期间主要在充实研究能力、读文献📄、和导师🧑‍🏫沟通，也因此有一段“空窗期”，希望遇到【不介意】我处于探索发展路径的伯乐呀（福利：面试官还有机会解锁这位 理工+人文混血体 的有趣副业经历👾）。【意向岗位/城市】希望寻找一份能结合我背景和「兴趣」的工作。意象方向：🌍 GIS / 遥感 / 城市数据分析🏙️ 智慧城市、可持续发展研究🌱 碳中和、环境数据分析、ESG政策研究（感兴趣也正学习ing）💡 技术与策略结合的岗位，如数据顾问、其他科技方向的项目助理｜解决方案｜科研研究助理等等意向地点：上海 / 深圳 /香港（接受Hybrid或部分远程）。希望能加入一个包容多元复合型背景、愿意给年轻人自我学习自我成长机会的团队，不介意我“跨界”的路径，更看重逻辑能力、学习力和独立思考的硬实力和软实力。

校招时有一种很普遍的焦虑：“没有大厂实习经历，是不是就废了？”但在实际的秋招战场上，大家总能看到一些“异类”：简历上没有任何实习大厂的Logo，甚至连中小厂的实习都没有，却依然能拿下头部大厂的SP甚至SSP。这并不是玄学，也不是幸存者偏差，这背后的核心逻辑其实是“核心竞争力的等价置换”。HR和面试官本质上是在估算你的“未来产出能力”，而实习经历只是证明这种能力的凭证之一，并非唯一。一、 学术能力的“降维打击”对于算法岗而言，“顶级实验室经历” > “普通大厂打杂实习”。很多零实习的大佬，其实是在学校里把实验室当成了公司。 手握一篇CVPR/ICCV/AAAI/这些顶级paper，其含金量...