过去我和许多人一样，认为工程师无非调库调包、把产品做出来最重要，其余大可不必关心。但 AI Coding 兴起、这学期学了数学模型、参加了第二届中国算法能力大赛之后，我不得不停下脚步，重新辩证地思考研究和工程的关系。
二元对立的过去
我曾觉得研究与工程之间存在一道明显鸿沟——有些理论脱离实际，在工程中连影子都看不到，就像纯粹的空中楼阁。
后来我发现这个直觉犯了以偏概全的错误。理论和工程之间有大量交叉地带，算法便是典型。不论是滑动窗口、贪心算法，还是各类树形结构，它们的诞生都有明确的实际问题背景。
学完数学模型之后，看到数学理论在数学模型中的应用，我意识到自己还是保守了。算法与工程几乎一体两面、对立统一。工程本身就是通过解决问题来达成目的，调用现成框架也好、设计算法也罢，都是解决问题的手段。算法则是工程求解过程中产生的副产物，或者说，就是工程的工具。
辩证地认识
数学模型和算法本质相似，都是解决现实问题的技能。问题源自工程实践，模型和算法正为求解这些问题而构建。因此在算法与模型领域，工程与研究本就一体两面——研究工程问题需要算法能力，钻研算法问题也离不开工程能力，最终到头来两种能力都要有。
沿着这个思路想下去，模型和算法在层出不穷的工程问题中无处不在，算法能力对工程方向的我们也大有裨益。就像很多微分方程已经被提出并求解过一样，现存算法也已浩如烟海。我们不必非要去发明或挑战新的算法，只要能意识到「这个算法能应用在那个问题上」，本身就已经是算法能力的体现。
就个人而言
认识的改变不一定立刻改变现状，但它能让我们在问题出现时解决得更清醒。
目前的情况往往是拿更高工资的人在遮风挡雨，多数底层人员更像是执行。对于不面对算法难题的执行者来说，锻炼算法能力或许带不来直接改变。但如果有一天要迈入个人开发者的行列，算法能力就绕不开。
这不是说个人开发者必须有顶尖算法能力，而是说这条路注定会遇到算法考验——或难或易，但无可回避。对抗这种不确定性的最佳方式，就是提前锤炼它。
人也许一生都不会迈入研究的殿堂，但在 AI 掀起风浪的当下，提升自身的认识也许会是一条未来的路径。