人工智能时代，前端工程师能做什么？

前端工程师在人工智能的团队到底能做什么，能体现怎么的价值？对此，可以先下图的一个总结，然后再会逐条结合实际以及业界的发展情况做一些分析

要完成一个完整的人工智能项目，三种东西是不可或缺的：算法，数据和工程。

而前端在这三个方向中，最容易参与进去，同时也最容易做出彩的地方就是在工程方面，我们把这块内容叫做大前端。

具体的大致可以分为五块内容：人机交互，数据可视化，产品 Web， 计算，模型训练和算法执行。

对于前三点偏重交互的领域，毋庸置疑用前端做起来驾轻就熟，

而后面偏重计算的领域，前端是否合适做，或者说前端该怎么去做是有可以探讨的。

人机机互

这个应该前端这几年发力的重点，而且取得不错进展的地方。

特别是随着HTML5技术和移动互联网的普及，浏览器对硬件的控制越来越好。

在 AI 的项目中，很多时候需要获取麦克风和摄像头的权限，好实现 “听”，“说”， “看” 的功能。

具体可以参考 MediaDevices.getUserMedia 的 H5 文档，里面对这块有详细的介绍。

对于图片的处理，之前网上已经不少的用 Canvas 例子，我就不做过多的介绍。

这里重点对语音处理的内容，这块由于需要很多专业方面的知识，之前处理前端处理起来还是挺痛苦的，不过现在 Web Audio API 很好的解决了这个问题。

它提供了在 Web 上控制音频的一个非常有效通用的系统，允许开发者来自选音频源，对音频添加特效，使音频可视化，添加空间效果 等等。

更有甚者，Chrome 中已经自动集成了语音识别的基础 SDK： Web Speech API

数据可视化

数据可视化 可以是前几年特别火的一个方向，特别是大数据风起云涌的时代

而这些年明显的趋势就是人工智能，就是 AI，在这里其实也有很多可视化的工作

比如我们在 ET 项目中就需要做很多声音的可视化内容

以及现在外面在做的一些人脸可视化的内容

地址：PREDICTIVE_WORLD, the program that predicts your future/

产品 Web

任何人工智能的技术最终一定需要转化成实际的产品或者项目

这样的话，往往少不了 Portal 和控制台。

这些工作，前端的工作也是在所难免。

这是常规的工作，这里就不再过多描述了

算法执行

算法执行顾名思义，其实就是执行算法逻辑，比如人脸识别，语音识别 …

前几年有些大家对前端的认知还停留在纯浏览器端，但随着 V8 引擎在 2008 年发布， Node.js 在 2009 年 发布，前端的领地就扩展到服务器端，桌面应用。

这些算法执行的原先都需要后端同学开发，现在也可以由前端同学才完成。

我们很多 AI 的项目，很多时候往往就是算法的同学提供给我们一些动态链接库或者 C 的代码，我们通过 Nodejs 驱动这些服务提供 http 接口，浏览器通过 ajax 来调用这些接口。

更有甚者，现在 PC 性能提升，V8 对 JS 执行的优化，特别 WebGL 在各个浏览器端的普及

很多算法执行不一定并不一定需要在后端执行，浏览器也可以胜任。

比如：

Tranck.js：就是纯浏览器的图像算法库，通过 javascript 计算来执行算法逻辑

regl-cnn： 浏览器端的数字识别类库，与 track.js 不同的是，它利用浏览器的 WebGL 来操纵 GPU, 实现了 CNN

模型训练

虽然现在阶段也出现了像 ConvNetJS 这种在浏览器端做深度学习算法训练的工具，

但整体而言，前端在这块还是非常欠缺的，同时缺少非常成功的实践。

究其原因，还是因为跨了领域，特别是专业类库往往都不是 javascript 写的，造成更大的隔阂

但就像谷歌的 TensorFlow 机器学习框架底层大部分使用 C++ 实现，但选择了 Python 作为应用层的编程语言。

Javascript 在各个端，特别是 web 端的优势，也是一门非常优秀的应用开发语言。

可喜的是看到挺多同学在往这个方向走，我们拭目以待

ConvNetJS：Deep Learning in your browser