江苏龙网

  1. 首页 > 人文 > >

树袋熊 前景依然光明，机器学习就业形势降至冰点？对创造价值的人来讲

全文共1832字 ， 预计学习时长5分钟
“AI领域的寒冬降至”——持这样观点的人不在少数 ， 我们正在经历衰退 。 人工智能、机器学习和数据科学领域的研究和探索成本高昂 ， 有些人认为投资者很快将会对人工智能领域失去希望 。
谷歌已经不再雇佣机器学习研究人员 ， 优步也叫停了其半数人工智能团队的研究 。 放眼未来 ， 机器学习领域的岗位数量与求职者需求相比 ， 依然会是僧多粥少 。
事实真的是这样吗？在笔者看来 ， 只要你能创造价值 ， 前方仍是坦途 。
AI寒冬将不会影响大多数AI/ML/DS岗位
AI寒冬意味着人们对于AI研究的投资和兴趣降低 ， 但大多数人并不参与研究 。 人们的确会阅读论文、汲取想法并展开创新 ， 但真正使用的是已有的技术 。
另外 ， 制造ML驱动的产品的热度未必与研究的开展量相关 ， 更何况还有大量的研究成果尚未得到应用 ， 业内仍在部署实现数十年前所开发的机器学习成果 。 “AI驱动”的产品如今更为流行的原因在于机器学习更加普及 ， 而非新研究的出现 。
并非只有最前沿的AI技术才能解决问题
经典算法、领域知识与合适数据集的结合可以解决大多数实际问题 ， 并不需要深度神经网络 。
笔者认为 ， 在大型科技公司外 ， 专注于提升技术能力的重要性被高估了 ， 与之对应 ， 解决问题的态度以及基本的开发技能则被低估了 。 除了技术研发以外 ， 还有大量枯燥的或者需要人力的工作亟待自动化 。 这一转变本应早已完成 ， 并且也不需要突破才能实现 。
使用机器学习 ， 但应专注于创造价值 ， 而非改变世界
任何一个问题得到解决 ， 就会带来价值 。 硅谷让我们将眼光放得过分长远 ， 而不是着眼于改善社区和身边人们的生活质量 。
我喜欢优步 ， 它改变了世界 。 但要是每季度花费50亿美元才能让优步维持经营 ， 那一定是哪里出了问题 。 的确 ， 一些企业有长期策略 ， 能影响70亿人的生活 ， 但诸如在“枯燥”行业降低数据录入错误这样简单的改进也能创造价值 。
学习ML是战胜对AI的恐惧的最佳途径
我们都听过“自动化造成失业”的说法 ， 这并非因为技术发展造成的失业已经近在咫尺 ， 而是因为这种散播恐慌的说法往往传播得最快 。
钻研机器学习 ， 接着尝试概念化、训练并部署模型来解决实际问题的过程依旧十分困难 。 通用人工智能（AGI）取代人力依然任重道远 ， 基础设施亟待完善 ， 真实数据杂乱无章 。
如果你从Kaggle下载了一个CSV文件来训练模型以解决某一问题 ， 99%的工作都已预先为你做好 。 要是能有更多人参与其中 ， 就能大幅减轻压力 。
简化机器学习的工具不足
过去十年里 ， 针对机器学习应用所做出的简化比任何一个算法上的突破都要多 。 如今 ， 软件工程师能采取直接可用的元件 ， 来迅速组合得到机器学习解决方案 ， 但其在简便性上仍有提升空间 。
随着工具不断发展 ， 纯粹的机器学习岗位会逐渐减少 。 相反 ， 使用机器学习来解决各种问题的软件工程师将会显著增多 。 更多非技术性企业将会从中受益 。 ChipHuyen曾说：“如果你是一名能为机器学习创造优秀工具的工程师 ， 我将永远感激你 。 ”
机器学习驱动世界范围内的价值增长 。 但笔者认为 ， 目前我们仅仅触及了皮毛 ， 期待未来会有更适用的工具出现 。
先学习软件工程
如果尚未取得人工智能相关领域的高级学位 ， 那么你该先学习软件工程 ， 再钻研人工智能 。 学习软件工程类似于攻读技术领域的MBA 。 人们从中可以学到基础知识、创建全栈解决方案 ， 并理解有助于机器学习的代码 。


推荐阅读


上一篇：引领先锋 在家预防亚健康，医院体检得喝西北风了！1秒出23项数据的体脂秤

下一篇：农业|食物浪费有多严重？数据触目惊心