机器学习就业形势降至冰点?对创造价值的人来讲,前景依然光明

人工智能 机器学习
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。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。

本文转载自公众号“读芯术”(ID:AI_Discovery)。

“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。

[[337116]]

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

 

[[337117]]

 

 

图源:unsplash

 

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。Chip Huyen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。

随着行业格局发生改变,软件工程的工作岗位数量会增多,转职也会更加容易。许多软件工程师可以在机器学习或数据科学领域取得了不错的成就。然而,后两个领域的工作者在软件工程方面却往往乏善可陈。

 

[[337118]]

 

 

图源:unsplash

 

AI领域从来不乏“负面新闻”,但只要我们做好应对的准备,那些想象中躲不过的“苦处”未必会发生。只要注重学习通用技能(包括机器学习)、解决实际问题和创造价值,你总能找到可以施展才华的舞台。

 

责任编辑:赵宁宁 来源: 今日头条
相关推荐

2021-07-16 11:35:08

存储技术趋势

2013-01-06 18:31:03

信息化频道

2019-05-21 14:22:34

物联网IOT技术

2013-05-09 00:20:59

移动互联网移动价值GMIC2013

2014-10-20 09:42:02

2014-10-18 00:40:57

2023-06-08 11:30:00

管理ITCIO

2015-07-29 09:51:26

2016-01-04 16:21:48

2020-12-08 13:52:48

青云云原生

2010-02-05 16:03:53

IBM Power

2017-02-15 13:00:41

德勤技术机器智能亚马逊

2011-07-08 11:33:37

云计算桌面云

2011-03-17 10:49:19

DCN渠道神州数码

2016-06-13 15:48:33

京东

2013-05-31 15:18:43

开发平台UAPUAP平台

2022-12-06 15:35:08

数字化CIO

2012-07-31 09:20:15

移动应用市场推广

2015-04-03 15:41:14

FusionServe华为

2014-07-21 09:12:50

金融领域大数据
点赞
收藏

51CTO技术栈公众号