本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)。

“AI領(lǐng)域的寒冬降至”——持這樣觀點的人不在少數(shù)，我們正在經(jīng)歷衰退。人工智能、機器學(xué)習(xí)和數(shù)據(jù)科學(xué)領(lǐng)域的研究和探索成本高昂，有些人認(rèn)為投資者很快將會對人工智能領(lǐng)域失去希望。

谷歌已經(jīng)不再雇傭機器學(xué)習(xí)研究人員，優(yōu)步也叫停了其半數(shù)人工智能團隊的研究。放眼未來，機器學(xué)習(xí)領(lǐng)域的崗位數(shù)量與求職者需求相比，依然會是僧多粥少。

事實真的是這樣嗎?在筆者看來，只要你能創(chuàng)造價值，前方仍是坦途。

[[337116]]

AI寒冬將不會影響大多數(shù)AI/ML/DS崗位

AI寒冬意味著人們對于AI研究的投資和興趣降低，但大多數(shù)人并不參與研究。人們的確會閱讀論文、汲取想法并展開創(chuàng)新，但真正使用的是已有的技術(shù)。

另外，制造ML驅(qū)動的產(chǎn)品的熱度未必與研究的開展量相關(guān)，更何況還有大量的研究成果尚未得到應(yīng)用，業(yè)內(nèi)仍在部署實現(xiàn)數(shù)十年前所開發(fā)的機器學(xué)習(xí)成果。“AI驅(qū)動”的產(chǎn)品如今更為流行的原因在于機器學(xué)習(xí)更加普及，而非新研究的出現(xiàn)。

并非只有最前沿的AI技術(shù)才能解決問題

經(jīng)典算法、領(lǐng)域知識與合適數(shù)據(jù)集的結(jié)合可以解決大多數(shù)實際問題，并不需要深度神經(jīng)網(wǎng)絡(luò)。

筆者認(rèn)為，在大型科技公司外，專注于提升技術(shù)能力的重要性被高估了，與之對應(yīng)，解決問題的態(tài)度以及基本的開發(fā)技能則被低估了。除了技術(shù)研發(fā)以外，還有大量枯燥的或者需要人力的工作亟待自動化。這一轉(zhuǎn)變本應(yīng)早已完成，并且也不需要突破才能實現(xiàn)。

使用機器學(xué)習(xí)，但應(yīng)專注于創(chuàng)造價值，而非改變世界

任何一個問題得到解決，就會帶來價值。硅谷讓我們將眼光放得過分長遠，而不是著眼于改善社區(qū)和身邊人們的生活質(zhì)量。

我喜歡優(yōu)步，它改變了世界。但要是每季度花費50億美元才能讓優(yōu)步維持經(jīng)營，那一定是哪里出了問題。的確，一些企業(yè)有長期策略，能影響70億人的生活，但諸如在“枯燥”行業(yè)降低數(shù)據(jù)錄入錯誤這樣簡單的改進也能創(chuàng)造價值。

學(xué)習(xí)ML是戰(zhàn)勝對AI的恐懼的最佳途徑

我們都聽過“自動化造成失業(yè)”的說法，這并非因為技術(shù)發(fā)展造成的失業(yè)已經(jīng)近在咫尺，而是因為這種散播恐慌的說法往往傳播得最快。

鉆研機器學(xué)習(xí)，接著嘗試概念化、訓(xùn)練并部署模型來解決實際問題的過程依舊十分困難。通用人工智能(AGI)取代人力依然任重道遠，基礎(chǔ)設(shè)施亟待完善，真實數(shù)據(jù)雜亂無章。

如果你從Kaggle下載了一個CSV文件來訓(xùn)練模型以解決某一問題，99%的工作都已預(yù)先為你做好。要是能有更多人參與其中，就能大幅減輕壓力。

簡化機器學(xué)習(xí)的工具不足

過去十年里，針對機器學(xué)習(xí)應(yīng)用所做出的簡化比任何一個算法上的突破都要多。如今，軟件工程師能采取直接可用的元件，來迅速組合得到機器學(xué)習(xí)解決方案，但其在簡便性上仍有提升空間。

隨著工具不斷發(fā)展，純粹的機器學(xué)習(xí)崗位會逐漸減少。相反，使用機器學(xué)習(xí)來解決各種問題的軟件工程師將會顯著增多。更多非技術(shù)性企業(yè)將會從中受益。Chip Huyen曾說：“如果你是一名能為機器學(xué)習(xí)創(chuàng)造優(yōu)秀工具的工程師，我將永遠感激你。”

機器學(xué)習(xí)驅(qū)動世界范圍內(nèi)的價值增長。但筆者認(rèn)為，目前我們僅僅觸及了皮毛，期待未來會有更適用的工具出現(xiàn)。

先學(xué)習(xí)軟件工程

如果尚未取得人工智能相關(guān)領(lǐng)域的高級學(xué)位，那么你該先學(xué)習(xí)軟件工程，再鉆研人工智能。學(xué)習(xí)軟件工程類似于攻讀技術(shù)領(lǐng)域的MBA。人們從中可以學(xué)到基礎(chǔ)知識、創(chuàng)建全棧解決方案，并理解有助于機器學(xué)習(xí)的代碼。

隨著行業(yè)格局發(fā)生改變，軟件工程的工作崗位數(shù)量會增多，轉(zhuǎn)職也會更加容易。許多軟件工程師可以在機器學(xué)習(xí)或數(shù)據(jù)科學(xué)領(lǐng)域取得了不錯的成就。然而，后兩個領(lǐng)域的工作者在軟件工程方面卻往往乏善可陳。

AI領(lǐng)域從來不乏“負(fù)面新聞”，但只要我們做好應(yīng)對的準(zhǔn)備，那些想象中躲不過的“苦處”未必會發(fā)生。只要注重學(xué)習(xí)通用技能(包括機器學(xué)習(xí))、解決實際問題和創(chuàng)造價值，你總能找到可以施展才華的舞臺。