機器學習職位面臨消失

隨着機器學習技術的發展，主打易用性、無需專業知識、人人皆可用的機器學習工具和平臺正在成爲主流，谷歌、微軟、Saleforce、Uber 等公司紛紛推出了相應的產品。

隨着機器學習技術的發展，主打易用性、無需專業知識、人人皆可用的機器學習工具和平臺正在成爲主流，谷歌、微軟、Saleforce、Uber 等公司紛紛推出了相應的產品。毋庸置疑，這些產品大大下降了機器學習的准入門檻，讓愈來愈多非專業人士得以快速將機器學習應用到實際工做中。但這也引出了一個疑問：咱們真的須要所謂的「機器學習工程師」嗎？

結合在機器學習領域十幾年的從業經歷，以及對當下機器學習領域現狀的觀察和思考，Looker 首席產品官、機器學習工程師團隊負責人 Nick Caldwell 近日發文表示：自學能力比計算機科學學位更加劇要，將來「機器學習工程師」這個職位將會消失。AI 前線對他發佈在 InformationWeek 上的文章進行了編譯，並附上了來自 Reddit 網友的不一樣意見。

咱們可能已經處在機器學習工具進化的某個階段，在這個階段，正規的機器學習教育再也不是必要的。

最近，有一件事情讓我大開眼界：一位初級前端工程師決定利用黑客馬拉松時間嘗試一下機器學習，這是他剛剛萌生的新興趣。做爲新手，他藉助 fast. ai（ https://www.fast.ai/ ）在線課程（他們的口號是「讓神經網絡再也不酷」）迅速掌握瞭如何搭建和部署 TensorFlow 模型。

起初，這位前端工程師作出的東西很是滑稽——一個能夠在照片上智能地畫鬍子的 AI。但在短短的幾天以內，他就作出了一些具備實用性的項目，並建立了一個能夠在生產系統中運行的機器學習模型。幾個星期後，咱們已經能夠看到這個模型給咱們的業務目標帶來了可衡量的影響。

做爲一個在大學裏學習機器學習、在職業生涯的早期階段從事機器學習工做，而後又在管理機器學習團隊方面具有十多年經驗的人，我敢說，咱們如今正處在機器學習的一個全新階段，在這個階段，機器學習正在變得愈來愈容易使用，准入門檻愈來愈低。我甚至懷疑，咱們前面提到的這位初級前端工程師，經過使用現代工具包，在五天以內就能夠達到我職業生涯頭五年的水平。

此外，有一個不爭的事實正在浮出水面——現在不須要高大上的學位或專業技能也能使用 AI。這些工具正在成爲開發人員工具箱的一部分。

在 20 世紀 90 年代，一個想要試驗神經網絡的工程師一般須要從最簡單的概念開始，而後逐步提高，理解每一層的數學概念和原理。而在今天，即便是新手也可使用像 Google Cloud AutoML 這樣的工具來自動完成 AI 模型的建立，並得到有效的結果。全部的複雜性都被抽象掉了，但不要緊，由於抽象能夠促成愈來愈強大的工具。你能夠回想一下，你最後一次看到想學彙編的程序員是在何時?

現代開發人員可能沒法解釋他們的 AI 模型的工做原理，但結果卻不言自明。fast.ai 創始人（前 Kaggle 總裁）Jeremy Howard 最近發了一篇推文：「我歷來沒有接受過正規的技術教育，也沒參加過任何講座或輔導課。我認爲這些是在浪費時間」。

想一想咱們通常是如何招聘工程人才的，尤爲是在機器學習領域。咱們但願候選人擁有計算機科學和 / 或數學學位，最好還作過一些研究項目，固然還須要有幾年的工做經驗。但我能夠坦誠地說：若是咱們簡單地將工程能力定義爲爲客戶構建能夠解決問題的解決方案的能力，那麼在過去幾年裏，我我的接觸過的最好的機器學習工程師都是自學成才的。並且，他們在這個領域的經驗通常不足五年。

那麼，在這樣一個機器學習簡單易學且正在產生非凡結果的時代，咱們真的須要僱傭純粹的「機器學習」工程師嗎？仍是說機器學習已經成爲每一個程序員均可以使用的另外一種工具？我敢說是後者。

因此，咱們必須從新思考如何尋找人才。引用 Keras 創始人 Francois Chollet 說過的話：「優秀的人才 90% 以上都是靠自學的，無論他們有沒有斯坦福大學的學位。計算機科學學位可以帶來的附加價值愈來愈小」。

大多數招聘經理人可能會認爲這種觀點有點偏激，但時代確實在發生改變。今天，我從 Kaggle 競賽中尋找機器學習候選人，看看候選人在 GitHub 上提交的代碼，最後才考慮他們的大學學位。

關鍵不在於這樣作好很差，而在於咱們是否應該超越機器學習自己，並徹底取消對計算機科學學位的要求。

Reddit 用戶評論

這篇文章在 Reddit 上引起了一些討論，有人對做者的觀點表示贊同，但也有人認爲做者的想法過於片面。

網友 illy7681：

「咱們還須要擁有計算機科學學位的人嗎？」個人意思是，或許不須要？沒有計算機科學學位並不表明不懂計算機科學。咱們須要的是懂計算機科學的人，而不是學位。

網友 Spenhouet：

這篇文章有點以偏概全。儘管這些東西變得更容易學習，通常程序員也能完成這些工做，但並不意味着咱們就能夠忽視相關的教育……本科、碩士仍是博士？沒人關心，只要那個坐在角落裏埋頭寫代碼的人可以讀懂 AutoML 的文檔就能夠了……這是一個多麼愚蠢的想法！也許是做者不夠強悍？好像他的那些年輕的同事能夠在任什麼時候候取代他的位置。或許是由於腦子裏的想法有點混亂了，以致於會認爲 Kaggle 競賽比學位更有價值。

網友 kg4jxt：

「機器學習工程師」……軟件行業沉醉於「工程師」這個頭銜，管那些使用軟件來完成某些任務人叫工程師彷佛並不恰當（除非他們用這些工具完成實際的工程項目——建立結構和系統，若是出現故障，他們可以負起專業方面的責任），因此根本不存在什麼機器學習工程師，他們只是自誇罷了。

在 AI for everyone 口號崛起以後，使用機器學習無疑將變得愈來愈簡單，但可以深刻研究併成爲機器學習領域專家的人才仍然稀缺。畢竟像 Jeff Dean、Sanjay Ghemawat 這樣能經過研究二進制代碼找出 Bug、挽救谷歌的傳奇工程師世上僅此一雙。

原文來自：https://www.infoq.cn/article/qLo*KFuDRV8rXtsgDxTh

本文地址：https://www.linuxprobe.com/machine-learning-jobs-disappear.html編輯：馮瑞濤，審覈員：逄增寶