AI虽好,转行仍需谨慎

最近不少同学在问我现在AI工程师工资这么高,想转行来学AI,让我给点意见或者建议。我在这里就集中说一下自己的看法。

有关程序员转AI工程师需要学习的课程内容以前我已经有过介绍,这次就不做专门性的强调了,大家可以翻看一下以前的历史消息。这次只说下决心转行前务必注意的问题。

问题一:偏见

这种现象比较普遍地出现在校招的过程中,而且这种“偏见”在学历、学校和性别方面都有。据我了解,通常来说即便简历内容差不多,在面试官看来也是有一个心里“默认”的录取顺位的。

名校男博硕

普通学校男博硕

名校女博硕

普通学校男本

普通学校女博硕

普通学校女本

这只是大致顺位不一定严格,只是为了说明这样一个顺序。有人说这就是不公平,是刻板偏见。我也不想为持有这种观点的面试官做任何辩护,但是也不想批评这样做的不对。我只说一下这样的顺位产生的逻辑是什么。

首先,影响AI岗位工作效率的因素是什么?在我看来关键就只有这么三点而已

(1) 自我学习能力

(2) 动手能力

(3) 耐性

能够进入名校的学生,而且能够读到硕士博士的肯定没有白痴,这本身就是证明学生能力的一种手段。而且名校学生之间形成的这种竞争关系和竞争意识,以及他们之间形成的关系网络是可以在隐性能力上给用人单位很多额外的帮助的。所以用人单位追捧名校的学生并非没有理由。

论动手能力,据我自己亲身体验,男生普遍比女生要好,我只说普遍,不说所有的。这应该是DNA里面带来的东西。这个对应到生产实践中就是在很多生产细节上,做到最尖端的人大部分都是男性——医师、学者、领袖人物、工程技术人员,甚至是厨师和裁缝。我周围编程序好的工程师里也是90%以上都是男性,思维更为敏捷和缜密一些。据说有一些计算机系的女同学上了四年大学两年研究生一行代码也没写过。我不觉得这件事情很可笑,因为很多人其实上大学属于包办式,完全没有一点喜好,而是当成一种宿命安排去对待,那积极性也肯定大打折扣的。只是这样很荒废青春……

最后就是耐性,通常男性的体力是要比女性好的。比如在加班的时候可以加得更久而不容易有不良反应。咱也别笑,这事儿也是众所周知。这不是以前有个段子说北京上地西二旗一代的用工口号是“女人当男人用,男人当牲口用”么。也别说这事儿是不是违反劳动法,这是个用人和被用的供需问题,面对这种问题的时候,理智的人做出的选择通常都是最优的。除非家里有矿,不然不会有人因为加加班就随便辞职的。既然如此,这种环境下可不就是一种常态。既然是常态,那么过硬的体力方面男性有优势从而更被用人单位喜欢这个也就不奇怪了。

问题二、素养

所谓素养问题是一个综合素质问题。一个合格的工程师最终是要把一个具体的需求完整落地的,现在很多人认为算法就是照着论文搭个神经网络,或者去Github下载一个神经网络,然后训练一下,这就算是算法工程师了。No,No,No,这绝对是误解。

一个算法工程师在拿到需求后,通常要把这个需求化简或者分解为多个独立的小任务点。而后针对这每一个小任务点来逐个分而治之地解决,有的需要用到开源软件,有的需要用到数据结构的知识技巧,有的需要对具体某个产品的特性很熟悉,有的需要对CV、NLP、ASR等深度学习应用领域的模型比较熟悉。这些方面都是需要有扎实的计算机基本学科功底、足够的工程经验和对AI某一方面应用足够深入的了解的。素养越好的人解决复杂问题就显得越轻松,相反就会显得力不从心。

因此,如果一个要转行的程序员本来基本功就不扎实,工程经验也不够多,转行的时候对于深度学习的了解又没有专业的博硕们好,那就显得非常没有竞争力。这就是转行的风险——可能你觉得已经投入了那么多时间和金钱去学习,为什么还是没有公司愿意用我。

问题三、认知迭代

如果你学了AI之后,尤其是做深度学习方向的研究,你就会发现你有读不完的论文,看不完的参考资料。而且这些资料还在每年几百篇上千篇的速度增长,甚至到你聚焦到一个很小的子领域的时候每年还是有几十篇上百篇的新的有价值的论文出来。

你会发现,做个AI工程师比做个普通的数据库工程师或者前端工程师累多了。是的做一个优秀的AI工程师确实要更为辛苦,而且由于深度学习领域仍然属于相对较新的研究领域,所以一些看似“成熟”的观点会随着时间的改变而变得过期,会有新的理论、新的方法、新的概念出来不断给你洗脑。这种工作的形式和内容恐怕也不是每个人都能吃得消的。做一个普通的工程师尚且对小领域的新技术应接不暇,转行做AI工程师了就会好吗?不会。AI工程师仍然和普通的工程师一样,需要寻求角色蜕变。

说了这么多,就是希望大家对于AI这个领域来说,看待还是要客观一些。对于那些正在考虑转行做AI的同学来说,我虽然鼓励感兴趣应该接触和学习,然而还是不希望你盲目地ALL IN。这些问题还是要反复考虑,考虑清楚自己的竞争优势,潜力,职业风险等因素。如果考虑成熟觉得都不是问题了,再进行学习也不迟。

最后祝大家学习顺利,都能从事自己喜欢的工作。

原文发布于微信公众号 - 奇点(qddata)

原文发表时间:2018-10-23

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏韩伟的专栏

什么是游戏性

由于最近忙于写各种文档,所以很长一段时间没有更新了。不过作为一个产品、技术内外双修的神人,还是有一些存活的。今天发送的和单纯的技术关系不大,而是一份对于游戏这个...

3176
来自专栏新智元

人工智能时代芯片产业3个不容忽视的趋势

不到12小时里,有三个人提出可以付钱请我花一小时和一个陌生人聊聊。 这三个人都说他们对我写的一篇关于Google正在做一种新型人工智能计算机芯片的文章很感兴趣,...

3386
来自专栏AI研习社

关于机器学习,你所知道的,可能都是错的

AI研习社按,虽然机器学习已经成为一个高频名词,但是对于大众而言,它依然是一个遥不可及乃至模糊不清的概念。为此,著名投资人 Benedict Evans 在自己...

1032
来自专栏LET

技术 产品 团队(上):如何成为超级个体

2066
来自专栏企鹅号快讯

如今的人工智能是不是真的已经很聪明了?

首先要界定,什么是“聪明”。如果“聪明”指的是快速高效运算,那肯定是机器更聪明。注意,我这里说的是机器,还没提到人工智能。 一个计算器,手机里自带的那种小程序,...

1837
来自专栏机器人网

战场上的可穿戴技术:显示技术改变未来战士

据国外媒体报道,数十年来,扩增实境显示器——可扩增用户眼前的世界,带来各种有用的信息,如攻击者的体温、飞来的战场上的导.弹速度——反复出现于科幻电影当中。得...

3005
来自专栏大数据文摘

2016年10个重要的可视化发展

1543
来自专栏新智元

吴恩达谈深度学习局限:AI 经济价值目前仅来自监督学习

【新智元导读】《财富》昨日刊登吴恩达专访,吴恩达介绍了百度内部深度学习平台等人工智能应用。吴恩达还指出,近年来 AI 发展主要得益于数据(燃料)和计算力(引擎)...

42413
来自专栏机器之心

业界 | 不要再提「人工智能」,因为今天的计算机系统一点儿都不特别

选自大西洋月刊 作者:IAN BOGOST 机器之心编译 参与:微胖、晏奇 「算法」这个词已经成为了一种文化崇拜,一种世俗的上帝祈求般的技术等价物。不加区别的...

2847
来自专栏大数据文摘

学界 | 牛津学霸的20条读博自救指南

有些学校不光要求在某顶级期刊里发表一些论文,还需要你时刻待命为“老板”解决一些问题。

1202

扫码关注云+社区

领取腾讯云代金券