大数据文摘出品
来源:medium
编译:Fisher
这篇文章并不是要攻击所有的机器学习工程师或者数据科学家。
我自己是一名机器学习/计算机视觉工程师,这篇文章是基于我在AI行业的观察和体验。
本文的陈述均带有个人观点。申明了这一点,我们可以开始了。
宣扬不虚
数据科学家这个岗位被称作21世纪最性感的工作。与此同时,对机器学习工程师的需求量在这几年呈指数级增长。2019年,就业网站Indeed将计算机视觉工程师、机器学习工程师和数据科学家三者都列入了全美前25佳工作,排名分别为第13、第1和第22。
Indeed网站排出的2019全美最佳工作
这种宣扬并非虚言,而是实至名归,因为有目共睹,机器学习技术几乎嵌入到了所有的产品里——从汽车、智能手机甚至到冰箱,无处不在。
高热度、高需求量、高薪、高关注度,这一切会让任何机器学习从业者都觉得自己就是超级明星。
在实际的公司团队中,机器学习人员受到重视,特别是在他们确实工作出色的时候。话虽如此,机器学习工程师的角色仍然只是整个拼图的一小块。
而拼图是指最终的产品。
在研究和学习阶段,大多数机器学习人员都沉浸在笔记本电脑和Python脚本里。
对其中一些人来说,他们负责的项目范围就只到做好应用程序接口,来作为调用机器学习模型的界面。
但是在笔记本电脑和应用程序接口的之前和之后都还有更大的世界。
在此之前的世界
在机器学习工程师和数据科学家进入项目之前,已经有其他岗位上的人参与了项目的决策以及别的一些议程。
让我来列几个例子:
在产品的开发周期里,机器学习人员可能从未接触过承担上述职责的人。
如果我们再看一看Indeed的全美前25佳工作名单,会发现这些岗位也都在榜,产品负责人、产品设计师和产品开发人员都排在前列。
是他们为我们这些机器学习工程师和数据科学家搭建了一展身手的场地或者说舞台。
机器学习工程师的成果被其他岗位接力下去
在此之后的世界
实现一个模型并不断训练它,直到在测试集上得到高准确率和优异的性能表现,没有什么能比这种感觉更好了。(要是你的模型足够小,可以在边缘设备上运行,那更是加分项。)
译者注:边缘设备(edge device),是指位于物联网“边缘”、直接采集信息的终端设备,如智能手机、智能家电、工业传感器等,与其相对应的是部署在公司或者云端的数据中心。
我无意贬低机器学习人员的劳动价值,但是消费者并非直接使用你们的模型。事实上,他们很可能都没注意到产品中使用了机器学习技术。
这应该并不使人意外。机器学习技术隐藏在谷歌工具套装或者Netflix的个性化推荐系统背后,但没有公然显露出来,往往是通过程序接口把产品的复杂性抽象和封装了起来。
没错,用户可能会惊讶于谷歌推荐了一篇新闻报道,内容恰好关乎自己不久前的一次交谈;或者惊奇地发现Netflix又给自己推荐了一部刷起来就停不住的电视剧。
但大部分终端用户通常并不想知道在自己的智能设备背后,有什么样的语音识别或者个性化推荐算法。
机器学习人员是赋能者,我们对一个更宽广的产品生态系统进行赋能和支持。
而如果我们的工作做得很成功,终端用户几乎感觉遇到了魔法。
把视野放大,你会看到我们的工作成果被其他岗位接力下去。质保测试人员、软件工程师、产品发布团队和营销人员,我举例的这几个角色都将对产品或项目的成功做出贡献。
那么,谁才是真正的明星?
如果你都读到这里了,那么我真得告诉你这场时代秀的明星是谁——有两个。
AI产品,以及产品背后的团队。
为了说明我的观点,我会拿一个以AI为核心业务的公司来做例子,但是请记得,这个逻辑对大多数基于AI的公司或者初创企业都适用。
听说过DeepMind,以及他们的AI系统AlphaGo和AlphaZero吗?DeepMind团队和他们的AI产品备受瞩目。
DeepMind团队毫无疑问受到了关注,而且注意我并没有提及团队里某个特定的人或角色。DeepMind团队自己成为了一个实体,不管成员是谁,这个团队都可以存在。话虽如此,优秀的团队只能源于优秀的成员,而DeepMind拥有一些业内最优秀的AI人才。
DeepMind团队的部分成员
AI领域内有一些天才在推动这个行业走得越来越远。他们备受尊敬,他们的贡献和工作将被铭记。但有一个实体,不管在哪个时期,不曾改变,也不曾消失。
这个实体就是人工智能,就是AI自身。
人工智能是这场时代秀的明星,一直以来都是。
有时候,人工智能背后的团队也会受到瞩目。
结束语
写这篇文章不是要贬低AI业界任何人的工作。
目的是为了向更多人强调,基于AI的产品只有在不同个人和不同的跨职能团队的有效合作下,才有可能实现。
而我们机器学习工程师和数据科学家是这个有机整体的一部分。我们不是这场时代之秀的明星,但我们是“明星们”中的一员。
不管这场时代之秀如何演下去。
相关报道:
https://towardsdatascience.com/why-machine-learning-engineers-or-data-scientists-are-not-the-stars-of-the-show-d91ec9c5256b