未來屬於人工智慧工程師，但成功轉型不容易

本文轉載自公眾號“讀芯術”(ID：AI_Discovery)

人工智慧技術誕生至今已經有幾十年了。但直到大約十年前，它的潛力才真正引起人們重視。自那以後，彷彿開啟了突然倍速，全世界對人工智慧工程師的需求呈指數增長。

科技人才持續短缺且毫無改善跡象，這為同樣供不應求的軟體工程師提供了一個轉型機會，還能順帶填補人才缺口。然而，學習人工智慧、機器學習(ML)和自然語言處理並非是在公園裡閒庭信步，你絕對需要花費很大的心血努力。

為解釋清楚從軟體工程到人工智慧工程的轉變，筆者採訪了Ipsoft的認知實現工程師Sasho Andrijeski和Codementor開發者Jayen Ashar。

轉型背後的動力

人們選擇轉型的原因往往很複雜。也許源於童年時的心之所向，亦或只是他們職業生涯中順其自然的下一步。不論是何種原因促成了職業轉型，你都需要考慮幾個因素。

對Andrijeski來說，人工智慧的種子早在孩提時代就已種下。“從我記事起，身邊就充斥著各種人工智慧的元素。父親喜歡收集科幻小說，我從小便耳濡目染。在大多數故事中，都有一個先進的人工智慧系統，還有很多關於奇點和意識的有待商榷的概念。當然，這些科幻電影和遊戲在當時風靡人群，如今也迴歸復古。”

對Ashar來說，這是他擅長的領域。“我一直對自動化和機器人很感興趣，所以人工智慧和我的軟體工程背景十分契合。”

人工智慧需迅速掌握新知識

即使具有軟體工程相關知識，學習人工智慧依然不容易，需要你在短時間內掌握大量新知識。事實上，Ashar的人工智慧碩士學位是在離開了職場後，去參加全日制學習才成功獲得的。

Ashar表示：“我辭去工作，全身心投入學習，獲得了人工智慧專業的碩士學位。在攻讀人工智慧學位時，我聯絡了一位老師，和他一起完成了一個暑期專案。從那之後，我加入了學校的機器人足球隊，這讓我真正地獲得了人工智慧實踐經驗。”

而對Andrijeski來說，這種短期學習大量知識的緊迫感雖然難以承受，但也令人收穫頗豐。

“現在回想起來，我覺得曾學過的知識都在一步一個腳印為今天的學習打下基礎。儘管如此，在我加入IPsoft後，我還是得飛速吸收大量新知識，這個學習過程相當緊促。前六個月的工作十分吃力，但也收穫良多，給我帶來了滿足感和成就感。我做第一個專案時，一起工作的同事給了我很大幫助，讓我的知識水平很快大幅提升。”

他還提到：“我不能說我有意採取了什麼措施，但我一直覺得自己與人工智慧冥冥中有聯絡。當然，我的簡歷對所有IT職業來說可能都很典型。技術和科學傳播專業畢業，學習期間在網咖工作過，有自己的網路聯盟營銷業務，做過系統工程師和IT顧問。”

“很早之前，我就在為Commodore 64和IRC機器人編寫小型的基本程式，或者幫朋友完成他們的碩士或博士專案。這些經歷讓我在得到IPsoft提供的機會時，已經掌握了大部分必要的技能，我爭取到了機會，這就是我對想在人工智慧領域得到機會的人的建議。”

即使成功轉型，學習也永無止境。Ashar表示：“距離我轉行已經過去很久了，但這個領域發展得很快。為了與時俱進，我迅速掌握了PyTorch、Fast.ai和卷積神經網路。”

對於Andrijeski來說，“在這裡，最值得注意就是概念。多學習關於意識、認知、人類互動和自然語言的內容很關鍵。當然，演算法、自然語言處理、機器學習或深度學習也是職業轉型途中的一部分。”

“在快節奏環境中工作，作為早期嘗試者，你必須處理各種技術，不應該將自己侷限於特定技術中。有些人得以留下，有些人漸行漸遠，隨著時間流逝，我們甚至會漸漸遺忘他們。在程式語言中，值得一提的是python、groovy、javascript、java，我的工作範疇內需要這些語言。”

他補充道：“對我來說，在有可能的前提下，比較好的方法是邊做邊學。線上資料和社交也不容忽視。幸運的是，有了電腦、網路及空閒時間，我就有機會嘗試很多東西。結交志同道合的朋友也大有益處，不停交流、分享想法經驗，能讓知識得以延續，並獲得發展。”

Ashar對此表示贊同：“一開始，我去學了大學課程和網路課程，但我發現，當遇到問題時，自學是比較好的解決方法。”

新人工智慧工程師面臨的挑戰

人工智慧工程師所面臨的挑戰是與專案和個人相對應的。如果你是一名自由職業者，事情會很麻煩。

Ashar表示：“最為自由職業者去應聘人工智慧專案是很大的挑戰。人工智慧仍被視為一個研究領域，這個領域招聘的大多是全職坐班的正式員工，而這並不適合我。”

但Ashar堅持了下來，不久之後，他被僱傭從事其第一份與人工智慧相關的自由職業專案。他說：“我與當地道路管理部門簽訂了一份合同，透過分析車流量和牽引情況來找出兩者之間的關聯，該專案的目的是為了自動報告阻礙交通的車輛。”

Andrijeski的經歷不太一樣，他表示：“令我吃驚的是，比較大的挑戰並非來自人工智慧。在處理客戶專案時，我注意到許多機構和公司還沒有準備好適應極先進技術。他們更願意循序漸進，常常還停留在數字化轉型過程的中途。真正的挑戰是找到一個願意竭盡全力、奉獻自己以創造出真正宏偉的人工智慧解決方案的人，不少人仍在期待人工智慧做到開箱即用。”

成為這一領域的專家需要漫長時間。Andrijeski表示：“我的職業規劃中沒有明確這一點，所以我無法確定。然而，當我回到過去，把今天的點點滴滴串起來時，這感覺就像是我一生的旅程。”

Ashar說：“這花了我大約十年的時間，不過那是因為我想繼續做自由職業者，我自己的工作已經很滿意了。”

給考慮向人工智慧轉型的軟體工程師的建議

Andrijeski表示：“我認為人工智慧是人類的未來。若不參與其中，就意味著你至少落後了一步。”

Ashar建議道：“我的建議對任何想轉專業的人來說都適用。試著在工作的同時做做兼職，這樣萬一不成功，你也已經邁出了成功的第一步，而且還可以讓你先試試水，看看是否合適。”

沒錯，成為AI工程師不容易，但只要勇敢開始，你就離成功更近了。

【編輯推薦】

https://blog.csdn.net/weixin_42137700/article/details/108820535