对人工智能算法岗位的思考
人工智能有三个要素：算法、算力和数据。后两者是人工智能的物质基础，算法更像是人工智能的灵魂。2006年，提出了深度学习，硬件资源不断丰富和改进，突破了计算能力瓶颈，引发了第三次人工智能高潮，并日益深刻地改变了世界。下面就由小编为您介绍一下对人工智能算法岗位的思考。
对人工智能算法岗位的思考
人工智能的算法岗位是一种垂直性很强的岗位，可以说在某种程度上最突出的那一批算法工程师应该要能做到全栈工程师的感觉出来。而调包调参这个工作只是全栈中的一环，有的时候看其可替代性还有点高。而恰恰现在的就业市场中，这个狭义的岗位，确确实实是最饱和的最烂大街的，这也是为什么引文作者非常感慨的原因。
引文中，作者提到除了算法之外还有开发，我非常同意一个团队可以没有算法但是绝对不能没有开发。但其实在我看来，这两者根本就是不分家的。即便是学术界的算法研究人员，他也得自己开发算法程序进行落地的，更别提工业界的算法工程师了。所以我这里说的狭义岗位是包含算法和开发一起的（但是没有包括研究性质目标是论文等的算法岗位）。
为什么这个狭义岗位最饱和最烂大街呢？
第一，工具化程度越来越高，工具的社群化开发特点越来越显著，比如超过TensorFlow 成为后起之秀的 pyTorch ，就是具有更好的社群开发特点，几乎什么层你都能找找开源的，还有更加优秀的 mmdetection 这种库的加持，叠加效应愈发明显。大量工具带来的后果就是很多开发工作被转移到开源社区了，就不需要算法工程师开发了嘛。
第二，前几年行业大热，学生趋之若鹜，读研读博有周期，而现在周期到了。
第三，大部分学校在对这个岗位的培养认知还停留在几年前，觉得目标检测还是一个很玄幻的问题，其实现在早就已经到了真一行 import 一行 run 的代码就能搞定问题的时代了，而真正需要培养的素质是使用这些工具化的东西去解决实际问题的能力，以及自己能够根据需求设计轮子、造轮子或者改轮子的能力。所以，在人工智能行业和算法趋近于回归理性这样一种大背景下，单纯的去学习调包调参这件事情，确实会让未来的就业之路愈发的迷茫和未卜。
说了半天狭义的，那么广义的岗位是什么样子的呢？
前面提到，人工智能的算法比较垂直，为啥？我是觉得因为黑盒子封装完一大部分底层算法逻辑之后，剩下来的东西真的太简单了，所以周边的时候就都需要挨个搞定了。所以，广义的算法岗位职能，还包括但不限于：深度学习之外的算法模块研发，策略层，业务逻辑层开发；封装和封装优化研发；具体推理硬件上的落地，推理硬件上的加速，训练硬件的加速；数据辅助工具的开发，数据采集收集标注管理流程的开发；模型的测试与发布，以及相应的自动化工作，还有对应生产数据的数据挖掘工作，等等。
以上这些东西都想做好，每一个标点符号分割出来的内容，都可能需要一个几个工程师的小组去做。对懂算法的工程师需求量真的小吗？所有的小组都要整合成一个体系，对 team leader 的要求，也不低，并且它是个体系，没点工程架构思维，真搞不定。
而这些年，在从业人员和围观群众或多或少的强调下，在深度学习技术飞速发展的激励下，我们往往都只看到了算法的科学性的一面，没有看到其工程性的一面，产生了一种认知偏差。
在接下来的一段时间里，围绕人工智能算法开发的应用程序将继续挖掘其深度和广度，并创造更好的社会价值。在这个过程中，不仅是算法工程师，整个行业的从业者也会参与其中，商业模式、产品设计、质量控制等，共同促进整个行业的发展。
[免责声明]
文章标题： 对人工智能算法岗位的思考
文章内容为网站编辑整理发布，仅供学习与参考，不代表本网站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请及时沟通。发送邮件至36dianping@36kr.com，我们会在3个工作日内处理。
