【IT168 调查】无论什么行业，只有不断自我进步的人才有可能保持行业领先地位。技术行业面临着时代变迁的时候更应该如此。随着技术和相关业务的发展，在该领域工作的人必须在必要时更新技能甚至转变职业。

　　在人工智能(AI)机器学习(ML)等技术的发展下，一些传统的帮助台、系统和网络管理员角色逐渐消失，IT行业需要更高效、更多样化的技能。机器学习(ML)和人工智能(AL)对IT行业正产生着越来越重要的影响，为了解更多关于ML/AI职业的有关信息，我们采访了云提供商平台Paperspace的CEO Dillon Erb，看看他是怎样建议大家结合ML/AI的发展规划职业生涯的的。

　　从事ML / AI行业所需的技能

　　问：什么类型的教育背景对ML / AI领域的就业有帮助?

　　Dillon Erb：最近有数据显示，目前大约70%的ML或AI从业者仍然还是在校生。虽然它吸引了很多人去学习，但因为这是一项新兴技术，所以我们还没有典型案例。

　　事实上，目前这个领域的大多数优秀从业者要么是自学成才，要么他们是完全来自不同的领域(即不仅仅是计算机科学或编程)。统计学和传统数学的扎实背景总是有帮助的 ，如果拥有该技术研究领域的经验，这也是一大优点。

　　除了这些，还有许多在线课程，如FastAI和Udacity以及来自大型科技公司的资源，可以帮助你自学成为一名AI开发人员。精通数据是关键，尤其是Python，因为它是主要语言。另一方面，还需要更传统的软件架构知识。

　　一般来说，今天我们有很多人要么非常擅长软件，要么不擅长数学或统计。增加或平衡在软件和数学方面的知识水平和经验，可以使你在就业市场上具有显著优势。

　　问： 传统的IT技能在ML/AI中如何发挥作用?

　　Dillon Erb：今天IT面临的挑战是，ML 和AI是完全的新型工具，所以他们必须了解以前不存在但现在发展非常迅速，也许未来还会更强大的技术。但在这个过程中，所有传统的IT技能仍然非常有用，并且会不断发展更新。我们将更多地关注机器学习工具如何与企业中已经部署的所有现有系统相结合。但是目前，关于如何增加企业的内部协作以及如何为所有利益相关者增加前瞻性，这点仍然存在疑问。IT部门不一定与任何单个部门相关，但是要确保在一个单元中做出的决策可以迁移到另一个区域(如果成功的话)，或者为企业的其他部分增加全局性。

　　这在数据科学或机器学习的背景下显得尤为重要。现在IT行业的一个问题是，关于AI / ML还没有非常好的的实践案例。令人担心的是从业者变得孤立，这些从业者没有将版本控制用于他们的模型构建或他们的软件。

　　我相信，未来传统IT行业会有更多的机器学习工具需求。

　　问： 传统IT未来将如何发展?

　　Dillon Erb：我相信机器学习领域最终会符合传统的IT流程。之所以这样说，是因为很多大型企业目前对机器学习拥有广泛的计划，如数字化、协作或围绕提高开发人员速度的高层次计划。

　　这些都将继续发展，但是，正如我们之前讨论的那样，机器学习会成为数据科学家和DevOps的混合体。IT也必须适应这种发展节奏，并且要定位自己在企业中的位置。

　　在某些领域，人工智能和机器学习可能会取代传统的IT职能，如威胁分析、异常检测等。

　　建立ML / AI开发团队需要的条件

　　问：创建ML / AI开发团队需要哪些条件?

　　Dillon Erb：创建ML / AI开发团队需要的条件主要有三个。第一个是数据科学和BI工具，这样可以收集和清理现有数据，并提供这些数据的来源。第二个是新兴的人工智能人员，他们可能不专注于数据收集方面，但更多的是发表对这些数据的深层理解。第三个是DevOps人员，他们可以在团队构建模型和预测引擎方面发挥作用。

　　真正的杀手级AI团队需要融合统计学和数据科学方面的人才与技能，并且需要人工智能等更下现代化的工具以及DevOps人员和深度学习等。

　　AI开发人员的就业市场

　　问： ML / AI开发人员的就业市场是什么样的?

　　Dillon Erb：从卖方市场的角度来看，ML / AI开发人员仍然很有竞争力。如果你精通最新的机器学习和人工智能工具，那就更好了。在过去一两年，任何人只要稍微懂一点这方面的知识就能找到工作。然而在今天，寻找用于专业知识的人员变得很困难。

　　那些熟悉某些工具但不能适应所有现有系统的人，在就业市场中的价值远没有能够在已经拥有许多系统和现有工具的、围绕数据收集或部署的团队中操作AI的人的高。

　　问：该行业有哪些新的领域?

　　Dillon Erb：目前最让人期待的领域是AutoML。机器学习模型很难创建，难题是如何制造工具来自动发现有效的神经网络或有效的机器学习模型。因此他们需要这个领域的专家。

　　另一个开创性领域是强化学习，你可以创建一个系统，在这个系统中，机器学习模型可以在某种意义上训练自己。几乎所有的机器学习都受到机器学习算法可用数据量的限制。但是有一些生成新数据的新方法，比如使用机器学习生成数据，然后训练其他机器学习模型，这有助于引导整个机器学习的过程。

　　问： ML / AI可能会对哪些工作造成威胁?

　　Dillon Erb：毫无疑问，ML / AI将导致某些领域的工作转移，例如文档输入。机器学习模型可能更高效、成本更低。同时，这项技术也将创造许多新的工作，因为当这些系统应用时，你需要能够监控、分析、思考和利用它们的人。一般来说，就业岗位会有所改变，但我对整体就业增长情况持乐观态度。

　　问：您认为受威胁职业的现有人员该怎样保持竞争力?

　　Dillon Erb：人工智能的一个危险是，它目前的形式似乎注定要由一些专家或可以访问极大量数据的人控制，不够平民化和常态化。作为社会发展和一种文化，我们需要更好地理解这些系统。 事实上，人工智能是需要我们可以集体谈论的事情，比如他们如何表现以及他们为什么存在。

　　ML / AL行业预测

　　问：您预计ML / AI和在该领域工作的人员的未来是什么?

　　Dillon Erb：目前最重要的是从研发环节到生产环节。在过去几年中，许多公司和研究人员都在学习这项技术。现在最大的问题是如何将机器学习和人工智能突破测试阶段，真正使用到生产环节。

　　长期趋势是，机器学习和人工智能未来会应用到更广泛的行业中。从这个意义上说，它不再是独立的个体，但它的实际核心与公司过去拥有网络团队和移动团队的方式相同，但最终，它会成为移动和网站的一个应用团队。

　　对于那些正在密切关注它的人来说，毫无疑问，AI / ML是一种从根本上变革的技术。也就是说，关于它的极限和界限，仍然存在许多悬而未决的问题，包括技术问题、文化问题、政治问题和政策问题等。这项技术的未来在很大程度上是不确定的，但是我鼓励大家能够很好地理解它、学习它，推动个人职业和AI / ML领域蓬勃发展