我们真的需要机器学习工程师吗？

公众号/将门创投

策划编辑 | Natalie

作者 | Nick Caldwell

译者 | 阿拉丁

编译 | Vincent

AI 前线导读：随着机器学习技术的发展，主打易用性、无需专业知识、人人皆可用的 机器学习 工具和平台正在成为主流，谷歌、微软、Saleforce、Uber 等公司纷纷推出了相应的产品。毋庸置疑，这些产品大大降低了机器学习的准入门槛，让越来越多非专业人士得以快速将机器学习应用到实际工作中。但这也引出了一个疑问：我们真的需要所谓的“机器学习工程师”吗？

结合在机器学习领域十几年的从业经历，以及对当下机器学习领域现状的观察和思考，Looker 首席产品官、机器学习工程师团队负责人 Nick Caldwell 近日发文表示：自学能力比计算机科学学位更加重要，未来“机器学习工程师”这个职位将会消失。AI 前线对他发布在 InformationWeek 上的文章进行了编译，并附上了来自 Reddit 网友的不同意见。

更多优质内容请关注微信公众号“AI 前线”（ID：ai-front）
我们可能已经处在机器学习工具进化的某个阶段，在这个阶段，正规的机器学习教育不再是必要的。

最近，有一件事情让我大开眼界：一位初级前端工程师决定利用黑客马拉松时间尝试一下机器学习，这是他刚刚萌生的新兴趣。作为新手，他借助 fast.ai（https://www.fast.ai/）在线课程（他们的口号是“让神经网络不再酷”）迅速掌握了如何搭建和部署 TensorFlow 模型。

起初，这位前端工程师做出的东西非常滑稽——一个可以在照片上智能地画胡子的 AI。但在短短的几天之内，他就做出了一些具有实用性的项目，并创建了一个可以在生产系统中运行的机器学习模型。几个星期后，我们已经可以看到这个模型给我们的业务目标带来了可衡量的影响。

作为一个在大学里学习机器学习、在职业生涯的早期阶段从事机器学习工作，然后又在管理机器学习团队方面具备十多年经验的人，我敢说，我们现在正处在机器学习的一个全新阶段，在这个阶段，机器学习正在变得越来越容易使用，准入门槛越来越低。我甚至怀疑，我们前面提到的这位初级前端工程师，通过使用现代工具包，在五天之内就可以达到我职业生涯头五年的水平。

此外，有一个不争的事实正在浮出水面——如今不需要高大上的学位或专业技能也能使用 AI。这些工具正在成为开发人员工具箱的一部分。

在 20 世纪 90 年代，一个想要试验神经网络的工程师通常需要从最简单的概念开始，然后逐步提升，理解每一层的数学概念和原理。而在今天，即使是新手也可以使用像 Google Cloud AutoML 这样的工具来自动完成 AI 模型的创建，并获得有效的结果。所有的复杂性都被抽象掉了，但没关系，因为抽象可以促成越来越强大的工具。你可以回想一下，你最后一次看到想学汇编的程序员是在什么时候?

现代开发人员可能无法解释他们的 AI 模型的工作原理，但结果却不言自明。fast.ai 创始人（前 Kaggle 总裁）Jeremy Howard 最近发了一篇推文：“我从来没有接受过正规的技术教育，也没参加过任何讲座或辅导课。我认为这些是在浪费时间”。

想想我们一般是如何招聘工程人才的，尤其是在机器学习领域。我们希望候选人拥有计算机科学和 / 或数学学位，最好还做过一些研究项目，当然还需要有几年的工作经验。但我可以坦诚地说：如果我们简单地将工程能力定义为为客户构建可以解决问题的解决方案的能力，那么 在过去几年里，我个人接触过的最好的机器学习工程师都是自学成才的。 而且，他们在这个领域的经验一般不足五年。

那么，在这样一个机器学习简单易学且正在产生非凡结果的时代，我们真的需要雇佣纯粹的“机器学习”工程师吗？ 还是说机器学习已经成为每个程序员都可以使用的另一种工具？我敢说是后者。

所以，我们必须重新思考如何寻找人才。引用 Keras 创始人 Francois Chollet 说过的话：“优秀的人才 90% 以上都是靠自学的，不管他们有没有斯坦福大学的学位。计算机科学学位能够带来的附加价值越来越小”。

大多数招聘经理人可能会认为这种观点有点偏激，但时代确实在发生改变。今天，我从 Kaggle 竞赛中寻找机器学习候选人，看看候选人在 GitHub 上提交的代码，最后才考虑他们的大学学位。

关键不在于这样做好不好，而在于我们是否应该超越机器学习本身，并完全取消对计算机科学学位的要求。

Reddit 用户评论
这篇文章在 Reddit 上引发了一些讨论，有人对作者的观点表示赞同，但也有人认为作者的想法过于片面。

网友 illy7681：

“我们还需要拥有计算机科学学位的人吗？”我的意思是，或许不需要？没有计算机科学学位并不代表不懂计算机科学。我们需要的是懂计算机科学的人，而不是学位。

网友 Spenhouet：

这篇文章有点以偏概全。尽管这些东西变得更容易学习，一般程序员也能完成这些工作，但并不意味着我们就可以忽视相关的教育……本科、硕士还是博士？没人关心，只要那个坐在角落里埋头写代码的人能够读懂 AutoML 的文档就可以了……这是一个多么愚蠢的想法！也许是作者不够强悍？好像他的那些年轻的同事可以在任何时候取代他的位置。或许是因为脑子里的想法有点混乱了，以至于会认为 Kaggle 竞赛比学位更有价值。

网友 kg4jxt：

“机器学习工程师”……软件行业沉醉于“工程师”这个头衔，管那些使用软件来完成某些任务人叫工程师似乎并不恰当（除非他们用这些工具完成实际的工程项目——创建结构和系统，如果出现故障，他们能够负起专业方面的责任），所以根本不存在什么机器学习工程师，他们只是自诩罢了。

在 AI for everyone 口号崛起之后，使用机器学习无疑将变得越来越简单，但能够深入研究并成为机器学习领域专家的人才仍然稀缺。毕竟像 Jeff Dean、Sanjay Ghemawat 这样能通过研究二进制代码找出 Bug、挽救谷歌 的传奇工程师世上仅此一双。

你认为未来机器学习工程师职位会消失吗？欢迎留言交流！

英文原文：

https://www.informationweek.com/strategic-cio/team-building-and-staffing/the-title-machine-learning-engineer-will-start-to-disappear/a/d-id/1333816