如果把這裡的【人工智慧】理解為泛機器學習演算法相關崗位,根據我的觀察,各種層次,各個環節的技術人才短期內都有很大缺口,無論是科班出身,理論功底深厚的PhD,還是實戰經驗豐富,瞭解業務線,能讓演算法落地的演算法工程師,還是專注底層效能最佳化的系統工程師,甚至有一定演算法基礎,缺乏經驗但有培養潛力的應屆新人,都有大量的機會。除技術人才外,對演算法有一定了解,善於把演算法和實際產品結合的PM也有巨大的缺口。
至於【搶飯碗】,如果指的是機器學習演算法應用給就業帶來的衝擊,我的看法是,這不是一個偽命題,不過短期內可能並不想很多人預言的那麼嚴重。比如近年來人工智慧再影象識別,語音識別,自動翻譯,內容推薦方面取得了長足進展,但是這些技術似乎沒有搶走太多人類的工作。一場正規的國際會議,短期還無法啟用同聲傳譯,因為涉及到專業領域和複雜的上下文,機器翻譯的靈活性尚難和人類媲美。不過在一些業務邏輯非常簡單的場景,比如常見問題的線上客服,機器確實已經開始大量替代人工客服。展望更遠的未來,比如十年,二十年,機器搶飯碗的速度有可能越來越快,但是考慮到社會對於AI的認知普及和AI對各行業的重塑,新崗位的增加速度也有可能加快,綜合來看,就業崗位的總量未必下降。
如果把這裡的【人工智慧】理解為泛機器學習演算法相關崗位,根據我的觀察,各種層次,各個環節的技術人才短期內都有很大缺口,無論是科班出身,理論功底深厚的PhD,還是實戰經驗豐富,瞭解業務線,能讓演算法落地的演算法工程師,還是專注底層效能最佳化的系統工程師,甚至有一定演算法基礎,缺乏經驗但有培養潛力的應屆新人,都有大量的機會。除技術人才外,對演算法有一定了解,善於把演算法和實際產品結合的PM也有巨大的缺口。
至於【搶飯碗】,如果指的是機器學習演算法應用給就業帶來的衝擊,我的看法是,這不是一個偽命題,不過短期內可能並不想很多人預言的那麼嚴重。比如近年來人工智慧再影象識別,語音識別,自動翻譯,內容推薦方面取得了長足進展,但是這些技術似乎沒有搶走太多人類的工作。一場正規的國際會議,短期還無法啟用同聲傳譯,因為涉及到專業領域和複雜的上下文,機器翻譯的靈活性尚難和人類媲美。不過在一些業務邏輯非常簡單的場景,比如常見問題的線上客服,機器確實已經開始大量替代人工客服。展望更遠的未來,比如十年,二十年,機器搶飯碗的速度有可能越來越快,但是考慮到社會對於AI的認知普及和AI對各行業的重塑,新崗位的增加速度也有可能加快,綜合來看,就業崗位的總量未必下降。