1. 极牛网首页
  2. 人工智能

为什么2019年人工智能算法岗求职竞争如此激烈?

与几年前媒体报道的人工智能毕业生很难找到高薪形成鲜明对比的是,许多候选人现在在主要社交平台上抱怨今年招聘季节的激烈竞争。其中,最激烈的竞争是“算法帖子”。有人说大公司的算法职位已经减少,甚至成千上万的人已经投了几个职位。有些人说算法职位的候选人比面试者差。有些人甚至敦促那些发布算法帖子的候选人辞职。在公司完全数字化和智能化的时代,算法帖子应该更受欢迎。为什么他们突然成为就业最严重的地区?除了暴力,本文还将从几个不同的角度分析算法职位的就业现状。

为什么2019年人工智能算法岗求职竞争如此激烈?

市场的周期调节作用

当我还是学生时,我曾经坚信个人努力会有回报。然而,随着近年来个人经验的增长,我开始意识到市场环境是如此强大,以至于个人几乎无法抗拒整个社会的进步。

九月初,我听到了李牧的演讲。了解深度学习的朋友可能听说过李沐。他是美国卡内基梅隆大学的医生,现在是亚马逊的首席科学家。他曾在大规模深入学习领域提出一些新方法。李牧在演讲中提到了高德纳的技术成熟度曲线。高德纳的技术成熟度曲线是技术领域众所周知的推论。根据这一理论,大多数技术有五个阶段:技术的萌芽阶段将吸引小型投资组织和媒体的注意。一旦这项技术进入公众视线,它将开始迅速扩展,并受到大众媒体的广泛追捧。这时,大量投资机构也将进入市场。然而,当公众发现这项技术没有媒体宣称的那么漂亮时。尤其是当投资机构发现这项技术不能带来足够的好处时,他们幻想泡沫会破裂,人们的期望会从顶峰跌到谷底。然而,随着技术的成熟和公众的接受,技术不再是噱头,可以转化为可供公众使用的科技产品,最终进入大规模生产的成熟阶段。

为什么2019年人工智能算法岗求职竞争如此激烈?

上图显示了高德纳在2019年8月发布的最新技术成熟度曲线。众所周知的5G技术已经达到顶峰。

一些人工智能相关技术仍处于初级阶段,而2017年火灾的区块链已经消失。区块链的例子可以说完美地说明了技术成熟度曲线。早在2008年,比特币技术论文就已经发表。从2011年到2013年,一些专业组织开始关注比特币,比特币开始从利基技术进入专业视野。从那以后,比特币和区块链技术被主要媒体报道。投资组织和企业家纷纷涌向比特币。各国政府也开始关注这项技术。比特币价格在2017年开始飙升,并在2017年底达到峰值,这是预期通胀的峰值。

我记得当时,许多公司开始声称他们正在努力使用数字现金,而且到处都有许多区块链初创企业。许多只有一年工作经验的区块链候选人年薪可达50万至100万,跳槽率极高。他们可以在两到三个月内换一份薪水更高的工作。然后比特币大幅下跌,中小型机构倒闭,创始人出走,员工工资拖欠,区块链不再是主要媒体追求的技术。然而,区块链的技术并不是死胎。包括脸谱网在内的许多公司继续推动其发展。各国政府也非常重视这项技术。本文撰写之日,中央高层集体学习区块链技术,并决定推动区块链技术发展和产业创新。我相信区块链最终会慢慢走向成熟。

为什么2019年人工智能算法岗求职竞争如此激烈?

Gartner的技术成熟度曲线并不描述技术本身的发展,而是对一项技术的资本市场价值的估计。这包括一个非常简单的市场经济原则:在一项技术被发明的地方,资本期望在未来通过风险投资获得数百个杠杆回报。许多人

为什么2019年人工智能算法岗求职竞争如此激烈?

李牧在他的演讲中为人工智能算法画了一条类似的曲线。人工智能算法的兴起源于2012年计算机视觉领域深度学习的突破性进展。经过几年的发展,计算机视觉技术正在走向成熟,基于深度学习的计算机视觉很可能会立即跌到谷底。这不难解释为什么目前正在找工作的计算机视觉毕业生很难找到工作。尽管他们擅长杀龙,但很难找到他们想要的工作,甚至候选人也比面试者差。因为潮流正在消退,资本正在从这一领域撤出,所以就业岗位不如开始时那么多。

类似于区块链的情况,同样的事情也发生在机器学习算法的位置上。早在2014-2016年,如果你是一所著名大学的211或985计算机硕士毕业生或科学与工程博士,只要你对机器学习有所了解,并在数据分析和处理方面有一定的经验,你就可以很容易地从中小型公司获得机器学习算法工作机会。编程能力稍好的应届毕业生可以很容易地从大公司获得高质量的报价。在过去的两年里,一方面,其他学科的学生正在疯狂地改造机器学习;另一方面,计算机相关学科的学生也在积极准备算法职位。涨潮抬高了所有船只,技能也贬值了。对于新来者来说,算法职位的竞争变得极其激烈。对许多面试者来说,根据他们目前的招聘标准,他们当时可能无法进入这个行业。

了解技术成熟度曲线,不难理解算法职位之间竞争日益激烈的现状。

人工智能行业具有规模化和标准化特点

人工智能产业依赖三大资产:计算能力、数据和人才。其中,计算能力和数据日益被总公司垄断,从而导致人才集中到总公司。

计算能力是人工智能研发的基石。幸运的是,云计算的出现降低了计算能力的成本。中小型公司不需要自己购买服务器,只需要在几个平台上购买云服务。然而,尖端的研发仍然严重依赖计算能力,例如计算机视觉和自然语言处理。培训一个尖端的模型需要数千台服务器,仅服务器的价值就可能达到数千万级。培训前沿模型并将其部署到在线环境的成本非常高。即使您租用云服务,中小型公司可能仍然负担不起成本。这家巨型公司拥有自己的云计算资源,并有足够的实力承担这部分研发成本。

如果计算能力是基石,那么数据决定了人工智能效果的上限。垃圾进,垃圾出!在相同的算法下,用更大规模和更好质量的数据训练的模型更准确。目前,数据收集主要依赖于几个方面:用户自发上传数据、收集用户行为数据、从传感器等各种输入设备收集数据以及爬行。大公司拥有大量用户和大量数据收集设备,在收集数据方面具有天然优势。计算能力可以被云服务提供商租用,但数据不容易获得,这将严重制约中小企业向人工智能方向的研发。

由于司的计算能力和数据的压倒性优势,顶级人工智能人才更愿意加入大公司:基于大公司的计算能力和数据添加,人工智能研发人员可以获得更高质量的输出,这有利于他们的个人职业发展。大公司的门槛越来越高。

最近发现的另一件有趣的事情是,一些人工智能业务高度标准化,这个行业的资源很容易集中在总公司。业务标准化意味着业务要解决的问题可以很容易地通过标准标准来定义。给定一个数据集,只需要提高它的准确率。例如,在人脸识别领域,问题可以很容易地被定义并打包到一个标准化的接口中,以向外部世界提供服务。许多公司的产品依赖人脸识别技术。对于这种标准化服务,通常采用成熟的第三方接口。没有必要自己造轮子。与标准化服务相对应的是个性化的非标准服务,例如推荐系统。虽然推荐系统已经形成了一套技术系统,但是每个公司的业务是不同的,推荐系统最终应该与自己的业务高度兼容。几乎所有互联网产品都有自己的推荐系统,但颤音、淘宝和小红书这三种不同产品的内部推荐机制可能有很大不同:颤音依赖于高质量的内容池,而淘宝依赖于用户之前的点击和搜索行为。如果我是手机淘宝的老板,手机淘宝需要两个模块:推荐和人脸识别,因为推荐系统会带来商品销售的直接收益,而人脸识别只是一个辅助的增强功能,我一定会建立一个推荐系统团队,人脸识别会直接购买第三方标准化服务。

人工智能行业的规模和标准化意味着该行业的资源将集中到总公司,总公司在申请总公司时可以提供有限的工作机会和更激烈的竞争。例如,高速公路上收费站的饭碗已经岌岌可危。以前,这些职位分布在全国各地,可以创造大量就业机会。现在,随着一些收费站转向电子收费系统和车牌识别与支付技术,高速公路上不再需要这么多的收费站。只有几十个研发团队需要开发一个信息系统,并将其扩展到大量收费站。对资本家来说,组建一个小型信息系统开发团队远比组建大量收费员有利可图。

电脑视觉产业的资源被总公司垄断,正进入泡沫破灭时期。两个坑都被践踏了,所以求职的形式并不乐观。

普通人应如何应对

事实上,不管是技术循环理论还是规模效应理论,本质上是追逐利润的资本在背后作弄。对于普通人来说,我认为我们应该从两个方面来处理它:一是利用形势,二是努力练习。

雷军始终坚持“因势利导”的原则,他的投资公司也被命名为“因势导”。作为普通人,我们不必追逐风口,但我们必须始终考虑市场周期之前的总体趋势和布局。

在风口上,猪也会飞!每个人都只记得这句话。事实上,雷军背后有一句更重要的话:如果你有一只小翅膀,你可以飞得更高。不管是顺风还是逆风,我们都应该努力练习我们的内在技能来磨练我们的小翅膀。许多求职朋友抱怨面试太难,竞争太激烈,但是他们忽略了自己努力的问题。在任何时代,机遇总是留给那些有准备的人。

极牛网精选文章《为什么2019年人工智能算法岗求职竞争如此激烈?》文中所述为作者独立观点,不代表极牛网立场。如若转载请注明出处:https://jikenb.com/3230.html

发表评论

登录后才能评论