人工智能不僅是對認知工作的自動化，也是一個不斷發(fā)展的過程。毫不夸張地說，開發(fā)基于AI的解決方案似乎很有前景，但事實真的如此嗎？

以下為譯文：

“如果你想持續(xù)多年獲得七位數(shù)的年薪，在過去只有四個職業(yè)選擇：CEO，銀行家，明星或職業(yè)運動員。但現(xiàn)在第五種選擇出現(xiàn)了——人工智能專家。”——佚名

想象一個裝滿球的玻璃杯。玻璃杯代表計算機科學(xué)，而球代表各個不同的領(lǐng)域：后端，前端，嵌入式等等。其中有一個球是人工智能，它的特殊之處在于，它里面還包含了其他小球：機器學(xué)習(xí)，自然語言處理，以及其他各種東西。這些人工智能里面包含的小球每一個單獨拿出來看都很強大，都是改變所有領(lǐng)域的機會之所在。

人工智能不僅是對認知工作的自動化，也是一個不斷發(fā)展的過程。毫不夸張地說，開發(fā)基于AI的解決方案似乎很有前景，但事實真的如此嗎？我決定把我自己的經(jīng)驗和知識分享給大家，帶大家看看人工智能工作流程的幕后是什么樣的，以及對AI專家作進一步的了解。

事不宜遲，我們就開門見山吧！

AI工程師的關(guān)鍵職責(zé)是什么？

對大眾來說，人工智能似乎只存在于科幻作品的邊緣地帶，但實際上，它已經(jīng)與我們的生活融為了一體。AI現(xiàn)在能執(zhí)行某些涉及智能的任務(wù)，而在以前這些只能由人類完成。而且，在許多功能方面AI甚至比人類表現(xiàn)更好。AI的主要任務(wù)是總結(jié)并得出一個合理的結(jié)論，而現(xiàn)在的前沿AI技術(shù)似乎在這方面做得很好了。

人工智能的一項顯著應(yīng)用就是移動應(yīng)用程序的語音識別功能。例如， Android手機的導(dǎo)航系統(tǒng)或Google Now能夠記錄用戶的位置，并提供熱門景點之間的最佳交通路線，提醒用戶有關(guān)事件，通知用戶路況等等。

互聯(lián)網(wǎng)上的上下文廣告（contextual advertising）也是通過人工智能的程序布局的。這種廣告能夠根據(jù)用戶之前訪問過哪些站點，對哪些廣告做出了積極反應(yīng)以及在社交網(wǎng)絡(luò)的個人介紹向用戶推送特定的廣告。即使是文本編輯器中的常規(guī)拼寫檢查，也得益于人工智能系統(tǒng)。

通常來說，IT世界有五個工作領(lǐng)域：信息的收集，傳輸，存儲，處理和表示。人工智能解決的是其中的兩個領(lǐng)域中的問題：信息的處理和存儲。AI訪問的信息庫存儲在AI本身中，就像我們生活中發(fā)生的事會存儲在我們的記憶中一樣。人工智能根據(jù)這些已有的信息處理接收的新信息，并在此基礎(chǔ)上得出合理的結(jié)論。

好吧，人工智能是偉大而有前景的技術(shù)。但是從事AI工作的都是哪些人呢？運營一個AI驅(qū)動的項目又需要他們做什么呢？簡單來說， AI專家首先要以正確的格式描述和呈現(xiàn)基本信息。他們通常將信息按特定系統(tǒng)的標準系統(tǒng)化，即形成主題區(qū)域的概念模型。然后，為了確保人工智能的進一步工作，他們需要教會機器如何學(xué)習(xí)或者如何做機器學(xué)習(xí)例程（routine）。

機器學(xué)習(xí)是什么？

從某種意義上講，機器學(xué)習(xí)是智能系統(tǒng)在運行過程中的自我學(xué)習(xí)。得益于機器學(xué)習(xí)，人工智能不僅可以解決開發(fā)人員使用特定算法布置的具體任務(wù)，而且可以解決條件稍有不同的類似的任務(wù)。機器學(xué)習(xí)是AI下的一個廣泛的子分區(qū)，使用了數(shù)學(xué)統(tǒng)計，數(shù)值優(yōu)化方法，概率論，離散分析以及從數(shù)據(jù)中提取信息等方法。

機器學(xué)習(xí)如何工作？

訓(xùn)練方案很簡單：有一組特定的對象（情況，situations）和一組特定的答案（響應(yīng)，反應(yīng)），構(gòu)成一組正確的“情況-響應(yīng)”對。情況和響應(yīng)之間存在關(guān)系，但最初在數(shù)學(xué)層面尚不可知。正確的“情況-響應(yīng)”對的集合就作為訓(xùn)練樣本。基于此樣本，找到一種能將特定情況和特定響應(yīng)聯(lián)系起來的算法就成為必要的了。

AI專家的必要專業(yè)知識都有哪些？

現(xiàn)在讓我們回到AI工程師的話題。他們平時都做什么？他們的關(guān)鍵角色和技能是什么？如上所述，AI專家全面參與數(shù)據(jù)準備的整個過程。因此，總的來說，在處理完所有數(shù)據(jù)之后，AI專家需要著手對機器學(xué)習(xí)模型的構(gòu)建，對現(xiàn)有算法的優(yōu)化等等。

如果說得更明確一點，那就是對該職業(yè)的確切描述并不存在。一切都取決于使用信息技能的特定領(lǐng)域。但是，有些事情是所有AI工程師都會去做的，比如：

? 設(shè)計，著手對信息的分析

? 擅長一些特定開發(fā)領(lǐng)域，例如網(wǎng)絡(luò)，操作系統(tǒng)，數(shù)據(jù)庫或應(yīng)用程序

? 幫助維護組織的計算機網(wǎng)絡(luò)和系統(tǒng)

? 在軟件系統(tǒng)的設(shè)計，安裝，測試和維護中起到關(guān)鍵作用

? 成為一種專門的程序員，可以與Web開發(fā)人員和軟件工程師合作，來把Java或其他編程語言集成到業(yè)務(wù)應(yīng)用程序，軟件和網(wǎng)站中

? 研究軟件應(yīng)用程序領(lǐng)域，準備軟件要求和規(guī)格說明文件

為了能做到這些，AI專家應(yīng)具備以下技能：

? 代碼能力強并且會好幾種編程語言

? 熟知所有機器學(xué)習(xí)算法

? 能夠使用數(shù)據(jù)倉庫，使用SQL語言來編譯查詢

? 會使用R或Python（NumPy / SciPy）編程語言，或SPSS / SAS或Matlab應(yīng)用程序來分析數(shù)據(jù)和建模

? 會使用Matplotlib等工具將數(shù)據(jù)可視化

此外，AI專家經(jīng)常從事與醫(yī)學(xué)，農(nóng)業(yè)以及其他與科技行業(yè)風(fēng)馬牛不相及的領(lǐng)域相關(guān)的項目。為了能成功應(yīng)對此類項目，AI工程師還應(yīng)該花一些時間研究一下這些陌生領(lǐng)域，才能更高效地完成工作。

AI可以使你成為百萬富翁嗎？

企業(yè)向AI開發(fā)人員支付的薪水比付給其他專業(yè)人員的高得多，這并不算什么秘密。在技術(shù)競賽的背景下，企業(yè)之間的人才競爭愈演愈烈，尤其是考慮到AI人才供少于求這一事實。頂尖的行業(yè)專業(yè)人士年薪數(shù)百萬美元。

但是，如果要說最大數(shù)額，那么AI專家的最高薪水還是在中國。在中國，一位高級AI研究科學(xué)家的年薪為56.7到62.4萬美元，而其他國家的ML專家在同一時期的年薪為31.5到41.0萬美元。在中國，大概有30萬名人工智能從業(yè)人員。但這還不夠——企業(yè)可能需要一百萬或者更多AI專家！

美國的招聘市場如何？好吧，也有大量空缺。Glassdoor是美國的一個匿名查看職位空缺和簡歷的網(wǎng)站，在“人工智能”板塊中有32，000多個職位，有的薪水達到六位數(shù)。

在美國，機器學(xué)習(xí)專家的薪水為每年14.4萬美元。相比之下，美國勞動力市場的平均工資僅為2.9萬。感受出來差距了嗎？

在澳大利亞，機器學(xué)習(xí)工程師的平均工資為每年11.3632萬澳元。

日本呢？AI工程師的年薪從600萬到5000萬日元不等，約合6到50萬美元。

印度的AI和ML從業(yè)者薪水如何？根據(jù)Glassdoor的數(shù)據(jù)，印度機器學(xué)習(xí)工程師的平均薪水為?8，201，201（約合1.1萬美元），范圍為?3，64，000-?15，28，000（約合0.5到2.1萬美元）。

歐洲呢？機器學(xué)習(xí)工程師的平均工資為52，576歐元（約5.8萬美元）。

結(jié)論

那么，AI工程師到底是干什么的呢？乍一看，這項工作看似很簡單，單調(diào)，并且只需要懂算法開發(fā)，機器就會按照算法來做事情了。但這是一個錯誤的說法，因為機器學(xué)習(xí)專家做的遠不止這些，而且往往需要進行方法上的創(chuàng)新。

他們不僅創(chuàng)建具體的指令，而且能使人工智能自我學(xué)習(xí)和自我改進。所以這一領(lǐng)域的專家能獲得天價的薪水也不足為奇了。畢竟，這個職業(yè)決定著我們的未來。你同意我的看法嗎？你有什么想要補充的嗎？

責(zé)任編輯：Ct