年薪 25 万的 AI 工程师仅仅是白菜价？未来这五个高薪岗位才是发展方向

2017 年 11 月 25 日 EGONetworks Babak Hodjat

人工智能对人类工作的影响是当下许多人津津乐道的一个话题，有些招聘平台上仅月薪超过 5 万的 AI 相关职位就有 175 个。本文作者 Babak Hodjat 是人工智能初创企业 Sentient Technologies 的联合创始人兼 CEO 。他认为，那些担心 AI 会抢走他们工作的人其实大可不必如此紧张，因为 AI 正在催生新的工作岗位。

声明｜文章转载自 36 氪

Gartner 最新发布的一份报告指出，尽管未来 AI 技术将取代 180 万个工作岗位，但同时也将创造出 230 万个新的就业岗位。Gartner 首席研究员 Peter Sondergaard 预测表示：AI 将强化员工的工作能力，并可能成为 2020 年的“净工作创造者”。

如果你正在考虑投身 AI 行业，相信这篇文章能够给你一个明确的方向；如果你已经是 AI 从业人员，这篇文章或许会让你对自己的职业生涯规划一些新的启发。

得益于 AI 技术的兴起，以下五个岗位的需求将呈现出显著的增长趋势：

数据科学家

数据科学家属于分析型数据专家中的一个新类别，他们对数据进行分析来了解复杂的行为、趋势和推论，发掘隐藏的一些见解，帮助企业做出更明智的业务决策。

正如致力于商业分析和商业智能软件的 SAS 所说的那样：数据科学家是“部分数学家，部分计算机科学家和部分趋势科学家的集合体”。

以下是数据科学应用的一些例子：

Netflix 通过数据挖掘电影观看模式，了解用户兴趣，再利用这些数据来做出 Netflix 原创剧的制作决定。
Target 使用消费者数据来确定主要客户群，并且对客户群中独特的购物行为进行分析，从而能引导消息传递给不同的受众。
宝洁公司利用时间序列模型能够更加清晰地了解未来的产品需求，从而帮助公司规划出最合适的生产量。

由于 AI 推动了创造和收集数据的趋势发展，所以我们也可以看到未来对于数据科学家的需求也将日益增加。据 IBM 预测，到 2020 年，对于数据科学家的需求增长幅度将达到 28% ，数据科学家、数据开发人员和数据工程师的年需求量将达到 70 万人。

其中一般的 AI 领域专家，包括刚踏出校园的博士生以及相对教育程度低一些、但是有几年工作经验的专业人士，每年薪水加公司股票可能在 30 万美元至 50 万美元范围内。

AI / 机器学习工程师

大多数情况下，机器学习工程师都是与数据科学家合作来同步他们的工作。因此，对于机器学习工程师的需求，可能也会出现类似于数据科学家需求增长的趋势。

数据科学家在统计和分析方面具有更强的技能，而机器学习工程师则应该具备计算机科学方面的专业知识，他们通常需要更强大的编码能力。

如果你是十年前进入机器学习领域，那当时除了学术界之外很难找到别的工作。但是现在，每个行业都希望能将 AI 应用到他们的领域，对于机器学习专业知识的需求也就无处不在，因此 AI 也将继续推动社会对于机器学习工程师高需求趋势的发展。

除此之外，AI 不同垂直行业的企业，包括图像识别、语音识别、医药和网络安全等，也面临着缺乏合适技能和知识的劳动力这一问题的挑战。据 Gartner 报告显示，有一位首席信息官想要在纽约聘用 AI 技术的专业人才，却发现人才库只有 32 人，其中只有 16 人符合潜在候选人标准。而在这 16 人中，只有 8 人正在积极寻找新就业机会。

数据标签专业人员

随着数据收集几乎在每个垂直领域实现普及，数据标签专业人员的需求也将在未来呈现激增之势。事实上，在 AI 时代，数据标签可能会成为蓝领工作。

IBM Watson 团队负责人 Guru Banavar 表示：“数据标签将变成数据的管理工作，你需要获取原始数据、对数据进行清理，并使用机器来进行收集。”标签可以让 AI 科学家训练机器新任务。

Banavar 继续解释道：“假设你想训练一台机器来识别飞机，你有 100 万张照片，其中有一些照片里边有飞机，有一些没有飞机。那你需要有人先来教会计算机哪些图像有飞机，哪些又没有飞机。”这就是标签的用处所在。

AI 硬件专家

AI 领域内另外一种日益增长的蓝领工作是：负责创建 AI 硬件（如 GPU 芯片）的工业操作工作。大科技公司目前已经采取了措施，来建立自己的专业芯片。

英特尔正在为机器学习专门打造一个芯片。与此同时，IBM 和高通正在创建一个反映神经网络设计、并且可以像神经网络一样运行的硬件架构。

据 Facebook AI 研究总监 Yann LeCun 表示，Facebook 也在帮助高通开发与机器学习相关的技术。

随着人工智能芯片和硬件需求的不断增长，致力于生产这些专业产品的工业制造业工作岗位需求将会有所增长。

数据保护专家

由于有价值的数据、机器学习模型和代码不断增加，未来也会出现对于数据保护的需求，因此也就会产生对于数据库保护 IT 专家的需求。

信息安全控制的许多层面和类型都适用于数据库，包括：访问控制、审计、认证、加密、整合控制、备份、应用安全和数据库安全应用统计方法。