机器学习工程师将在十年后消失？

本文最初发表于 Medium ，经原作者 Luke Posey 授权，由 InfoQ 网站翻译并分享

近年来，机器学习工程师屡次荣登全球 IT 高薪榜单。但这局面会一直保持下去吗？作者 Luke Posey 给我们带来了一个不一样的观点，他认为，机器学习工程师将在十年后消失！这听起来有点耸人听闻，为什么他会做出这样的判断？读完这篇文章，或许你就找到答案了。

机器学习工程师将被取代

机器学习将会转变为每个软件工程师工具箱中的一部分，成为软件工程师常用的工具。

在每个领域中，我们在早期的阶段都会有专门的角色，随着时间的推移，这些专门的角色将会逐渐被普通的角色所取代。机器学习工程师似乎又是一个这样的例子。

机器学习工程师作为一个角色，是由人工智能和数据科学等热门词汇在企业中被大肆炒作的结果。在机器学习的早期阶段，机器学习工程师是一个非常必要的角色。而且对很多人来说，它带来了不错的收入增长！但是，机器学习工程师也有许多不同的性格，这要取决于你问的是谁。

我们当中的纯粹主义者说，机器学习工程师就是将模型带出实验室并投入到生产的人。他们负责扩展机器学习系统，将参考实现转化为可用于生产的软件，并经常交叉地进入数据工程领域。他们通常都是强大的程序员，对他们使用的模型也有一定的基础知识。

但这听起来很像是一个普通的软件工程师。

如果你去向一些顶尖的科技公司，询问机器学习工程师是对他们来说意味着什么，你可能会从十个调查参与者中得到十个不同的答案。这并不足为奇。因为机器学习工程师还一个相对年轻的职位，而发布这些职位招聘的都是经理人，他们往往工作了几十年，没有时间（或意愿）来了解这一领域。

以下是一些顶尖科技公司发布的招聘信息中的一些要求，请注意它们之间的差异有多大：

第一个有点辣人眼睛。你确定你招聘的不是研究人员吗？这怎么会是机器学习工程师呢？

• 数学、统计学、运筹学博士。具备 R、SQL 和现代机器学习技术的知识。

第二个看起来更靠谱一些。而且它来自顶尖科技公司，所以这样的要求应该不会让人感到意外。

• 计算机科学学士或硕士学位。1~5 年软件开发工作经验或学术经验。有计算机视觉、自然语言处理等方面的工作经验者优先。

最后，深入研究一下你对机器学习工程师职位的刻板印象。

• 计算机科学学士/硕士学位。3 年以上构建生产性机器学习系统和高效代码的工作经验。有大数据方面的经验者优先。

一些公司已经开始了一种新的做法，我认为大多数公司将会效仿。该做法是发布一个软件工程的职位，其核心要求是接触过机器学习，再加上要求有几年的工作经验作为优先考虑的资格条件。无论是基于机器学习还是其他技术，雇主都会偏爱那些具有构建和扩展系统经验的工程师。

只要人们对机器学习的了解很少，而且进入门槛很高，那么机器学习工程师的存在就是有必要的。

我坚信，机器学习工程师的角色将完全被普通软件工程师所取代。它将会过渡到一个标准的工程角色，工程师将从上游获得一个规范或参考实现，将其转化为生产代码，并交付和扩展应用。

就目前而言，许多机器学习的角色都存在于这个奇怪的领域，我们正在用机器学习来解决以前从未遇到过的问题。因此，在很多情况下，机器学习工程师一半是研究员，一半是工程师。我遇到过一些机器学习工程师，他们在整个堆栈中扮演着重要的角色。我也遇到过其他一些工程师，尽管他们的技能范围很窄，但却愿意肯花更多的时间去阅读新的研究论文，并将其转化为可用的代码。

我们正处在一个奇怪的十字路口，我们正在重新定义我们团队成员在这个难题中的位置。

由于我们的工作方式，我们倾向于强迫自己参与讨论并参加会议，而不管这些是否我们专业知识的核心。我们接受任何会议的邀请……我的观点是，机器学习工程师应该处于构建参考实现的末端，然后负责将参考实现转化为生产代码。

用不了多久，大多数企业将不需要进行什么研究工作，就能把项目做到极致。只有那些小众的用例和深层次的技术工作，才需要特殊的技能集。工程师们将使用 API，世界将继续前进，机器学习已成为每个新工程师工具箱中的常见工具。我们已经目睹越来越多的机器学习知识逐渐进入了大学课堂。只要你去大学参加一门机器学习的课程，你就会发现，课堂里人满为患，水泄不通。几乎每个毕业生在离开大学时，都会接触到一些该领域的知识。

我们可以用区块链来做一个类比，在区块链领域中，分布式系统工程师炙手可热。自从中本聪的白皮书发布以来，绝大多数区块链项目一直致力于构建基础技术和基础设施。要做到这一点，你必须拥有非常强大的工程技能，通常被称为分布式系统工程师。你最终将看到一个转变，在这个转变中，事物开始被抽象化，企业开始寻找用例，而普通工程师现在可以用区块链构建新颖的用例。我们在人工智能/机器学习也看到了同样的普遍转变。

我对一些读者评论的看法

• 硅谷有个主题“API 统治世界”，这可能是一派胡言，机器学习总是需要在基础设施层面进行某种程度的定制。在我看来，HuggingFace 对于自然语言处理的意义将会发生在其他所有领域。我们终将能够用一个简单的 API 来征服大部分用例。

• “这只不过是个头街而已，老兄。机器学习工程师只是指比普通的计算机科学毕业生更有数学和统计学背景的人。”我完全同意这句话。机器学习工程师只是一个头街而已。但如果这个角色不再需要了，这个头街还能存在吗？但你说的没错，这只不过是个头街而已。

• “在我的组织中，这根本不是机器学习工程师的意思。”让我知道机器学习工程师对你的组织来说意味着什么，以便让我了解。我一直在调查这一领域，以了解该领域的现状和发展方向。我想听听你的看法。

• “这只是一个头街而已，谁在乎呢？”你是对的，但不管怎么说，考虑一下，还是很意思的。

对于本文，我最喜欢的评论之一是，来自 Twitter 上的 Varii：

“就像你说的，这是一个头街。大多数雇主都希望你拥有相互重叠的技能。我觉得说到底，问题并不在于谁会被淘汰，而在于谁有足够的能力来不断地适应这个日新月异的行业。”

在更广泛的社区中，我得到了大量的宝贵意见。但有一件事，我的观点永远不会改变：如果你对某件事充满了激情，那么不管是一个头街，一个领域，还是一个潮流发生了什么变化，总会有一个地方可以让你去追求你的激情，去创造出一些酷炫的东西。

注意安全，继续前进！

作者介绍：

Luke Posey，Spawner.ai、Dataset Daily 创始人。曾任宝洁公司（Procter & Gamble）人工智能工程师。关注人工智能/机器学习、数据科学，坚信“未来一切都是自动化的。”

原文链接：

https://towardsdatascience.com/machine-learning-engineers-will-not-exist-in-10-years-c9cbbf4472f3