AI 開発者の高額給与は魅力的すぎるでしょうか?国内の開発者がAIに変革するためのガイドをぜひご利用ください

著者注: AI関連のニュースを閲覧すると、「高給」「年収100万ドル」など、非常に魅力的な言葉が頻繁に登場していることに気付くでしょう。同様に、「AIに変身するには？」「AI分野ではどのような人材が必要か？」「一般のプログラマーはAIの知識をどのように学ぶか？」といった質問をZhihuで検索すると、常にさまざまな答えと派生したトピックが見つかります。人工知能の波に後押しされ、多くのテクノロジー企業が優秀な人材を採用するために高額の給与を提示し、多くの開発者がAIのトレンドに加わろうと急いでいます。

Baidu AI Developer Camp のディープラーニング公開講座の先日終了した第 2 シーズンにおいて、Baidu は北京、深セン、杭州、成都の公開講座に参加した学生を対象に、講座後のアンケートを実施しました。調査データによると、Baidu のオープン ディープラーニング プログラムに参加している学生のうち 79% はすでに働いており、残りの 21% は学生です。また、学生全体の10％は2年以上のディープラーニング開発経験を持ち、61％は2年以下のディープラーニング開発経験を持ち、29％の学生はディープラーニング関連の開発経験がありません。 Baidu のディープラーニング公開講座に申し込む学生は、主に AI 分野の初心者であることがわかります。また、学生の割合も大きく、学生グループが AI に非常に熱心で、さまざまなチャネルを通じて AI の知識を学んでいることがわかります。これは、大学が人工知能コースを提供することがまだ完璧ではないこともある程度わかります。Baidu のディープラーニング公開講座は、上記の 2 つのグループの AI 学習ニーズをちょうど満たしています。

授業後の調査レポートは、国内のディープラーニング開発者の全体的な状況を完全に反映することはできないかもしれませんが、ディープラーニング開発者とAIへの変革を熱望する開発者の動向をある程度反映することができます。AI時代が到来すると、誰もがこのAI列車に乗りたがります。多くの企業が高額の給与を支払ってAI人材を採用していますが、ほとんどの求職者の能力は雇用主が期待するものとは程遠いものです。特に音声認識や画像認識エンジニアなどの一部のコアポジションでは、供給が需要をはるかに上回っています。市場全体が、価格は高いのに需要がないという恥ずかしい状況に直面しており、特に中小企業では採用がさらに困難になっています。さらに、AI人材の育成には一般的なIT人材に比べてコストと時間が非常にかかるため、短期間でAI人材の不足を埋めることは困難です。

AIは確かに敷居が高い分野です。学歴面では、AI求職者の半数以上が修士号以上を有しており、高学歴者の合格率は大幅に高くなっています。しかし、求職者の多くは学歴が低いか、プログラミングの基礎知識しか持たない初心者プログラマーであるか、実践的な AI スキルを欠いています。

AI業界では、学歴に加え、求職者のスキルも非常に重視しています。求人サイトで関連職種の求人情報を見ると、企業はAIエンジニアにディープラーニング技術の習得を求めているだけでなく、Spark、Hadoop、ロボット制御理論などのスキルにも精通していることを求めていることがわかります。

では、AIに興味を持つ中国の多くのプログラマーは、どうすれば自分の欠点を補い、AIへの転身を成功させることができるのでしょうか。あるいは、どうすればAIスキルを早く伸ばすことができるのでしょうか。著者は、適切なディープラーニングフレームワークを選択することがその第一歩になると考えています。

特定のフレームワークに特化しつつ、他のプラットフォームも理解する必要がある

ディープラーニングプロジェクトでは、適切なフレームワークを選択することが非常に重要です。そのため、AIエンジニアはまず、さまざまな主流のディープラーニングフレームワークの特徴と適用シナリオを理解する必要があります。

一般的に、AI エンジニアは企業やチームのニーズに基づいて適切なフレームワークを選択する必要があります。しかし、重要なのは、エンジニアが自分自身を「T 型人材」に成長させることです。特定のフレームワークに特化しながらも、他のプラットフォームについてもある程度理解する必要があります。特定のフレームワークやプラットフォームに縛られるべきではありません。そうすることでのみ、さまざまなフレームワークを総合的に比較し、最も適切なものを選択できます。

さまざまなプログラミング言語や開発ツールを習得する場合でも、ビジネスシナリオを深く理解する場合でも、最終的な目標は、ディープラーニングフレームワークを使用して特定の問題を解決することです。現在、ディープラーニングの分野は、100 の学派の間でまだ論争の段階にあります。主流のディープラーニング フレームワークは次のとおりです。

比較的高レベルの TensorFlow。 TensorFlow は発売以来、開発者コミュニティで高い評価を得ており、開発者に最もよく使用されるディープラーニング フレームワークとなっています。包括的な機能と活発なコミュニティを備えているため、使用率は常にトップクラスを維持しています。しかし、TensorFlow は、わかりにくいドキュメントやインターフェース、扱いにくい操作性などについて広く批判されてきました。

PaddlePaddleは中国の国情に適しています。 PaddlePaddle はもともと 2013 年に Baidu によって設計および開発された社内開発ツールでしたが、現在は 100% オープンソースになっています。 PaddlePaddle EDL は、Kubernetes などのクラスター管理システムを拡張することでコンピューティング リソースの柔軟なスケジュール設定を実現し、PaddlePaddle がより小さなビデオ メモリとより高速な速度でタスクを完了できるようにします。 PaddlePaddle が提供する直接的な中国語ドキュメントと中国語コミュニティは、国内の AI 開発者にとって当然の利点があります。

Facebook の PyTorch。 Facebook はかつて、「PyTorch は既存の Python 数学ライブラリ (NumPy など) を補助するか、ある程度置き換えることが期待されています」と述べました。Python エコシステムの助けを借りて、PyTorch は Python ライブラリとソフトウェアにすばやくアクセスできます。さらに、PyTorch ではネットワーク全体をゼロから再構築する必要がありません。動的な計算グラフ構造を使用して、既存のニューラル ネットワークをより迅速に改善する方法を提供します。

MXNet は偶然に作成されました。 MXNet の作者 Li Mu 氏は、MXNet はもともと、テクノロジーと開発に対する純粋な情熱から数人によって始められた趣味のプロジェクトだったと述べています。彼らは、MXNet で卒業するつもりもなければ、それで金儲けをしようとも思っていませんでした。 MXNet の主な利点は、高効率、高コンピューティング リソース使用率、高速、マシンと GPU の拡張に合わせて直線的に拡張可能、使いやすさ、命令型プログラミング (命令型プログラミング) と宣言型プログラミングのサポートです。

ミニマルな Keras。 Keras は、2015 年 3 月にリリースされた、最小限かつ高度にモジュール化されたニューラル ネットワーク ライブラリです。 Keras を使用すると、ユーザーはプロトタイプをすばやく試して、開発者のアイデアを現実のものに変えることができます。最近、MXNet は、CNN および RNN 分散トレーニングをより便利かつ迅速に実装できる Keras 2 のサポートも発表しました。

Caffe はとても使いやすいです。 Caffe も広く使用されているディープラーニング フレームワークです。その利点としては、使いやすく、コードでネットワークを設計するのではなく、構成ファイルを使用してネットワークを定義できること、トレーニング速度が速いこと、高度なモデルや大規模データをトレーニングできること、コンポーネントを簡単にモジュール化して拡張できることなどが挙げられます。

適切な深度フレームワークを選択するにはどうすればよいでしょうか?

AIエンジニアは、多種多様なディープラーニングフレームワークからどのように選択すればよいのでしょうか？具体的には、AIエンジニアは以下の観点からディープラーニングフレームワークを選択できます。

1. 既存のプラットフォームやスキルとの統合が容易。

AIエンジニアがディープラーニングフレームワークを使い始める際は、すでに習得しているプログラミング言語に対応したフレームワークを選ぶといいでしょう。例えば、Pythonを使うのであればPyTorchを選ぶといいでしょう。C++に慣れているのであればCaffeの利用を検討してみてはいかがでしょうか。選択したフレームワークで言語を再学習したり、データの保存方法を変更したりする必要がある場合、フレームワークを使用するための学習コストが高すぎます。

全体的に、Python はディープラーニングの基本言語となり、ほとんどのプラットフォームとシームレスに統合できます。

2. 関連する機械学習ツールチェーンの完全性。

ディープラーニング プロジェクトでは、さまざまなデータ処理、視覚化、統計的推論などが必要となるため、エンジニアはフレームワークを選択する前に、フレームワークに対応する前処理ツールや補助ソフトウェアがあるかどうかを検討する必要があります。

例えば、Baidu はディープラーニング可視化プラットフォーム Visual DL をリリースしました。これは、視覚的な方法を使用して、モデルのトレーニング プロセスにおけるさまざまなパラメーターと計算データ フロー図をリアルタイムで表示し、開発者がモデルをより深く理解し、デバッグし、最適化できるように支援します。さらに、Baidu は、開発者がプロ​​トタイプを迅速に開発できるように、EasyDL、ECharts GL、ZRender、WebGL フレームワークの ClayGL などのツールもリリースしました。

3. データ量とハードウェアのサポート

ディープラーニングに必要なデータの量は、アプリケーション シナリオによって異なります。エンジニアは、分散コンピューティング、マルチ GPU コンピューティングなど、システムの計算を高速化する方法を検討する必要があります。開発者には、パフォーマンス、コスト、効率、安定性などの問題をうまくバランスさせるために、非常に高いエンジニアリング スキルが必要です。

4. ディープラーニングプラットフォームの成熟度。

成熟したディープラーニング プラットフォームには、ドキュメント、チュートリアル、コミュニティなどの環境要因が不可欠であり、プラットフォームが使いやすいかどうか、開発者に実用的なサポートを提供できるかどうかが大きく左右されます。現在の開発状況から判断すると、TensorFlow や MXNet などのフレームワークには非常に詳細なドキュメントと活発なコミュニティがあり、初心者でもこれらのリソースを通じてすぐにプロトタイプの開発を始めることができます。

注目すべきは、Baidu が最近 PaddlePaddle 中国コミュニティを正式にオープンし、中国で最も効率的で便利なディープラーニング コミュニティを構築して、開発者が技術的な問題についてコミュニケーションを取り、より多くのエンジニアと出会うことを容​​易にすることを目指していることです。 AI開発者が解決できない問題に遭遇した場合、フォーラムに投稿すると24時間以内に回答が届き、上級エンジニアから迅速に説明や指導を受けることができます。

ディープラーニングフレームワークを習得することに加えて、AI エンジニアにはどのようなスキルが必要ですか?

AI エンジニアには、優れたプログラミング スキルが必要です。これらに加えて、有能な AI エンジニアにはどのようなスキルが必要ですか?

まず第一に、AIエンジニアにはしっかりとした数学的基礎と技術的能力がなければならないことは間違いありません。線形代数、確率統計、微積分、情報理論などの数学的知識はAIの基礎です。これらの数学的概念を巧みに扱えるようになるには、多くの時間がかかります。さらに、Python や R などの言語の熟練度、特定のアルゴリズム ツールキットの知識、機械学習モデルをオンラインで展開する方法の理解も必須のスキルです。

学生にとって、科学研究の分野に進むための正しい方向を見つけたり、勉強を続けたり、AI 企業でインターンシップをして主流のフレームワークの特徴や使用方法を理解したりすることは、すべて良い学習の機会です。すでに働いている開発者にとって、資格を再取得するために学校に戻ることは良い選択肢です。学校に戻ることができない場合は、会社の業務と組み合わせて対応する基礎知識を学習し、ギャップを埋める必要があります。これにより、目的が明確になり、時間がかかりません。

第二に、多くの企業では、機械学習エンジニアに優れた技術力とさまざまなモデルやアルゴリズムの長所と短所を理解するだけでなく、一定のビジネス能力も要求しています。具体的には、AI エンジニアは、機械学習の手法を使用してビジネス上の問題を検討し、問題の問題点を理解し、データから必要な情報を取得し、モデルを通じてビジネス価値を生み出して、AI テクノロジーが真にユーザーに役立つようにする必要があります。

まとめると、AIエンジニアには技術的なスキルだけでなく、より多くの製品、マーケティング、さらには運用機能も与えられるようになるでしょう。このような変革は、開発者の価値観に挑戦することになるのです。世の中にただ飯はありません。より良い製品やソフトウェアを作るために、AIエンジニアはより多くの努力とコストを払い、自分とテクノロジーの関係、テクノロジーと製品の関係を再検討する必要があります。

実際、多くの国内テクノロジー企業は、開発者の技術レベルの向上と AI 製品の向上を支援するために、技術、財務、市場などのリソース面で多くのサポートを開発者に提供しています。

たとえば、Baidu はディープラーニングに関する公開コースを数多く開催し、業界の専門家を招いてディープラーニングと PaddlePaddle について説明してもらい、実践的な指導や質疑応答を行っています。同時に、Baidu はオンラインで完全なディープラーニング教育コースも開設しました。

さらに、Baidu は業界パートナーとさまざまな AI コンテストを立ち上げました。ディープラーニング分野で一定の経験を持つ開発者は、これらのコンテストを通じて独自の技術と実際のアプリケーションを組み合わせ、企業が業界の問題を解決するのを支援することができます。

百度は、開発者が中国の国情に最も適した方法で AI をより迅速かつより良く変革できる仕組みを構築している。

独立した思考を持ち、自分のペースで学習しましょう

知乎の著名人でPwCのデータサイエンティストのアサム氏は、かつてLeifeng.com AI Research Societyのインタビューでこう語った。「機械学習について迷信的にならないでください。急いで完全に受け入れたり、自分の好みに合わないからといって完全に否定したりしないでください。ゆっくり進んで、自分に合った計画を立ててください。」

現在、さまざまな機械学習の教材が市場に登場し、さまざまな人工知能アルゴリズムが絶えず更新され、反復されています。政府と企業もAI開発者と起業家に多くの利益を提供しています。たとえば、国はさまざまな有利な政策を公布し、企業もテクノロジーとコースのサポートを次々と開放し、開発者がAIを始めたりAIに変身したりするのを支援するAI人材トレーニングプログラムを立ち上げました。

しかし、AI分野への転身を目指す開発者にとっては、チャンスを掴むための学習に加え、外部からの支援も必要となる。また、自らの業界の優位性を踏まえ、自主的に考え、膨大な情報を精査し、AI技術との接点を見つける能力を維持することも必要です。おそらくこれは、AI業界に関心を持つ開発者が持つべき姿勢なのでしょう。