外国人の機械学習エンジニアは失業に直面しているのに、なぜ彼らはまだMLの学習にこだわるのでしょうか?

機械学習の分野では悲観的な見通しが広がっています。機械学習の人材の採用は減速しています。

[[334700]]

チップ・ヒューエン氏は、投資家は人工知能に対する希望を完全に失うだろうと仮説を立てた。 Google は ML 研究者の採用を停止し、Uber は AI チーム研究者の半数を解雇しました... ML スキルを持つ人の数は、ML の仕事の数よりもはるかに多くなります。

私たちの経済は不況に陥っています!

多くの人がAIの冬について語っています。

最初に問題に陥ったのは人工知能 (AI)、機械学習 (ML)、データサイエンス (DS) ですが、これらはほとんどの企業が持つ贅沢品なので当然のことです。

しかし、価値を創造すれば、未来が明るくないということではありません。

AIの冬はほとんどのAI/ML/DSの仕事に影響を与えない

AIの冬とは、AI研究への資金が削減され、関心が低下する期間です。

しかし、私たちのほとんどは研究をしません。私たちはアイデアを得て革新を起こすためだけに論文を読みますが、革新的な研究とはまったく関係のない既存の技術を依然として使用しています。

さらに、ML ベースの製品構築の人気は、実施されている研究の量と必ずしも相関しているわけではありません。

そして、現在では実践されていない研究成果も増えてきています。さらに興味深いのは、業界が何十年も前の機械学習設備にまだ追いついているということです。

今日、「AI 駆動型」製品が人気を集めているのは、新たな研究のせいではなく、機械学習の実装が容易になったためです。

問題を解決するために高度なAIは必要ない

真実はその逆です。

古典的なアルゴリズム + ドメイン知識 + 小さなエコロジカルデータセットは、ディープニューラルネットワークの代わりに、ほとんどの実用的な問題を解決できます。私たちのほとんどは、自動運転車を研究しているのではなく、むしろ消費者として研究しているようです。

私の意見では、大手テクノロジー企業以外では、問題解決の考え方や一般的な開発スキルとは対照的に、高度な技術力に重点を置くことは過大評価されています。

テクノロジー以外にも、ずっと以前に自動化されているはずで、技術的なブレークスルーを必要としない、退屈な手作業が大量に存在します。

機械学習は世界を変えることよりも価値を創造することに重点を置くべきである

実用的な問題を解決すると、その問題に遭遇したすべての人が勝者になります。

まるでシリコンバレーが私たちを騙して、私たちの生活環境や知り合いの生活を改善するのではなく、壮大な計画を遂行すべきだと信じ込ませているようだ。

Uber は世界を変えるので大好きです。しかし、Uber がこれを存続させるために四半期ごとに 50 億ドルの費用がかかっているとしたら、おそらく何か問題があるのでしょう。

一部の企業は、世界中の 70 億人に長期的な影響を及ぼすでしょう。しかし、「退屈な」業界でのデータ入力エラーの削減など、より単純な改善でも価値を生み出すことができます。

機械学習を学ぶことはAIへの恐怖と戦う最良の方法

自動化によって多くの反復作業が排除されます。恐怖ほど売れるものはないからです。技術的失業が差し迫っているからではありません。

機械学習を学習し、モデルの概念化、トレーニング、展開を行って、現実世界の問題を解決します。これがどれほど難しいか、そして私たちが AGI (汎用人工知能) からどれほど遠いかがすぐにわかるでしょう。

インフラは極めて未発達であり、実際のデータは混乱しています。

特定の問題に対するモデルをトレーニングするために Kaggle から CSV をダウンロードすると、作業の 99% はすでに完了しています。

機械学習を容易にするツールにはまだギャップがある

過去 10 年間のどのアルゴリズムの進歩よりも、使いやすさが機械学習の導入に大きく貢献しました。

ソフトウェア エンジニアは既製のコンポーネントを使用して ML ソリューションを組み立てることができると言っても過言ではありませんが、これは必ずしも簡単ではありません。

ツールが進化するにつれて、純粋な機械学習の仕事は減少しますが、機械学習を使用してさまざまな問題を解決するソフトウェア エンジニアの数は大幅に増加します。さらに、テクノロジー分野以外の多くの企業も恩恵を受けるでしょう。

あなたが機械学習用の優れたツールを開発するエンジニアなら、私たちは永遠にあなたに恩義を感じるでしょう… - Chip Huyen

ML は世界中で価値の成長を促進していますが、適切なツールが登場するまでは、まだその表面をなぞった程度にしか過ぎないと思います。

ソフトウェアエンジニアリングから始めましょう

AI 関連の分野で高度な学位を取得していない場合は、まずソフトウェア エンジニアリングを学び、その後 AI に進んでください。

ソフトウェア エンジニアリングの勉強はテクノロジーの MBA を取得するようなものです。基礎を学ぶことから始め、フル スタック ソリューションを作成し、機械学習に役立つコードを理解します。

業界の状況が変化すると、就職の機会が増え、転職もしやすくなります。

多くのソフトウェア エンジニアが ML/DS の分野で成功を収めています。

結論は

人工知能の分野では大騒ぎになっていますが、株式市場と同じように、どれだけ上昇しても必ず「下落」が続きます。しかし、準備ができていれば、これは必ずしも悪いことではありません。

一般的なスキルセット（ML を含む）の開発、実際の問題の解決、価値の創造に重点を置けば、常に何かすることがあり、失業することはありません。