機械学習エンジニアは職を失いつつあるが、学習が唯一の解決策であることに変わりはない

[[335970]]

ビッグデータダイジェスト制作

出典: medium

編集者: Hippo

採用は凍結されている。

投資家は最終的に人工知能への希望を失うだろうと推測する人もいる。 Google は機械学習研究者の採用を凍結し、Uber は AI 研究チームの半分を解雇しました…

将来的には、機械学習のスキルを持つ人の数は、機械学習の仕事の数よりもはるかに多くなります。

私たちは不況を経験しています。人々はAIの冬について話している。

人工知能 (AI)、機械学習 (ML)、データサイエンス (DS) はほとんどの企業にとって贅沢品であるため、最初に縮小する分野となるのは当然です。

しかし、価値を創造できれば、未来は必ずしも暗いわけではないかもしれません。

AIの冬は関連分野のほとんどの仕事に影響を与えない

AIの冬の時代はAI関連の研究への投資と関心が減少した時期でしたが、私たちのほとんどは研究をしていません。私たちは論文を研究し、インスピレーションを得て革新を続けますが、既存の技術と方法も引き続き使用します。

さらに、機械学習対応製品の急増は必ずしも研究の急増につながるわけではありません。

ただ大量に研究を続けるだけでは、研究成果がどんどん実用化されなくなってしまいます。興味深いのは、業界が実際には数十年前に発明された機械学習手法を実装しようとしていることです。

今日、「AI 駆動型」製品はますます一般的になりつつありますが、これは新しい研究結果によるものではなく、主に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最先端のAIは必要ない

逆に。

古典的なアルゴリズム + 専門知識 + 小さなデータセットで、ほとんどの実用的な問題を解決できます。多くの問題の解決には、ディープ ニューラル ネットワークは必要ありません。私たちのほとんどは自動運転車の開発に取り組んでいません。

大企業以外では、問題解決の考え方や基本的な開発スキルよりも、最先端の技術力に重点を置きすぎているように思います。

科学技術に加えて、多くの退屈な作業や手作業はずっと以前に自動化されているはずであり、これを実現するには技術的な進歩は必要ありません。

機械学習を適用するが、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

問題（どんな問題でも）をうまく解決すると、誰もが何かを得られます。

シリコンバレーは、地域社会や周囲の人々の生活を改善するために努力するのではなく、月を目指すべきだと私たちを騙して信じ込ませてきました。

私はUberが大好きです。この会社は本当に世界を変えました。しかし、Uber が事業を継続するために四半期ごとに 50 億ドルを費やしているとしたら、何かが間違っているのかもしれない。

はい、長期的に事業を展開し、70億人に影響を与える企業は存在します。しかし、「退屈な」業界でのデータ入力エラーの削減など、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人工知能への恐怖と戦う最良の方法である

自動化によって雇用が失われるという話をよく耳にするが、それは技術的な失業が差し迫っているからではなく、恐怖心ほど人を惹きつけるものはないからだ。

機械学習のスキルを習得し、モデルを概念化、トレーニング、展開して現実世界の問題を解決します。これがまだ非常に難しい作業であることがすぐにわかり、汎用人工知能に取って代わられるまでに私たちがどれだけ遠いかがわかるでしょう。

インフラ構築はまだ成熟には程遠く、実際のデータもまだ混乱しています。

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 形式のデータセットをダウンロードすると、作業の 99% が自動的に完了します。

もっと多くの人がこれをやれば、夜はぐっすり眠れるようになるでしょう。

機械学習を使いやすくするには？既存のツールではまだまだ課題が残る

過去 10 年間、機械学習の導入には、アルゴリズムの進歩よりも使いやすさが大きな貢献を果たしてきました。

ソフトウェア エンジニアは、すぐに使用できるコンポーネントを使用して機械学習ソリューションを組み立てられるところまで来ていますが、それはまだ簡単ではありません。

ツールが改良されるにつれて、純粋な機械学習開発作業は減少し、代わりに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が大幅に増加し、テクノロジー企業以外の多くの企業に利益をもたらすでしょう。

機械学習は世界中で価値の成長を推進していますが、私たちはまだその表面をかすめた程度にしか過ぎないと思います。その日が来るのは、適切なツールがあればこそです。

まずソフトウェアエンジニアリングを習得する必要があります

すでに AI 関連の分野で高度な学位を取得していない限り、AI に取り組む前に、まずソフトウェア エンジニアリングを勉強することをお勧めします。

ソフトウェア エンジニアリングを学ぶことは、技術的な MBA を取得するようなものです (MBA が実際に価値があった頃)。基礎を学び、完全なターンキー ソリューションを構築し、AI を次のレベルに引き上げるコードを探索します。

業界の状況が進化するにつれて、仕事の機会が増え、ソフトウェア エンジニアリングを習得すると転職しやすくなります。

多くのソフトウェア エンジニアは AI やデータ サイエンスの分野で成功しますが、その逆はめったに起こりません。

結論は

AI については多くの誇大宣伝が行われており、上昇傾向の後には下降傾向が続くことが多いですが、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（AI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、私たちには常にやるべきことがあるでしょう。

関連レポート:

https://towardsdatascience.com/ml-engineers-are-losing-their-jobs-learn-ml-anyway-87e19523cd9b

[この記事は51CTOコラムBig Data Digest、WeChatパブリックアカウント「Big Data Digest（id: BigDataDigest）」のオリジナル翻訳です]

この著者の他の記事を読むにはここをクリックしてください