ネットで熱い議論：感染拡大から半年でディープラーニングの求人数が激減

[[340795]]

ビッグデータダイジェスト制作

近年、ディープラーニング エンジニアは市場で最も人気のある高給職の 1 つですが、昨日 Hacker News で、過去 6 か月間でディープラーニングの職が激減したというニュースが話題になりました。

本当にそうなのでしょうか？

Kerasの作者@François Chollet氏が8月末にツイートを投稿し、自身がクローリングしたLinkedInに記載されているディープラーニング関連の求人情報のデータを添付していたことが判明しました。

データによれば、ディープラーニング関連の採用情報は2020年初頭は着実に増加していたものの、2月には反転し、ほぼ崩壊した。

彼の見解では、これは景気後退の兆候であり、新たな AI の冬の始まりではない。現時点では、これは流行の短期的な影響にすぎません。しかし、ディープラーニングの利用の全体的な減少は非常に小さいものでした。

このニュースが発表されると、関係する専門家の間ですぐに白熱した議論が巻き起こった。

また、海外の有名求人サイト「INDEED」の調査レポートによると、AI求人の伸びは鈍化し、求職者のAI職への関心も薄れているという。

2018年5月から2019年にかけて、IndeedにおけるAI関連の検索は14.5%減少しました。比較すると、2017 年 5 月から 2018 年 5 月の間に検索数は 31.9% 増加し、2016 年 5 月から 2017 年 5 月の間に検索数は 49.12% 増加しました。インディードは、今年のデータが減少したことは、質の高い求職者の数に比べて市場に求人が過剰になっている可能性があることも意味していると述べた。

特に流行の期間中、機械学習の仕事は大幅に減少しました。

では、かつては人気があったディープラーニングや人工知能が、なぜ今ではそれほど人気が​​なくなったのでしょうか?

ハッカーニュースでは、ネットユーザーがこの話題について熱く議論し、この問題についていくつかの視覚的な視点を提供しました。

投資収益率は目に見える形では存在せず、パンデミックの期間中は職務要件は不要になった。

最も多かった回答は、「ビッグデータと同様に、近年皆が群がっているのは機械学習の華やかさがほとんどだ。実際のメリットがないことが分かれば、その波は徐々に引いていくだろう」というものでした。

• 私は多くの大企業でコンサルタントとして働いてきました。約 7 年前、誰もが「ビッグ データ」で同じことをしようと急いでいましたが、その投資に見合う成果は (ほとんど) 得られませんでした。
• 実際に目標設定と統合の段階を乗り越えて適切な人材を見つけることができた企業はごくわずかですが、こうした企業はこうした洞察に、その価値以上のお金を払っています。
• ディープラーニング業界でも同じことが起こっていると思います。
• これは間違いなく人気の募集ポジションです。すべての大企業は適切な ML/AI 戦略を導入したいと考えています。彼らは、ML を本来属さない場所（そしておそらく属さない場所）に押し込みます。問題となっている「不況」は主にCOVID-19に関連しており、パンデミック中にすべての企業が支出を削減しているが、ほとんどの企業は機械学習の職種が目に見えるROIのない単なる見せかけに過ぎないことに気づいている。ビッグデータと同様に、少数の企業がうまく実行して実際に何らかの価値を獲得する一方で、ほとんどの企業は 1、2 年で次のより目新しいプロジェクトに移ると思います。

アルゴリズムとビジネスは分離しており、真の価値を生み出せない

機械学習エンジニアが企業で効果を発揮しない主な理由は、企業環境において、採用ニーズであろうと自身の専門知識であろうと、問題解決に熱心で何かを提供しなければならない機械学習エンジニアや研究者が多すぎるためだという意見もあります。彼らはビジネスに対する理解が非常に限られており、給与が高すぎるにもかかわらず、価値ある結果を生み出すことができません。

それで、あるコメントには「これは良いことだ！」と書かれていました。

研究グループや、より製品/ビジネス主導のチームと仕事をしてきた経験から、研究者が時間をかけて製品分野を理解し、認識した結果を提示しても、それがビジネス部門で実際に起こっていることと一致しないことに気づきました。

市場における ML/データ サイエンス人材の実際の需要のほとんどからわかるように、

• データクリーニングの経験
• 線形回帰、ロジスティック回帰、交差検証に関する深い理解
• ある程度のコーディング スキル (R、Python、SQL)。

テクノロジーに関する要件がさらに追加されます。これらの前提条件に基づいて人材を見つけるということは、他のほとんどすべてを教えることができると想定していることになります。

しかし、これは採用マネージャーや企業にとって難しい問題であり、機械学習の強気市場では給与と期待が高すぎたため、多くのミスが発生しました。

結局のところ、ディープラーニングは場合によっては良いが、そうでない場合もあるため、ディープラーニング開発者だけではほとんどの企業にとって役に立たないでしょう。

中国ではディープラーニングへの熱意が衰えているようには見えませんが、世界的な議論を踏まえて早期に計画を立てる必要があります。

文在寅は以前、「機械学習エンジニアは失業中だが、学習は依然として唯一の解決策」という記事を推薦し、この問題に対する6つの解決策を提案しました。興味のある学生は、ぜひ読んでみてください。

しかし、業界がどう変化しても価値を創造できれば、未来は暗くはありません。

関連ディスカッション:

• https://twitter.com/fchollet/status/1300137812872765440
• https://news.ycombinator.com/item?id=24330326

[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