「轉行人工智慧」是否前景一片光明？

知乎科技板塊上有一類問題經久不衰：xxx是否可以轉行做AI？代表性的問題有：

• 鍋爐設計轉行 AI，可行嗎？
• 28歲女孩想轉行做數據挖掘靠譜嗎？
• 射頻IC想轉機器學習，我要怎麼做？
• 31歲的女人不想在事業單位就這樣蹉跎歲月，想要轉行做數據挖掘，有編程基礎，可能性大嗎？

有感於今早讀到的文章 隨筆: 記生物博士6個月轉行計算機 中的一組數據：

上圖列舉了以不同關鍵字進行搜索返回的崗位數：軟體(11113) vs 生物(216) vs 生物信息(44) vs 數據科學家(152) vs 機器學習(280)。不難看出，至少在澳洲職場上，軟體相關的工作是遠多於機器學習和數據科學的，機器學習崗位僅為軟體崗位的3%。抱著好奇的想法，我在智聯招聘上對北京地區做了相同搜索：

• 軟體：大於10W個
• 機器學習：2059
• 數據挖掘：4669
• 數據科學家：29
• 數據分析：34995

不難看出，市面上的崗位主要還是需要軟體開發，而不是機器學習演算法工程師。機器學習崗位在智聯上的數量不到軟體崗位的2%，而且往往對學歷卡的很嚴，門檻很高。

我在最近的回答「阿薩姆：學習機器學習過程中都走過哪些彎路，怎樣避免走彎路？」也說過：「現階段的就業市場還面臨有價無市的局面，一方面企業開出高薪吸引機器學習人才，一方面符合條件的人太少。」至於學歷要求，一般來說，名校相關學位碩士以上學歷是大企業的基本要求，更高端的崗位還需要頂會和PhD。磨刀不誤砍柴工，如果有可能，讀一個碩士項目能很大程度的掃清路障，防止簡歷卡在人事手裡。

有人會說，數據分析的需求很大，有34995個崗位。但別忘了這其實和機器學習的差別是很大，分析和挖掘是兩回事。數據分析崗位往往不涉及建模和預測，更多的是清洗和可視化。從專業要求上來看，數據分析遠低於機器學習演算法工程師。另一個直觀的對比是，數據分析的月薪在6000-1500左右，約為10000。而機器學習工程師基本都在20000左右，不少崗位都是面議。因此，雖然機器學習和數據分析都和數據打交道，其實是兩份不同的工作。

因此在每個人都想轉行AI拿高薪的時候，我想不合時宜的潑一些涼水：

• 高薪的機器學習崗位數量是很有限的，且要求很高，沒有相關學歷難度很大
• 傳統的軟體開發測試還有一定的缺口，機會並不比機器學習少，而且市場成熟門檻適中
• 不要被線上線下的培訓班忽悠，他們提供的對口工作最多是數據分析，也不一定比你現在賺得多
• 不要單純為了錢而轉行AI，沒有相關學歷和經驗你面臨的最可能是失業
• 如果一心轉行，上策是回學校拿個相關的碩士學歷，中策是騎驢找馬側面了解知識不落伍，下策是破釜沉舟自學成才
• 如果回校上學不大現實，還是可以從相關的實習崗位做起，或者從數據分析做起慢慢來一步步轉，不要相信自學高薪的餡餅會砸中你

有沒有人能自學成才？當然有。但學機器學習必須有基本的統計概率知識，這個幾率是較低的。而且自學轉行成功的人往往都有相關領域的高級學位。我認識的不少轉行成功的人，基本是物理、電子、生物信息專業的碩博，本身知識重疊率高，轉起來就難度不大。切忌花動輒幾萬塊錢辭職學AI，每每想到這一幕我都覺得不寒而慄，這才是新時代的殺人不見血。培訓班是沒有錯的，但天價且鼓吹包分配無門檻的肯定是有問題的。這是在販賣虛假夢想，從渴望改變命運的普通人身上吸血。

我一直都鼓勵每個人都了解一下機器學習，但從不建議每個人都轉。機器學習不是高薪的保證，也可能是失業的預定。在媒體的大力鼓吹下，AI看起來前途似錦，但萬望大家思考清楚是否適合自己的情況。不然，夢醒後才會發現是噩夢一場。

我們用常理心分析一下，只要上個培訓班或者自學幾個月，就可以從年薪10W成長到30W以上，這樣的好事似乎不大可能。即使真的存在，按照經濟學原理這種低門檻高薪的崗位的待遇也會迅速下降回歸理性。不是要潑涼水，但希望我們大家都能保持理性，不要被媒體口中的高薪忽悠瘸了。懷著批判的態度去思考問題，這才是做科學的基本態度。

推薦閱讀：