想要進入AI領域，該如何選擇方向？

周日下午我訪談了三位人工智慧（AI）工程師，一場意義非凡的交流，站在AI工程師的視角看待AI行業後，我看到了新聞與評論中找不到的東西，分享給想步入AI行業的人才！

目前薪資最高、最受求職者追捧的崗位，毫無疑問屬於人工智慧。

今天的很多大學生普遍傾向於學習AI相關的技術，為的正是找到一份高薪工作，的確今日隨便一個AI崗位最低都會給到10k+，可是AI技術中包括了不同的類別，這些不同類別的AI技術，其發展前景不盡相同。

既然有區別，就必然有優劣，訪談過程中談到了這個問題，如果沒有這次面對面的交流，我想這個問題我將永遠不會注意到，既然有幸了解到，就一定要分享給大家。

其中的一位AI工程師，IT科班出生，某公司的CTO，對於團隊人才的篩選，都會親力親為，他分別從數據工程師、AI演算法工程師、AI建模架構工程師、AI伺服器工程師、AI的項目經理，談了現在行業中的整體情況，對想要步入AI領域的朋友有實質性的幫助。

在國內大眾對大數據的接觸要早於AI，所以今天的數據工程師已經沒有那麼稀缺了，那麼此刻開始從頭學數據工程，就沒有去學習其他AI技術有價值。

他談到AI方面的演算法工程師時，展露出一種哭笑不得的無奈感，或許是今天市場中遊離渙散的培訓機構太多了，往往面試的學生都只是非常粗淺的掌握了演算法公式的應用，而其背後的邏輯與基礎知識的掌握程度卻非常差，這直接導致工作後，遇到實際問題時，變得束手無策。

他特意點到，關於AI建模、架構方面的工程師是很稀缺的，談到招聘過程，幾乎用了半年時間都沒有招到合適的人才，很大程度就是因為此類方向的人才很少，如果打算進入AI領域，可以多考慮在建模與構架方面深造、突破。

而關於伺服器工程師，他談到了一個行業詬病，很多情況下經由Python寫出來的東西，會再由Java工程師或C++工程師照寫一遍，這個過程非常耗費經歷與成本，而這樣的情況在BAT內同樣存在，所以研究這方面的工程師，要能突破行業瓶頸，定會有很大的前景。

AI的產品經理，可以說是目前AI領域最缺人的崗位、也是最需要人的崗位，很多轉行AI的產品經理，大部分都是之前的互聯網產品經理，他們對AI技術的了解知之甚少，很難拿捏好產品的進展脈絡及發展方向，以至於一名優秀的AI產品經理，會受到市場的瘋搶。

最後他提到，整體行業中從事NLP的相對較少。

其實上個月就有朋友問到我，轉行AI應該選擇哪個方向，由於不是技術人員，只是很表象的回答了他的問題，今天交流後我第一時間給他發了微信！

在AI工程師眼裡是如何評價AI產品？選行業時你應該看看。

兩位工程師都提到，由技術導向型到市場導向型的現狀，雖說其中一位在某滴AI研究院工作，但是實際工作中仍然是以落地項目為主，所以科研進度就會慢很多。

他說到其實現在的AI技術已經進入了一個瓶頸期，例如語音識別，雖說能達到95%左右的正確率，但想要廣泛運用於生活，此類產品遠達不到人們之間的溝通要求，要做到實際落地，還需走很長的路。

關於無人駕駛，全程談論的更多是2級、3級（需要人輔助）這樣的應用，可見想要實現4級、5級（完全脫離人），仍需一定時間來實現，而且目前無人駕駛最大的障礙是晶元運算能力，所以關於無人車晶元的研發是該領域的工作重心。

而在圖像識別、人臉識別這些領域，其產品很多已經實現了商業落地，例如今天我們接觸到的人臉解鎖、美圖秀秀等。

但是，AI+醫療屬於圖像識別的特殊領域，因為道德倫理問題，如果診斷錯誤，由於沒辦法評估是醫生出錯還是機器出錯，所以通過醫療影像來診斷病情的AI產品，會受到醫院的一致排斥。

最後談到了多倫對話，其實每個人都有同樣的感受，和微軟小冰、siri聊天不能超三句，三句後對話就難以為續，今天國內先進點的多倫對話，能到第5輪，已經是很不錯的成績了。

三位工程師都表達出，數據是這個時代最重要的，對於一個特定的解決方案，只有擁有足夠多的相關數據，AI就能起到替代作用。

人工智慧將在很多領域改變人類的生產關係，改變人類的生活方式，由於目前的AI人才非常稀缺，訪談從AI技術本身及行業角度為求職者介紹了AI領域的基本現狀，希望這次訪談能給您帶來實質性幫助！

（感謝閱讀，邀您持續關注，探索未來，改變現在）