10年内将不再有机器学习工程师？

在任何一个新兴领域最开始的阶段，都会出现特殊岗位，随着该领域的发展，那些特殊职位会变得越来越普遍。机器学习领域的发展可能也正遵循这一规律。

让我们来具体分析一下

机器学习工程师的兴起是企业中大肆宣传人工智能和数据科学之类的流行语的结果。在机器学习的发展初期，机器学习工程师是非常必要的角色，对于我们中的许多人来说，这份工作为其带来了不错的收入增长！但如果你问机器学习工程师具体是做什么的，你会从不同人那里得到不同的答案。

纯粹主义者会说，机器学习工程师的工作就是将模型从实验室中“解救”出来并将它们运用到生产中，发挥实用价值。机器学习工程师扩展了机器学习系统的规模，将参考实现转化成可应用的软件，并且经常在其中融合数据工程的内容。机器学习工程师通常是强大的程序员，对所使用的模型有一定了解。

但这些描述听上去似乎很像普通软件工程师所做的工作。

如果你询问顶级科技公司，机器学习工程师对他们来说意味着什么，你可能会从10位调查参与者那里得到10个不同的答案。这样的结果不足为奇，机器学习工程师是一个相对年轻的职位，而发布这些职位的人通常是经理，他们可能几十年来都没有时间（或意愿）去真正了解科技领域的技术。

以下我整理了几家头部科技公司发布的机器学习工程师的招聘要求，大家可以看看这些招聘条件之间的差别：

【数学/统计/运筹学博士学位。掌握R、SQL和机器学习技能。】

第一条JD就很有意思，确定这招的是机器学习工程师而不是研究员？

【计算机科学专业学士/硕士学位。拥有一到五年的软件开发相关工作/学术经验，接触过计算机视觉，自然语言处理等技术是加分项。】

这一条对于“学习背景”的坚持也是十分典型，但这条JD毕竟是来自头部科技公司， 所以也不算令人惊讶。

【计算机科学专业学士/硕士学位。三年或以上编程和搭建机器学期系统的经验。熟悉大数据是加分项。】

最后这条比较符合我们所认为的机器学习工程师的招聘要求。

一些公司已经开始在发布招聘要求时采用新方法，我认为大多数公司之后都会效仿这种方法。该方法的核心是要求申请者是熟悉机器学习技术的软件工程师，最好有过几年工作经验。雇主将优先选择对于构建和扩展系统具有丰富经验的工程师，无论系统的构建是基于机器学习还是其他技术。

只要人们对机器学习的了解很少并且准入门槛很高，机器学习工程师的职位就必不可少。

经过认真的考虑之后，我相信机器学习工程师的角色将被常见的软件工程师完全替代，机器学习工程师的职能将变得像标准工程师那样，从上游人员那里获得要求或参考实现，将其转换为生产代码，再交付和扩展成应用程序。

目前，我们中的许多机器学习工程师都面临一个奇怪的处境，他们正在用机器学习技术解决以前从未遇到的问题。因此，在很多情况下，他们一边做着研究工作，一边做着工程师的工作。我认识一些同行他们两者都擅长。还有一部分人，他们技能不那么全面，但会花更多时间阅读新的研究论文再将所学输出为可用的代码

面对着处境尴尬的十字路口，我们身为机器学习工程师也正在探索适合我们的定位。

受到工作方式的影响，机器学习工程师经常会参与讨论和会议，无论议题是否属于我们专业知识的核心，我们都会接受会议邀请……在我看来机器学习工程师一般处在构建参考实现工作的最尾端，然后全权负责将参考实现转化为生产代码的工作。

不久之后，大多数企业将几乎不再需要利用研究工作来完善他们的项目，只有极少数情况下和需要深入技术的工作才会用到特殊的技能，工程师将大量使用API。随着越来越多的大学将机器学习知识带入课堂，机器学习正在成为每个新工程师工具包中的常见工具。大学里的机器学习课程几乎座无虚席，因此几乎每个毕业生对这一领域多少有些了解。

我认为目前炙手可热的区块链分布式系统工程师的未来发展也会像现在的机器学习工程师一样。自中本聪发布比特币白皮书发布以来，绝大多数区块链项目一直在致力于基础技术和基础架构的建设。这需要项目参与者具备强大的工程技能，参与者通常被称为分布式系统工程师。你最终会发现这一切变得越来越抽象，企业正开始寻找实际使用的案例，普通工程师便开始使用区块链技术构建新的实例，这些变化就像人工智能和机器学习领域出现的变化一样。

在我发布这篇文章之后，有很多人给我留言，其中我最欣赏的一条留言来自推特上的Varii：“就像你说的，机器学习工程师只是个标题。大多数雇主都希望员工具备综合技能。我觉得重点不在于谁会被淘汰，而是谁有足够的能力适应不断变化的行业。” 

是的，这与我的想法不谋而合：如果你真的对某件事充满热情，那么无论其所在的领域或趋势如何变化，你的热情总会驱动着你最终创造出很多厉害的东西。