據報道，現在也許是放棄從事新聞工作、成為機器學習程序員的時候了。這似乎是個符合邏輯的舉動，與“如果不能打敗他們，就加入他們”的理念不謀而合。過去幾年里，我們已經看到過成千上萬的專欄文章討論人們擔心機器人搶走他們的工作?，F在看來，唯一可保安全的工作就是為機器人編程。

這份工作的薪酬也很吸引人，機器學習專家的薪酬是計算機行業(yè)從業(yè)人員中最高的。程序員在線社區(qū)Stack Overflow統計顯示，在美國，機器學習專家的平均年薪超過10萬美元。在英國和法國，這些人的薪酬同樣比開發(fā)者和數據科學家更高。

機器學習是一種人工智能(AI)，它能讓計算機在沒有明確編程指令的情況下收集信息。對于那些嘗試分析越來越多、越來越復雜數據的公司來說，這種能力是必不可少的。擁有熟練編程技能的人也供不應求。利用機器學習來幫助企業(yè)分析IT系統日志的初創(chuàng)公司Logz.io聯合創(chuàng)始人阿薩夫·伊戈爾(Asaf Yigal)說：“我們發(fā)現找到合適的人才非常困難，這樣的人才可以獲得令他們自己都感到不可思議的報酬。”

Logz.io編程團隊中，20%的成員都專注于機器學習。伊戈爾表示，他經常從網絡安全行業(yè)挖人，因為他們能將數學技能和商業(yè)經驗完美結合起來。牛津大學計算機科學教授、AI公司DiffBlue創(chuàng)始人丹尼爾·克洛伊寧(Daniel Kroening)說：“這個市場完全處于人才枯竭狀態(tài)，無法找到需要招募的人，那也是公司不惜為此付出巨大代價的原因。”

那么你如何改變職業(yè)，進入這個有利可圖的領域呢?Stack Overflow的洞見主管凱文·特洛伊(Kevin Troy)說：“你需要懂得許多數學知識，最好擁有博士學位。許多機器學習專家都是從學術界招募來的。”利用機器學習技術檢測欺詐點擊的廣告公司Sublime Skinz數據科學主管柯拉莉·彼得曼(Coralie Petermann)表示：“我正尋找那些能更好理解復雜問題的人。我問了許多具體問題，不僅僅限于廣告問題，但我想了解這個人是怎么想的。”

在彼得曼的25人團隊中，有5人正研發(fā)機器學習，她希望明年至少再招募到5人。那些遲遲沒有發(fā)現職業(yè)機遇的學生，正將目光重新轉回學校。過去幾年，向牛津大學申請攻讀機器學習研究生的人數大幅增長?？寺逡翆幷f：“去年我們收到150份到160份申請，其中只有10人對機器學習感興趣。今年收到250份申請，有150人對機器學習產生興趣。”

如果對在大學深造數年不感興趣，還有其他可進入機器學習領域的路徑?？寺逡翆幣e例說，在發(fā)現難以找到合適的員工后，他自己在DiffBlue創(chuàng)建了機器學習訓練項目。他說：“我們招募擁有計算機科學或數學專業(yè)的人才，然后對他們進行相關培訓。雇傭他們要廉價得多，他們的薪酬大約只有機器學習開發(fā)者的一半。”

市場中充斥著許多并不真正了解算法的人。克洛伊寧已經被大量申請淹沒了，他說：“人們渴望接受培訓，到目前為止，我們還未曾向招募人員支付過任何費用。”克洛伊寧說，學員需要3到4個月培訓才會開始變得“有用”。DiffBlue已經為多家金融服務公司開發(fā)技術，目前擁有45名員工，今年計劃擴展到100人。

通過在線教程自學也是一種方案。三大在線教育提供商Coursera、Udacity以及edX都提供類似項目，Coursera上的吳恩達(Andrew Ng)機器學習課程被認為是開始學習的最佳之地?？墒荓ogz.io的伊戈爾懷疑自學的成果。他說：“許多人說他們懂得機器學習，但實際上并非如此。市場上充斥著許多并不真正了解算法的人。”伊戈爾為求職者舉行實踐測試，以剔除那些濫竽充數者。

與任何供需失衡相似，機器學習領域的問題終將得到糾正。Stack Overflow表示，在其在線論壇上，機器學習專家的數量正逐漸增加。特洛伊說：“我們調查用戶在做什么。在某些地區(qū)，我們看到從事機器學習工作的人正以每年50%的速度增加。5年前，Stack Overflow的流量只有0.5%與機器學習有關，現在已經增長至4%，5年間增長了7倍。”

那么，現在就攻讀博士學位，并在機器學習大潮中賺錢為時已晚嗎?或許。這個領域的薪資增長已經放緩，但工資水平依然高于其他計算機科學崗位。而且無論如何，學習機器學習都是個好主意。特洛伊說：“這將是所有開發(fā)者都需要了解一點兒的技術。將來，每家公司可能都會有幾名機器學習專家，然后又20到40位了解機器學習知識的開發(fā)者，以便他們能夠與這些程序互動。”