三十岁程序员月薪60K?人工智能将是未来的风口

程序员二飞

已于 2024-01-09 20:11:00 修改

阅读量386

点赞数

分类专栏： python 文章标签：人工智能 python 开发语言数据分析数据挖掘

于 2023-02-27 15:10:11 首次发布

本文链接：https://blog.csdn.net/xiangxueerfei/article/details/129242443

版权

python 专栏收录该内容

443 篇文章 21 订阅

订阅专栏

世界上最幸福的职业是什么？

回答：是敲代码的程序员。（money money）

那世界上最悲惨的职业是什么？

回答：是30岁还在敲代码的程序员。

通常程序员在经过2—3年敲代码的时期后都会考虑自己未来的发展方向。按技术路径走是系统分析师、架构师……CTO；按管理路径走就是项目组长、项目经理……CTO。而如果一个程序员30岁还只是 “舒适”的当一个码农，按领导的安排，重复完成类似的项目，就会陷入“瓶颈期”—掌握的技能单一、精力不如从前、工资不再上涨……。程序员是一个不断学习的行业，技术和年轻是资本，停滞不前，过两年必将面临淘汰。比如：2017年华为裁掉大量35岁以上的程序员，只因他们没有跟上技术的更新换代，失去了技术优势。

试问，哪个程序员愿意在“上有老、下有小”的尴尬年纪被辞退，遭遇中年危机呢？所以不想被淘汰就必须突破瓶颈期。

程序员突破瓶颈常见的途径无外乎两种：转行or转型。转行意味着从0开始，同时要承受转变工作习惯、降低工资、缺乏技能、被人误解带来的艰难。程序员长期把自己“奉献”给公司，按部就班的工作使他们除了代码敲的6，很少掌握其他行业技能；而且程序员薪水本身就高于其他行业，父母、伴侣通常会因为不理解而不愿其放弃高薪职业。自身和他人共同构成的压力使得程序员转行的成本过高。而转型则不必从0开始，程序员可以保留过去的业务、技术积累，进而学习圈内最新的技术，转型最热门的领域，在技术快速革新的浪潮中脱颖而出。

如今互联网圈最“炙手可热”的领域是什么？当然是人工智能。

2017年，国务院发布的《新一代人工智能发展规划》使得人工智能上升到国家发展战略高度。BAT等行业巨头都将人工智能视为下一次技术革命的突破点，并投重金加速布局。过去两年，我国新增AI企业数超过前10年的企业数总和，然而AI人才供需比仅为1：10，人工智能岗连续两年在“最紧缺的TOP10岗位”中占领前三。圈内盛传一句话：“得人工智能者得天下”，各大企业不惜开出30——100万的高年薪招揽AI算法工程师。

问题来了，人工智能领域广阔，常见的有语音识别、图像识别、自然语言处理（NLP）、计算机视觉……究竟转型哪个领域才是最有发展的呢？

微软全球执行副总裁沈向洋在公开演讲时说：“懂语言者得天下……下一个十年，人工智能的突破在自然语言的理解”。没错，与语音识别和图像识别相比，NLP属于厚积薄发，潜力无穷。

首先，语音识别技术经历了长达60年的发展，已趋成熟。目前，通过语音应答交互系统和移动应用程序对人类语言进行转录的系统已多达数十万；中小词汇量非特定人语音识别系统识别精度已经大于98％，语音识别的准确率提升到了与人类差距只有0.4%，这些技术已经足够满足通常应用的需求。市场基本趋于稳定，因此企业对语音算法工程师的需求已然不如前几年旺盛。

再对比图像识别和自然语言处理。图像识别是最先开始和深度学习合作的领域，现在已有很多经典的应用，如谷歌、百度推出的识图功能；交通方面的车牌识别系统；公共安全方面的人脸识别技术等。但这些都是浅层的图像处理技术，图像识别在大热过后已经进入了一个瓶颈期，对于图像深层次含义的理解和挖掘，未来需要借助更多自然语言的研究成果。

反观NLP技术，不仅对应的场景更多，而且有更清晰的商业盈利模式。常用的“搜索引擎”“个性化推荐”“智能对话”等应用，其核心技术都是NLP。目前，NLP在中文分词、文档分类、知识图谱构建等基于统计的浅层语义研究已经做的很成熟，而深层语义理解仍困难重重，像机器翻译、对话系统等依赖深层语义理解的任务，效果都不太理想，目前的系统距离人类水平，尚有很大差距。因此，目前AI企业都急缺NLP算法工程师。在智联招聘中搜索算法工程师岗，前100条信息中，NLP算法工程师的招聘信息占比约50%，而图像、语音、视频、广告算法工程师等岗位共占比50%。

目前NLP面临的挑战还很大，为取得进一步的突破，可能还需大量算法工程师十年甚至几十年的努力。这恰恰提供了更大的发展空间，此时转型NLP算法工程师，意味着未来至少30年将无需担心被替代，而30年基本也跨越了我们的主要职场生涯。

找准了转型方向，就要面对何时转型的问题。一些处在“瓶颈期”的程序员认为自己不到30岁，还可以在“舒适区”待两年再做打算。事实证明，这种想法幼稚且对自己不负责任。不信我们来算一笔“年龄帐”和“竞争资本帐”。

首先，程序员以30岁为职业转折的分水岭。一般大学毕业23岁，研究生毕业26岁，找第一份工作，调整由学生到职场人士的身份转换需要一年的适应时间；既没有人工智能学术背景也没有相关工作经验，自学人工智能（机器学习、深度学习）需要两至三年时间；找到人工智能的岗位还需一两年时间的项目经验积累才能转为算法工程师。对于已经工作了几年的程序员来说，留给其为转型做准备的时间已然很少了。

其次，当下极度缺乏人工智能学术背景的应届生，各大企业在对算法工程师需求量旺盛的状况下，愿意招聘想要转型人工智能领域的在职程序员。与想从事AI算法工程师岗的相关专业学生相比，他们的优势在于已经有一定的职场项目经验，工程能力通常也更强。然而根据腾讯研究院发布的《2022全球人工智能人才白皮书》显示，目前我国有40所大学的研究实验室专注于人工智能，对应的高校教师以及在读硕博生已有约7000人；在今年教育部公示的名单上能够看到，申报“人工智能”“智能科学与技术”等专业的高校超过100所。再过两年，将有至少6000名人工智能专业的应届生加入AI行业。那时，已经30岁的在职程序员要与拥有学术背景和超强精力的AI专业毕业生竞争岗位，难度将远远超过现在。

转型NLP算法工程师迫在眉睫，从现在起要做哪些知识和技能的准备呢？

比起前端、测试等技术岗，NLP算法工程师对求职者的背景要求高很多，不仅需要高数、编程基础知识，还需要掌握机器学习、深度学习，最关键是要学习NLP相关知识，有一定的项目经验（算法模型构建、训练及工程实现等），加强与所面试的岗位之间的关联性。

转型学习一门艰深的新技能需要投入时间和精力，但大多数在职程序员加班是常态，休息时间少，如果靠自学，即使找齐了书目和视频教程，也没有足够时间去找重点、解决学习中不断出现的困惑；而且他们毕业多年，学习能力有所下降，难以集中精力，最后都会在没有指导、盲目自学的情况下中途放弃了。