今天小編分享的科學經驗:避免“一選定終身”,那些從就讀到就業的AI真相,歡迎閲讀。
最近,全網都在熱議 "XX 專業值不值得讀 ",不同家庭的孩子怎樣進行志願規劃避免 " 掉坑 "," 學長學姐現身説法的專業避雷 " 等。
無論哪個國家,畢業時對所選專業感到後悔的學生都不在少數。畢竟,大學教育資源在全世界都是稀缺的,所以即使有些 " 天坑專業 " 與就業市場不匹配,這些 " 坑 " 依然都會被新生填滿。
但誰都不想一畢業就失業,或者投身 " 地獄模式 " 的工作。難道不認識神通廣大的長輩,付不起昂貴的規劃師咨詢費,就只能 " 一選定終身 " 了?
其實熟人或網紅老師的建議也好,付費的志願規劃服務也好,本質上都是消除信息差,幫助學生多了解一些世界運作的真相。
今日之世界,由 AI 技術驅動的產業革命,可以説是最具普遍性共識的一個真相。不過,AI 相關教育還遠稱不上成熟,甚至可以説是史前時代,大量就讀、就業的細節,來自于從業者的切身感受和體驗,高質量的分享很少能被大眾所接觸到。
而了解真相,是學子們做出人生選擇的第一步。我們希望通過來自雙一流乃至職業教育學校,大一新生或已經靠 AI 賺到錢的職場人現身説法,為大家提供一些真實的聲音。
AI 專業,不等于最優開局
熱門、高薪、好就業,是大家對 AI 專業的主要印象。相比生化環材等知名 " 天坑 ",考上 AI 專業,是不是代表了大學生涯的最優開局?
第一個真相是:比起理論扎實、積累深厚的傳統專業,新興的 "AI 專業 " 可能更難學到東西。
過去幾年,AI 已經從計算機科學領網域獨立出來,有了專門的本科專業,也進入了高等職業教育。考上 "AI 專業 " 的學生數量越來越多,但 "AI 專業 " 的含金量卻未必同步提升了。
如果學生要自學成才或者和老師、本校本專業一起摸爬滾打地成長,你覺得這學費交的值嗎?當下很多 "AI 專業 ",就是如此。
随着大量高校 AI 專業、院系的建立,需要快速填補大量教師,很多教師都是計算機等臨近專業抽調過來,可能并不了解 AI 技術與產,也是 " 初學者 "。其中,AI 理論可以很快上手,比如人工智能的發展史、機器學習原理等。
但是,讓不熟悉 AI 的老師們結合實踐,搞一個落地應用或者做一個具體項目,很多人就犯怵了。
因為真正 Coding 編程、做模型訓練的時候,涉及到大量專業細節的問題,比如調參為什麼改了這個、改了那個?為什麼調完模型精度還是很低?這些都需要長時間的充分實踐,才能有感覺。
中部地區某 211 大學的一位老師説,該院在 2018 年就成立了人工智能實驗室,雖然叫這個名字,但老師們還不是太會用人工智能,甚至連 python 語言都不太會,只是覺得人工智能很有未來,所以就起了這個名字,目的是帶着大學生做科創。大學生一考上該大學,還是大一新生的時候,第一學期就開始培訓。
試想一下,當學生在機房上機訓模型調參,結果老師都不知道遇到具體問題該怎麼解決,學習效果會有多好?
眾所周知,AI 學術界和產業界的變化又非常迅猛,技術更新換代速度非常快。2023 年之前,沒有人會想到大模型會帶火提示工程,prompt 會成為技術領網域最熱門最有價值的就業方向之一。
當老師們都在拼命學新東西,還學不完的時候,學生們更像是在玩一場 " 養成遊戲 "。
少有人提的風險
AI 學科可能随時被推翻
當然,我們并不想批評 AI 專業和 AI 教師。高校教育能夠緩解 AI 人才緊缺,是提升 AI 人才質量的關鍵,所以設立 AI 專業是非常必要的。而任何一個新的專業,都要經歷探索、成熟的過程,這無可厚非。
不過," 教學相長 " 的背後,是 AI 學科還處于史前時代的現實處境,其中所包含的風險少有人提,卻也是學生們應該心中有數、預先準備的:
第一,AI 理論基礎以後可能會被重構。
以計算機科學為例,擁有集成電路、作業系統、編程語言等一套完整的學科體系。而人工智能,作為一個獨立學科的條件,其實還是不成熟、不健全的,大量其他領網域的理論,如認知神經科學、計算機、數學等糅雜其中。
在某次 "AI 院長峰會 " 上,清華大學人工智能研究院名譽院長張跋院士直言,人工智能的理論、通用硬體、軟體都還沒有,目前掌握的只是有限的一些算法,產業處于發展初期的探索階段。已有的知識驅動和數據驅動方法,都不足以成為人工智能的理論基礎。
這意味着,AI 專業學生在本科階段所學的知識可能被廢棄,僅靠技能、應用技巧的學習,是無法與其他專業或 " 社會大學 " 從業者拉開明顯差距的。如何提升這張 " 本科畢業證 " 的含金量,就必須在就讀期間考慮到了。
第二,AI 學科建設的投資可能不足。
人工智能專業雖然是一個新的專業,但是它并不是一個新的研究方向,不同高校的同一專業就可能拉開比較大的差距。
頭部高校有足夠的師資和足夠優秀的學生,來承接 AI 專業的建設和發展。但往下一級,很多高校缺乏大量的老師來支撐專業的教學,對于前沿技術的支撐也不足,那麼普通院校的 AI 專業學生所得到的教學指導、社會資源、校友關系等,相比一些較為成熟的傳統學科,可能都會打折扣。
認識到這一點,才能在就讀期間,去主動鏈接自己需要的資源,培養必要的能力。比如説,應該掌握一些用于就業保障的技能,但也不要把一些 " 技能 " 看得太重,因為大多數技能、軟體的壽命都比你想象的要短,需要以更好的方式重寫,所以必須打好基礎,認真學習基礎理論、知識和方法,建立自我驅動、自我學習 learning to learning 的能力,同時積極參與 AI 企業的活動,到企業參與實踐,将理論知識聯系實際,端到端解決問題。
非 AI 專業,或許更有前途
大家可能發現了,看起來很美的 AI 專業,也有很多不如意。世界上沒有完美的專業,只顧理想、不顧現實來選擇專業,當然不适合普通家庭、普通學生,但盲目追求熱門專業,也可能是竹籃打水。
很多人希望選個 " 好專業 " 的本質訴求,其實是減少競争,回避内卷,未來能夠找到比較好的就業去向。
讨論這個話題,著名風投家 Naval 的觀點值得反復琢磨:"Escape competition through authenticity … Basically, when you ’ re competing with people, it ’ s because you ’ re copying them. It ’ s because you ’ re trying to do the same thing. But every human is different. Don ’ t copy."
簡單來説,就是如果你有原創性,和别人做不同的事情,就可以不參與競争了。" 不要模仿他人,做自己 ",這句話聽起來很雞湯,但在 AI 時代有很強的可行性。
首先,產業 AI 化的機會。AI 是一個綜合交叉學科,當一扇扇產業和行業之門被推開,AI 會 " 從天上的雲變成地下的雨 ",滲透到每一個領網域。AI 產業和就業機會,在整個智能經濟中只占了很小的一部分。AI 與行業的緊密結合,才是更廣闊的天地,非 AI 的專業和從業者反而可能有更大的機會。
其次,AI 門檻降低,行業壁壘更安全。大模型、AutoML 等技術持續發展,AI 作為一個工具的門檻越來越低。但是,AI 要融入千行百業,行業知識和行業專業的知識門檻、經驗門檻是非常高的,需要時間去積累,而壁壘高也意味着競争少,很難被他人或 AI 替代。
此外,重復工作的消失。AI 技術進步,即使是知識勞動的白領職業,比如數據分析師、文秘、翻譯等重復性工作的崗位,都在逐步完成智能化替代。也就是説,年輕人不想原創、不想做自己也不行了,因為未來就業市場上可能只剩下 AI 無法替代的崗位,那就是富有創意的、需要與人打交道的工作,個人不可替代的特質會變得愈發寶貴,當然也愈發值錢。
活出不設限的人生
那麼,我們應該如何将自己的專業、興趣與 AI 結合呢?我們用幾個真人真事來為大家提供一些思路。
1. 傳統專業的刷新
某大學能源專業的一位教師,是剛從海外回國的 " 傑青 ",他參加教學時間不長,但感覺到學生對 AI 非常感興趣。
原來,傳統學科的就業前景不是特别好,雖然能源行業是支柱行業,就業不是問題,但工作地點一般都在荒山戈壁海上,對年輕人的吸引力越來越低了。
對于大學生來説,新興人工智能產業的發展更多,對就業很有好處,所以學生們對把 AI 用到傳統領網域都非常有興趣。即使畢業後繼續深造讀研,跨界 AI 在研究生選專業時也是有優勢的,因為各個領網域多多少少都會加一點人工智能的東西。
而對于研究生來説,掌握 AI 也可以讓研究變得相對容易一些。因為能源專業的一些優化問題,需要用到很多很深的數學知識的優化方法,而用了深度神經網絡等 AI 技術以後,算法自動優化可以讓研究提高效率,真的可以解決一些比較實際的問題。
這位老師坦率地説," 世俗一點講,現在 AI 相關的比較熱門,從發論文的角度也相對容易一些,所以對他們的吸引力也是很強的 "。
更多傳統專業優秀教師開始關注 AI、掌握 AI、使用 AI、教授 AI,學生們就會越早從 AI 中受益,加速 AI 人才質量的提升。
2. 二本少年的逆襲
遇到山東省某所農業大學的大三學生小馮,是在一個上海的 AI 開發者峰會上。
原來,小馮發現老家鹽場一直采用傳統方式進行曬鹽,靠人工測量水位高度,工人們的工作辛苦。影像識别分析圍圈曬鹽影像,及時提醒撈鹽,大大減輕了鹽場工人的負擔。
目前,主流 AI 開發平台都有大量成熟的 CV 模型可以直接調用,數據标注也有自動化工具來實現,只需要采集原始影像數據,就可以輕松實現這樣的應用。
2023 年,這樣基礎的 CV 應用,别説全國性峰會,可能在本地大學城都略顯過時了。小馮将自身的專業知識、老家鹽農的關懷,與 AI 進行跨界結合,起到了意想不到的效果。
作為 AI 開發者代表之一,他本人也很直接:我覺得是因為鹽場這個場景以前沒有人做過,我是第一個想到做到的,所以主辦方才會邀請我來展示。
很多時候,機會就是一次勇敢的行動,率先走出校園,走出城市,踏進廣袤的產業世界,将自己的特質 / 興趣 / 情懷進行安放,就能打開人生的更多可能。而這背後,是敏鋭的洞察、對工人辛苦的共情,這些閃光的能力和特質,成就了小馮改變求學生涯的必然。
3. 獨立開發者的豹變
不管什麼專業,就業才是大多數學子真正關注的問題。其中,時間自由、賺錢豐厚、有成就感的獨立個人開發者,是很多人向往而又不知道如何入門的。
小王是我們認識的一位獨立開發者,在他看來,這個職業有點像豹子,需要快速、敏捷、能力很強,一般獨來獨往。
聽起來很酷,其實小王是個深度社恐,這十幾年沒有接觸過外人,微信裏的聯系人只有三十個,包括他的父母、親屬和快遞員。
盡管不善與人打交道,但小王也有非常不錯的收入,他到底是怎麼賺錢的呢?
原來,小王的客户是制造企業為主,這些企業要智能化,不可能去找一家大的軟體公司雇一個工程師來擰螺絲、焊電路板,成本負擔不了。而中國又有幾百萬家這樣的制造企業,只能靠小王這樣的開發者去滿足,也足以讓小王獲得不錯的收入。
當然,小王本身能力也非常出色,他從小就參加各種編程比賽,專業就是軟體開發,還曾自己創過業。我問小王對想做獨立開發者的年輕人有什麼建議,原本以為他會分享很多技巧,沒想到他抛出的話和風投家 Naval 一樣——做自己最好。只要發揮每個人的特長,一個人總能在這個獨立開發領網域,找到自己的生存空間。
" 還有一點,就是一定要掙錢,一定要掙錢,不能純理想 ",小王特意強調了兩遍,我聽出了他話裏的真誠。
面臨 " 選專業 " 這樣的人生重大選擇,我們都希望一擊即中,有一個最好結果,為此殚精竭慮、求人問道,甚至上當受騙,只為了看到多一點真相,了解多一點事實,少踩一些坑。
任何專家、領導、天才的建議,或許都沒有這一個個真實的眾生故事更準确、更真誠、更具參考價值。
可以看到,AI 時代的人才需求,正在發生很大的變化:
AI 的技術特性和應用導向,人才可以在學術界、產業界更靈活、自如地流動,AI 創新的轉化效率和人才培養效果才能更加顯著,原本產學研各自為政的人才培養模式必須打破。所以,AI 和其他專業,高校和產業,彼此的融合突破已成必然,雙方都在往中間走," 冷板凳 " 也可以因 AI+ 而變得熱乎,重要的是你如何看待 AI、看待教育、看待自己。
人生沒有失敗,更不可能 " 一選定終身 "。因為智能變革将帶來巨大的發展紅利,而你是獨一無二的人類,你有無限的可能性,你抓住的機遇點越多,人生的容錯率就越高。
了解了這些就讀和就業的真相,也就自然可以推理出該選什麼、該做什麼、該學什麼。
>