盤點5大AI熱門範疇 非IT出身都入得行 呢個水泡科竟然仲有優勢？
Microsoft行政總裁薩蒂亞納德拉曾經講過：We saw 2 years of digital transformation in 2 months（我們在兩個月內經歷了相等於兩年的數碼轉型。) 在數碼時代的洪流，人工智能（AI）的應用範圍愈來愈廣泛，對社會的影響力也愈來愈深。不少人都想走進AI的世界但內心存諸多疑問，AI都要人力資源才能運作，那麼背後又有甚麼人負責這些工作？AI分了多少個範疇？不是讀電腦出身可否入行？數學及物理等水泡科入行有着數？什麼是AI銷售員？聽起來入行門檻應該較低？小編請來一位成功投身AI行業的年輕人Shaw，為大家一一解答各種迷思！
Shaw：城市大學理學士（計算數機科學系）畢業，曾在上市公司做了一年數據分析，現時在一間初創企業擔任機器學習工程師（ Machine Learning Engineer），年資約4年半。
迷思一：又機器人又人工智能⋯⋯其實AI這行到底是做甚麼工作？工作又分了哪些類型或範疇？
若果要仔細說明AI的工作範疇，Shaw就話可能要講三日三夜。但簡單來說可分為五大範疇：「包括編程、數據、研究、機械人和工程。」
1. Programming 編程建立AI基礎模型
「先講講最基本的Programming，編程是建立AI model (模型)的基礎，所有模型也是由數據組成，而編程人員就要使用編程語言編寫演算法來處理和分析數據。他們要熟悉各種編程語言和框架，例如Python、R和Java，從而編寫和優化代碼，以提高演算法的精準度。」
2. Big Data 大數據是核心任務
Shaw認為數據是AI的重中之重：「因為AI的學習和決策都需要依賴大量的數據。與數據有關的工作有很多，例如最常聽到的數據分析師，負責收集、處理和分析數據，並提供洞察和建議，以幫助企業做出更好的決策；數據科學家的工作就較為複雜，除了要進行數據分析，亦要利用AI技術建立模型，包括探索性數據分析、特徵工程、模型選擇和評估等等。」
3. Research 研究探索新的可能
這通常是指AI的學術、新技術和演算法研究：「AI研究員要探索新的AI技術，並將其應用到不同的範疇中，例如Computer vision(計算機視覺)。研究員經常要做實驗和測試，以評估AI的結果。」Shaw分享很多參與研究工作都是碩士或博士的畢業生，希望透過研究機器學習算法和模型，去發表論文並開發新的AI領域。
4. Robotics 機械人的硬件及軟件操作
你有沒有見過有些餐廳是沒有人經營，只靠兩個機械臂去製作食物？他們就是AI機械人。機械人具備一定的智能和自主學習能力，能夠完成多種人類的工作。Shaw指出如此複雜的項目就涵蓋了許多不同的工種：「單憑一人之力是不能設計和開發各種不同形狀和功能的機械人，我們需要有機械人設計師去負責設計和開發人工智能系統；電機工程師就要建造機械人的電子組件，例如感測器、控制器和伺服馬達等；軟件工程師就負責軟體系統，例如運動控制、影像處理和導航；操作員就負責操作和監控機器人的運作，例如遙控操作和監控系統故障等。」
5. Engineering 工程改進機器學習
AI工程師需要建構整個AI系統，包括設計、開發和部署，他們要熟悉AI演算法和框架，通常會使用機器學習、深度學習、自然語言處理等AI技術來開發各種應用程式和系統。
Shaw所做的機器學習，就是要負責開發機器學習和人工智能模型，訓練和優化演算法，並確保它們能夠有效地處理大量數據。他舉出了一個簡單的例子：「好似好多人也不想收到垃圾郵件，機器學習工程師就要訓練一個能夠自動檢測垃圾郵件的系統。首先要將數據分成垃圾郵件和正常郵件兩類，然後對這些郵件進行特徵提取，例如詞頻、字符頻率等等，然後透過這些特徵訓練一個模型來區分郵件。當中我們需要不斷優化和改進這個模型，以提高其準確性和效率。」
而要注意的是，不同的工作類別其實不是完全分割的。AI技術的研發和應用往往是需要一個龐大的團隊，每個人的工作都可能會涉獵到不同的範疇，而彼此亦要相互合作才可完成AI項目。
迷思二：AI工作是否全部都那麼冰冷機械，有沒有一些特別或有趣的工種？
Shaw認為大家一定要認識NLP Natural Language Processing (自然語言處理)：「NLP工程師需要開發能夠理解、分析和生成人類語言的計算機系統，NLP技術被廣泛應用在智能語音助手、機器翻譯和情感分析等領域。例如Apple的Siri就是利用了NLP。工程師還可以利用NLP來分析社交媒體使用者的言談和情感，了解他們對產品或服務的看法，以協助企業進行針對性營銷，所以NLP的工作是非常有趣和貼近生活。」
另一個就是專門研究AI倫理問題的AI倫理學家，Shaw指出這算是一個較新的工作類別：「因為AI的盛行，社會開始關注有關AI技術的倫理影響，怎樣才算是以道德和負責任的方式去開發和使用AI系統呢？AI倫理學家就要研究如何保護大眾的個人隱私，以防止AI所收集的個人數據被濫用或不當使用。我知道科技大學都開設了AI倫理相關課程和研究項目，也有些公司聘請了AI倫理專家，當然這暫時在香港並不常見。」
迷思三 ：讀傳統「水泡科」數學出身，入行竟然最有着數？
「我不夠膽說這是最着數，但可以話數學是AI技術的基礎。」Shaw認為入行一定要有數學底子：「擁有數學底子會更易理解AI的原理。就以機器學習為例，數學的理論會應用在不同的演算法，例如當我們要建構和訓練一個model時，經常要用到Linear algebra（線性代數）和matrix（矩陣運算），去將數據轉換為演算法所需的格式，而概率和微積分就常用於Deep Learning深度學習當中。所以若果本身是讀數學，你去理解時會相對輕鬆！」
迷思四：一定要IT出身才可以入行？
「讀IT的確佔了優勢，因為IT課程包含了很多數據結構、演算法和編程語言等基礎知識，這些都是AI工作的核心要素。」但Shaw指出從事AI的人都是來自五湖四海：「當你搜尋有關AI的工作時，你會看到學歷的要求也十分廣泛。除了電腦科學和數學，還有主修物理、統計學，甚至是經濟學也可以申請。有其他學科的專業知識，才可以為AI引入更多新思維。人一弓弓口如在美國，就有生物研究員利用AI預測了孤島細胞症的致病基因；Netflix首席經濟學家卡爾維斯特爾格是讀經濟學出身，但他就研究了將計算機視覺技術應用在Netflix的推薦系統當中。！」
▪ 本港未來5年增加10萬IT職缺 IT人轉工有3大特質大加分 非專科出身亦具入行條件
▪ 【政府IT工】T-Con資深員工月薪近10萬﹗ 行內人親述入職四大竅門
迷思五：物理和AI有甚麼關係？為甚麼讀物理會較易入行？
物理和AI有甚麼麼關係？Shaw就話讀物理對學習AI非常有利：「物理的知識對AI工作很有幫助。例如physics-based simulation（物理模擬）就經常應用在機械人當中，透過物理模擬可以測試機器人在不同情況下的表現，繼而優化其設計和控制演算法。讀物理是強調實驗和觀察，這種實驗思維對於需要不斷改善模型的AI工作是非常有用的。」所以，不論你的專業背景是甚麼，或者正在修讀的科目也看似與AI無關，只要你有興趣和才能，都可以進入AI這個領域，並且在當中發揮重要的作用。
迷思六：AI行業最低門檻嘅工作係咩？AI銷售員做啲咩？
Shaw認為若果真的要比較，AI Sales可以說是較易入行：「你聽聽他們的工作就會明白為何我這樣說。AI Sales要識別潛在客戶並評估他們的需求，然後與AI團隊合作為客戶制定專屬的方案，另一方面就要向客戶講解AI技術如何可以幫助他們的業務。所以AI Sales既需要有AI知識，亦要有銷售技巧。而為何對外行人來說，AI Sales門檻會看似較低？因為雖然他們所需的AI知識不需要像AI工程師那般深入。AI銷售的重點在於你要懂得抽取AI技術的特色，用淺白的方式向客人講解，所以銷售員比較重視溝通技巧，亦即是軟實力。你叫我編程就當然無問題，若果你要我向客人做推銷？我一定處理不了！」
迷思七：想嘗試接觸AI，可以從何學起？
AI的應用有那麼多範疇，對外行人來說完全就是另一個宇宙。如果你想探索一下AI的領域，可以從何學起呢？Shaw就話最基本可以從學習程式語言和數學基礎做起：「學習程式語言是AI入門的第一步，Python是AI領域最常用的語言之一，亦愈來愈多人學習！之後就可以再學其他程式語言，例如R或Java。此外，數學基礎也是非常重要，尤其是線性代數、微積分和機率論等。你可以從網上資源和線上課程找到很多材料，特別是專注於AI的線上論壇、社交媒體群組，是自學和獲取其他AI愛好者支持的絕佳資源。」Shaw認為多學程式語言也無壞，因為這些知識也可以應用在IT範疇的工作，絕對可以為自己的事業發展開啟更多可能性。
AI的相關工作種類繁多，從機器學習工程師、數據科學家到AI倫理學家，每一個職位都有其獨特的挑戰和貢獻。人工智能是一個充滿潛力和機會的領域，相信在未來會持續蓬勃發展。想加入這個新世界可能不容易，但如果你對AI感興趣，就不要害怕挑戰，亦要不斷學習，你所付出心血或或會為職涯帶來意想不到的新開始。
圖片：Freepik.com
此文章由原作者及Jobsdb HK撰寫／編輯。如欲刊登於其他網站或刊物，請電郵至[email protected]與我們聯絡。如有發現侵犯版權，原作者及Jobsdb保留採取法律行動的權利。
