全球大缺機器學習（Machine Learning）等人工智慧（AI）領域人才，根據2017年騰訊研究院發表的《全球人工智能人才白皮書》顯示，全球AI相關產業人才總數約30萬人，但光是中國，人才需求就超過百萬人。
從薪資分布來看，中國近8成AI職缺月薪資超過人民幣2萬元 （約合新台幣9萬元），5成突破人民幣3萬元 （約合新台幣13.5萬元），還有1.9％的企業更開出人民幣5萬元（約合新台幣22.5萬元）以上月薪。
台灣也不例外，104人力銀行指出，台灣AI職缺增長至6千個，以資料科學家、演算法工程師、機器人工程師的平均年薪較高，分別為新台幣122萬元、88萬元及83萬元。在強勁需求與高薪待遇下，聲望卓著、蟄伏學界已久的教師轉入業界，電腦科學學生也以AI為發展目標，資訊相關背景的人才也紛紛加入，還有不少非資訊背景的人才蠢蠢欲動，想轉職進入AI領域。
這個現象與2007年iPhone第一代上市後，全球瘋寫Android與iOS App潮流相似。當時台灣也有不少沒有電腦科學背景的人，靠著自學或坊間補習班進修C/C++、Java等相關程式語言，靠著寫App致富，日進斗金；然而人工智慧演算法或機器學習相關領域難度較高，也需要更深的學識基礎，換句話說，想靠幾個月的短期進修就轉職進入AI領域，可不像十幾年前轉職寫App或寫程式這般簡單。
基本功、產業知識要扎實，速成班只是神話
中文巨量資料分析新創藍星球副總經理宋浩就指出：「招聘人工智慧演算法工程師時，還是很重視學歷血統，希望是資工、資管等電腦科學相關領域的碩、博士生。」原因是一般寫個程式、架個網站，熟悉Objective-C、Swift與PHP等重要程式語言或平台即可，在資策會或巨匠等上個半年課就會有不錯的成果；但AI演算法工程師可就不同了，若要能設計新的演算法，除了基本的程式設計外，必須有線性代數、離散數學與微積分等數學基礎，以及懂資料結構與演算法等，這些領域基本功要夠扎實，只懂皮毛是不夠的。
也因此，對於坊間如雨後春筍般出現的「AI速成班」，或是各類強調「不需要擁有研究生水準的數學，你也可以輕鬆建立屬於自己的AI」的課程也要特別小心。這類課程可能學費幾萬元並不貴，但花招大於實質效益，花了時間可能只學到皮毛而已，這種三腳貓功夫要真正應用在產業界並不容易。
另外，若想要轉職，是否已經累積足夠的產業Know-how了呢？人工智慧重點在於跨領域整合，空有一身技術但對特定產業一竅不通，在未來跨部門協作時也會產生不少阻力。艾爾科技（MyET）執行長林宜敬指出：「依據我個人的經驗與理解，要調整出最好的參數，必須對特定的問題有洞見，也必須對機器學習的原理有深刻了解；對特定問題一知半解是不行的，只懂得如何使用工具也是不行的。」
轉職者學習速度，恐追不上大廠自動化速度
另外一項業界趨勢「自動化機器學習」工具出現，也讓入門相關領域的壓力變大。
雖然目前這類工具效用還相當有限，以Google的AutoML工具來說，主要還是在於「建模」，讓機器學習變成更容易上手。說能取代工程師是在開玩笑，但隨著技術進步，Google與微軟等公司所提供的服務取代入門級機器學習新手，並非毫無可能。
談到機器學習人才，機器學習的初學者和專家等級差距不小。當產業僅需要直接介接API（應用程式介面）或調用開源工具就可以調教出簡單的模型時，需要的是進一步將模型客製化，更貼近企業需求的高階AI人才。
展望未來，科技大廠販售或免費開源AI工具，降低機器學習複雜度是必然趨勢，因此在非相關背景的轉職者好不容易負笈歸來，可以一展長才時，可能科技大廠提供的工具或雲端服務水準就已經超越入門新手，也就是說轉職者的學習速度可能趕不上大廠的自動化速度。
另外，台大資工系教授兼副系主任洪士灝也在其文章〈對深耕專業領域的新創，Google AutoML應不是阻力，而可能是助力〉中，點出這類速成工具可能帶給學生的「學習隱憂」。
「我比較擔心的是學生們產生一種迷思：那就是趕快學會幾個所謂實用招數就去就業或搞新創，比起一些曠日費時的學習來得實在。什麼打好理論基礎、磨練研究分析能力、學習跨領域溝通技能，還不如讀幾本坊間入門書籍、用現成API做出吸引群眾目光的聊天機器人來得有成就感。」洪士灝在文章中如此描述。
當然，有志者事竟成，畢竟只要有決心，無背景轉職又何妨？天下無難事，只是若你已非社會新鮮人且年齡不小，非相關背景想要轉職AI領域，三思而後行。
熟悉演算法、機器學習技能人員最搶手！——全球AI領域人才需求Top 10
- 演算法、機器學習
- GPU（圖形處理器）、智慧晶片
- 機器人
- 圖像識別與計算機視覺
- 自然語言處理
- 智慧精準行銷
- 語音識別
- 推薦系統
- 搜尋引擎
智慧交通與自動駕駛
資料來源：《Linkedin全球人才大數據報告》 整理：翁書婷
