这些AI职业最适合“侠骨柔情”的小姐姐们

Original 2018-03-30 羊习习 读芯术

全文共3341字，预计阅读时长3分钟

人工智能环境更“偏女性化”？

以前女孩子找工作，爸妈家长说的最多的一句话：“女孩子嘛，工作稳定就行，钱不用多，离家近又安稳的那种最好，别想着天天跟男生一样的拼。”

不过，情况已经在变化——针对2014年的中国的本科毕业生，Mycos数据有调查分析显示，在民营个体公司、政府科研、事业单位及合资外资企业等高素质人才的主力就业方向上，本科毕业生的女性，就业的数据情况都略高于男性。

这意味着，白领职场女性的数量在未来，有可能会超过男性。另一方面，在目前的AI从业环境中，仍然是男性主导。洛丽塔陶布（Lolita Taub）是一家位于马德里的市值5000万的初创科技风险投资公司的风险投资人，同时也是认知计算联盟的成员之一，她在接受媒体采访时认为，阻碍女性进入AI领域，“其中有三种令我印象最深刻：嘲笑、缺乏鼓励和偏见。”我有很多朋友告诉我，她们几乎没有真正进入科技行业，因为她们在成长的过程中听到的都是是“科技不适合女孩”这样的话。还有缺乏鼓励。”

但事实上，人工智能建立在信息存储和分析的基础上，具有强烈的逻辑与理性色彩，容易替代需要大量计算和分析的行业，而更富有个人化色彩、更感性、更具有关怀性质、更依赖于人与人之间的交流与交际技巧的工作，比如心理咨询师、品菜师等，短时期内将不易被人工智能所取代。人工智能时代对人的创新能力、关怀能力、共情能力、人际交流能力提出更高要求。而女性在上述指标上的表现，将毫不逊色于男性，甚至在关怀、共情与人际交往能力上会有优势。有观点认为，人工智能环境会更加偏向“女性化”，这主要包括三个方面：当代思想的体验化，互联网的情感化思维，互联网的去中心化思维。这些均为女性发展提供了新机遇。

本着Lady first 的原则，小芯今天就为小姐姐们扒一扒，哪些AI职位，在紧跟时代的同时，最能匹配你们的“侠骨柔情”。

技术岗，我们不搞算法搞数据

数据挖掘分析

有志于搞技术，就一定要变身程序猿吗？

其实，许多女生忽略了一个超Fancy的技术型岗位——数据挖掘分析岗。因为大多数情况下，程序猿们都是与数据挖掘分析人员协同工作的，二者可谓是AI的行业之光。

数据挖掘分析岗位主要的工作，是对数据进行分析来了解复杂的行为、趋势和推论，发掘隐藏的一些见解，帮助企业做出更明智的业务决策。

比如说，在制作AI聊天机器人时，该岗位的人员需要通过数据发掘用户的兴趣及使用习惯，规划出性格等各方面更加受人欢迎的机器人产品。同时，利用这些数据，还可以定位目标人群，匹配研发应当投入的成本等。

数据挖掘是未来的一个大趋势，岗位需求自然不用顾虑。且这块的工作分类也会随着大数据的普及而越来越精细。女生的天性细腻、敏感首先比较适合ETL方向的工作。

这一岗位要求对数据十分敏感且能有效抓取核心问题，十分适合明察秋毫又具有大局观的小姐姐们。目前就在这一岗位奋斗的女生AA说，数据分析要求的不仅仅是对于python或者R等工具的掌握，更多考验的是语言表达能力和逻辑思维能力，有时候甚至要熟练掌握可视化的表达方式。而且，做数据分析，是一定要让数据说话，让数据做出决策。理性，十分重要。

事实上，数据挖掘不单单是一门语言、一种工具这么简单，是包含了很多学科的技术，如数据库技术、统计、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息提取、图像与信息处理和空间数据分析等。所以说不是学会一门语言，会几款工具就真能玩转大数据。

种一棵树最好的时间是十年前和现在，如果对这个领域感兴趣，女生可以现在就操刀准备了。

数据标注（数据管理）

除了数据挖掘和分析，数据标注专业人员也是数据处理的重要岗位，非常适合有耐心的小姐姐们。

所谓数据标注，就是数据管理工作。主要的职责是获取原始数据、对数据进行清理，并使用机器来进行收集。可谓是机器训练非常重要的一环。

根据标注需求，对图像中的目标物体进行画框，比如图像中的车辆、车牌、行人、道路、建筑、船只、文字、人体部位等画框并打上对应标签，以跟ImageNet同样的XML格式输出数据。

从事数据运营的Cathy的日常工作，就是给不同的照片打上标签从而教会机器识别图片：“比方说我要教会机器什么是‘猫’，我就将只有猫的图片素材打上标签入库，从而在之后的图片识别中，机器能根据库里的图片，识别目标图片里的猫。”Cathy表示，别人养呱，自己可以养AI，可是说是很有成就感的一件事了。

ImageNet的缔造者李飞飞同样意识到精细化标注的力量，正在进行一份名为「VisualGenome」的工作。VisualGenome有更多、更窄的框，更详细的名词标注，以及位置关系和动作关系。目前VisualGenome中有10.8万张图片。

不过，对于数据标注这件不大不小的麻烦事，每个从业者都有自己的看法。

不做研发，我们做AI落地

AI产品经理

在各种AI大厂都有自己研发部门的今天，人工智能应用层的人才变得极为稀缺，如何实现AI落地，需要的是具有交叉行业知识的人才，也就是AI应用型产品经理。

《Why Women Make The Best Product Managers》文章中说，“当我开始准备这个主题演讲的时候，我发现我在超过35年的时间里有机会和许多技术产品团队合作，所以我具备的视野很宽阔。因此，我写了一份名单，列出了我所知道的所有的‘明星产品经理’，我立刻注意到，我的名单中有一半以上是女性。”

文章作者Marty Cagan认为：“我看到其他有能力的产品经理失败的主要原因之一是自大。这很大程度上取决于产品经理与团队其他成员之间的关系，尤其是公司的领导。对于产品经理来说，你必须把提出不同意见当做正常的交流，而不是对双方的冒犯。

许多女性拥有平衡的自我，这让她们听得进别人说的话，而不把不同的观点看作是对自己的挑战。这让她们能有效地与掌权者沟通。这种平衡的自我意识也表现为，当事情进展顺利时，女性更愿意为团队提供荣誉，但当事情进展不佳时，也能承担责任。

”

AI行业目前正在跨越的障碍，是技术落地的障碍。人工智能是一个赋能的引擎，它本身并不自带一个商业场景。而要为AI匹配好商业场景，需要的是在其他行业有知识背景或从业背景，具有发散性思维的小姐姐们。

HR：我们是识别AI人才的火眼金睛

AI公司的HR

不想搞技术就与AI行业绝缘了吗？

要知道，在AI时代，越来越多的岗位都在AI的边缘试探，包括十分传统的HR岗。

有调研显示，行政人事类、人力资源类、公务员则是受访女性选择的“更愿从事的岗位”前三位。尤其是行政人事类和人力资源类岗位，正越来越受到职场女性的热捧，占比分别为17.17%、13.6%，远远高于其他岗位。

现在在AI行业里称职的HR和猎头基本上是凤毛麟角。能够根据一份简历和之前的研究或项目经验大致判断一个面试者的能力和适合岗位并不是一个简单的事情。

首先，研发岗位是一个非常"私人化"的职位，不像工程岗位，看到履历和项目经验就已经可以判断个七八成。同样一个问题，不同水平的研发人员可能有完全不同然而都可以解决的方式，评价其优劣和适合程度，这件事情能做好本身就已经可以PhD毕业了。

其次，研究是一个收益没那么快的工作，其实有很多潜力非常不错的"璞玉"，没有着光鲜的教育背景，也没有着闪亮的paper，但是研究的思维和学习的能力都很优秀。如何通过之前一些相关经历和一些简单的问题快速筛选出这样一批人就更加考验HR了。

Lisa小姐姐在HR工作中，就发现了招聘AI人才的诸多难点：“之前招聘工程师，可能压力还是在项目组的专业面上，我们主要还是做简历筛查工作。但后来我们发现这是有问题的，一个人的研发能力很难用一些项目经验或者是对于工具的掌握程度来体现的，要判断的话，更多的还是需要在HR面中，对其学习能力和思维方式进行考察。”

Lisa认为，作为AI行业的HR，不单需要了解人力资源的相关知识，更重要的还是要较为深入地了解AI开发的方方面面，“这是需要在AI行业有知识背景或者是工作背景的，所以我们部门现在有了好几个背景是CS的小姐姐，包括我们的总监也是CS的PhD”。

不过，入行HR的女生们的职业发展可不是那么简单，曾经有一份“HR装逼词汇大全”，大家看看是不是很多东西都不懂：

战略地图、平衡计分卡、MBO、甘特图、结构化思维（思维导图）、组织发展、组织进化、组织变革、组织结构优化（直线制、直线职能制、模拟分权制、事业部制、分子公司、矩阵制、委员会、多维立体），基于效率提升的流程再造（优化）、职能再分配、三支柱模型、运营流程图、盈利模式、需求预测、人才供给、基于战略规划的人才盘点、人才对称图、波特价值链、洛克希德法、战略实施模型、决策树、蒙特卡罗模拟技术、SWOT、帕金森效应

读芯君开扒

总的来说，机器人技术和人工智能正趋向于呈现两个截然不同的面：传统的一面是男性化的面孔，是数学、逻辑和庞大沉重的工业，另一面则是轻灵、温柔的人文关怀，以及丰富的人性化应用，这似乎是女性研究者们的专长。忽略任何一面，对这门科学的打击都将是毁灭性的。在这里，读芯君送大家一个职业规划矩阵图：

陶醉的误区：你很擅长，但是岗位没有需求的区域。

废弃的荒野：你不擅长，岗位也没需求的区域

甜蜜的事业：你很擅长，岗位也非常需要的区域

突破的瓶颈：你不擅长，但是岗位非常需要的区域。

其实无论男生或女生，所有的改变必须是经过你本人自我觉醒与自我认可的过程。

希望这个矩阵图能促发同学们去思考、比较、分析，最后自己制定出合适自己的职业规划。

留言点赞发个朋友圈

我们一起探讨AI落地的最后一公里

作者：羊习习

参考文献链接：