机器学习变得越来越容易，但软件工程仍然很困难

作者声明：本文是一篇评论文章，仅代表本人观点。我认为当世界上有更多的通才和实干者（不只是专家）来构建事物和解决问题时，这个世界会变得更好。

在过年的五年中，机器学习变得更容易了。与此同时，软件工程比以往任何时候都要复杂。

对于软件工程师而言，这是一件好事。但对于机器学习专家而言，这并不是好事。

这是机器学习向软件工程靠拢的进程，也是数据科学向数据分析靠拢的进程。

本文由Chris发表在medium.com，经原作者授权由InfoQ中文站翻译并分享

机器学习工具正变得越来越易用

谷歌希望让所有人，无论技术背景如何，都能很容易掌握机器学习模型的训练方法。（参见：技术民主化）

随着机器学习变得越来越容易使用，云服务的市场也在增长，而理解算法的意义也在下降。

曾经，我们需要人工实现算法。现在Sklearn使得同样的算法只需几行代码就能实现。

原本的TensorFlow很难使用，Keras让它变得简单多了。

现在，谷歌、微软和亚马逊都提供选择模型、训练模型和调参的云服务，然后通过一个API就能立刻部署一个模型。

我们离人人皆可训练人工智能的时代还有一定的距离。但随着复杂性的降低，训练人工智能变成了熟练软件工程师知识体系中的一个新工具而已。

机器学习开发仅局限于几种语言

语言即是护城河。就这么简单。

你了解COBOL吗？如果你熟悉这个语言，你这辈子都不愁没有工作了。这个世界的金融体系都建立在这个语言之上。但现在已经不再有人学习COBOL了。

大部分的机器学习算法都是通过Python来实现的，而软件工程开发需要各式各样的语言。

如果每个算法工程师都有Python的开发经验，那你就需要与所有算法工程师竞争。而在软件开发方面，你只需要与一部分使用同样技术栈的工程师竞争即可。

我常常会惊讶地看到很多高薪的Ruby on Rails开发的职位在招人。它在几年之前就已经过时了，但很多大公司（Shoptify、Instacart、Kickstarter等等）由于历史原因还在使用它。

你肯定可以同时也必须学习多种语言，这是一名优秀的软件工程师的必备素质。

软件开发囊括更多的知识技能

我们期待软件工程师对所有领域都至少有一点了解。

一位后端工程师也知道浏览器如何运作，一位前端工程师对数据库也有一定的了解。他们都能避开类似SQL注入的安全漏洞。

如果你拥有对于软件工程的整体理解，就更容易切换所专注的领域。这同时也让你具备构建端到端解决方案的能力。

广泛的知识技能体系使得软件工程师更适用于多样的可能性。随着市场需求的增长，经常有软件工程师转到数据科学领域。与之相反的是，数据科学家通常不会开发软件。

随着人们开始认为机器学习是硬编码的条件逻辑的替代方案，我们在将来会看到越来越多的软件工程师从事机器学习工作。

成为一名优秀的全栈工程师需要好几年

并且，成为一名优秀的全栈工程师需要掌握很多互不相干的技术。

优化数据库、构建API微服务以及建造一个响应式的前端，三者之间几乎没有共同之处。它们可能需要通过三种不同的语言来实现。

在这些领域，我们目前几乎没有看见任何自动化方案。

相比之下，全栈算法工程师正在和越来越强大的自动机器学习（AutoML）竞争。使用AutoML的情况下，我甚至可以写一个标准作业流程（SoP），然后把训练分类器的工作分配给实习生。

而软件工程中所有技术都被自动化，不再需要人力参与的那一天还远未到来。

机器学习为产品添砖加瓦，但机器学习本身大多不是产品

很少有公司把人工智能作为它们的核心产品，而是使用人工智能让现有产品更加完善。

Medium也许使用机器学习来推荐文章，但是它的核心产品是文章写作与发布的平台。

有趣的是，大多数公司将机器学习应用在简单且相似的场景。这样一来就更容易出现为这种场景提供软件即服务（SaaS）产品的企业。然后突然之间，初创企业发现自己不用再费力开发自己的方案了。

相比之下，系统基础架构的问题是极度复杂而不通用的。AWS上在不远的将来也不会有现成的解决方案可以处理Medium的基础架构。

基础架构正在变得异常复杂

AWS已经膨胀到拥有超过200个不同的云服务了。

使用Heroku的产品即服务（PaaS）方案来运行应用是一个不错的方案，但它在产品规模扩大后就变得非常昂贵。

因此，我们现在需要管理一个全新的云技术栈（网络、数据库、服务器），其中一个小失误就能导致巨大的安全漏洞。

开发工作中的一部分是云技术开发。其工作是使得软件能在AWS、GCP或者Azure上运行。

在小型公司里，基础架构的工作往往由高级开发者来负责。

基础架构是一个复杂的东西，但它同时也意味着工作机会和难以被取代的技能。

前端开发正在不断发展

能跟上前端发展的步伐本身就是一个技能。

我刚开始从事开发时，使用jQuery来构建响应式的前端还不算太难。随后，大量公司开始使用Angular或者React。Angular推出了Angular 2（伴随着巨大的改变）。React从类转移到函数组件，并添加了hooks函数。

以上所有的框架或者库都以完全不同的方式运作。

也有一些公司正在构建基于原型（mockup）的自动化前端。但是我的同事们一致认为，它离达到生产环境的要求还很远。

前端开发方面的技术能力需求，加上对"什么是像素级还原"的理解要求，都令人感到前端开发一时之间仍不可替代。

结 语

软件工程是复杂的，并且包含了各种各样的问题。这种复杂性有利于软件工程师的就业。

但更重要的是，这种完备的技术体系代表了能解决真实的、端到端的问题的能力。

要建立一个让普通人能解决自己所在领域问题的社会，软件工程就是一个不错的开端。

机器学习还有自己的一席之地吗？当然有。但是解决问题远比训练模型更重要。

去学习软件工程，做点东西，并且解决问题吧。

原文链接：

https://towardsdatascience.com/machine-learning-is-getting-easier-software-engineering-is-still-hard-d4e8320bc046