AI 時代的創造力，微軟、Google 都搶著要的人才要素是什麼？

「AI 可能是有 3 個大腦（指決策、預測、分類）：可深度學習，憑深度學習就能讓 5 成的人失業。」創新工場董事長李開復在近期的演講直指 AI 對於就業市場的影響。

AI 技術與日俱進，導入領域也不斷擴大，當然也為各產業帶來不同程度的衝擊與影響，若從拓墣統計的數字來看：AI 機器學習應用最大宗就是金融與資訊安全，佔比 20%，其次是數位廣告科技的 18%，前兩大產業都與大量的數據息息相關，也成為 AI 最快、最容易切入的領域。

而如此龐大的產值佔比是否意味著對原本的工作機會造成影響？無論是從應用別分布數據、或是近一年來媒體揭露的金融業裁員消息來看，AI 時代來臨，首當其衝的不外乎是已經發展成熟的金融產業，海量的數據判讀、預測、分析已經逐步能由 AI 取代，而受到最明顯的衝擊。

這是否也意味著 AI 時代的來臨，我們都有可能被機器人所取代？

或許也不用這麼悲觀。

儘管許多工作機會因為 AI 技術的成熟而逐漸消失，新興工作機會卻同時正快速地增加，其中就以能掌握數據、分析數據，並且能從數據中找到商業價值的「資料科學家」、「資料分析師」一舉成為職場的明日之星。

「資料科學家」、「資料分析師」的人力缺口究竟有多大？實際從 Linkedin 搜索這兩項職缺，全球就有近兩萬筆相關職缺訊息跳出。而根據微軟的說法，台灣就有超過 10 萬名的資料科學家職缺，然而目前卻只有 1,800 多位的資料科學家，看到了這個缺口，而讓微軟開始進行資料科學家的認證培育計劃。

那麼，到底資料科學家、資料分析師需要具備什麼樣的條件？想要在一個 AI 盛行的新時代，三項基礎能力是我們必須具備的：「程序語言能力」、「統計學知識」、「跨領域知識（Domain Knowledge）」。

對於將資料導入實務應用的工作者來說，如何讓 AI 按照需求行動將會是一門重要的功課，AI 的開發除了硬體能例外，背後也有著無數的演演算法與軟體應用相搭配，才能讓 AI 正確收集、理解、應用大量資料。

現在各家國際軟體平台大廠所提供的開源框架(Open Source Framework)，都是針對降低 AI 系統開發難度所推出，目的是要吸引更多應用開發夥伴一同加入，越大的開發者社交，就能將語言框架的結構設計更為完備、同時降低新人加入的門檻。

目前這些開源框架都是建立在既有高端程序語言的基礎上，以 Python 和 C++ 為主流。我們也可以從這些國際廠商的發展動向推估，AI 的時代來臨將會推升學習 Python 和 C++ 等程序語言的重要性。

有了程序語言能力作為基礎，處理數據及數據可視化的能力也是不可或缺的。

而上述的數據處理能力正是建構於統計學的知識，將大量資料變成更有價值的資訊。

統計學概念在機器學習上也扮演相當重要的角色，因為現在的AI系統其實都是透過模擬人腦的架構進行學習，利用輸入大量 Data 的方式，從中統整出一套規則，因此專門應用於大量數據處理與回歸分析的統計學自然不可或缺，透過機器學習讓 AI 得以提升模預測精準度，並不斷藉由不同演算法自我提升。

具備了工具使用的能力後，累積跨領域的專業知識，將是 AI 時代中，能否成為搶手的資料科學家關鍵環節，畢竟只懂數字、但對需求產業不理解，也無法在該領域中發生作用，如同一個文字運用能力頂尖的工作者，如果對於時尚產業完全不理解，也難以寫出關於時尚產業的優秀文章。

因此，除了分析數據的統計學知識，並利用程序語言作為輔助工具外，了解個別產業的專業知識，進而能以切中要害的命題、資料分類，靈活地解析數據或判讀資訊，才能從中找到真正的商業價值。

工具、知識皆能掌握後，創造力也會是資料科學家不可或缺的要素，資料的累積與分析經驗，固然將成為判讀數據資訊的重要依據，但從不同的面相出發並透析出更為難解的資訊，也是資料科學家或分析師得以出類拔萃的重要指標。

包括產生全新的特殊命題與分類、從新穎的角度切入與解讀數據，進而產生全新的商業價值，並讓 AI 能藉此跨入全新的領域，也將是資料科學相關工作的重要特點。

(首圖來源：Flickr/A Health BlogCC BY 2.0 )

拓墣產業研究院隸屬於集邦科技，是最前端的科技調研組織，以新興科技推廣為己任，如果對更多 AI 人工智慧相關主題有興趣，可參考拓墣官方網站。

如需獲取更多資訊，請關注微信公眾賬號：Technews科技新報

拓墣科技成立於1996年3月，為台灣早期投入專業資訊服務的業者之一，是由一群富有理想的資深產業研究人員及專業而年輕化的經營團隊所組成，以深度且全方位的產業資訊提供者自詡。 拓墣產業研究所所提供的研究服務，精準掌握歐、美、日、韓、中國、台灣地區等重點區域產業與市場的最新趨勢，並以貼近產業需求的客制化服務，提供零時差情報服務及動態性的研究報告與分析。