在深夜的“报社”，著名深度学习框架Keras的创作者François Chollet发表了引人注目的言论：
他指出，过去六个月深度学习职位的数量已经大幅下降。
此言论没有开放评论，仅为个人观点，但Chollet同时还提供了他对现状的理解以及领英的相关数据图表：
目前，对于那些在深度学习领域进行投资的小企业而言，形势已然清晰：深度学习职位并非必需，尤其是在疫情影响下，可能面临裁撤。与半年前相比，仍在从事深度学习工作的人员明显减少，这种情况自2010年以来首次出现。
需要明确的是，我个人认为这只是疫情期间经济衰退的反映，而非另一个AI寒冬的开端。
然而，Chollet的观点一经提出，社交媒体上便引发了网友的热烈讨论，支持和反对的声音并存：
知名AI数据公司DataBricks的首席技术官Matei Zaharia表示，他们公司并没有遇到这种情况。
有趣的是，DataBricks目前并未感受到这种趋势，公司的GPU使用时间和客户数量均大幅增加，机器学习相关软件也在迅速扩展。
实际上，类似的表态并非个案，SisuData的首席执行官也表示他们正在招募新员工。
不过，值得注意的是，这两家公司的高管均来自知名院校（如斯坦福大学）的计算机专业，对AI行业有着深入的理解。
那么，那些在AI竞争中处于劣势的企业又该如何应对呢？
今年5月，CNBC报道称，Uber宣布关闭其AI实验室，裁员人数达到几千人。
除了裁员现象，许多网友对Chollet的观点表示支持，并分析其背后的原因。
有知情网友指出，许多公司在机器学习上的投资实际上未能带来实质性的回报。
正如七年前“大数据”话题带来的热潮一样，机器学习也面临着类似的状况：许多公司在不适当的领域强行应用机器学习……尽管深度学习职位的减少可能是疫情造成的后果，但大多数公司在一两年内可能会转向下一个热点。
此外，由于上市公司中，投资者往往更倾向于关注流行术语，因此高管们通常会选择在产品中加入各种热门元素。相比之下，初创公司更注重技术，可能会为技术熟练者提供更多的成就感。
许多公司正在招聘机器学习相关的博士，以解决一些实际上非常简单的问题。为了确保这些工作“有价值”，管理层会尝试吸引更多团队来利用这些模型。然而，实际上却鲜有人理解模型的工作原理，结果往往导致投资的浪费。
确实，由于过多的机器学习工程师和研究者急于解决问题，必须在工作中交付某些成效，因此这些项目经常快速推进，但实际上却并没有实质意义。
一方面是企业的扩招，另一方面却是从业人员的抱怨不断。
6月22日，英伟达工程师Chip Huyen曾指出，一些大公司正在裁撤机器学习相关岗位。
毕竟，目前人工智能的投资大部分仍集中在无人驾驶汽车上，但全自动驾驶汽车尚未成为商品，因此AI的发展仍充满不确定性。
已经出现的现象是，谷歌已暂停所有机器学习研究人员的招聘，而Uber则裁掉了AI团队一半的员工。
此外，随着机器学习课程的受欢迎程度上升，拥有机器学习技能的人数可能超过市场对这一职位的需求。
Chip Huyen表示，AI行业确实存在炒作现象。
但与此同时，她也认为，当这一切热潮褪去，机器学习不会消失。
不过，拥有软件工程或工程相关背景的人在接触机器学习时，前景将会更好。
与机器学习相比，大多数网友对数据科学持乐观态度。
我认为，数据科学岗位的数量将会增加，当然，应聘者的数量也会随之上升。如果你对数学和编程有真正的热情，可以考虑投身于这一领域。
在所有讨论中获得最多赞的回答，ThoMpson表示，相比于“数据科学家”，首先成为“科学家”才是更为正统的路径。
事实上，我们最不需要的是初级的“数据科学家”，毕竟这一热门行业吸引了很多人尝试了解一些皮毛……随着炒作的过去，“数据科学”这一岗位的需求肯定会减少，但优秀的软件工程师将始终有机会找到工作。
