首先要知道， 工資與你的能力正相關， 但不是成正比， 同樣與你行業(yè)的熱門， 你在你的能力范圍內創(chuàng)造的價值 等因素有著直接的關系：
    （1）熱門因素：

人工智能，也可以在狹義上的機器學習， 是很早以前就有的， 一個傳統(tǒng)的CS(計算機科學）的研究課題，隨著2013年， Yan LeCunn的LeNet，在Mnist等圖像識別課題上的卓越表現(xiàn)而在學術界一炮走紅。 而近幾年隨著自然語言處理，計算機視覺，無人駕駛等項目的實際落地而在工業(yè)界不斷得到了驗證。 人工智能不僅僅是一個概念，他的廣適性能讓他在諸多我們現(xiàn)在還未想到的方面里都能有應用前景， 現(xiàn)在很多公司都在積極布局人工智能， 用它的想法去替換以前項目中老的方法或者想出更加新的點子來應用。 這些都很能得到資本的青睞， 所以這個行業(yè)的資本非常的狂熱， 富有前瞻性， 工資自然而然會高起來。

(2) 專業(yè)因素：

人工智能是數(shù)學， 人工智能是數(shù)學，人工智能是數(shù)學。(重要的東西要強調三遍），人工智能是一個技術性非常強的領域， 它需要從業(yè)者有很扎實的編程算法，統(tǒng)計學知識， 基礎數(shù)學，英文文獻閱讀的能力，甚至是一顆耐得住寂寞的心。最新的知識或者contribution都是來源于英文文獻的，而且每一個知識點都是雜糅著大量的數(shù)學原理， 沒有大學或者平時不斷的積累很難去理解其中的奧妙。

同時，原理和真正實踐密不可分，但是又互有區(qū)別， 相信做過深度學習項目的同學都知道， 它是一個黑盒， 你永遠也猜不住來， 機器是怎么想問題的， 我們只能根據(jù)結果，反推出它在哪一步邏輯中，可能存在著缺陷并且去改正。 這些都要親自參與大型項目，才能慢慢學出來，玄學的東西，很難一時半會的教會他人， 必須實踐才能抓取其中訣竅。

這些林林總總的技術原因，都造成了人工智能從業(yè)人員標準門檻不斷提高， 理解人工智能概念的不多， 能理解其中數(shù)學深層原理的也不多， 有多個實踐項目的就更少了。 這些總總加起來， 人工智能從業(yè)人員的素質就可想而知， 他們的工資也理應水漲船高。

（3）價值因素：

一個優(yōu)秀的碼農，可以干過十個碼農能干的事； 一個優(yōu)秀的人工智能算法工程師，它研究的算法可以干過一個傳統(tǒng)行業(yè)里所有從業(yè)人員的事。 這就是，他創(chuàng)造的價值，無可比擬，無可替代。

大家已經(jīng)發(fā)現(xiàn)了， 智能客服正在慢慢進入我們的事業(yè)， 以前一些簡單的業(yè)務通過智能客服就可以實現(xiàn)， 那么，很多傳統(tǒng)企業(yè)的客服人員就變的不那么重要， 慢慢被這個算法替代； 無人駕駛的不斷深入甚至是落地， 導致本來的長途貨運車司機，這一個行業(yè)都岌岌可危； 機器學習在計量經(jīng)濟的應用， 投資方面帶來的越來越卓越的表現(xiàn)，讓很多傳統(tǒng)的金融公司都可以大幅度縮減本來應該需要的大量金融人員hc; 甚至是最近在Nature發(fā)表的 人工智能，通過智能算法做到胃部疾病推測診斷，都能做到和資深醫(yī)師同樣的效果。

一個厲害的人工智能算法工程師，讓一個相關人工智能算法的落地，可以讓千千萬萬個本來需要的職位現(xiàn)在變得無足輕重， 甚至是被取代。 這樣的人才， 創(chuàng)造的價值是巨大的， 所以他的工資那么高，也是情有可原的～

想要了解更多關于人工智能資訊信息，請關注中培偉業(yè)李老師二維碼：