人工智能已经从研究实验室走进了日常产品，从你最爱的应用里的推荐内容，到帮助医生解读扫描影像的工具，无处不在。如果你正在权衡是否在新加坡从事人工智能（AI）职业，不妨抛开炒作，先了解这个领域实际的日常工作。AI 涵盖面很广，无论你热爱数学、热爱开发软件，还是关心技术是否被负责任地使用，都有你的一席之地。本指南将带你了解常见的职位、重要的技能，以及切实可行的入行方式，帮助你判断它是否适合你。
在 AI 领域工作到底是什么样子
AI 并不是单一的一份工作，而是一组相互关联的职位，负责把数据转化为有用的预测、决策或内容。了解主要的类别，有助于你瞄准合适的方向。
- 机器学习工程师负责构建模型并将其部署到真实产品中，这意味着除了建模，还需要扎实的软件工程功底。
- 数据科学家和机器学习科学家负责界定问题、开展实验并解读结果，通常需要倚重统计学。
- 数据工程师负责搭建收集、清洗和存储数据的管道，这是一切工作赖以为基、却并不光鲜的基础。
- MLOps 和平台工程师负责在模型上线后保持其稳定运行，监测模型漂移和故障。
- AI 产品经理、设计师以及伦理或治理专家负责决定要开发什么，并确保它被负责任地使用。
一个常见的误解是，以为 AI 从业者整天都在发明新算法。实际上，大部分工作是理解一个业务问题、处理杂乱的数据，并把可靠的东西送上生产环境。如果你喜欢解决实际问题、也能坦然面对不确定性，那这个现实对你是个好消息。许多人是从相邻的路径转入 AI 的，因此不妨读一读在科技行业发展职业以及探索数据分析领域的职业，看看你可能适合什么位置。
重要的技能与基础
具体需要哪些工具取决于职位，但有几项基础几乎在任何岗位都会出现。你不必在第一天就全部具备，可以稳步积累。
- 编程能力，最常用的是 Python，同时要能熟练使用版本控制并在团队中协作。
- 对统计学、概率和线性代数有实用的掌握，足以让你推断模型为何会表现成那样。
- 数据处理能力：用 SQL 查询、清洗数据，并认真思考数据代表着什么、可能在哪里存在偏差。
- 熟悉常用的库和框架，并越来越需要熟悉那些用于在大型语言模型之上构建应用的工具。
- 沟通能力。能把结果解释给非技术背景的同事听，往往正是区分一名优秀从业者和一名卓越从业者的关键。
同样重要的是判断力和责任感。AI 系统会影响到真实的人，因此理解公平性、隐私以及模型的局限性都很重要。如果你的工作涉及个人数据，请熟悉新加坡个人资料保护委员会（Personal Data Protection Commission）对数据保护的要求，并遵守雇主自己的 AI 使用政策。作为一条准则，永远不要把机密或个人信息粘贴到外部 AI 工具中。
入行途径以及如何核实要求
进入这个领域有几条切实可行的路，没有唯一「正确」的那一条。
- 计算机科学、统计学、工程学或某个量化学科的学位是常见的起点，但并非唯一的起点。
- 转行者往往先通过数据分析或软件类岗位积累经验，待积累了数据经验后再横向转入 AI。我们关于转入新行业以及培养抢手技能的指南，可以帮你规划这一转变。
- 通过口碑良好的课程、作品集项目和实习进行系统学习，即便没有传统背景，也能让你展示出实力。
- 技能创前程（SkillsFuture）支持中途转职的学习，政府求职网站（MyCareersFuture）则列出了本地职位，让你看到雇主实际的要求。
由于 AI 发展迅速，请把任何课程大纲或「所需技能」清单当作某一时刻的快照，而非金科玉律。请对照实时的招聘启事和口碑良好的培训机构核实当前的要求；如果某个职位涉及金融或医疗等受监管领域，请向相关主管部门确认对应的行业要求，因为这些要求会随时间变化。
一个好的第一步，是做一个你能讲得清楚的小项目：你构建了一个什么模型、哪里有效、哪里无效、你学到了什么。这类实证，加上持之以恒的学习，往往比任何一张证书都更能为你打开大门。从你所在的地方起步，这个月挑一项基础去加强，然后由此往上搭建。AI 职业回报好奇心与耐心，你有充足的空间慢慢成长进入这个领域。