عندما يتحسر معظم الناس على الأمواج الهائلة ، فإن البحارة المتحمسين قد انطلقوا بالفعل للعثور على القارة الجديدة. في الآونة الأخيرة ، أعاد كارباثي ، مدير منظمة العفو الدولية في Tesla وأكبر مصدر للذكاء الاصطناعي ، والذي عاد إلى OpenAI منذ وقت ليس ببعيد ، إعادة تغريد الحلقة الأخيرة من بودكاست Latent Space ، معتقدًا أن مواكبة تطور الذكاء الاصطناعي أصبحت وظيفة بدوام كامل. فقط هندسة التلميح هي مطلوب ، وسيتجاوز الطلب بكثير مهندسي خوارزميات التعلم الآلي اليوم. في هذا العدد ، سنواصل إجراء المزيد من التحليل على ** صورة قدرة مواهب الذكاء الاصطناعي التي ستكون مطلوبة في المستقبل **.
** التفكير المنطقي **
نحاول طرح المزيد من الاستنتاج المتباين والتفكير العميق بناءً على محتوى المقالة ، مرحبًا بك في التبادل.
** نموذج التكنولوجيا مقابل هبوط المنتج: ** بينما يتحسر معظم الناس على الأمواج الهائلة ، انطلق البحارة المتحمسون للعثور على قارات جديدة. لعب الحرفيون الذين اخترعوا البوصلة وصنعوا السفن دورًا في ذلك العصر ، وبعد ذلك ، قام البحارة والعمال بتوسيع المنطقة.
** عصر البرمجيات 3.0: ** يؤكد SenseAI مرة أخرى على شبكة الوكيل. هذه المرة ، تأتي الآلة إلينا ، وستصبح اللغة الطبيعية هي حزمة اللغة التي تكمل معظم احتياجات التطوير ، مما يزيد من تحرير الخيال البشري. يستخدم الوكلاء كثافة التفاعل والتعاون الشبكي لحل التنفيذ ، وما يتعين على البشر فعله هو اقتراح خيال المستوى الأدنى والتدمير وإعادة البناء.
تحتوي هذه المقالة على إجمالي 3255 كلمة ، وتستغرق قراءتها بعناية حوالي 9 دقائق
** 01. وظيفة جديدة: مهندس ذكاء اصطناعي **
نحن نلاحظ تحولًا مطبقًا للذكاء الاصطناعي للأجيال "إلى اليمين" مدفوعًا بالقدرات الناشئة وتوافر المصدر المفتوح / واجهة برمجة التطبيقات للنماذج الأساسية. يمكن الآن إكمال سلسلة من مهام الذكاء الاصطناعي التي استغرقت 5 سنوات وفريق بحثي لإكمالها في 2013 فقط بوثائق API وفترة ما بعد الظهيرة مجانية.
واجهة برمجة التطبيقات عالمية: يمكن لمهندسي الذكاء الاصطناعي أن يتجهوا إلى اليسار لتحسين / استضافة النماذج ، ويمكن لمهندسي البحث أن يتجهوا إلى اليمين لبناء تطبيقات أعلى واجهة برمجة التطبيقات ، لكن قوتهم النسبية وأسسهم التقنية واضحة.
ومع ذلك ، فإن أصعب عمل يكمن في تفاصيل التنفيذ المحددة.في الوقت الحالي ، لا تزال LLM تواجه التحديات التالية من حيث التقييم الناجح والتطبيق والإنتاجية:
** 1. النموذج: ** من تقييم أكبر نماذج GPT-4 و Claude ، إلى أصغر نماذج Huggingface و LLaMA مفتوحة المصدر ونماذج أخرى.
** 2. الأدوات: ** من أدوات الربط والاسترجاع والبحث الأكثر شيوعًا مثل LangChain و LlamaIndex و Pinecone ، إلى المجال الناشئ لأدوات الوكيل مثل Auto-GPT و BabyAGT.
** 3. الأخبار: ** يتزايد عدد الأوراق والنماذج والتقنيات المنشورة كل يوم بشكل كبير مع الاهتمام ورأس المال ، لدرجة أن الحفاظ على شم كل هذه التطورات المتطورة أصبح عملاً بدوام كامل تقريبًا .
LLM يخلق وظيفة بدوام كامل. ** ستحتضن هندسة البرمجيات تخصصًا فرعيًا جديدًا ، وتركز على تطبيق الذكاء الاصطناعي ، وتستخدم بشكل فعال مجموعة التكنولوجيا الناشئة ** ، تمامًا مثل "مهندس موثوقية الموقع" ، و "مهندس عمليات التطوير والصيانة" ، و "مهندس البيانات" و "مهندس تحليلي" كقادم.
** مهندسو الذكاء الاصطناعي ، سيرتقون لتمثيل هذا النوع من الأدوار. **
تقريبًا كل شركة ناشئة لديها شكل من أشكال مجموعات مناقشة الذكاء الاصطناعي. ستنتقل هذه المجموعات من المجموعات غير الرسمية إلى الفرق الرسمية ، كما فعلت بالفعل Amplitude و Replit و Notion. هؤلاء الآلاف من مهندسي البرمجيات الذين يعملون على إنتاج واجهات برمجة التطبيقات AI ونماذج OSS ، سواء في أوقات الشركة أو في الليالي وعطلات نهاية الأسبوع ، في شركة Slack أو Discord المستقلة ، سيكونون متخصصين ويتم تجميعهم معًا تحت عنوان واحد - مهندس الذكاء الاصطناعي. من المرجح أن تكون هذه الوظيفة الهندسية الأكثر طلبًا في العقد المقبل.
من أكبر الشركات مثل Microsoft و Google ، إلى الشركات الناشئة المتطورة مثل Figma (حصل عليها Diagram) ، Vercel (RoomGPT بواسطة حسن المغاري) و Notion (Notion AI بواسطة Ivan Zhao و Simon Last) ، إلى المتسللين المستقلين مثل Simon Willison ، Pieter Levels (Photo / InteriorAI) و Riley Goodside (الآن في Scale AI). يكسبون 300000 دولار سنويًا من خلال إجراء هندسة التلميح في Anthropic و 900000 دولار في برمجيات البناء في OpenAI. يقضون عطلات نهاية الأسبوع المجانية في العمل على الأفكار في AGI House ومشاركة النصائح حول / r / LocalLLaMA2. ما يجمعهم جميعًا هو أنهم يحولون التطورات في الذكاء الاصطناعي إلى منتجات حقيقية يستخدمها الملايين بين عشية وضحاها تقريبًا.
** لا أحد حاصل على درجة الدكتوراه. عندما يتعلق الأمر بإصدار منتجات الذكاء الاصطناعي ، فأنت بحاجة إلى مهندسين وليس باحثين. **
** 02 ، مهندسو الذكاء الاصطناعي سيحلون محل مهندسي ML **
سينمو الطلب على مهندسي الذكاء الاصطناعي بسرعة في المستقبل. حاليًا في إنديد ، يمتلك مهندسو ML 10 أضعاف فرص العمل لمهندسي الذكاء الاصطناعي ، لكن معدل النمو الأعلى للذكاء الاصطناعي يؤدي إلى الاعتقاد بأن هذه النسبة ستنعكس في غضون 5 سنوات.
مخطط اتجاه التوظيف الشهري لـ HN Who الذي يوظف
جميع المسميات الوظيفية أحادية الجانب ، لكن بعضها مفيد. نحن قلقون ومملون من الجدل الدلالي اللامتناهي بين الذكاء الاصطناعي والتعلم الآلي ، ومع ذلك فإننا ندرك جيدًا أن دور "مهندس البرمجيات" التقليدي قادر تمامًا على بناء برمجيات الذكاء الاصطناعي. ومع ذلك ، يكشف سؤال حديث على Ask HN حول كيفية اقتحام هندسة الذكاء الاصطناعي عن تصور أساسي لا يزال موجودًا في السوق:
لقطة شاشة يونيو 2023: أفضل الإجابات التي تم التصويت عليها لـ "كيفية اقتحام هندسة الذكاء الاصطناعي"
لا يزال معظم الناس يرون هندسة الذكاء الاصطناعي كشكل من أشكال التعلم الآلي أو هندسة البيانات ، لذلك يوصون بنفس المجموعة التقنية. ولكن يمكنك التأكد من عدم قيام أي من مهندسي الذكاء الاصطناعي ذوي الكفاءة العالية المذكورين أعلاه بعمل مكافئ لدورة Andrew Ng Coursera ، فهم لا يعرفون PyTorch ، ولا يعرفون الفرق بين بحيرة البيانات ومستودع البيانات.
** قريباً ، لن يقترح أحد بدء هندسة الذكاء الاصطناعي من خلال قراءة "الانتباه هو كل ما تحتاجه" ، أكثر مما ستتعلم القيادة من خلال قراءة رسومات فورد موديل T. بالطبع ، فهم الأساسيات والتاريخ مفيد دائمًا ، ويمكن أن يساعدك حقًا في العثور على الابتكارات ومكاسب الكفاءة / القدرة التي لم تدخل الوعي العام بعد. لكن في بعض الأحيان ، يمكنك ** استخدام المنتجات مباشرة ومعرفة خصائصها من خلال التجربة **.
من المسلم به أن عكس مهندسي الذكاء الاصطناعي ومهندسي تعلم الآلة لن يحدث بين عشية وضحاها. يريد الناس بطبيعة الحال تجسيد سيرهم الذاتية ، وملء خرائط السوق ، والتميز من خلال الاستشهاد بموضوعات أكثر موثوقية ومتعمقة. ومع ذلك ، ستشعر الهندسة السريعة وهندسة الذكاء الاصطناعي بأنها في وضع غير مواتٍ مقارنة بأولئك الذين لديهم خلفية قوية في علوم البيانات / التعلم الآلي لفترة طويلة. ومع ذلك ، فإن اقتصاديات العرض والطلب ستنتصر في النهاية ، وسيتجاوز الطلب على مهندسي الذكاء الاصطناعي بكثير الطلب على مهندسي ML.
** 03. لماذا الآن؟ **
النموذج الأساسي هو "المتعلم ذو اللقطات القليلة" ، والذي يُظهر القدرة على تعلم النقل بدون طلقة في السياق ، والذي يتجاوز الهدف الأصلي للمدرب النموذجي. بعبارة أخرى ، لم يكن الأشخاص الذين ابتكروا هذه النماذج يعرفون تمامًا ما يمكنهم فعله. يمكن لأولئك الذين ليسوا باحثين في LLM اكتشاف هذه القدرات والاستفادة منها ببساطة عن طريق قضاء المزيد من الوقت في التفاعل مع النماذج وتطبيقها في مجالات البحث التي لا تحظى بالتقدير الكافي (على سبيل المثال ، تطبيق Jasper على كتابة الإعلانات).
احتكرت Microsoft ، و Google ، و Meta ، ومختبرات النماذج الأساسية الكبيرة المواهب البحثية النادرة ، مما يوفر أساسًا واجهات برمجة تطبيقات "البحث في الذكاء الاصطناعي كخدمة". لا يمكنك توظيفهم ، ولكن يمكنك استئجارهم - إذا كان لديك مهندسو برمجيات في فريقك يعرفون كيفية العمل معهم. ** يوجد حوالي 5000 باحث ماجستير في القانون في جميع أنحاء العالم ، ولكن هناك حوالي 50 مليون مهندس برمجيات. تحدد قيود التوريد ظهور مهندس ذكاء اصطناعي "محوري" لتلبية طلب السوق. **
** 3. احتياطي GPU. ** بالطبع ، كانت OpenAI / Microsoft أول من قام بهذا العمل ، لكن Stability AI أشعلت سباق تسلح GPU بين الشركات الناشئة من خلال التأكيد على مجموعة 4000 GPU الخاصة بهم.
** 4 عمل رشيق مباشرة من المنتج. ** بدلاً من مطالبة علماء البيانات / مهندسي ML بالقيام برفع كبير في جمع البيانات قبل تدريب نموذج معين لمجال ثم وضعه في الإنتاج ، يمكن لمديري المنتج / مهندسي البرامج مطالبة LLM أولاً ، وبناء / التحقق من فكرة المنتج ، ثم ثم احصل على بيانات محددة للضبط الدقيق.
لنفترض أن الأخير يزيد بمقدار 100 مرة إلى 1000 مرة عن السابق ، ومن خلال تطبيق "إطلاق النار ، الاستعداد ، الهدف" في LLM يجعلك سير العمل أسرع بـ 10 إلى 100 مرة من التعلم الآلي التقليدي. ونتيجة لذلك ، سيتمكن مهندسو الذكاء الاصطناعي من التحقق من صحة منتجات الذكاء الاصطناعي بتكلفة أقل بما يتراوح بين 1000 و 10000 مرة. هذا هو شلال آخر مقابل تطوير Agile ، والذكاء الاصطناعي هو Agile.
** 5. Python → Java. ** اعتمدت البيانات / الذكاء الاصطناعي تقليديًا بشكل كبير على Python ، كما أن أدوات هندسة الذكاء الاصطناعي الأولى مثل LangChain و LlamaIndex و Guardrails نشأت أيضًا من نفس المجتمع. ومع ذلك ، يوجد الآن العديد من مطوري Java مثل مطوري Python ، لذا فإن الأدوات الآن تلبي بشكل متزايد قاعدة المستخدمين الموسعة هذه ، من LangChain.js و Transformers.js إلى AI SDK الجديد من Vercel. فرصة لتوسيع السوق هائلة.
** 6. الذكاء الاصطناعي التوليدي مقابل المصنف ML. ** لقد خرج مصطلح "الذكاء الاصطناعي العام" كمصطلح بعيدًا عن الموضة ، مما أفسح المجال لفئات أخرى مثل "محركات الاستدلال" ، ولكن يوضح بإيجاز الفرق بين أدوات MLOps الحالية وممارسي التعلم الآلي وما هو الأنسب لاستخدام ماجستير إدارة الأعمال ولا يزال مفيدًا جدًا عند النظر إلى الدور الجديد والمميز لمنشئ تحويل النص إلى صورة. بينما قد تركز أبحاث التعلم الآلي الحالية على أشياء مثل مخاطر الاحتيال وأنظمة التوصية واكتشاف الأخطاء وتخزين الميزات ، يقوم مهندسو الذكاء الاصطناعي ببناء تطبيقات الكتابة وأدوات التعلم المخصصة وجداول بيانات اللغة الطبيعية والتطبيقات الشبيهة بـ Factorio. لغة البرمجة المرئية.
عندما تكون هناك مجموعة فرعية ذات خلفية مختلفة تمامًا ، وتتحدث لغة مختلفة ، وتنتج منتجًا مختلفًا تمامًا ، وتستخدم أداة مختلفة تمامًا ، فإنها تنقسم في النهاية إلى مجموعات منفصلة.
** 04، 1 + 2 = 3: البرمجة في عصر البرمجيات 3.0 **
منذ 6 سنوات ، كتب Andrej Karpathy مقالًا مؤثرًا للغاية يصف Software 2.0 ، مقارنًا "المجموعة الكلاسيكية" من لغات البرمجة التقليدية المكتوبة يدويًا التي تمثل المنطق بدقة ، والشبكات العصبية الجديدة "للتعلم الآلي" التي تقارب المنطق. المكدس ، تمكين البرمجيات من حل مشاكل أكثر مما يستطيع البشر نمذجة. في هذا العام ، أشار في مقالة متابعة إلى أن ** أهم لغة برمجة جديدة هي الإنجليزية ** ، وتملأ أخيرًا المنطقة الرمادية التي لم يحددها في مقالته الأصلية.
أصبحت الهندسة ميمًا في العام الماضي ، تصف كيف سيتغير العمل عندما يبدأ الناس في الاستفادة من GPT-3 والانتشار المستقر. يسخر الناس من الشركات الناشئة في مجال الذكاء الاصطناعي لأنهم يطلقون عليها اسم "أغلفة OpenAI" ويثيرون مخاوف من أن تطبيقات LLM عرضة للهندسة التلميحية وهندسة التلميح العكسي. هل الحواجز موجودة بالفعل؟ (** يقول Sense **: راجع مقالنا الأول "الأنظمة الذكية: خندق مشاريع الذكاء الاصطناعي المستقبلية")
ولكن أحد أكبر الموضوعات في عام 2023 سيكون إعادة تأسيس دور الكود المكتوب بواسطة الإنسان في تنسيق وإزاحة قدرات LLM ، من Langchain التي تزيد قيمتها عن 200 مليون دولار ، إلى Voyager المدعومة من Nvidia ، مما يدل على الأهمية الواضحة لإنشاء الكود وإعادة استخدامه. . الهندسة مبالغة في المبالغة وهي هنا لتبقى ، لكن إعادة ظهور نموذج Software 1.0 في تطبيقات Software 3.0 يمثل فرصة كبيرة ومجالًا من الارتباك ، مما يخلق مساحة بيضاء للعديد من الشركات الناشئة.
المستثمر الذي لا يستطيع القيام بأبحاث السوق ليس مستثمرًا جيدًا
بالطبع ، هذا ليس مجرد كود مكتوب من قبل البشر. تشير قصص العديد من المشاريع (مطور smol ، مهندس gpt على نطاق أوسع ، ومغامرات وكلاء إنشاء الشفرات الأخرى مثل Codium AI و Codegen.ai و Morph / Rift) إلى أنهم سيصبحون بشكل متزايد جزءًا من الذكاء الاصطناعي مجموعة أدوات المهندس. بينما يتعلم المهندسون البشريون تسخير الذكاء الاصطناعي ، سوف يشارك الذكاء الاصطناعي بشكل متزايد في الهندسة.
حتى يومًا ما في المستقبل البعيد ، سنبحث عن الأمر ولن نتمكن بعد الآن من معرفة الفرق بين الاثنين.
مراجع
شاهد النسخة الأصلية
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
_ المهندس عفا عليه الزمن؟ ولدت مهنة جديدة روج لها كبار الشخصيات في منظمة العفو الدولية
المصدر: SenseAI
** التفكير المنطقي **
نحاول طرح المزيد من الاستنتاج المتباين والتفكير العميق بناءً على محتوى المقالة ، مرحبًا بك في التبادل.
** نموذج التكنولوجيا مقابل هبوط المنتج: ** بينما يتحسر معظم الناس على الأمواج الهائلة ، انطلق البحارة المتحمسون للعثور على قارات جديدة. لعب الحرفيون الذين اخترعوا البوصلة وصنعوا السفن دورًا في ذلك العصر ، وبعد ذلك ، قام البحارة والعمال بتوسيع المنطقة.
** عصر البرمجيات 3.0: ** يؤكد SenseAI مرة أخرى على شبكة الوكيل. هذه المرة ، تأتي الآلة إلينا ، وستصبح اللغة الطبيعية هي حزمة اللغة التي تكمل معظم احتياجات التطوير ، مما يزيد من تحرير الخيال البشري. يستخدم الوكلاء كثافة التفاعل والتعاون الشبكي لحل التنفيذ ، وما يتعين على البشر فعله هو اقتراح خيال المستوى الأدنى والتدمير وإعادة البناء.
تحتوي هذه المقالة على إجمالي 3255 كلمة ، وتستغرق قراءتها بعناية حوالي 9 دقائق
** 01. وظيفة جديدة: مهندس ذكاء اصطناعي **
نحن نلاحظ تحولًا مطبقًا للذكاء الاصطناعي للأجيال "إلى اليمين" مدفوعًا بالقدرات الناشئة وتوافر المصدر المفتوح / واجهة برمجة التطبيقات للنماذج الأساسية. يمكن الآن إكمال سلسلة من مهام الذكاء الاصطناعي التي استغرقت 5 سنوات وفريق بحثي لإكمالها في 2013 فقط بوثائق API وفترة ما بعد الظهيرة مجانية.
ومع ذلك ، فإن أصعب عمل يكمن في تفاصيل التنفيذ المحددة.في الوقت الحالي ، لا تزال LLM تواجه التحديات التالية من حيث التقييم الناجح والتطبيق والإنتاجية:
** 1. النموذج: ** من تقييم أكبر نماذج GPT-4 و Claude ، إلى أصغر نماذج Huggingface و LLaMA مفتوحة المصدر ونماذج أخرى.
** 2. الأدوات: ** من أدوات الربط والاسترجاع والبحث الأكثر شيوعًا مثل LangChain و LlamaIndex و Pinecone ، إلى المجال الناشئ لأدوات الوكيل مثل Auto-GPT و BabyAGT.
** 3. الأخبار: ** يتزايد عدد الأوراق والنماذج والتقنيات المنشورة كل يوم بشكل كبير مع الاهتمام ورأس المال ، لدرجة أن الحفاظ على شم كل هذه التطورات المتطورة أصبح عملاً بدوام كامل تقريبًا .
LLM يخلق وظيفة بدوام كامل. ** ستحتضن هندسة البرمجيات تخصصًا فرعيًا جديدًا ، وتركز على تطبيق الذكاء الاصطناعي ، وتستخدم بشكل فعال مجموعة التكنولوجيا الناشئة ** ، تمامًا مثل "مهندس موثوقية الموقع" ، و "مهندس عمليات التطوير والصيانة" ، و "مهندس البيانات" و "مهندس تحليلي" كقادم.
** مهندسو الذكاء الاصطناعي ، سيرتقون لتمثيل هذا النوع من الأدوار. **
تقريبًا كل شركة ناشئة لديها شكل من أشكال مجموعات مناقشة الذكاء الاصطناعي. ستنتقل هذه المجموعات من المجموعات غير الرسمية إلى الفرق الرسمية ، كما فعلت بالفعل Amplitude و Replit و Notion. هؤلاء الآلاف من مهندسي البرمجيات الذين يعملون على إنتاج واجهات برمجة التطبيقات AI ونماذج OSS ، سواء في أوقات الشركة أو في الليالي وعطلات نهاية الأسبوع ، في شركة Slack أو Discord المستقلة ، سيكونون متخصصين ويتم تجميعهم معًا تحت عنوان واحد - مهندس الذكاء الاصطناعي. من المرجح أن تكون هذه الوظيفة الهندسية الأكثر طلبًا في العقد المقبل.
من أكبر الشركات مثل Microsoft و Google ، إلى الشركات الناشئة المتطورة مثل Figma (حصل عليها Diagram) ، Vercel (RoomGPT بواسطة حسن المغاري) و Notion (Notion AI بواسطة Ivan Zhao و Simon Last) ، إلى المتسللين المستقلين مثل Simon Willison ، Pieter Levels (Photo / InteriorAI) و Riley Goodside (الآن في Scale AI). يكسبون 300000 دولار سنويًا من خلال إجراء هندسة التلميح في Anthropic و 900000 دولار في برمجيات البناء في OpenAI. يقضون عطلات نهاية الأسبوع المجانية في العمل على الأفكار في AGI House ومشاركة النصائح حول / r / LocalLLaMA2. ما يجمعهم جميعًا هو أنهم يحولون التطورات في الذكاء الاصطناعي إلى منتجات حقيقية يستخدمها الملايين بين عشية وضحاها تقريبًا.
** لا أحد حاصل على درجة الدكتوراه. عندما يتعلق الأمر بإصدار منتجات الذكاء الاصطناعي ، فأنت بحاجة إلى مهندسين وليس باحثين. **
** 02 ، مهندسو الذكاء الاصطناعي سيحلون محل مهندسي ML **
سينمو الطلب على مهندسي الذكاء الاصطناعي بسرعة في المستقبل. حاليًا في إنديد ، يمتلك مهندسو ML 10 أضعاف فرص العمل لمهندسي الذكاء الاصطناعي ، لكن معدل النمو الأعلى للذكاء الاصطناعي يؤدي إلى الاعتقاد بأن هذه النسبة ستنعكس في غضون 5 سنوات.
جميع المسميات الوظيفية أحادية الجانب ، لكن بعضها مفيد. نحن قلقون ومملون من الجدل الدلالي اللامتناهي بين الذكاء الاصطناعي والتعلم الآلي ، ومع ذلك فإننا ندرك جيدًا أن دور "مهندس البرمجيات" التقليدي قادر تمامًا على بناء برمجيات الذكاء الاصطناعي. ومع ذلك ، يكشف سؤال حديث على Ask HN حول كيفية اقتحام هندسة الذكاء الاصطناعي عن تصور أساسي لا يزال موجودًا في السوق:
لا يزال معظم الناس يرون هندسة الذكاء الاصطناعي كشكل من أشكال التعلم الآلي أو هندسة البيانات ، لذلك يوصون بنفس المجموعة التقنية. ولكن يمكنك التأكد من عدم قيام أي من مهندسي الذكاء الاصطناعي ذوي الكفاءة العالية المذكورين أعلاه بعمل مكافئ لدورة Andrew Ng Coursera ، فهم لا يعرفون PyTorch ، ولا يعرفون الفرق بين بحيرة البيانات ومستودع البيانات.
** قريباً ، لن يقترح أحد بدء هندسة الذكاء الاصطناعي من خلال قراءة "الانتباه هو كل ما تحتاجه" ، أكثر مما ستتعلم القيادة من خلال قراءة رسومات فورد موديل T. بالطبع ، فهم الأساسيات والتاريخ مفيد دائمًا ، ويمكن أن يساعدك حقًا في العثور على الابتكارات ومكاسب الكفاءة / القدرة التي لم تدخل الوعي العام بعد. لكن في بعض الأحيان ، يمكنك ** استخدام المنتجات مباشرة ومعرفة خصائصها من خلال التجربة **.
من المسلم به أن عكس مهندسي الذكاء الاصطناعي ومهندسي تعلم الآلة لن يحدث بين عشية وضحاها. يريد الناس بطبيعة الحال تجسيد سيرهم الذاتية ، وملء خرائط السوق ، والتميز من خلال الاستشهاد بموضوعات أكثر موثوقية ومتعمقة. ومع ذلك ، ستشعر الهندسة السريعة وهندسة الذكاء الاصطناعي بأنها في وضع غير مواتٍ مقارنة بأولئك الذين لديهم خلفية قوية في علوم البيانات / التعلم الآلي لفترة طويلة. ومع ذلك ، فإن اقتصاديات العرض والطلب ستنتصر في النهاية ، وسيتجاوز الطلب على مهندسي الذكاء الاصطناعي بكثير الطلب على مهندسي ML.
** 03. لماذا الآن؟ **
النموذج الأساسي هو "المتعلم ذو اللقطات القليلة" ، والذي يُظهر القدرة على تعلم النقل بدون طلقة في السياق ، والذي يتجاوز الهدف الأصلي للمدرب النموذجي. بعبارة أخرى ، لم يكن الأشخاص الذين ابتكروا هذه النماذج يعرفون تمامًا ما يمكنهم فعله. يمكن لأولئك الذين ليسوا باحثين في LLM اكتشاف هذه القدرات والاستفادة منها ببساطة عن طريق قضاء المزيد من الوقت في التفاعل مع النماذج وتطبيقها في مجالات البحث التي لا تحظى بالتقدير الكافي (على سبيل المثال ، تطبيق Jasper على كتابة الإعلانات).
احتكرت Microsoft ، و Google ، و Meta ، ومختبرات النماذج الأساسية الكبيرة المواهب البحثية النادرة ، مما يوفر أساسًا واجهات برمجة تطبيقات "البحث في الذكاء الاصطناعي كخدمة". لا يمكنك توظيفهم ، ولكن يمكنك استئجارهم - إذا كان لديك مهندسو برمجيات في فريقك يعرفون كيفية العمل معهم. ** يوجد حوالي 5000 باحث ماجستير في القانون في جميع أنحاء العالم ، ولكن هناك حوالي 50 مليون مهندس برمجيات. تحدد قيود التوريد ظهور مهندس ذكاء اصطناعي "محوري" لتلبية طلب السوق. **
** 3. احتياطي GPU. ** بالطبع ، كانت OpenAI / Microsoft أول من قام بهذا العمل ، لكن Stability AI أشعلت سباق تسلح GPU بين الشركات الناشئة من خلال التأكيد على مجموعة 4000 GPU الخاصة بهم.
** 4 عمل رشيق مباشرة من المنتج. ** بدلاً من مطالبة علماء البيانات / مهندسي ML بالقيام برفع كبير في جمع البيانات قبل تدريب نموذج معين لمجال ثم وضعه في الإنتاج ، يمكن لمديري المنتج / مهندسي البرامج مطالبة LLM أولاً ، وبناء / التحقق من فكرة المنتج ، ثم ثم احصل على بيانات محددة للضبط الدقيق.
** 5. Python → Java. ** اعتمدت البيانات / الذكاء الاصطناعي تقليديًا بشكل كبير على Python ، كما أن أدوات هندسة الذكاء الاصطناعي الأولى مثل LangChain و LlamaIndex و Guardrails نشأت أيضًا من نفس المجتمع. ومع ذلك ، يوجد الآن العديد من مطوري Java مثل مطوري Python ، لذا فإن الأدوات الآن تلبي بشكل متزايد قاعدة المستخدمين الموسعة هذه ، من LangChain.js و Transformers.js إلى AI SDK الجديد من Vercel. فرصة لتوسيع السوق هائلة.
** 6. الذكاء الاصطناعي التوليدي مقابل المصنف ML. ** لقد خرج مصطلح "الذكاء الاصطناعي العام" كمصطلح بعيدًا عن الموضة ، مما أفسح المجال لفئات أخرى مثل "محركات الاستدلال" ، ولكن يوضح بإيجاز الفرق بين أدوات MLOps الحالية وممارسي التعلم الآلي وما هو الأنسب لاستخدام ماجستير إدارة الأعمال ولا يزال مفيدًا جدًا عند النظر إلى الدور الجديد والمميز لمنشئ تحويل النص إلى صورة. بينما قد تركز أبحاث التعلم الآلي الحالية على أشياء مثل مخاطر الاحتيال وأنظمة التوصية واكتشاف الأخطاء وتخزين الميزات ، يقوم مهندسو الذكاء الاصطناعي ببناء تطبيقات الكتابة وأدوات التعلم المخصصة وجداول بيانات اللغة الطبيعية والتطبيقات الشبيهة بـ Factorio. لغة البرمجة المرئية.
عندما تكون هناك مجموعة فرعية ذات خلفية مختلفة تمامًا ، وتتحدث لغة مختلفة ، وتنتج منتجًا مختلفًا تمامًا ، وتستخدم أداة مختلفة تمامًا ، فإنها تنقسم في النهاية إلى مجموعات منفصلة.
** 04، 1 + 2 = 3: البرمجة في عصر البرمجيات 3.0 **
منذ 6 سنوات ، كتب Andrej Karpathy مقالًا مؤثرًا للغاية يصف Software 2.0 ، مقارنًا "المجموعة الكلاسيكية" من لغات البرمجة التقليدية المكتوبة يدويًا التي تمثل المنطق بدقة ، والشبكات العصبية الجديدة "للتعلم الآلي" التي تقارب المنطق. المكدس ، تمكين البرمجيات من حل مشاكل أكثر مما يستطيع البشر نمذجة. في هذا العام ، أشار في مقالة متابعة إلى أن ** أهم لغة برمجة جديدة هي الإنجليزية ** ، وتملأ أخيرًا المنطقة الرمادية التي لم يحددها في مقالته الأصلية.
ولكن أحد أكبر الموضوعات في عام 2023 سيكون إعادة تأسيس دور الكود المكتوب بواسطة الإنسان في تنسيق وإزاحة قدرات LLM ، من Langchain التي تزيد قيمتها عن 200 مليون دولار ، إلى Voyager المدعومة من Nvidia ، مما يدل على الأهمية الواضحة لإنشاء الكود وإعادة استخدامه. . الهندسة مبالغة في المبالغة وهي هنا لتبقى ، لكن إعادة ظهور نموذج Software 1.0 في تطبيقات Software 3.0 يمثل فرصة كبيرة ومجالًا من الارتباك ، مما يخلق مساحة بيضاء للعديد من الشركات الناشئة.
بالطبع ، هذا ليس مجرد كود مكتوب من قبل البشر. تشير قصص العديد من المشاريع (مطور smol ، مهندس gpt على نطاق أوسع ، ومغامرات وكلاء إنشاء الشفرات الأخرى مثل Codium AI و Codegen.ai و Morph / Rift) إلى أنهم سيصبحون بشكل متزايد جزءًا من الذكاء الاصطناعي مجموعة أدوات المهندس. بينما يتعلم المهندسون البشريون تسخير الذكاء الاصطناعي ، سوف يشارك الذكاء الاصطناعي بشكل متزايد في الهندسة.
حتى يومًا ما في المستقبل البعيد ، سنبحث عن الأمر ولن نتمكن بعد الآن من معرفة الفرق بين الاثنين.
مراجع