我现在是一名JAVA开发，有必要转型人工智能吗？

本文链接：https://blog.csdn.net/2501_91624210/article/details/147337115

简答

简单答案：有必要转型，但是不是一蹴而就，结合自身工程优势，先转大数据，靠近云计算，然后再自学入门人工智能，工作上去接触数据+模型，最后目标是分布式AI计算领域，底层基础设施建设同样是做工程，但是变成了结合大数据+AI+人工智能的高端技术人才。是不是很有方向感~，感兴趣的话且听我细细道来。

详答

个人背景

背景简单介绍下：十年程序猿，JAVA后端开发出身和答主都是JAVA方向的，目前已经成功转方向为Flink实时开发以及大数据平台建设同时生产上也在捣腾多朵云（AWS，阿里云，华为云，青云哈哈一般人没用过吧）的大数据相关服务。日常会涉及基础组件的开发同时也会兼顾实时业务开发，所以也比较杂。个人平时技术做的不是很专，做过SaaS服务，后端CRM系统，智能语言，大数据离线+实时，云环境运维等等。

最近两年在努力扩展知识广度，利用业余时间，也考取了一些认证，比如AWS 的SAP ， k8s 的CKAD，国内软考的系统架构设计师。认证考试这件事因人而异，整体难度不大，做为技术人，其实最好的学习资料就是官方文档以及源码。但对我个人来说，其实是想在工作十年这个节点上，通过备考以及系统学习，更加深刻的审视自己的技术，主要是通过这些方向的系统学习，整合下这些年零零散散的开发知识，为自己未来职业生涯提早规划。今年也打算再补充自己的前端、网络和人工智能方面的知识。

转型思路

个人观点，不建议往算法卷，其实人工智能这块已经火了好几年了，国内的AI四小龙（商汤，旷世科技，依图科技，云从科技）其实过的都不太轻松，再有这些年已经培养出很多科班出身的算法工程师了，这块领域和工程不一样的，就是需求端需要的人手不是很多，同时入门门槛也比较高，科班出身的都很少有本科的，一般的小公司基本养不起（工资是一方面，要搞算法，模型本身是需要很大资金的投入的），所以能够培养成长的土壤有限，公司很少会给新人培养的机会，除非已经本身能证明有一定能力了或者本身是名校毕业本身的能力突出，所以一般做JAVA 工程的根本卷不动科班出身的算法模型人员，所以建议不要去卷这个方向，很难很难。但是我们还是要主动去拥抱了解AI的，今年的gpt真正算是把AI能力普及到大众的身边了，通用大模型可以说在工作和生活中能帮助我们很多，就我个人来说，现在编程已经离不开github copilot了，平时遇到无论技术还是生活中的一些场景，不是首先想到搜索了，而是先用gpt帮我梳理，提供对应的解决方案，好比一个私人的小助手，所以基于目前如此火爆的AI浪潮，我们也不应该错过，而是主动去学习，我个人最近也在入门AI相关知识，比如如何正确书写Prompt，让通用模型更好的为我们服务，以及最近爆火的Langchain是什么机制，如果通过开源的大语言模型结合自己的数据，搭建一个知识问答库，甚至AI的基础原理，以及如何进行模型微调。这些工程和基本理论方面我们都可以学习。

既然我们是偏工程类的，就要多关注日常实战以及性能优化方面，不知道是否也对大数据了解一点？如果还没有接触过，也推荐学一学，其实现在大数据已经很普及了，flink 又是阿里自家的，中文社区以及开源都做得不错，很适合大家入门的。我最近也在计划更新一系列关于flink 入门的文章，感兴趣的可以关注一下哈。 flink spark 只是大数据中主流的计算框架，题主可以多花些力气把基础原理搞懂，然后尽量在工作中能够使用上，这样周围的比如数仓建模，任务调度，实时相关的 kafka olap oltp 存储引擎，数据湖等等都会自然而然接触到，个人认为至少这里需要花一两年的实践以及学习，可以能够比较全面的了解大数据的生态。

然后这个时候，就可以再往更高的目标前进了，其实你会发现很多方向可供选择，我们还是聚焦刚才说的AI分布式计算，其他方向如果题主感兴趣的话，可以私聊沟通。AI的训练工具其实现在也有很多，比如：百度家的 PaddlePaddle，Oneflow，华为的MindSpore 国外的 PyTorch，MXNet，TensorFlow 。如果详细铺开说篇幅可能过长，如果感兴趣可以分别了解下，推荐关注下Ray 这个框架，好像OpenAI 背后就是使用Ray 来进行分布式训练的。同时Ray 和Spark 是师出同门的，都是出自系统领域内堪称豪门加州大学伯克利分校