人工智能，AI大模型，是不是继生化环材之后的第五天坑?

上马定江山

于 2024-09-28 10:05:46 发布

阅读量192

点赞数 3

文章标签：人工智能 ai 语言模型 agi 职场和发展 LLM 大模型

本文链接：https://blog.csdn.net/Android23333/article/details/142611359

版权

前言

一直以来被诟病为“天坑专业”的学科不少，比如“生化环材”。

之所以部分传统工科饱受负面评价，主要还是因为多重buff叠满了。比如：不断扩招，导致供过于求，企业的用人还标准一直在调高；某些特定的工作环境确实较差，还可能具有一定危险性；

还有新闻学，已经算文科类专业里还可以的了，但就业机会和待遇其实都挺一般。

更可怕的是竞争的人还越来越多，所有人都在卷学历，结果就是就业卷、考研升学更卷。

以上大坑、小坑，人工智能最多占一两个那种所有专业都会遇到的坑。

就业待遇不差，整体发展前景不用多说，也没那么多人在卷。（现在入场的人肯定比之前多，但真没某些又垃又卷的专业惨）论“坑”还远远比不上文科类专业，离“天坑”还远着吧。

不过专业选择直接影响未来发展，确实得谨慎点。“人工智能”绝对算得上现在最热门的领域之一，但在选择专业的时候，肯定不能只看热门。如果可以，最好能充分调研各专业领域的发展态势和前景。以AI为例，发展势头这两年挺强劲的，国内外的商业化应用都在加速落地，市场的高素质人才需求其实不小。

在这里插入图片描述

但现在的竞争也十分激烈，想脱颖而出需要大量实践积累。如果你正考虑选专业或换赛道，建议对自己的期望进行客观定位，一定不要盲目跟风。但即便是已经在学那些目前就业形势欠佳的专业，也不必过于悲观。

合理调整发展方向，适应新需求，总是会有出路的。回到AI话题。作为新兴专业，人工智能肯定面临某些新考验，有吐槽的声音也正常。个人看来主要有三点：

1、企业对算法工程师等岗位的技能要求提升快速，要求掌握各类算法模型、开发框架等专业知识。
但部分应届毕业生的知识结构还停留在课本层面，实际能力跟不上。而之所以部分学生知识结构脱离实际，主要还是课程设置和教学方法上的原因。许多核心课程过于理论化，没有引入足够的案例教学和项目实训，导致学生无法掌握运用知识解决实际问题的能力。

2、人工智能是一个快速迭代的领域，新的算法、框架、平台层出不穷。
企业需要的人才知识图谱越来越广泛。而领域新人的知识储备难以在短时间内跟上最新进展。技术和工具迭代速度过快，导致应届生知识积累不足。这除了需要学生自觉学习之外，学校也应多开设相关的专题选修课，让学生了解前沿进展。同时，也可以通过线上课程来弥补教学资源的不足。

3、人工智能涉及多学科交叉，其应用场景也日益广泛，如自动驾驶、智能医疗等。
这也需要人才具备更宽泛的知识结构，而不是狭隘的专业视角。这一点，可以考虑通过加强通识教育来拓宽学习者的视野，比如增加心理学、医学、汽车工程等课程。此外，多组织综合性项目也有助于培养学生的综合运用能力。实践教学才能培养真正意义上的人工智能复合人才。

其实这三点本质上来看，还是一个问题：专业学习的知识结构与市场实际需求有较大落差。

这也可以说是现在所有专业或多或少面临的共性问题。要想避免重蹈覆辙，就根本不能复制一点传统专业的模式，还得注重培养学生的实践能力、自主学习能力和适应能力。

但这短期内肯定是不可能实现的。

作为AI领域的学生或者打工人，目前能做的就是自己主动多学一点。

现在其实很多人都意识到了，这点如果做好了，对自己绝对很有利。「自驱力」是成为大佬的必备品质，在任何领域都是如此，AI也是。在修炼自驱力的过程中，保持学习的热情很重要，要有学无止境的心态。

而面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，详尽的全套学习资料，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

无论是初学者，还是希望在某一细分领域深入发展的资深开发者，这样的学习路线图都能够起到事半功倍的效果。它不仅能够节省大量时间，避免无效学习，更能帮助开发者建立系统的知识体系，为职业生涯的长远发展奠定坚实的基础。

这份完整版的AI大模型全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】