现互联网研发一枚。不要慌,GPT只是一个工具,它的能力取决于使用者的判断能力,因此代替不了算法工程师~
接下来详细聊聊,GPT的能与不能、在GPT时代下我们应该如何应对35岁危机。
GPT 的能与不能
GPT代表"Generative Pre-trained Transformer",是由OpenAI开发的自然语言处理模型。它是通过在大规模文本语料库上进行预训练而得到的,在预训练阶段,模型学会了理解语言的结构、语法、语境和一般知识,之后通过微调,可以适应特定任务或生成特定类型的内容。
GPT能做的
GPT可以回答问题和创作。
回答问题: 基于现有知识给出答案,包括但不限于问题解答、翻译、知识查询、论文总结等等
例如,下面便是GPT给出的Transformer论文总结
GPT也是一个出色的知识库,可以问它自己不了解的问题,例如给出量化交易系统示例代码:
创作: GPT通过大规模的预训练提高了模型对语言上下文的理解和生成能力,因此能够创作、聊天对话。例如,可以让它模仿鲁迅的文字创作:
GPT不能做的
正是因为GPT只能基于现有的知识进行生成,因此它存在两个缺点:缺乏创新性、不保障准确性。
缺乏创新性:ChatGPT生成的文本主要基于其在现有的文本数据中学到的模式,不能进行创新;而算法工程师通常需要具备创造性和创新性,能够设计新颖的算法解决问题。如果工作中有时需要结合数据特点创新性的开发新算法,GPT便不能实现了。
不保障准确性:ChatGPT会出现幻觉,可能胡说八道,不保障生成内容的准确性。在解决需要领域专业知识的问题时,仍然需要算法工程师的判断。
比如,GPT3会把鲁迅和周树人当成不同的人,而我们有文学知识,知道鲁迅是周树人的笔名,是同一个人:
基于这两点原因,GPT代替不了具有丰富的领域知识、并能独具创新的算法工程师:
如果生成给效果差,有经验的算法工程师可以通过调整 prompt、调整数据、调整模型等手段来提升;如果出现了幻觉,有领域知识的算法工程师会给出正确的信息。
而如果判断力不强,就算GPT输出很好的内容,也会被埋没。
总而言之,GPT的作用和使用它的人的判断能力相关,并不能替代人。
但是,我们身处AI时代,学习了解GPT也是我们所需要的
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
所有资料 ⚡️ ,朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》,扫码获取~
用AI大模型弯道超车
在GPT时代下我们应该如何应对35岁危机
35岁危机或许是每个打工人心里的一道坎,毕竟“乱纪元是常态”,而GPT时代给了我们更多的选择。
成为某一领域的专家
GPT缺乏领域知识,尤其是一些创新性、定制化的内容。
GPT不会知道对于营销推荐而言哪个客群更重要,它只会生成通用的代码,而熟悉业务的算法工程师则能加大重要客群的权重,得到更适用于业务、更好用的模型。
此外,假设GPT出现了幻觉,生成了错误的内容,有经验的算法工程师也能及时校正。
因此,作为算法工程师,就应该精通一个业务领域,熟悉其业务知识;精通业务相关的算法,成为领域专家,不要轻易改变方向。对同一个领域的知识越深入、越精通,则越安全。
了解GPT,利用GPT
虽说GPT还不能取代算法工程师,但它是个极好用的工具,不仅有全面的知识,而且是生产力利器:例如可以开发代码,给代码debug,完成周报等等。
在GPT时代,一个人就能成为一个团队。我们应该了解GPT,利用GPT来帮助我们提高效能。
首先,可以了解GPT的基础:Transformer架构和它的相关论文。
Transformer最早是Google在2017年的Attention Is All You Need论文中提出,解决了传统的序列到序列sequence-to-sequence,Seq2Seq)模型在处理[可变长序列时遇到的问题。
也可以看看GPT的论文:
GPT-1:Improving Language Understanding by Generative Pre-training
GPT-2:Language Models are unsupervised multitask learners
GPT-3:Language models are few shot learners
GPT-4:GPT-4 Technical Report
也可以去github上搜“ChatGPT",找高star的chatGPT相关的资料来学习。
接着,学习使用GPT api, 即通过编程接口(API)与GPT模型进行交互。通过使用GPT API,可以将GPT的强大文本生成和理解能力集成到自己的应用程序、产品或服务中。了解Promptengineering,用更好的prompt来和GPT交互,得到更好的回答。
也可以体验上面我提到的大模型公开课进行快速高效的学习~
开拓收入渠道
35岁危机并不可怕,可怕的是在失去工作后也没有其它的收益来源。
因此可以结合自己的工作经验做副业,包括但不限于:写技术文章投稿、创作技术书籍等等;也可以结合自己的兴趣爱好做副业,例如业余摄影跟拍、创作音乐等等。
副业和主业一样,需要花时间学习和积累,在副业上多投入些时间,渐渐的副业也能产生可观的收入,就不需要依赖打工啦~
大模型也能帮助副业提效,例如可以利用大模型辅助创作、谱曲、绘画等等,提高创作效率。
另外,积极学习投资理财相关知识,配置投资理财组合, 可以去看豆瓣上的高分投资理财书籍。
当自己能有其它相对稳定的收入来源,或者积攒了余钱,自然就不会担心35岁危机了。
看到这里,可能有朋友会有疑问,如何在保持精通自己负责的业务领域的同时,又能投入时间在副业上呢?
最简单的方法是,副业尽量和主业的内容相关,这样主业能辅助副业,副业能反哺主业。例如,机器学习工程师如果想进行音乐创作,可以使用音乐的旋律训练机器学习算法,进行AI谱曲。
总之,GPT不会加快35岁中年危机的到来,但提升领域知识、充分利用GPT工具、拓展收入渠道确实能给我们带来更多选择。