前言
随着 ChatGPT 的横空出世,给全球带来了巨大冲击,各种大语言模型如雨后春笋不断出现。国外如谷歌 Bard、Anthropic 的 Claude,国内如百度文心一言、阿里通义千问、讯飞星火认知大模型、昆仑万维天工大模型等。
现在的大语言模型比以前的模型的代码生成、代码解释能力有了质的飞跃,很多程序员已经开始使用大语言模型编写代码,因此很多人认为 “程序员将会被 AI 所取代”。
本文将重点谈论两个话题:
-
对于大语言模型的出现,你认为它是否能够真正取代程序员?
-
大语言模型在代码生成和解释方面的能力是否真的有了质的飞跃?
程序员被取代?
**“程序员将被取代” 这个话题并非在最近 AI 火爆之后才被提出。**之前低代码的出现,很多人就已经开始讨论程序员是否被淘汰了。然而,低代码虽然可以提高编程效率但并不能满足复杂场景、不够灵活甚至不够安全,并无法真正取代大多数程序员。
图源:Unsplash
首先,大语言模型在编程方面的应用确实带来了一些变革,比如自动生成代码、解释代码和优化代码等。这些能力在一定程度上提高了编程效率,同时也降低了编程的门槛,让更多的人可以尝试编程。
然而,要说大语言模型能否真正取代程序员,我认为目前还为时过早。虽然大语言模型在代码生成和解释方面的能力已经有了很大的提升,但是它仍然存在很多限制和挑战,比如生成的代码存在错误、使用了过时的类库、存在一些潜在的BUG等等。此外,大语言模型的应用还需要考虑数据安全、自研模型能力等方面的限制。
另外,编程并不是一个独立的环节,而是整个软件生命周期的一环。在软件开发中,除了编码之外,还包括需求分析、技术方案设计、测试、运维等环节,这些环节需要人的参与和决策。因此,即使大语言模型能够在编码方面取代一部分程序员的工作,但是它无法取代所有的程序员。
综上所述,大语言模型的出现确实给编程带来了变革,但是要说它能完全取代程序员还为时过早。程序员应该积极学习新技术和工具,提高自身的技能和能力,以适应新的技术和工作环境。
如何跟上步伐?
一、了解AI基础知识
学习基本的数学和统计知识:线性代数、微积分、概率论和统计学是AI领域的基础。
学习编程语言:Python是AI领域的主流编程语言,因此熟练掌握Python编程至关重要。此外,了解C++、Java等其他编程语言也有助于加深理解。
学习数据结构与算法:熟练掌握数据结构(如数组、链表、树、图等)和算法(如排序、查找、图算法等)对优化AI算法和提高计算性能非常有用。
图源:Unsplash
二、深入学习AI相关技术
学习机器学习基础:了解监督学习、无监督学习、半监督学习和强化学习等机器学习的基本概念和方法。
掌握深度学习框架:学习如TensorFlow、PyTorch等主流深度学习框架,了解如何搭建、训练和评估神经网络模型。
了解自然语言处理(NLP):学习词嵌入、语义分析、情感分析、文本生成等NLP技术,理解如何处理和分析文本数据。
学习计算机视觉:掌握图像处理、目标检测、图像识别、图像分割等计算机视觉技术,理解如何分析和处理图像数据。
图源:Unsplash
三、关注行业动态和最新研究
阅读顶级会议和期刊论文:关注NeurIPS、ICML、IJCAI等顶级AI会议和期刊,了解最新的研究成果和技术趋势。
参加在线课程和工作坊:通过Coursera、Udacity、EdX等平台学习AI相关课程,参加工作坊和讲座,与专家和同行交流。
加入社区和论坛:参与AI领域的开源项目,加入相关社区(如GitHub、Reddit、Stack Overflow等),与同行分享经验和解决问题。
图源:Unsplash
四、实践项目和积累经验
实践项目:参与实际项目或者在Kaggle等平台上参加数据竞赛,将理论知识应用到实际问题中。
创建个人项目:开发自己的AI项目,解决实际问题,如图像识别、语音识别、聊天机器人等。这有助于巩固所学知识,提高问题解决能力。
求助与合作:在遇到问题时,不要害怕寻求帮助。与其他程序员合作,共同解决问题,可以加速学习进程。
记录与总结:在学习过程中,及时记录和总结所学知识。这有助于巩固记忆,加深理解。
AI作图
五、持续学习和自我提升
设定学习目标:明确自己的职业发展方向,制定短期和长期学习目标。
定期评估进度:定期检查自己的学习进度,总结经验教训,调整学习计划。
培养学习习惯:养成每天学习的习惯,即使是阅读一篇论文、一个博客文章,也能保持知识更新。
扩大知识面:不仅要关注AI领域,还要了解其他相关领域(如软件工程、网络安全、硬件等),提高自己的综合素质。
总之,跟上AI时代的步伐需要不断学习、实践和自我提升。只要积极投入,发挥自己的优势,每个程序员都能在这个快速发展的领域找到自己的位置。
总结
现在的 AI 大致是汽车的自动挡或者辅助驾驶阶段,更多的作为一个提效助手。
不要抱怨 AI 的不完美,正是 AI 的不完美,我们不那么容易被淘汰。
在大家都用大模型的情况下,多去发现更多应用场景,多去掌握提示词技巧,发挥大模型的价值,在 AI 逐渐普及的今天,多去培养和加强人相对于 AI 更有价值的能力,持续学习,才能在这个时代获取更多的优势。
你认为 AI 时代,我们如何抓住这个风口?我们还需要增强哪些能力?
那么我们也该如何学习大模型 AI ?
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
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。
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。
这份完整版的大模型 AI 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
】
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。