大家好,我是老三,先说一下这篇文章没什么干货,就是一篇随笔。
今天闲来无事,在掘金上刷到一篇文章:GPT-4都来了,我们还需要刷算法题和背八股文吗?:juejin.cn/post/721112…
在一个技术社区的评论区,看到了杜小帅,足球迷无处不在,篮球迷也不差啊。
关于阿杜的那些回忆
扯点对杜兰特的回忆吧,那时候我还在上高中,有几个同学是非常狂热的球迷。
12年西决,雷霆vs马刺,NBA比赛北京时间是上午。上课的时候,几个高低胖瘦的小伙子,挤在最后两排,凑在一部手机前看比赛——对了,还是文字版的,手机流量不够。
老师坐在讲台上,往后一看,嘿,四五个人,凑不出一张脸,全是后脑门。
雷霆赢了,打进总决赛了,有个小子是杜兰特铁杆球迷,捏着拳头想喊,又不敢,脸上的每一颗青春痘都泛着红光。
那年雷霆的结局并不如意,三少碰上了如日中天的热火三巨头,最终倒在了迈阿密那个炎热的夏天。
虽然可惜,但那支潜力无限的雷霆青年军,让所有人觉得未来可期。
谁能想到那年雷霆就是巅峰呢?被羞辱的哈登,流着泪远走休斯顿,成为火箭城四点半浪子,雷霆三少就此解体。
哈登远走,似乎带走了俄城的气运,其后几年,雷霆一直有夺冠潜力,但总是差点运气,伤病、失误……
城头变换大王旗,此时的NBA山河几度变色,热火三巨头解体、马刺GDP垂垂老矣,宇宙勇横空出世,水花四溅、势不可挡。
16年,面对来势汹汹的勇士,人员齐整的雷霆,直接在西决上送给卫冕冠军3:1,雷霆似乎会越过群山,登上高峰。
没想到,那年水花兄弟变浪花,超神发挥,连扳三城,让雷霆成为史上第一支西部决赛3:1被翻盘的球队。
那年西决,还成就了格林“追蛋格林”的“威名”,雷霆中锋海王亚当斯,在系列赛的第二场和第三场分别被格林击裆。格林表示,海王裆太铁,那就来两次。
被逆转+脏动作,这两支球队似乎要成为湖人vs凯尔特人那样的宿敌,所有人都在期待着明年雷霆vs勇士的复仇之战。
结果,作为绝对核心的杜兰特表示:“打不过怎么办?当然是加入他们。”于是,一届MVP+四届得分王、雷霆老大杜兰特,投奔73胜宇宙战舰勇士。
有个评论员这么评论:“杜兰特妹根儿了。”
在勇士,杜兰特终于拿到了他梦寐以求的总冠军,但是没有收获尊重。还是那位追蛋专家格林,在日后发明了一个“格林公式”:
“在你来之前,我们已经是冠军了”。
曾经有望成为联盟第一人的杜兰特,从此成为老1.5,不由让人唏嘘。
投AI去?
水了这么多杜兰特,该说今天的正题了。
GPT4已经出来3个多月了,单纯从使用角度来讲,真的是生产力提升杀器,很多代码生成、SQL编写、数据分析都可以丢给GPT。
那么老问题又来了,程序员会不会被GPT给取代呢?
暂时看不会,就我自己的使用体验而言,GPT4虽然很强,但并不能保证不出错误,甚至还给我埋过坑。
所以,他还需要合适的“提示”和“提示”,就像一匹好马,要配上马鞍和马鞭,不然,就可能变成撒欢的小野马了。
那么,长期来看,程序员会不会被替换呢?GPT4已经比GPT3.5强上不少,OpenAI的官方Blog提到GPT5将会在2023Q4发布,那么GPT6呢?7呢?……
这么看,AI真的要干掉程序员了吗?
那么有没有一种可能,既然打不过,那就加入呢?——什么杜兰特行为。
那么我们先来看看,AI产业都涉及到哪些分工呢?[2]
数据服务:作为智能机器的“食物”和数字经济世界的生产要素,数据在被“喂”给机器之前,常常会涉及查询与处理、转换与编排、标注与管理等前置步骤,而在整个数据的使用过程中也离不开治理与合规方面的管理工作。作为AIGC的源头,相关数据服务产业孕育了很大的商业机会。
算法模型:人工智能之所以能判断、分析、创作,主要是因为存在支撑这些功能的算法模型。因此,训练算法模型也就成为整个产业链中最“烧脑”、最具技术含量和最具商业潜力的环节。在数字世界,围绕着如何让算法模型更聪明的命题,诞生了包括人工智能实验室、集团科技研究院、开源社区等主要玩家,构成了整个产业链的中游环节。
应用拓展:经过数据训练后的算法模型最终会在下游应用拓展层完成“学以致用”的使命,根据应用场景的模态和功能差异诞生出文本处理、音频处理、图像处理、视频处理的各个细分赛道。每个细分赛道里都有许多创新企业在相互较量,这也是当前风险投资机构最热衷投资的环节。
那么我们如果想要加入的话,这个产业地图里的哪一部分,我们有机会呢?
首先是数据的处理,还是把AI当成一匹千里马,那么数据处理就是给千里马喂饲料。
虽然作为CRUD熟练工,但是说真的,数据服务看起来还是相当陌生的,跳过。
再来看看中游,也是AI产业的核心,算法模型。算法模型在人工智能中起到大脑的作用,是人工智能的基础,这就相当于千里马的驯养。
算法模型的主要参与者,包括人工智能实验室、集团科技研究院和开源社区。
我们挑一个耳熟的阿里巴巴达摩院,看看它的招聘要求,在招岗位有12个。
科学家跳过,我们看个开发工程师的,学历卡在了硕士,主要工作是分布式训练/推理,技术要求是熟悉主要人工智能框架,熟悉编程语言。
这个姑且可能算是离我们最近的,先忽略学历,看看技术,可以看到主要有两个方面需要学习的,第一个是pytorch/tensorflow这些人工智能框架,第二个是Python/C++这些编程语,至于计算机体系结构,这个就是不论什么开发都需要掌握的。
之前呢,老板也给我推荐过课程,偏实战,建议是先实战搞起来,再去看看算法之类。课程我是真的收藏,学是真的没学,惭愧。
当然,哪怕真花时间学了,也很难转,毕竟连人工智能相关的开发,都要硕士学历,而且还要有论文,所以Pass。
那么没办法,只能看看下游了。上游是喂马,中游是驯马,那么下游就是骑马了。
GPT的崛起,让AIGC瞬间爆炸,可以看到下游的应用相当广泛,文本、音频、图像、视频百花齐放。
看看出现的第一个中文名字公司彩云科技的招聘:
有开发岗,主要语言是Python和Go,看上去工作内容和要求相比普通的开发大差不差。
——当然,这也看出来了,其实下游的应用,很多可能只是对一些开源或者商业模型的应用,门槛也不高。
看到这,就有种淡淡的悲伤了,想向敌人投降的时候,却发现没有可以跪下的台阶。被打败不可怕,被屠杀才可怕。
又回到杜兰特了,人人都笑杜兰特,人人都想当杜兰特。
想投敌,也是有要求的,MVP、得分王,这个星球加起来也没几个。
写到这里的时候,擦干净键盘上的眼泪,对着镜子,挤出假笑。
虽然我们培育不了千里马,但是我们可以当好骑手啊,也要更好地照顾马儿啊。
翻译过来就是什么呢,想做AI产业的核心参与者,是不行了,但是可以学着怎么更好地利用AI,AI相关的东西,比如Python语言、人工智能框架也可以学一学,总没坏处。
——哪怕真的被变化淹没,也得挣扎几下不是。
最后,感谢大家听老三胡扯一堆东西,作为一个底层搬砖仔,老三对很多东西也是一知半解,东拼西凑,各位读者朋友,有什么指导意见,也欢迎联系老三,带老三一起进步,多谢!
参考:
[2]. 《AIGC:智能创作时代》