** الوظيفة الأكثر طلبًا في السنوات العشر القادمة هي "مهندس ذكاء اصطناعي"؟ **
بعد ظهور ChatGPT ، توقع الناس أنه "سيتم إعادة تشكيل جميع الصناعات بواسطة الذكاء الاصطناعي" ، وسيتم استبدال بعض الوظائف ، وستغير بعض الوظائف شكلها. كيف ستكون حياتهم المهنية كمبرمجين يبنون الذكاء الاصطناعي؟
في الآونة الأخيرة ، يبدو أن الأمور في طيف واسع ، حيث أطلقت مجموعة من المهندسين والعلماء مفهوم "مهندس الذكاء الاصطناعي" وتلقوا العديد من الردود:
نظرًا للتعميم والإمكانيات القوية لنماذج اللغات الكبيرة مثل GPT-4 ، قد تتغير طريقة عملنا قريبًا إلى العمل مع الذكاء الاصطناعي ، ومواكبة وتيرة الذكاء الاصطناعي هي وظيفة بدوام كامل في حد ذاتها.
يُقال أن "مهندس الذكاء الاصطناعي" هذا هو بين المهندس الكامل ومهندس التعلم الآلي ، ويشغل جزءًا من مهندس النهاية الخلفية ويركز على بناء النماذج الكبيرة. الآن لا يزال في مرحلة التعريف ، ولكن وفقًا للمناقشات المحتدمة ، لا ينبغي أن يكون بعيدًا عن الهبوط ، ففي النهاية ، سرعة ثورة ChatGPT سريعة جدًا.
بمجرد ظهور الفكرة ، علقت شركة Big Vs في مجال الذكاء الاصطناعي بسرعة. ويوافقه الرأي أندريه كارباثي ، عالم أوبن إيه آي والرئيس السابق للذكاء الاصطناعي والقيادة الذاتية في تسلا. "النماذج الكبيرة تخلق طبقة جديدة تمامًا من التجريد والتخصص ، وقد أطلقت عليها حتى الآن" تلميح المهندسين "، لكنها الآن ليست مجرد مسألة تلميح."
بالإضافة إلى ذلك ، أشار إلى أربع نقاط رئيسية:
تضمنت أعمال التعلم الآلي السابقة عادةً خوارزميات التدريب من البداية ، وكانت النتائج عادةً ذات أداء محدود.
يختلف تدريب النموذج واسع النطاق كثيرًا عن التعلم الآلي التقليدي ، فالنظام السابق به عبء عمل كبير ، وقد تم تقسيم دور جديد للتركيز على التدريب واسع النطاق لـ Transformer على أجهزة الكمبيوتر العملاقة.
عدديًا ، قد يكون عدد مهندسي الذكاء الاصطناعي أعلى بكثير من عدد مهندسي التعلم الآلي / مهندسي النماذج الكبار.
لست بحاجة إلى أي تدريب لتكون ناجحًا في هذا الدور.
وبعد قراءته قال المسك أيضًا:
هناك طلب مرتفع على هذه الوظيفة ، وهي حواجز مهمة ومنخفضة للدخول. تبدو مثيرة وقلقة.
أثناء المناقشة ، اقترح بعض الأشخاص أيضًا أسماء مثل "مهندس معرفي" و "مهندس نظام AI" كمرشحين. يعتقد عالم الذكاء الاصطناعي في Nvidia Jim Fan أن هذه المهنة الناشئة يجب أن تسمى "مهندس غير متدرج" - من الأدوات التقليدية 1.0 ، إلى الشبكة العصبية 2.0 ، ثم إلى 3.0 بدون بنية متدرجة ، انتظرنا أخيرًا الإصدار 4.0 من سلسلة GPT للتدريب الذاتي.
في هذا الصدد ، قال سيباستيان راشكا ، الأستاذ المساعد في جامعة ويسكونسن ، إن هذا مناسب فقط للمساعدين العامين ، وبالنسبة لمعظم الشركات ، لا تحتاج إلى "عام".
هناك العديد من الأسماء والتعريفات المقدمة ، دعونا نرى ما هو نوع الوظيفة "مهندس الذكاء الاصطناعي"؟
نحن نشهد تحولًا لمرة واحدة كل عقد في الذكاء الاصطناعي المطبق ، مدعومًا بالقدرات الهائلة للنماذج الأساسية والنماذج الكبيرة مفتوحة المصدر وواجهات برمجة التطبيقات.
مهام الذكاء الاصطناعي التي استغرقت خمس سنوات وفريق بحثي لإنجازها في عام 2013 تتطلب الآن فقط واجهات برمجة التطبيقات والوثائق وفترة ما بعد الظهيرة في عام 2023.
ومع ذلك ، فإن التفاصيل هي التي تصنع الفارق - تحديات تطبيق الذكاء الاصطناعي وإنتاجه لا حصر لها:
في النموذج ، هناك من أكبر طراز GPT-4 و Claude ، إلى Huggingface مفتوح المصدر و LLaMA ونماذج أخرى ؛
الأدوات ، من أدوات الربط والاسترجاع والبحث الأكثر شيوعًا (مثل LangChain و LlamaIndex و Pinecone) إلى مجال العوامل المستقلة الناشئة (مثل Auto-GPT و BabyAGI) ؛
من الناحية الفنية ، نما عدد الأوراق والنماذج والتقنيات الجديدة المقدمة كل يوم بشكل كبير مع الاهتمام والتمويل ، لدرجة أن فهم كل شيء أصبح تقريبًا وظيفة بدوام كامل.
إذا تم أخذ هذا الموقف على محمل الجد ، فيجب اعتباره وظيفة بدوام كامل. نتيجة لذلك ، ستنتج هندسة البرمجيات مجالًا فرعيًا جديدًا مخصصًا لتطبيق الذكاء الاصطناعي وتوظيف المكدس الناشئ بشكل فعال ، مثل "مهندسو موثوقية الموقع" (SREs) و "مهندسو DevOps" و "مهندسو البيانات" وينطبق الشيء نفسه على ظهور "المهندسين التحليليين".
يبدو أن الإصدار الجديد (والأقل روعة) لهذا الدور هو: مهندس ذكاء اصطناعي.
نحن نعلم أن كل شركة ناشئة لديها نوع من قناة Slack لمناقشة استخدام الذكاء الاصطناعي ، وقريبًا ستنتقل هذه القنوات من المجموعات غير الرسمية إلى الفرق الرسمية. يعمل الآلاف من مهندسي البرمجيات حاليًا على إنتاج واجهات برمجة تطبيقات الذكاء الاصطناعي ونماذج OSS ، سواء خلال ساعات العمل أو في المساء وعطلات نهاية الأسبوع ، في شركة Slacks أو Discords المستقلة ، وكلها احترافية ومركزية تحت عنوان واحد: مهندس الذكاء الاصطناعي.
من المرجح أن تكون هذه الوظيفة الهندسية الأكثر طلبًا في العقد المقبل.
سيتم العثور على مهندسي الذكاء الاصطناعي في كل مكان ، من عمالقة التكنولوجيا مثل Microsoft و Google ، إلى الشركات الناشئة الرائدة مثل Figma و Vercel و Notion ، إلى المطورين المستقلين مثل Simon Willison و Pieter Levels و Riley Goodside. يكسبون 300000 دولار سنويًا لممارستهم الهندسية في Anthropic و 900000 دولار سنويًا لبرمجيات البناء في OpenAI. يقضون عطلات نهاية الأسبوع المجانية في التفكير في الأفكار في AGI House ومشاركة النصائح حول / r / LocalLLaMA subreddit على Reddit.
القاسم المشترك بينهم جميعًا هو القدرة على ترجمة التطورات في الذكاء الاصطناعي إلى منتجات عملية يستخدمها ملايين الأشخاص بين عشية وضحاها تقريبًا. وفيه ، لا ترى عنوان دكتوراه. عند تقديم منتجات الذكاء الاصطناعي ، فأنت بحاجة إلى مهندسين وليس باحثين.
** الانعكاس الكبير لمهندسي الذكاء الاصطناعي ومهندسي ML **
تظهر مجموعة من البيانات على موقع إنديد أن عدد الوظائف لمهندسي التعلم الآلي هو 10 أضعاف عدد مهندسي الذكاء الاصطناعي ، ولكن بالمقارنة ، فإن معدل النمو في مجال الذكاء الاصطناعي أسرع ، ومن المتوقع أن هذا ستكون النسبة في غضون خمس سنوات. يحدث الانعكاس وسيكون هناك عدة أضعاف عدد مهندسي الذكاء الاصطناعي مثل مهندسي ML.
* HN Who's Hiring (وهو منشور شهري على Hacker News يوفر منصة لأصحاب العمل لنشر وظائف شاغرة) اتجاهات التوظيف الشهرية حسب الفئة *
كان الجدل حول الاختلافات بين الذكاء الاصطناعي والتعلم الآلي لا نهاية له ، ولكنه حذر. نعلم أيضًا أنه يمكن لمهندسي البرمجيات العاديين إنشاء برامج الذكاء الاصطناعي. ومع ذلك ، فقد دارت المناقشات مؤخرًا حول موضوع آخر ، وهو موضوع شائع في Hacker News أثار اهتمامًا واسع النطاق بعنوان "How to get into AI engineering". يوضح هذا المنشور المشهور أيضًا المبادئ الأساسية المقيدة التي لا تزال موجودة في السوق ، وهو التمييز بين كل موقف لا يزال على ما يرام.
* لقطة شاشة لمنشور في يونيو 2023 على Hacker News: "كيفية الدخول إلى هندسة الذكاء الاصطناعي" أفضل الإجابات التي تم التصويت عليها. *
حتى الآن ، اعتقد الكثير من الناس أن هندسة الذكاء الاصطناعي هي شكل من أشكال هندسة التعلم الآلي أو هندسة البيانات ، لذلك عندما يسأل شخص ما عن كيفية الدخول في مجال ما ، فإنهم يميلون إلى التوصية بنفس المتطلبات الأساسية ، كما في الإجابات أعلاه ، يوصي العديد من الأشخاص بـ Andrew Ng's Coursera دورة. لكن لم يكمل أي من هؤلاء المهندسين الفعالين في الذكاء الاصطناعي دورة Wu Enda في Coursera ، فهم ليسوا على دراية بـ PyTorch ، ولا يعرفون الفرق بين Data Lake (Data Lake) و Data Warehouse (Data Warehouse).
في المستقبل القريب ، لن يقترح أحد أن تبدأ في تعلم هندسة الذكاء الاصطناعي من خلال قراءة ورقة Transformer "الانتباه هو كل ما تحتاجه" ، أكثر مما تبدأ في تعلم القيادة من خلال قراءة المخططات الخاصة بطراز Ford Model T. بالطبع ، من المفيد فهم الأساسيات والتطور التاريخي للتكنولوجيا ، والتي يمكن أن تساعدك في إيجاد طرق لتحسين تفكيرك وكفاءتك. لكن في بعض الأحيان يمكنك أيضًا استخدام المنتجات لمعرفة خصائصها من خلال الخبرة العملية.
لن يحدث عكس مهندسي الذكاء الاصطناعي مقابل مهندسي التعلم الآلي بين عشية وضحاها ، وبالنسبة لشخص يتمتع بخلفية جيدة في علوم البيانات والتعلم الآلي ، فقد لا تبدو الهندسة وهندسة الذكاء الاصطناعي جيدة لفترة طويلة. ومع ذلك ، بمرور الوقت ، ستسود اقتصاديات العرض والطلب ، وستتغير آراء الناس حول هندسة الذكاء الاصطناعي.
** لماذا يرتقي مهندسو الذكاء الاصطناعي؟ **
على مستوى النموذج ، أصبحت العديد من النماذج الأساسية الآن عبارة عن متعلمين قليلو الخبرة يتمتعون بقدرات تعلم قوية للسياق وقدرات نقل صفرية.غالبًا ما يتجاوز أداء النموذج الهدف الأصلي لنموذج التدريب. بمعنى آخر ، الأشخاص الذين قاموا بإنشاء هذه النماذج لا يعرفون تمامًا نطاق قدرات النماذج. ويمكن لأولئك الذين ليسوا خبراء في LLM (نموذج اللغة الكبيرة) اكتشاف هذه القدرات واستغلالها من خلال التفاعل بشكل أكبر مع النموذج وتطبيقه على المجالات التي تم التقليل من شأنها من خلال البحث.
على مستوى المواهب ، احتكرت مختبرات Microsoft و Google و Meta والنماذج الأساسية الكبيرة المواهب البحثية النادرة ، وتوفر واجهات برمجة التطبيقات لـ "أبحاث الذكاء الاصطناعي كخدمة". قد لا تتمكن من توظيف هذا النوع من الباحثين ، ولكن يمكنك استئجار خدماتهم. يوجد الآن حوالي 5000 باحث LLM و 50 مليون مهندس برمجيات في جميع أنحاء العالم. يفرض قيد العرض هذا أن مهندسي الذكاء الاصطناعي في الفئة "الوسطى" سيرتفعون لتلبية الطلب على المواهب.
على مستوى الأجهزة ، قامت الشركات والمؤسسات التكنولوجية الكبرى بتخزين وحدات معالجة الرسومات بكميات كبيرة. بالطبع ، كانت OpenAI و Microsoft أول من فعل ذلك ، لكن Stability AI بدأ منافسة GPU للشركات الناشئة من خلال التأكيد على 4000 مجموعة GPU الخاصة بهم.
بالإضافة إلى ذلك ، بدأت بعض الشركات الناشئة الجديدة مثل Inflection (1.3 مليار دولار) ، و Mistral (113 مليون دولار) ، و Reka (58 مليون دولار) ، و Poolside (26 مليون دولار) ، و Contentual (20 مليون دولار) بشكل عام في جمع مبالغ ضخمة. مرافق الأجهزة الخاصة.
حتى أن المستثمر والمدير التنفيذي للتكنولوجيا في الولايات المتحدة نات فريدمان أعلن عن مبادرته أندروميدا ، وهي مجموعة GPU بقيمة 100 مليون دولار مع 10 exaflops من قوة الحوسبة المخصصة لدعم الشركات الناشئة التي تستثمر فيها. على الجانب الآخر من مشهد واجهة برمجة التطبيقات ، سيتمكن المزيد من مهندسي الذكاء الاصطناعي من استخدام النماذج ، وليس فقط تدريبهم.
من حيث الكفاءة ، بدلاً من مطالبة علماء البيانات ومهندسي التعلم الآلي بأداء عملية جمع البيانات المملة قبل تدريب نموذج واحد خاص بمجال معين ووضعه في الإنتاج ، يمكن لمديري المنتجات ومهندسي البرمجيات بناء أفكار المنتج والتحقق منها من خلال التفاعل مع LLM.
لنفترض أن الأخير (البيانات ، مهندسو التعلم الآلي) يفوق عددهم (مهندسو الذكاء الاصطناعي) السابقون بمقدار 100 إلى 1000 مرة ، والطريقة التي تعمل بها من خلال التفاعل مع LLM ستجعلك أسرع من 10 إلى 100 مرة من التعلم الآلي التقليدي. ونتيجة لذلك ، سيتمكن مهندسو الذكاء الاصطناعي من التحقق من صحة منتجات الذكاء الاصطناعي أرخص بـ 10 آلاف مرة من ذي قبل.
على مستوى البرنامج ، ستكون هناك تغييرات من Python إلى Java. تمركزت البيانات وعالم الذكاء الاصطناعي تقليديًا حول Python ، وكذلك كانت الأدوات الهندسية الأولى للذكاء الاصطناعي مثل LangChain و LlamaIndex و Guardrails. ومع ذلك ، يجب أن يكون هناك على الأقل عدد من مطوري Java مثل عدد مطوري Python ، لذلك تتوسع الأدوات بشكل متزايد في هذا الاتجاه ، من LangChain.js و Transformers.js إلى AI SDK الجديد من Vercel. الحجم الإجمالي للسوق وفرصة استخدام Java أمر مثير للإعجاب.
عندما تأتي مجموعة فرعية بخلفية مختلفة تمامًا ، وتتحدث لغة مختلفة تمامًا ، وتصنع منتجًا مختلفًا تمامًا ، وتستخدم أداة مختلفة تمامًا ، ينتهي بهم الأمر بالانقسام إلى مجموعتهم الخاصة.
** دور الكود في تطور البرمجيات 2.0 إلى البرمجيات 3.0 **
منذ 6 سنوات ، كتب Andrej Karpathy مقالًا مؤثرًا للغاية يصف Software 2.0 ، حيث يقارن المجموعات الكلاسيكية من لغات البرمجة المكتوبة يدويًا التي تصمم المنطق بدقة مع مجموعات جديدة من الشبكات العصبية للتعلم الآلي المنطقي. توضح المقالة أن البرامج يمكن أن تحل العديد من المشكلات أكثر مما يستطيع البشر تصميمه.
هذا العام ، واصل كارباثي نشر أن اللغة الإنجليزية هي أكثر لغات البرمجة الجديدة سخونة ، حيث يمكن فهم تلميحات الذكاء الاصطناعي التوليدية على أنها رمز من تصميم الإنسان ، في كثير من الحالات باللغة الإنجليزية ، ويتم تفسيرها بواسطة LLM ، مما يؤدي في النهاية إلى سد الثغرات الموجودة في مخططه. منطقة رمادية.
* ملاحظة: الحزمة الكلاسيكية للبرنامج 1.0 (البرنامج 1.0) مكتوبة بلغات Python و C ++ ولغات أخرى. تمت كتابة البرنامج 2.0 باستخدام أوزان الشبكة العصبية ، ولم يشارك أحد في عملية كتابة هذا الرمز نظرًا لوجود العديد من الأوزان. *
في العام الماضي ، أصبحت الهندسة موضوعًا شائعًا ، وبدأ الناس في تطبيق GPT-3 و Stable Diffusion للعمل. يسخر الناس من الشركات الناشئة في مجال الذكاء الاصطناعي باعتبارها أغلفة OpenAI ويقلقون بشأن ضعف تطبيقات LLM للتلميح إلى الحقن وعكس هندسة التلميح.
لكن موضوعًا مهمًا للغاية في عام 2023 يتعلق بإعادة إنشاء دور الكود المكتوب بواسطة البشر ، من Langchain العملاقة بأكثر من 200 مليون دولار أمريكي إلى Voyager المدعومة من Nvidia ، مما يُظهر أهمية إنشاء الكود وإعادة استخدامه. الهندسة مبالغة ومستمرة في نفس الوقت ، ولكن إعادة ظهور نموذج Software 1.0 في تطبيقات Software 3.0 يمثل فرصة كبيرة ومساحة جديدة لعدد كبير من الشركات الناشئة:
بينما يتعلم المهندسون البشريون استخدام الذكاء الاصطناعي ، ويتولى الذكاء الاصطناعي بشكل متزايد وظائف الهندسة ، في المستقبل ، عندما ننظر إلى الوراء ، سيكون من الصعب التمييز بين الاثنين.
محتوى المرجع: *
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
لا تدعوني مبرمجًا ، أنا "مهندس ذكاء اصطناعي" ، ماسك: ابدأ في تطوير برمجة اللغات الطبيعية
المصدر: قلب الآلة
بعد ظهور ChatGPT ، توقع الناس أنه "سيتم إعادة تشكيل جميع الصناعات بواسطة الذكاء الاصطناعي" ، وسيتم استبدال بعض الوظائف ، وستغير بعض الوظائف شكلها. كيف ستكون حياتهم المهنية كمبرمجين يبنون الذكاء الاصطناعي؟
في الآونة الأخيرة ، يبدو أن الأمور في طيف واسع ، حيث أطلقت مجموعة من المهندسين والعلماء مفهوم "مهندس الذكاء الاصطناعي" وتلقوا العديد من الردود:
يُقال أن "مهندس الذكاء الاصطناعي" هذا هو بين المهندس الكامل ومهندس التعلم الآلي ، ويشغل جزءًا من مهندس النهاية الخلفية ويركز على بناء النماذج الكبيرة. الآن لا يزال في مرحلة التعريف ، ولكن وفقًا للمناقشات المحتدمة ، لا ينبغي أن يكون بعيدًا عن الهبوط ، ففي النهاية ، سرعة ثورة ChatGPT سريعة جدًا.
بمجرد ظهور الفكرة ، علقت شركة Big Vs في مجال الذكاء الاصطناعي بسرعة. ويوافقه الرأي أندريه كارباثي ، عالم أوبن إيه آي والرئيس السابق للذكاء الاصطناعي والقيادة الذاتية في تسلا. "النماذج الكبيرة تخلق طبقة جديدة تمامًا من التجريد والتخصص ، وقد أطلقت عليها حتى الآن" تلميح المهندسين "، لكنها الآن ليست مجرد مسألة تلميح."
بالإضافة إلى ذلك ، أشار إلى أربع نقاط رئيسية:
أثناء المناقشة ، اقترح بعض الأشخاص أيضًا أسماء مثل "مهندس معرفي" و "مهندس نظام AI" كمرشحين. يعتقد عالم الذكاء الاصطناعي في Nvidia Jim Fan أن هذه المهنة الناشئة يجب أن تسمى "مهندس غير متدرج" - من الأدوات التقليدية 1.0 ، إلى الشبكة العصبية 2.0 ، ثم إلى 3.0 بدون بنية متدرجة ، انتظرنا أخيرًا الإصدار 4.0 من سلسلة GPT للتدريب الذاتي.
هناك العديد من الأسماء والتعريفات المقدمة ، دعونا نرى ما هو نوع الوظيفة "مهندس الذكاء الاصطناعي"؟
نحن نشهد تحولًا لمرة واحدة كل عقد في الذكاء الاصطناعي المطبق ، مدعومًا بالقدرات الهائلة للنماذج الأساسية والنماذج الكبيرة مفتوحة المصدر وواجهات برمجة التطبيقات.
مهام الذكاء الاصطناعي التي استغرقت خمس سنوات وفريق بحثي لإنجازها في عام 2013 تتطلب الآن فقط واجهات برمجة التطبيقات والوثائق وفترة ما بعد الظهيرة في عام 2023.
إذا تم أخذ هذا الموقف على محمل الجد ، فيجب اعتباره وظيفة بدوام كامل. نتيجة لذلك ، ستنتج هندسة البرمجيات مجالًا فرعيًا جديدًا مخصصًا لتطبيق الذكاء الاصطناعي وتوظيف المكدس الناشئ بشكل فعال ، مثل "مهندسو موثوقية الموقع" (SREs) و "مهندسو DevOps" و "مهندسو البيانات" وينطبق الشيء نفسه على ظهور "المهندسين التحليليين".
يبدو أن الإصدار الجديد (والأقل روعة) لهذا الدور هو: مهندس ذكاء اصطناعي.
نحن نعلم أن كل شركة ناشئة لديها نوع من قناة Slack لمناقشة استخدام الذكاء الاصطناعي ، وقريبًا ستنتقل هذه القنوات من المجموعات غير الرسمية إلى الفرق الرسمية. يعمل الآلاف من مهندسي البرمجيات حاليًا على إنتاج واجهات برمجة تطبيقات الذكاء الاصطناعي ونماذج OSS ، سواء خلال ساعات العمل أو في المساء وعطلات نهاية الأسبوع ، في شركة Slacks أو Discords المستقلة ، وكلها احترافية ومركزية تحت عنوان واحد: مهندس الذكاء الاصطناعي.
من المرجح أن تكون هذه الوظيفة الهندسية الأكثر طلبًا في العقد المقبل.
سيتم العثور على مهندسي الذكاء الاصطناعي في كل مكان ، من عمالقة التكنولوجيا مثل Microsoft و Google ، إلى الشركات الناشئة الرائدة مثل Figma و Vercel و Notion ، إلى المطورين المستقلين مثل Simon Willison و Pieter Levels و Riley Goodside. يكسبون 300000 دولار سنويًا لممارستهم الهندسية في Anthropic و 900000 دولار سنويًا لبرمجيات البناء في OpenAI. يقضون عطلات نهاية الأسبوع المجانية في التفكير في الأفكار في AGI House ومشاركة النصائح حول / r / LocalLLaMA subreddit على Reddit.
القاسم المشترك بينهم جميعًا هو القدرة على ترجمة التطورات في الذكاء الاصطناعي إلى منتجات عملية يستخدمها ملايين الأشخاص بين عشية وضحاها تقريبًا. وفيه ، لا ترى عنوان دكتوراه. عند تقديم منتجات الذكاء الاصطناعي ، فأنت بحاجة إلى مهندسين وليس باحثين.
** الانعكاس الكبير لمهندسي الذكاء الاصطناعي ومهندسي ML **
تظهر مجموعة من البيانات على موقع إنديد أن عدد الوظائف لمهندسي التعلم الآلي هو 10 أضعاف عدد مهندسي الذكاء الاصطناعي ، ولكن بالمقارنة ، فإن معدل النمو في مجال الذكاء الاصطناعي أسرع ، ومن المتوقع أن هذا ستكون النسبة في غضون خمس سنوات. يحدث الانعكاس وسيكون هناك عدة أضعاف عدد مهندسي الذكاء الاصطناعي مثل مهندسي ML.
كان الجدل حول الاختلافات بين الذكاء الاصطناعي والتعلم الآلي لا نهاية له ، ولكنه حذر. نعلم أيضًا أنه يمكن لمهندسي البرمجيات العاديين إنشاء برامج الذكاء الاصطناعي. ومع ذلك ، فقد دارت المناقشات مؤخرًا حول موضوع آخر ، وهو موضوع شائع في Hacker News أثار اهتمامًا واسع النطاق بعنوان "How to get into AI engineering". يوضح هذا المنشور المشهور أيضًا المبادئ الأساسية المقيدة التي لا تزال موجودة في السوق ، وهو التمييز بين كل موقف لا يزال على ما يرام.
حتى الآن ، اعتقد الكثير من الناس أن هندسة الذكاء الاصطناعي هي شكل من أشكال هندسة التعلم الآلي أو هندسة البيانات ، لذلك عندما يسأل شخص ما عن كيفية الدخول في مجال ما ، فإنهم يميلون إلى التوصية بنفس المتطلبات الأساسية ، كما في الإجابات أعلاه ، يوصي العديد من الأشخاص بـ Andrew Ng's Coursera دورة. لكن لم يكمل أي من هؤلاء المهندسين الفعالين في الذكاء الاصطناعي دورة Wu Enda في Coursera ، فهم ليسوا على دراية بـ PyTorch ، ولا يعرفون الفرق بين Data Lake (Data Lake) و Data Warehouse (Data Warehouse).
في المستقبل القريب ، لن يقترح أحد أن تبدأ في تعلم هندسة الذكاء الاصطناعي من خلال قراءة ورقة Transformer "الانتباه هو كل ما تحتاجه" ، أكثر مما تبدأ في تعلم القيادة من خلال قراءة المخططات الخاصة بطراز Ford Model T. بالطبع ، من المفيد فهم الأساسيات والتطور التاريخي للتكنولوجيا ، والتي يمكن أن تساعدك في إيجاد طرق لتحسين تفكيرك وكفاءتك. لكن في بعض الأحيان يمكنك أيضًا استخدام المنتجات لمعرفة خصائصها من خلال الخبرة العملية.
لن يحدث عكس مهندسي الذكاء الاصطناعي مقابل مهندسي التعلم الآلي بين عشية وضحاها ، وبالنسبة لشخص يتمتع بخلفية جيدة في علوم البيانات والتعلم الآلي ، فقد لا تبدو الهندسة وهندسة الذكاء الاصطناعي جيدة لفترة طويلة. ومع ذلك ، بمرور الوقت ، ستسود اقتصاديات العرض والطلب ، وستتغير آراء الناس حول هندسة الذكاء الاصطناعي.
** لماذا يرتقي مهندسو الذكاء الاصطناعي؟ **
على مستوى النموذج ، أصبحت العديد من النماذج الأساسية الآن عبارة عن متعلمين قليلو الخبرة يتمتعون بقدرات تعلم قوية للسياق وقدرات نقل صفرية.غالبًا ما يتجاوز أداء النموذج الهدف الأصلي لنموذج التدريب. بمعنى آخر ، الأشخاص الذين قاموا بإنشاء هذه النماذج لا يعرفون تمامًا نطاق قدرات النماذج. ويمكن لأولئك الذين ليسوا خبراء في LLM (نموذج اللغة الكبيرة) اكتشاف هذه القدرات واستغلالها من خلال التفاعل بشكل أكبر مع النموذج وتطبيقه على المجالات التي تم التقليل من شأنها من خلال البحث.
على مستوى المواهب ، احتكرت مختبرات Microsoft و Google و Meta والنماذج الأساسية الكبيرة المواهب البحثية النادرة ، وتوفر واجهات برمجة التطبيقات لـ "أبحاث الذكاء الاصطناعي كخدمة". قد لا تتمكن من توظيف هذا النوع من الباحثين ، ولكن يمكنك استئجار خدماتهم. يوجد الآن حوالي 5000 باحث LLM و 50 مليون مهندس برمجيات في جميع أنحاء العالم. يفرض قيد العرض هذا أن مهندسي الذكاء الاصطناعي في الفئة "الوسطى" سيرتفعون لتلبية الطلب على المواهب.
على مستوى الأجهزة ، قامت الشركات والمؤسسات التكنولوجية الكبرى بتخزين وحدات معالجة الرسومات بكميات كبيرة. بالطبع ، كانت OpenAI و Microsoft أول من فعل ذلك ، لكن Stability AI بدأ منافسة GPU للشركات الناشئة من خلال التأكيد على 4000 مجموعة GPU الخاصة بهم.
حتى أن المستثمر والمدير التنفيذي للتكنولوجيا في الولايات المتحدة نات فريدمان أعلن عن مبادرته أندروميدا ، وهي مجموعة GPU بقيمة 100 مليون دولار مع 10 exaflops من قوة الحوسبة المخصصة لدعم الشركات الناشئة التي تستثمر فيها. على الجانب الآخر من مشهد واجهة برمجة التطبيقات ، سيتمكن المزيد من مهندسي الذكاء الاصطناعي من استخدام النماذج ، وليس فقط تدريبهم.
من حيث الكفاءة ، بدلاً من مطالبة علماء البيانات ومهندسي التعلم الآلي بأداء عملية جمع البيانات المملة قبل تدريب نموذج واحد خاص بمجال معين ووضعه في الإنتاج ، يمكن لمديري المنتجات ومهندسي البرمجيات بناء أفكار المنتج والتحقق منها من خلال التفاعل مع LLM.
على مستوى البرنامج ، ستكون هناك تغييرات من Python إلى Java. تمركزت البيانات وعالم الذكاء الاصطناعي تقليديًا حول Python ، وكذلك كانت الأدوات الهندسية الأولى للذكاء الاصطناعي مثل LangChain و LlamaIndex و Guardrails. ومع ذلك ، يجب أن يكون هناك على الأقل عدد من مطوري Java مثل عدد مطوري Python ، لذلك تتوسع الأدوات بشكل متزايد في هذا الاتجاه ، من LangChain.js و Transformers.js إلى AI SDK الجديد من Vercel. الحجم الإجمالي للسوق وفرصة استخدام Java أمر مثير للإعجاب.
عندما تأتي مجموعة فرعية بخلفية مختلفة تمامًا ، وتتحدث لغة مختلفة تمامًا ، وتصنع منتجًا مختلفًا تمامًا ، وتستخدم أداة مختلفة تمامًا ، ينتهي بهم الأمر بالانقسام إلى مجموعتهم الخاصة.
** دور الكود في تطور البرمجيات 2.0 إلى البرمجيات 3.0 **
منذ 6 سنوات ، كتب Andrej Karpathy مقالًا مؤثرًا للغاية يصف Software 2.0 ، حيث يقارن المجموعات الكلاسيكية من لغات البرمجة المكتوبة يدويًا التي تصمم المنطق بدقة مع مجموعات جديدة من الشبكات العصبية للتعلم الآلي المنطقي. توضح المقالة أن البرامج يمكن أن تحل العديد من المشكلات أكثر مما يستطيع البشر تصميمه.
هذا العام ، واصل كارباثي نشر أن اللغة الإنجليزية هي أكثر لغات البرمجة الجديدة سخونة ، حيث يمكن فهم تلميحات الذكاء الاصطناعي التوليدية على أنها رمز من تصميم الإنسان ، في كثير من الحالات باللغة الإنجليزية ، ويتم تفسيرها بواسطة LLM ، مما يؤدي في النهاية إلى سد الثغرات الموجودة في مخططه. منطقة رمادية.
في العام الماضي ، أصبحت الهندسة موضوعًا شائعًا ، وبدأ الناس في تطبيق GPT-3 و Stable Diffusion للعمل. يسخر الناس من الشركات الناشئة في مجال الذكاء الاصطناعي باعتبارها أغلفة OpenAI ويقلقون بشأن ضعف تطبيقات LLM للتلميح إلى الحقن وعكس هندسة التلميح.
لكن موضوعًا مهمًا للغاية في عام 2023 يتعلق بإعادة إنشاء دور الكود المكتوب بواسطة البشر ، من Langchain العملاقة بأكثر من 200 مليون دولار أمريكي إلى Voyager المدعومة من Nvidia ، مما يُظهر أهمية إنشاء الكود وإعادة استخدامه. الهندسة مبالغة ومستمرة في نفس الوقت ، ولكن إعادة ظهور نموذج Software 1.0 في تطبيقات Software 3.0 يمثل فرصة كبيرة ومساحة جديدة لعدد كبير من الشركات الناشئة: