正如云计算在 2000 年代中期首次出现时改变了企业和行业一样，机器学习和人工智能现在也准备好做同样的事情。事实上，如果还不清楚的话——人工智能革命已经全面降临在我们身上。我们已经看到了对那些没有在需要时足够快地采用云技术的公司的影响：他们最终将市场份额输给了更灵活的竞争对手。

“公司很少会因为行动太快而倒闭，而经常会因为行动太慢而倒闭。”
——里德·黑斯廷斯，Netflix 联合创始人

那么人工智能革命将如何影响科技行业及其招聘实践？

OpenAI 的大型语言模型 GPT-4 的最新迭代引起了大量炒作，并使科技行业陷入采用这项新技术的狂热之中。

人工智能的最新进展引发了多个行业的一系列活动：营销、金融、零售、教育，甚至医疗保健。人工智能无处不在，从可以回答查询的客户服务聊天机器人到自动化流程，再到可用于提供有价值的数据洞察力的分析。

我们看到正在发生广泛的变化，将人工智能集成到业务运营的关键部分（无论是否必要），这并不奇怪。在发现机器学习和人工智能可以做些什么来让我们的生活更轻松时，可能性似乎是无穷无尽的。

不幸的是，我们也看到许多新闻文章未能传达人工智能技术的真正潜力，而是支持对人工智能的高度点击描述，这些描述不祥地徘徊在准感知的边缘。为了帮助区分事实与虚构，我们将了解什么是 AI，它被用来完成什么，以及如何利用它来发挥自己的优势。

让我们开始吧！

打破 GPT-4 炒作

在 ChatGPT-3 的首次亮相使互联网停滞不前仅几个月后，OpenAI 于 2023 年 3 月 14 日发布了其最新版本：GPT-4，再次掀起波澜。

GPT-4 是 OpenAI 开发的基于GPT-4 深度学习架构的高级大型语言模型。据估计，GPT-4 的参数大约是 GPT-3.5 的十倍。OpenAI 之前的语言模型 GPT-3 在大约1750 亿个参数上进行了训练。

在 GPT-4 等深度学习模型的上下文中，参数是指在训练过程中学习到的模型神经网络架构中的偏差。参数帮助模型从训练数据中识别模式、关系和其他特征。
换句话说
，参数越多越好。

尽管功能强大，但 GPT-4 也有其局限性。AI 模型只能根据它们接受训练的参数进行学习和决策，因此基于这些深度学习架构构建的聊天机器人偶尔会产生错误或无意义的响应并不少见。与任何其他人工智能模型一样，GPT-4 仍然容易受到不可靠性、幻觉和偏见的影响。

GPT-4 好多少？

• 性能：GPT-4 在传统基准测试中优于现有的大型语言模型和大多数最先进的模型。GPT-4 在各种专业和学术基准测试中展示了人类水平的表现，包括在模拟律师考试中得分前 10%。
• 可靠性：GPT-4 比 GPT-3.5 更可靠，可以处理更细微的指令，同时产生更好的响应。
• 可操纵性：GPT-4 的可操纵性得到改善，允许开发人员使用系统消息自定义 AI 行为。可操纵性是指指导或控制人工智能系统行为的能力，特别是根据特定用户要求生成响应或完成任务的能力。
• 安全性：与 GPT-3.5 相比，OpenAI 花了 6 个月的时间调整 GPT-4 以提高真实性、可操纵性和对护栏的遵守。

ML/AI 对科技行业的影响

机器学习和人工智能技术已经开始对科技行业产生广泛的变革性影响。OpenAI 与 GPT 的合作只是这场革命的一小部分。

随着新产品和技术的不断涌现，我们也会看到其他业务领域的改进：

• 自动化、优化和效率。
  ML 和 AI 可能会在这些领域产生最重大的影响。更多任务将实现自动化以提高效率和生产力，从而增加对人工智能工具的需求。
• 增强的用户体验。
  随着 AI 模型变得越来越复杂，它们可以处理更细微的输入，了解用户偏好，并帮助提供个性化的内容和服务。
• 数据驱动的决策。AI 和 ML 已被广泛用于利用大数据的力量。尽管如此，我们仍可以期待看到更准确、更可靠的结果，以帮助推动更好的数据驱动业务决策。
• 新产品和服务。ML 和 AI 技术的改进将不可避免地导致以前无法提供的产品和服务的开发。

ML/AI 的招聘和工作前景

ML 和 AI 专家的职业前景非常乐观。

随着技术的进步，我们预计对 ML 和 AI 专家的需求会增加。由于 ML/AI 技术的数据密集度如此之高，我们还可以预期对数据科学家和其他数据专业人员的需求也会出现类似的增长。

此外，由于 ML/AI 是处理平凡的、基于逻辑的任务的理想选择，我们可能会看到更多的关注点是招聘具有创造性的、更高水平的技能。

根据美国劳工统计局的数据，从 2021 年到 2031 年，这些领域的职业预计将增长 21%，这些职位的年薪中位数高达13.1 万美元，令人印象深刻。

今天如何利用 ML/AI 发挥您的优势

随着 AI 革命的成熟，这些专业人士将对他们在开发和改进 AI/ML 技术方面的专业知识有很高的需求。

然而，没有专门 AI/ML 技能的开发人员也应该期望从中受益。人工智能和机器学习的进步将创造对能够使用 API 或其他工具将 AI/ML 技术集成和利用到各种产品和服务中的开发人员的需求。这将扩大可以从 AI/ML 进步中受益的应用程序和行业的范围。

学习将 ML/AI 集成到您开发的软件中对未来至关重要，但就目前而言，您可以开始在更简单的层面上利用它的力量和能力。

开始利用 ML/AI 的最简单方法之一是开始使用 AI 驱动的工具。已经有很多工具可用，您可能已经使用过其中的几个。

• Siri、Alexa 和 Bixby 等虚拟助手使用自然语言处理 (NLP) 来理解和响应用户命令。
• ChatGPT-4 和 Google Bard 等人工智能聊天机器人用于快速响应客户查询，还用于收集反馈或提供个性化推荐。
• Midjourney 和 DALL-E 2 等图像生成器使用文本描述来生成数字图像。

以下是使用 ChatGPT-4 等人工智能技术的一些技巧：

• 分析和总结文本内容。如果您需要理解一篇技术性很强的文章或希望立即获得反馈以改进您的写作，ChatGPT-4 可以节省大量时间。
• 集思广益新想法。ChatGPT-4 等对话式 AI 可用于头脑风暴，因为它们可以快速生成创意、主题或解决方案列表。当您陷入困境并需要一些灵感时，这是一种快速前进的方法。
• 改善沟通。如果您发现自己编写了大量样板响应、电子邮件或消息，将大部分编写工作交给 ChatGPT 可能会节省一些时间和压力。

AI 和 ML 技术还通过任务自动化和增强的决策制定为团队和公司带来实实在在的好处，但它们也是促进创新的绝佳工具。有大量的信息和机会，现在是通过试验和发现将 ML 和 AI 融入工作场所的方法来保持竞争优势的好时机。

准备 ML/AI 面试

现在有两件事是正确的：

1. 现在开始学习如何成为 ML 或 AI 工程师还为时不晚——事实上，您可能还处于宏伟计划的早期阶段。
2. 随着这项技术的广泛整合，学习如何在日常生活中利用 ML 和 AI 将会带来回报。

无论您是想从事下一个主要学习模型，还是更喜欢更一般的开发角色，您都需要学会在面试中谈论 ML 和 AI，以确保您的职业面向未来。

准备 ML 和 AI 面试需要对核心概念有扎实的理解，熟悉相关工具和框架，并能够展示实践技能。

以下是一些可以帮助您做好准备的提示：

• 采用结构化的方法来准备面试。通过找到适合您日程安排的结构化学习课程，您将最大限度地提高成功的机会。一致性是关键！
• 查看基本的 ML/AI 概念。刷新您对监督和非监督学习、强化学习、深度学习、神经网络、特征工程等关键概念的了解。
• 了解流行的算法。熟悉 ML 中使用的标准算法，例如线性回归、逻辑回归、SVM、决策树和随机森林。
• 亲身实践编码和解决问题的技能。通过定期处理项目和解决问题，投入时间提高 Python 或其他相关编程语言的编码技能。

下一步

当我们目睹 AI 和 ML 技术（例如 GPT-4）取得令人难以置信的进步时，越来越明显的是，科技行业已进入转型期。拥抱这些变化并利用它们为您带来优势，将为激动人心的新机遇铺平道路，并帮助您在职业生涯中或在商业竞争对手中保持领先地位。

无论您是考虑从事 ML/AI 工程师的职业，旨在提高当前职位的技能，还是只是想了解 AI 对科技行业的影响，现在都是探索这些强大技术潜力的最佳时机。

• 如果您准备好将ML 基础知识添加到您的技能组合中，这门改编自牛津大学出版社的课程是一个很好的起点：
  掌握机器学习理论和实践
• 如果您想为 ML 工程师的工作做好准备，我推荐我们为软件开发人员提供的综合学习路径：
  成为机器学习工程师
• 如果您是编码新手，您可以尝试这条适合绝对初学者的特殊路径：
  机器学习从零到 Python 英雄

知识就是力量，通过保持消息灵通和积极主动，您将有能力驾驭令人兴奋的新世界。

一如既往，快乐学习！