编译丨诺亚
出品 | 51CTO技能栈（微旗子暗记：blog51cto）
在过去的 20 年，创新为我们造就了浩瀚迁移转变点，于这些迁移转变点处，全新的职业种别得以应运而生。回忆一下，2006 年亚马逊网络做事推出后，云端架构师与开拓者的职位便顺势涌现；伴随 iPhone 和 Android 的兴起，移动开拓者成为了崭新的职业角色；当我们积累了充足的数据和打算能力，足以让神经网络运行时，机器学习工程师这一职业就此产生；而后，上述三种趋势相互交汇领悟，数据科学家的职业开始引人瞩目。
这些新职业的出身均是对新兴技能的直接回应，它们不但改变了事情的办法，还塑造了全新的行业标准与需求。每一轮的技能革命都会催生一批新的专家角色，他们凭借最新的技能去办理繁杂的问题，有力地推动了社会和经济的发展。
沿着这样的演化轨迹，我们当下或许已经抵达了另一个迁移转变点：AI 工程师的兴起。在过去几年，AI 工程师日益盛行，他们处在利用大型措辞模型及其干系工具来构建天生式 AI 谈天机器人、Agent 以及其他能力的前沿位置。
随着根本模型和 AI 工程的逐渐成熟，一些趋势开始显露。我们与 SADA 公司的 Google Cloud 供应商、人工智能和机器学习副首席技能官 Simon Margolis 进行互换，以理解他们对付当前 AI 工程领域的不雅观察以及后续可能涌现的状况。
“这取决于你在天生式AI总体采取曲线上的位置，”Margolis说。“有些人还在试水，而有些人则在ChatGPT风靡环球之前就已经在做天生式AI事情了。你在这条发展路径上的位置，实际上深深影响着你所关注的核心趋势。”
总体而言，Margolis在2024年中期为AI工程师指出了三大关键趋势：
1）无代码构建AI Agent：纵然不具备编程背景或专业技能，如今也能轻松创建AI Agent，技能的门槛正被逐渐抹平。
2）传统AI与天生式AI的领悟：不再是单一领域的探索，而是将机器学习与天生式AI平分歧AI“模态”奥妙结合，创造出更加强大且灵巧的运用处景。
3）AI自我迭代：利用天生式AI助力天生式AI Agent的构建，这一循环增强的过程，使得AI的进化更为高效与智能。
1.无需代码构建AI Agent两大天生式AI平台——Google Cloud和OpenAI——都致力于让AI工程师能够更轻松地构建AI Agent，而无需过多纠结于根本模型或向量数据库本身。两者都引入了用于构建Agent的工具，Google Cloud的Vertex AI中的Agent Builder，以及OpenAI的GPT系列。
"对付早期的尝鲜者而言，最显著的趋势之一便是无需深厚技能功底就能打造天生式Agent，" Margolis提到。"以往，你得精通Transformer和RAG等技能细节，但现在，这种需求大大降落了。”
他强调，虽然仍有极客在手造Agent，但Agent Builder和GPTs已成为主流工具，广泛运用于实践。
简化技能哀求，让构建Agent变得触手可及，这不仅引发了创新，还授予了一线业务职员自行搭建Agent的能力，减少了对专业开拓者的依赖。
Margolis阐明说：“大略来讲，你从各种来源——可能是私有数据库、互联网或是两者的结合——提取信息，然后利用这些数据辅导AI工具或天生式助手的事情。”这与过去一两年盛行的LangChain模式相似，即通过不断迭代提升输出质量，直至达到预期效果。不同的是，如今这个过程变得更加直不雅观易懂。
借助Agent Builder和GPTs这类工具，即便是非专业人士也能轻松上手，仅凭日常措辞或直不雅观操作界面就能完成任务，使办理方案的履行变得更加直接有效。
2.领悟传统AI与天生式AI结合不同AI“模态”的想法可能对AI工程师来说更具实际兴趣。值得把稳的是，当Margolis评论辩论模态时，他指的是我们可能认为的“传统”机器学习与新型根本模型和天生式AI之间的差异。这不同于天生式AI内部的模态观点，在那里输入和输出取决于媒介，如文本、音频、视频或翻译。
当Margolis提及“模态”时，他实际上是在区分传统机器学习领域与新兴的根本模型及天生式AI技能之间的事情办法和特性。换句话说，“模态”指的是不同类型的AI处理办法或技能路径。对付AI工程师而言，如何有效地结合这些不同的“模态”以创造更强大、多功能的AI系统是一项寻衅和机遇。
“以往人们要么在天生式AI领域事情，要么在环绕推断和预测的传统机器学习天下里事情，但现在我们开始看到这两个领域的领悟。”
Margolis强调，天生式AI的利用不必依赖于专门的AI代理或谈天机器人构建。他举例解释，在医疗保健领域，AI能以天生文本的办法整理和展现由医护职员录入的患者信息。随后，集成有推理功能的AI工具会在同一系统内剖析这些信息，识别潜在的高风险病例。
回顾过去，Margolis阐明道：“若要开拓类似医疗案例的运用，我得乞助于懂模型搭建的ML专家同事，他们可能得用JAX或TensorFlow帮我打造预测模型，还得亲自操作GPU硬件，全体过程牵扯繁重的ML工程和数据科学任务。”而今，借助天生式AI，他可以直接将所需数据输入到预演习模型中进行处理，这一转变哀求截然不同的专业技能。
为了缩小传统机器学习与天生式AI间的鸿沟，诸如Google Cloud的Vertex AI平台之类的工具应运而生，SADA作为其优选互助伙伴，正致力于此。Margolis指出：“现在，工程师可以利用Vertex轻松创建AutoML模型。虽然这不是完备无代码的体验，但大大减少了编码需求。无需从头构建模型，无需编写TensorFlow或JAX代码，也无需管理GPU或底层系统架构。”
这样的进步意味着工程师们可以更加专注于运用层面的创新，而非被底层技能细节所束缚。
3.利用天生式AI来构建更多的天生式AI只管我们离打算机自我组装并自动编程的时期尚远，但AI工程界的一项引人瞩目的进展是，天生式AI正在助力构建更多同类型的AI实体、机器人以及运用程序。这是一个循环促进的过程，正如Margolis所说，它开启了广泛的参与机会。
“这确实是一个打破性的模式，让更多人有机会投身个中，”Margolis评论道。
他将此征象与云打算领域近十至十五年来的主要迁移转变相提并论，尤其是2010年旁边，开拓者首次能够在云中便捷地支配虚拟机；再到2014年前后，移动运用的开拓门槛显著降落，使得更多人得以加入。
“这就像我们在公有云时期所见证的‘啊哈’时候，”Margolis回顾道，“当每个初学打算机科学或系统设计的学生，大约在2010年旁边，都能独立搭建做事器和数据库时，那真是让人振奋。对付想要涉足AI领域的新人，一年半前还面临着一座难以超出的高山。那时，你须要投入大量的韶光和精力才能将你的构想变为现实。而现在，我们已处于一个创意即实践的阶段，有时，你乃至能在一顿午餐的韶光内就完成一项初步作品。”
“如今，入行的障碍已被大幅减少，这对付所有人来说都是一大利好。”这意味着，天生式AI技能的探索和运用正变得越来越遍及，为创新和实际运用开辟了更广阔的空间。
参考链接：https://thenewstack.io/3-key-trends-for-ai-engineering-in-the-cloud-in-2024/
来源： 51CTO技能栈
