Bài viết này sẽ tập trung vào hai chủ đề: Trong thời đại AI, có thực sự các lập trình viên sẽ bị đào thải? Làm thế nào chúng ta có thể cải thiện khả năng cạnh tranh trong thời đại AI?
Sự xuất hiện của ChatGPT đã tác động to lớn đến thế giới và nhiều mô hình ngôn ngữ lớn khác nhau đã xuất hiện. Có thể kể đến Google Bard, Bing Chat, Anthropic's Claude... Ở Trung Quốc có Baidu Wenxin Yiyan, Ali Tongyi Qianwen, Mô hình nhận thức Xunfei Xinghuo, Mô hình lớn Kunlun Wanwei Tiangong....
Mô hình ngôn ngữ lớn hiện tại có một bước nhảy vọt về chất lượng so với các mô hình trước đó về khả năng tạo mã và giải thích mã, nhiều lập trình viên đã bắt đầu sử dụng các mô hình ngôn ngữ lớn để viết mã, vì vậy nhiều người nghĩ rằng "lập trình viên sẽ bị thay thế bởi AI".
Bài viết này sẽ tập trung vào hai chủ đề:
Thời đại AI, lập trình viên có thực sự bị đào thải?
Làm thế nào chúng ta có thể cải thiện khả năng cạnh tranh trong thời đại AI?
Tôi nghĩ còn quá sớm để nói rằng "các lập trình viên sẽ bị thay thế hoàn toàn bởi AI", nhưng những lập trình viên chỉ biết đến CRUD (Create-Read-Update-Delete, nghĩa là "tạo, đọc, cập nhật, xoá) có thể phải đối mặt với việc bị đào thải.
Nếu bạn là một nhân viên đánh máy, nếu AI tiếp tục phát triển và độ chính xác của khả năng nhận dạng giọng nói thành văn bản của AI cao hơn so với một số nhân viên đánh máy cấp dưới, thì những nhân viên đánh máy cấp dưới sẽ phải đối mặt với việc bị loại.
Bây giờ khả năng tạo mã của AI rất mạnh và CURD đơn giản có thể bị AI thay thế hoàn toàn, vì vậy nếu bạn chỉ biết CRUD và các khả năng khác yếu thì bạn sẽ rất dễ bị đào thải.
Nhưng từ quan điểm hiện tại, sẽ có nhiều yếu tố dẫn đến việc nhiều lập trình viên cấp cao không dễ bị thay thế.
Đầu tiên, khả năng tạo mã mô hình lớn hiện tại vẫn còn hạn chế. Mặc dù mô hình lớn hiện có khả năng tạo mã, giải thích mã và thậm chí tối ưu hóa mã. Tuy nhiên, hiện tại, nó chủ yếu nằm ở kích thước "chức năng" và chưa thể tạo mã tốt cho kích thước lớp, kích thước mô-đun và kích thước dự án. Hơn nữa, mã được tạo ra cũng sẽ có nhiều vấn đề khác nhau, chẳng hạn như lỗi không thể chạy, sử dụng các thư viện lớp đã lỗi thời và một số lỗi tiềm ẩn. Mã được tạo vẫn cần mọi người tối ưu hóa, triển khai và xác minh. Các nhiệm vụ phức tạp cũng yêu cầu mọi người chia chúng thành các mức độ chi tiết mà các mô hình ngôn ngữ lớn có thể dễ dàng xử lý.
Thứ hai, hạn chế bảo mật dữ liệu. Nhiều công ty, đặc biệt là các nhà máy lớn, rất coi trọng bảo mật dữ liệu, họ không cho phép tiết lộ bí mật kinh doanh của công ty cho các mô hình lớn bên ngoài và người dùng không được phép tiết lộ mã công ty ra môi trường bên ngoài. mô hình trong các nhà máy lớn là hạn chế. Nó thường chỉ được sử dụng để tạo một số mã giống như công cụ đơn giản hoặc các mã khác không có thuộc tính kinh doanh.
Một lần nữa, khả năng của các mô hình tự phát triển là có hạn. Mặc dù nhiều nhà sản xuất lớn đã bắt đầu phát triển các mô hình quy mô lớn của riêng họ, nhưng vẫn có một khoảng cách lớn giữa dữ liệu, tài nguyên GPU và khả năng của mô hình so với các mô hình quy mô lớn của nước ngoài. nâng cao hiệu quả còn khó, hình thành đủ năng suất.
Cuối cùng, mã hóa chỉ là một phần của vòng đời phần mềm tổng thể. Phát triển phần mềm cũng bao gồm phân tích yêu cầu, thiết kế giải pháp kỹ thuật, viết mã, thử nghiệm, vận hành và bảo trì và các liên kết khác. Trong nhiều trường hợp, điều quyết định sự thành công hay thất bại của phần mềm là việc xây dựng và phân tích các yêu cầu cũng như thiết kế các giải pháp kỹ thuật trước khi viết mã. Đặc biệt là trong giai đoạn yêu cầu, nó liên quan đến rất nhiều giao tiếp giữa các cá nhân, mọi người cần ưu tiên, mọi người cần tranh giành tài nguyên, mọi người cần liên tục tập trung vào các yêu cầu với người quản lý sản phẩm, mã được viết tốt cần mọi người xác minh và các chương trình đã viết cần được kiểm tra, nghiệm thu yêu cầu vận hành, bảo trì để triển khai, v.v.
Giờ đây, thời đại của AI đã đến, giống như động cơ hơi nước và động cơ xuất hiện trong cuộc cách mạng công nghiệp, nó sẽ tác động sâu sắc đến nhiều ngành công nghiệp và nó đã trở thành xu hướng không thể đảo ngược.
Nhiều người sẽ nói rằng có nhiều thiếu sót trong mô hình lớn hiện tại, chẳng hạn như ảo giác và khả năng suy luận yếu, nhưng cũng giống như tai nạn có thể xảy ra khi lái xe, chúng ta không từ bỏ việc lái xe vì điều này, bởi vì chúng ta có thể nhận ra rằng nó mang đến cho bạn sự tiện lợi. Và chính vì sự không hoàn hảo của mô hình ngôn ngữ lớn mà chúng ta không dễ dàng bị loại bỏ. Nếu một ngày nào đó người quản lý sản phẩm thiết kế tài liệu yêu cầu, AI có thể tự động viết mã, tự động khắc phục sự cố và tự động triển khai, có lẽ các lập trình viên sẽ thực sự mất việc. Nếu một ngày nào đó AI có thể tạo ra các tài liệu yêu cầu tốt hơn các nhà quản lý sản phẩm, có lẽ các nhà quản lý sản phẩm cũng sẽ bị thay thế.
Giờ đây, nhiều người xung quanh tôi đã bắt đầu sử dụng các mô hình ngôn ngữ lớn để học công nghệ, viết mã, tìm ý tưởng và hỗ trợ giải quyết vấn đề, đồng thời nhiều nhóm kinh doanh đã bắt đầu sử dụng các mô hình lớn để giải quyết các vấn đề kinh doanh.
AI đã rút ngắn rất nhiều con đường nắm vững kiến thức, đối với một số kiến thức cần đọc nhiều sách, đọc nhiều cột mới hiểu được, hãy để công cụ AI đưa ra ví dụ và giải thích bằng ngôn ngữ dễ hiểu, có hệ thống và nhanh chóng. Một số mã có vẻ không phức tạp có thể mất nửa giờ để bạn tự viết, nhưng AI có thể hoàn thành nó sau một hoặc hai phút và có ít lỗi hơn. AI có thể nhanh chóng đưa ra nhiều giải pháp ứng cử viên giúp đưa ra các giải pháp hoàn hảo hơn cho nhiều vấn đề đã suy tính và không thể tìm ra giải pháp. Trước đây, những vấn đề không thể giải quyết trong mười phút, vài giờ hoặc thậm chí vài ngày có thể được giải quyết trong vài phút với sự trợ giúp của AI.
Với sự phù hộ của AI, những người có rất ít kinh nghiệm lập trình có thể "viết" mã tốt hơn nhiều kỹ sư cấp dưới thông qua các từ nhanh chóng. Với sự hỗ trợ của AI, những người từ một số quốc gia không nói tiếng Anh cũng có thể viết các bài báo bằng tiếng Anh đích thực. Trong thời đại này, AI mang lại khả năng vô tận cho nhiều ngành công nghiệp.
Vì vậy, theo tôi “không phải AI thay thế con người mà là người sử dụng AI loại bỏ những người không sử dụng được AI, và những người sử dụng tốt AI thay thế những người không sử dụng tốt AI”. Một mẫu xe phân khối lớn có thể coi như một chiếc ô tô, chúng ta không nên chống lại ô tô mà hãy học kỹ năng lái xe cho tốt, trở thành một "lái xe kỳ cựu", sử dụng nó để nâng cao hiệu quả cuộc sống và công việc, đồng thời sử dụng nó để làm ra tiền.
2. Cảnh giác với “những điều cực đoan phải bị đảo ngược”
Nhiều người có kinh nghiệm này, từ khi ra trường ít khi trực tiếp viết tay, trong cuộc sống và công việc thường phải gõ bàn phím hay thậm chí là giao tiếp bằng giọng nói, và thường “cầm bút quên chữ”. Đây là cái gọi là "sử dụng nó hoặc mất nó".
Đồng thời, nhiều người cũng nhận thấy rằng ngày càng có nhiều người nghiện Tiktok... chủ yếu là do các nền tảng này có các thuật toán đề xuất mạnh mẽ để phân tích sở thích của bạn và đẩy nhiều nội dung bạn thích hơn. Hãy để bạn thưởng thức nó và đồng thời củng cố “thành kiến” của bạn, điều đáng cảnh giác.
Nếu chúng ta có nhiều thứ và không thể suy nghĩ trước mà phụ thuộc quá nhiều vào các mô hình ngôn ngữ lớn, thì khả năng tư duy của chúng ta sẽ giảm sút. Tuy nhiên, khả năng mà con người có lợi thế hơn AI là khả năng sáng tạo, khả năng đặt câu hỏi... Nếu suy giảm khả năng suy nghĩ, chúng ta dễ dàng bị AI làm cho lung lay.
Vì vậy, khi gặp phải vấn đề, trước tiên nên nghĩ cách tự mình giải quyết, nếu trong thời gian ngắn không giải quyết được thì thử hỏi lại AI, sau đó hỏi người khác xem có giải quyết được không. Khi bạn cần thực hiện một số thiết kế, trước tiên bạn phải tự mình nghĩ về kế hoạch, sau đó để AI đưa ra một số gợi ý cho bạn để không ngừng làm phong phú thêm kế hoạch của bạn, để tạo thành một vòng tròn đạo đức.
Nhưng bây giờ cũng có những vấn đề về "độc tính" và "ảo giác" trong các mô hình ngôn ngữ lớn. Nếu một trong hàng trăm câu do mô hình lớn tạo ra có lẫn lộn một câu sai, nếu mô hình lớn tạo ra nội dung có vẻ rất đúng, nếu chúng ta thiếu kiến thức chuyên môn, thiếu nhận thức và khả năng phân biệt sẽ dễ gây tác động tiêu cực.
Nhiều người sẽ nói: “Thời đại AI đã đến, và không cần phải nghiên cứu sâu về lý thuyết máy tính”. Tôi nghĩ ngược lại, chỉ bằng cách học tốt các lý thuyết và công nghệ liên quan đến máy tính, chúng ta mới có thể nâng cao khả năng để xác định thông tin do AI tạo ra và tận hưởng những lợi ích do AI mang lại. Trong khi cải thiện hiệu suất, hãy giảm tác động tiêu cực của nó.
3. Nắm bắt xu hướng và suy nghĩ cách hòa nhập tốt hơn với doanh nghiệp
Cũng như phần đầu đã lấy chiếc xe làm ví dụ. Mặc dù thời đại AI đã đến, bây giờ mọi người đều biết rằng AI là một xu hướng và họ đều đánh giá cao sự cải thiện hiệu quả to lớn của AI, nhưng các khái niệm thiết kế của mọi người vẫn bị mắc kẹt trong thế hệ trước và họ đang áp dụng AI một cách máy móc vào bản gốc hệ thống sản phẩm, giống như việc lắp động cơ trực tiếp lên xe đẩy hoặc trực tiếp lên xe đạp cũng vậy.
Khi chúng ta nghĩ về cách kết hợp các mô hình lớn với kinh doanh, chúng ta không thể áp dụng trực tiếp AI vào kinh doanh. Chúng ta cần nghĩ xem nhiệm vụ nào phù hợp để sử dụng mô hình ngôn ngữ lớn và phương pháp kỹ thuật nhiệm vụ nào sẽ rẻ hơn và hiệu quả hơn so với quy mô lớn. Giống như máy bay và đường ray cao tốc nhanh hơn, nhưng xe đạp, ô tô và tàu điện ngầm vẫn được sử dụng rộng rãi, các công nghệ khác nhau được sử dụng trong các lĩnh vực chuyên môn tương ứng và các nhiệm vụ phức tạp thường yêu cầu kết hợp nhiều phương pháp.
Ngoài ra, khi kết hợp mô hình lớn với doanh nghiệp, cần phải suy nghĩ về một cách sáng tạo hơn để tích hợp mô hình và doanh nghiệp. Nếu so sánh mô hình với động cơ, khi thực hiện hợp nhất, chúng ta không nên nghĩ đến việc "làm thế nào để lắp trực tiếp động cơ vào xe đạp", mà nên định hình lại khung, "phát minh ra ô tô", trang bị cho ô tô "điều hướng", thêm "điều hòa không khí", nâng cấp từ hộp số tay lên hộp số tự động, thậm chí thêm các chức năng như "hỗ trợ lái" và "lái tự động".
Khi kết hợp mô hình quy mô lớn với kinh doanh, cần xây dựng tiêu chuẩn kỹ thuật cho mô hình quy mô lớn càng sớm càng tốt, liên tục tối ưu hóa mô hình và xác minh hiệu quả, đồng thời phát triển liên kết kỹ thuật khi gần đạt tiêu chuẩn này, có thể tiết kiệm rất nhiều đường vòng.
Ngoài ra, tôi thấy rằng tương đối thiếu sinh viên tham gia vào các thuật toán mô hình quy mô lớn và với việc mở API cho các mô hình lớn, độ phức tạp của nền tảng đào tạo mô hình ngày càng thấp hơn và ngay cả những sinh viên phát triển front-end cũng đã phá vỡ ranh giới chức năng và bắt đầu học hỏi.
Họ thậm chí đã bắt đầu đào tạo và điều chỉnh các mô hình lớn để tăng tốc độ lặp lại mô hình và phục vụ tốt hơn cho hoạt động kinh doanh của chính họ. Đó là một cơ hội tốt cho sinh viên phát triển, nhưng trong quá trình này, nên có các sinh viên thuật toán chuyên nghiệp hướng dẫn, nhiều vấn đề thuật toán và vấn đề kỹ thuật rất khác nhau, và cần phải học tập đặc biệt. Lấy một ví dụ đơn giản, trong quá trình đào tạo một số mô hình, một số mẫu được dán nhãn thủ công là bắt buộc, nhưng kiến thức thông thường trong mắt các sinh viên thuật toán chuyên nghiệp: kích thước mẫu phải đủ lớn, chất lượng mẫu phải cao, mẫu nên đa dạng hơn, nhiều loại khác nhau. Mẫu càng cân đối càng tốt. Đối với những lập trình viên mới bắt đầu đào tạo mô hình có thể không hiểu, dẫn đến mất nhiều thời gian để tạo ra một số lượng lớn các mẫu được gắn nhãn thủ công nhưng nhiều mẫu có chất lượng thấp hoặc thiếu đa dạng, tức là một nửa công sức.
4. Điều quan trọng là tăng cường các khả năng mà AI không dễ thay thế
Trong kỷ nguyên của AI, nhiều nhiệm vụ đơn giản và rõ ràng sẽ được thay thế bằng AI.
Vì vậy, nơi nào chúng ta đi từ đây?
Theo tôi, trong thời đại AI này, nhiều nhiệm vụ tương đối đơn giản sẽ được thay thế bằng AI. Trong thời đại mới, chúng ta cần học những năng lực mới, để đạt được lợi thế cạnh tranh, chúng ta cần kiên trì học tập, thậm chí học tập suốt đời. Giống như cha mẹ chúng ta cần "theo kịp thời đại" và học cách sử dụng thanh toán di động, trong thời đại AI, chúng ta phải học cách đưa ra yêu cầu để sử dụng tốt hơn các mô hình lớn để giải quyết vấn đề. Trong tương lai, có thể không cần phải viết những từ nhắc phức tạp, nhưng sẽ có nhiều công nghệ mới xuất hiện và chúng ta cần tiếp tục học hỏi.
Khi một số khả năng từng đòi hỏi chi phí học tập cao có thể được thực hiện hiệu quả hơn thông qua AI, các "lập trình viên CURD" cấp thấp sẽ sớm bị loại bỏ. Do đó, chúng ta cần đặc biệt củng cố những khả năng mà AI không dễ thay thế, để ít có khả năng bị đào thải và đạt được lợi thế cạnh tranh lớn hơn. Bao gồm nhưng không giới hạn ở: kỹ năng nói nhanh, tư duy sản phẩm, tính sáng tạo, khả năng suy luận tổng hợp, khả năng đặt câu hỏi, khả năng giao tiếp, khả năng phân tích vấn đề phức tạp...
Nhiều sinh viên có thể hỏi, làm thế nào để thành thạo những khả năng này?
Một số khả năng cần được trau dồi trong công việc hàng ngày, chúng ta cần tích cực suy nghĩ và tích lũy từ từ, chẳng hạn như tư duy sản phẩm và khả năng đặt câu hỏi.
Một số khả năng có thể được học nhanh chóng thông qua AI và sau đó thành thạo thông qua thực hành liên tục, chẳng hạn như kỹ năng giao tiếp và khả năng phân tách các vấn đề phức tạp. Trong thời đại của AI, chúng ta phải học cách sử dụng AI để học. Chúng ta có thể tải dữ liệu lên AI và học trực tiếp thông qua đối thoại. Nếu bạn không hiểu kiến thức, bạn cũng có thể để AI giải thích trực tiếp cho chúng tôi và để nó cho chúng tôi một ví dụ. Ví dụ: nếu bạn muốn cải thiện kỹ năng giao tiếp trong công việc, bạn có thể yêu cầu AI giới thiệu một số kỹ năng giao tiếp phổ biến và bạn có thể yêu cầu AI giải thích cho bạn "giao tiếp bất bạo động" là gì; kỹ năng thể hiện, hãy để AI giải thích cho bạn bạn "tư duy có cấu trúc" là gì, và "cách thực hành tư duy có cấu trúc" và "thực hành có chủ ý" tại nơi làm việc.
Ví dụ, sau đây là gợi ý do AI đưa ra cho câu hỏi "Làm thế nào để biểu đạt của bạn có cấu trúc hơn?", rất có giá trị tham khảo:
Để làm cho biểu thức của bạn có cấu trúc hơn, bạn có thể làm theo các phương pháp và kỹ thuật sau:
1. Làm rõ chủ đề: Trước khi diễn đạt, trước tiên hãy làm rõ chủ đề hoặc ý chính muốn truyền đạt. Điều này giúp đảm bảo rằng nội dung của bạn luôn đúng chủ đề và tránh lạc đề hoặc kéo dài.
2. Lập dàn ý: Trước khi bạn bắt đầu viết hoặc nói, hãy lập dàn ý đơn giản. Liệt kê các điểm chính và ý chính, sau đó sắp xếp bài thuyết trình của bạn theo dàn ý này.
3. Đoạn văn rõ ràng: Hãy đảm bảo rằng cách diễn đạt của bạn phải có đoạn văn, mỗi đoạn văn nên có câu chủ đề rõ ràng và phát triển xung quanh câu chủ đề.
4. Sử dụng liên từ: Liên từ có thể kết nối các biểu thức của bạn với nhau một cách hiệu quả và làm cho nội dung trở nên mạch lạc hơn. Ví dụ: những từ như "đầu tiên", "tiếp theo" và "cuối cùng" là những cách tuyệt vời để hướng dẫn người đọc hoặc người nghe thông qua dòng suy nghĩ của bạn.
5. Đưa ra ví dụ: Cho dù bạn đang viết hay nói, hãy hỗ trợ quan điểm của bạn bằng cách cung cấp các ví dụ và trường hợp cụ thể. Điều này có thể làm cho bài thuyết trình của bạn thuyết phục và đáng tin cậy hơn.
6. Tránh dài dòng: Diễn đạt ngắn gọn, rõ ràng là mấu chốt của diễn đạt có cấu trúc. Tránh các câu dài hoặc các từ lặp đi lặp lại và giữ cho nội dung ngắn gọn.
7. Câu chuyển đoạn: Đảm bảo giữa các đoạn có các câu chuyển đoạn rõ ràng giúp người đọc, người nghe hiểu được mối liên hệ giữa các đoạn khác nhau.
8. Chú ý đến ngữ pháp và dấu câu: Ngữ pháp và dấu câu tốt là nền tảng của cách diễn đạt có cấu trúc. Đảm bảo sử dụng đúng dấu câu và các quy tắc ngữ pháp để tránh sự mơ hồ và nhầm lẫn.
9. Sửa đi sửa lại: viết là một quá trình cải thiện dần dần. Sau khi viết bản nháp đầu tiên, hãy sửa đi sửa lại và hoàn thiện bài thuyết trình của bạn để đảm bảo tính logic và trật tự thông tin rõ ràng.
10. Thực hành: Việc trình bày có cấu trúc cần có thời gian và thực hành. Làm nhiều bài tập viết và nói hơn, dần dần hình thành thói quen diễn đạt có cấu trúc.
Bằng cách áp dụng những phương pháp và kỹ thuật này, bạn có thể dần dần cải thiện khả năng thể hiện bản thân, khiến nó trở nên có cấu trúc, rõ ràng và có tổ chức hơn.
Có ý kiến cho rằng khi muốn phát huy một khả năng nào đó, bạn có thể hỏi trực tiếp AI để biết nó là gì, tại sao, làm như thế nào và vận dụng linh hoạt vào công việc.
Về điểm này, cư dân mạng cẩn thận có lẽ đã phát hiện ra từ lâu, bài viết này là một bài viết tuân theo nguyên tắc cấu trúc nêu trên.
Đừng phàn nàn về sự không hoàn hảo của AI, chính sự không hoàn hảo của AI khiến chúng ta ít bị đào thải hơn.
Khi mọi người sử dụng các mô hình lớn, khám phá nhiều tình huống ứng dụng hơn, thành thạo các kỹ năng từ nhanh chóng và phát huy hết giá trị của các mô hình lớn. Ngày nay, khi AI ngày càng trở nên phổ biến, việc đào tạo và củng cố con người càng có giá trị hơn AI. Chỉ bằng cách không ngừng học hỏi, chúng ta mới có thể đạt được nhiều lợi thế hơn trong thời đại này.
Bạn nghĩ chúng ta có thể nắm bắt xu hướng này như thế nào trong kỷ nguyên AI? Chúng ta cần tăng cường những khả năng nào khác?
>> Hướng dẫn cho người mới bắt đầu sử dụng Plugin ChatGPT
Sự xuất hiện của ChatGPT đã tác động to lớn đến thế giới và nhiều mô hình ngôn ngữ lớn khác nhau đã xuất hiện. Có thể kể đến Google Bard, Bing Chat, Anthropic's Claude... Ở Trung Quốc có Baidu Wenxin Yiyan, Ali Tongyi Qianwen, Mô hình nhận thức Xunfei Xinghuo, Mô hình lớn Kunlun Wanwei Tiangong....
Mô hình ngôn ngữ lớn hiện tại có một bước nhảy vọt về chất lượng so với các mô hình trước đó về khả năng tạo mã và giải thích mã, nhiều lập trình viên đã bắt đầu sử dụng các mô hình ngôn ngữ lớn để viết mã, vì vậy nhiều người nghĩ rằng "lập trình viên sẽ bị thay thế bởi AI".
Bài viết này sẽ tập trung vào hai chủ đề:
Thời đại AI, lập trình viên có thực sự bị đào thải? Làm thế nào chúng ta có thể cải thiện khả năng cạnh tranh trong thời đại AI?Lập trình viên sẽ bị đào thải?
Chủ đề "lập trình viên sẽ bị thay thế" đã được đưa ra sau sự bùng nổ gần đây của AI. Trước đó, khi low code (một hình thức phát triển phần mềm hoặc ứng dụng dựa trên một nền tảng có sẵn, với sự hỗ trợ của các công cụ và các thành phần có sẵn để giảm thiểu việc viết mã lập trình truyền thống) xuất hiện, nhiều người đã bắt đầu thảo luận về việc liệu các lập trình viên có bị loại bỏ hay không. Tuy nhiên, mặc dù low code có thể cải thiện hiệu quả lập trình, nhưng nó không thể đáp ứng các tình huống phức tạp, không đủ linh hoạt hoặc thậm chí an toàn và không thể thực sự thay thế hầu hết các lập trình viên.
Nếu bạn là một nhân viên đánh máy, nếu AI tiếp tục phát triển và độ chính xác của khả năng nhận dạng giọng nói thành văn bản của AI cao hơn so với một số nhân viên đánh máy cấp dưới, thì những nhân viên đánh máy cấp dưới sẽ phải đối mặt với việc bị loại.
Bây giờ khả năng tạo mã của AI rất mạnh và CURD đơn giản có thể bị AI thay thế hoàn toàn, vì vậy nếu bạn chỉ biết CRUD và các khả năng khác yếu thì bạn sẽ rất dễ bị đào thải.
Nhưng từ quan điểm hiện tại, sẽ có nhiều yếu tố dẫn đến việc nhiều lập trình viên cấp cao không dễ bị thay thế.
Đầu tiên, khả năng tạo mã mô hình lớn hiện tại vẫn còn hạn chế. Mặc dù mô hình lớn hiện có khả năng tạo mã, giải thích mã và thậm chí tối ưu hóa mã. Tuy nhiên, hiện tại, nó chủ yếu nằm ở kích thước "chức năng" và chưa thể tạo mã tốt cho kích thước lớp, kích thước mô-đun và kích thước dự án. Hơn nữa, mã được tạo ra cũng sẽ có nhiều vấn đề khác nhau, chẳng hạn như lỗi không thể chạy, sử dụng các thư viện lớp đã lỗi thời và một số lỗi tiềm ẩn. Mã được tạo vẫn cần mọi người tối ưu hóa, triển khai và xác minh. Các nhiệm vụ phức tạp cũng yêu cầu mọi người chia chúng thành các mức độ chi tiết mà các mô hình ngôn ngữ lớn có thể dễ dàng xử lý.
Thứ hai, hạn chế bảo mật dữ liệu. Nhiều công ty, đặc biệt là các nhà máy lớn, rất coi trọng bảo mật dữ liệu, họ không cho phép tiết lộ bí mật kinh doanh của công ty cho các mô hình lớn bên ngoài và người dùng không được phép tiết lộ mã công ty ra môi trường bên ngoài. mô hình trong các nhà máy lớn là hạn chế. Nó thường chỉ được sử dụng để tạo một số mã giống như công cụ đơn giản hoặc các mã khác không có thuộc tính kinh doanh.
Một lần nữa, khả năng của các mô hình tự phát triển là có hạn. Mặc dù nhiều nhà sản xuất lớn đã bắt đầu phát triển các mô hình quy mô lớn của riêng họ, nhưng vẫn có một khoảng cách lớn giữa dữ liệu, tài nguyên GPU và khả năng của mô hình so với các mô hình quy mô lớn của nước ngoài. nâng cao hiệu quả còn khó, hình thành đủ năng suất.
Cuối cùng, mã hóa chỉ là một phần của vòng đời phần mềm tổng thể. Phát triển phần mềm cũng bao gồm phân tích yêu cầu, thiết kế giải pháp kỹ thuật, viết mã, thử nghiệm, vận hành và bảo trì và các liên kết khác. Trong nhiều trường hợp, điều quyết định sự thành công hay thất bại của phần mềm là việc xây dựng và phân tích các yêu cầu cũng như thiết kế các giải pháp kỹ thuật trước khi viết mã. Đặc biệt là trong giai đoạn yêu cầu, nó liên quan đến rất nhiều giao tiếp giữa các cá nhân, mọi người cần ưu tiên, mọi người cần tranh giành tài nguyên, mọi người cần liên tục tập trung vào các yêu cầu với người quản lý sản phẩm, mã được viết tốt cần mọi người xác minh và các chương trình đã viết cần được kiểm tra, nghiệm thu yêu cầu vận hành, bảo trì để triển khai, v.v.
Đâu là con đường?
1. Xu hướng là không thể đảo ngược, hãy làm chủ các công cụ càng sớm càng tốt để nâng cao hiệu quảGiờ đây, thời đại của AI đã đến, giống như động cơ hơi nước và động cơ xuất hiện trong cuộc cách mạng công nghiệp, nó sẽ tác động sâu sắc đến nhiều ngành công nghiệp và nó đã trở thành xu hướng không thể đảo ngược.
Nhiều người sẽ nói rằng có nhiều thiếu sót trong mô hình lớn hiện tại, chẳng hạn như ảo giác và khả năng suy luận yếu, nhưng cũng giống như tai nạn có thể xảy ra khi lái xe, chúng ta không từ bỏ việc lái xe vì điều này, bởi vì chúng ta có thể nhận ra rằng nó mang đến cho bạn sự tiện lợi. Và chính vì sự không hoàn hảo của mô hình ngôn ngữ lớn mà chúng ta không dễ dàng bị loại bỏ. Nếu một ngày nào đó người quản lý sản phẩm thiết kế tài liệu yêu cầu, AI có thể tự động viết mã, tự động khắc phục sự cố và tự động triển khai, có lẽ các lập trình viên sẽ thực sự mất việc. Nếu một ngày nào đó AI có thể tạo ra các tài liệu yêu cầu tốt hơn các nhà quản lý sản phẩm, có lẽ các nhà quản lý sản phẩm cũng sẽ bị thay thế.
AI đã rút ngắn rất nhiều con đường nắm vững kiến thức, đối với một số kiến thức cần đọc nhiều sách, đọc nhiều cột mới hiểu được, hãy để công cụ AI đưa ra ví dụ và giải thích bằng ngôn ngữ dễ hiểu, có hệ thống và nhanh chóng. Một số mã có vẻ không phức tạp có thể mất nửa giờ để bạn tự viết, nhưng AI có thể hoàn thành nó sau một hoặc hai phút và có ít lỗi hơn. AI có thể nhanh chóng đưa ra nhiều giải pháp ứng cử viên giúp đưa ra các giải pháp hoàn hảo hơn cho nhiều vấn đề đã suy tính và không thể tìm ra giải pháp. Trước đây, những vấn đề không thể giải quyết trong mười phút, vài giờ hoặc thậm chí vài ngày có thể được giải quyết trong vài phút với sự trợ giúp của AI.
Với sự phù hộ của AI, những người có rất ít kinh nghiệm lập trình có thể "viết" mã tốt hơn nhiều kỹ sư cấp dưới thông qua các từ nhanh chóng. Với sự hỗ trợ của AI, những người từ một số quốc gia không nói tiếng Anh cũng có thể viết các bài báo bằng tiếng Anh đích thực. Trong thời đại này, AI mang lại khả năng vô tận cho nhiều ngành công nghiệp.
Vì vậy, theo tôi “không phải AI thay thế con người mà là người sử dụng AI loại bỏ những người không sử dụng được AI, và những người sử dụng tốt AI thay thế những người không sử dụng tốt AI”. Một mẫu xe phân khối lớn có thể coi như một chiếc ô tô, chúng ta không nên chống lại ô tô mà hãy học kỹ năng lái xe cho tốt, trở thành một "lái xe kỳ cựu", sử dụng nó để nâng cao hiệu quả cuộc sống và công việc, đồng thời sử dụng nó để làm ra tiền.
2. Cảnh giác với “những điều cực đoan phải bị đảo ngược”
Nhiều người có kinh nghiệm này, từ khi ra trường ít khi trực tiếp viết tay, trong cuộc sống và công việc thường phải gõ bàn phím hay thậm chí là giao tiếp bằng giọng nói, và thường “cầm bút quên chữ”. Đây là cái gọi là "sử dụng nó hoặc mất nó".
Nếu chúng ta có nhiều thứ và không thể suy nghĩ trước mà phụ thuộc quá nhiều vào các mô hình ngôn ngữ lớn, thì khả năng tư duy của chúng ta sẽ giảm sút. Tuy nhiên, khả năng mà con người có lợi thế hơn AI là khả năng sáng tạo, khả năng đặt câu hỏi... Nếu suy giảm khả năng suy nghĩ, chúng ta dễ dàng bị AI làm cho lung lay.
Vì vậy, khi gặp phải vấn đề, trước tiên nên nghĩ cách tự mình giải quyết, nếu trong thời gian ngắn không giải quyết được thì thử hỏi lại AI, sau đó hỏi người khác xem có giải quyết được không. Khi bạn cần thực hiện một số thiết kế, trước tiên bạn phải tự mình nghĩ về kế hoạch, sau đó để AI đưa ra một số gợi ý cho bạn để không ngừng làm phong phú thêm kế hoạch của bạn, để tạo thành một vòng tròn đạo đức.
Nâng cao khả năng nhận dạng thông tin
Ngày xưa “Có nghi thì hỏi Google”, bây giờ là “Có nghi thì hỏi AI”. Kể từ khi sử dụng một số công cụ AI nâng cao, tôi hiếm khi sử dụng các công cụ tìm kiếm nữa. Các công cụ tìm kiếm trước đây chỉ là một công cụ truy xuất, cung cấp cho bạn một loạt thông tin liên quan để bạn trích xuất và phân tích, điều này kém hiệu quả hơn. Và bây giờ AI tập trung nhiều hơn vào việc thực sự trả lời các câu hỏi của bạn.
Nhiều người sẽ nói: “Thời đại AI đã đến, và không cần phải nghiên cứu sâu về lý thuyết máy tính”. Tôi nghĩ ngược lại, chỉ bằng cách học tốt các lý thuyết và công nghệ liên quan đến máy tính, chúng ta mới có thể nâng cao khả năng để xác định thông tin do AI tạo ra và tận hưởng những lợi ích do AI mang lại. Trong khi cải thiện hiệu suất, hãy giảm tác động tiêu cực của nó.
3. Nắm bắt xu hướng và suy nghĩ cách hòa nhập tốt hơn với doanh nghiệp
Cũng như phần đầu đã lấy chiếc xe làm ví dụ. Mặc dù thời đại AI đã đến, bây giờ mọi người đều biết rằng AI là một xu hướng và họ đều đánh giá cao sự cải thiện hiệu quả to lớn của AI, nhưng các khái niệm thiết kế của mọi người vẫn bị mắc kẹt trong thế hệ trước và họ đang áp dụng AI một cách máy móc vào bản gốc hệ thống sản phẩm, giống như việc lắp động cơ trực tiếp lên xe đẩy hoặc trực tiếp lên xe đạp cũng vậy.
Khi chúng ta nghĩ về cách kết hợp các mô hình lớn với kinh doanh, chúng ta không thể áp dụng trực tiếp AI vào kinh doanh. Chúng ta cần nghĩ xem nhiệm vụ nào phù hợp để sử dụng mô hình ngôn ngữ lớn và phương pháp kỹ thuật nhiệm vụ nào sẽ rẻ hơn và hiệu quả hơn so với quy mô lớn. Giống như máy bay và đường ray cao tốc nhanh hơn, nhưng xe đạp, ô tô và tàu điện ngầm vẫn được sử dụng rộng rãi, các công nghệ khác nhau được sử dụng trong các lĩnh vực chuyên môn tương ứng và các nhiệm vụ phức tạp thường yêu cầu kết hợp nhiều phương pháp.
Khi kết hợp mô hình quy mô lớn với kinh doanh, cần xây dựng tiêu chuẩn kỹ thuật cho mô hình quy mô lớn càng sớm càng tốt, liên tục tối ưu hóa mô hình và xác minh hiệu quả, đồng thời phát triển liên kết kỹ thuật khi gần đạt tiêu chuẩn này, có thể tiết kiệm rất nhiều đường vòng.
Ngoài ra, tôi thấy rằng tương đối thiếu sinh viên tham gia vào các thuật toán mô hình quy mô lớn và với việc mở API cho các mô hình lớn, độ phức tạp của nền tảng đào tạo mô hình ngày càng thấp hơn và ngay cả những sinh viên phát triển front-end cũng đã phá vỡ ranh giới chức năng và bắt đầu học hỏi.
Họ thậm chí đã bắt đầu đào tạo và điều chỉnh các mô hình lớn để tăng tốc độ lặp lại mô hình và phục vụ tốt hơn cho hoạt động kinh doanh của chính họ. Đó là một cơ hội tốt cho sinh viên phát triển, nhưng trong quá trình này, nên có các sinh viên thuật toán chuyên nghiệp hướng dẫn, nhiều vấn đề thuật toán và vấn đề kỹ thuật rất khác nhau, và cần phải học tập đặc biệt. Lấy một ví dụ đơn giản, trong quá trình đào tạo một số mô hình, một số mẫu được dán nhãn thủ công là bắt buộc, nhưng kiến thức thông thường trong mắt các sinh viên thuật toán chuyên nghiệp: kích thước mẫu phải đủ lớn, chất lượng mẫu phải cao, mẫu nên đa dạng hơn, nhiều loại khác nhau. Mẫu càng cân đối càng tốt. Đối với những lập trình viên mới bắt đầu đào tạo mô hình có thể không hiểu, dẫn đến mất nhiều thời gian để tạo ra một số lượng lớn các mẫu được gắn nhãn thủ công nhưng nhiều mẫu có chất lượng thấp hoặc thiếu đa dạng, tức là một nửa công sức.
4. Điều quan trọng là tăng cường các khả năng mà AI không dễ thay thế
Trong kỷ nguyên của AI, nhiều nhiệm vụ đơn giản và rõ ràng sẽ được thay thế bằng AI.
Vì vậy, nơi nào chúng ta đi từ đây?
Theo tôi, trong thời đại AI này, nhiều nhiệm vụ tương đối đơn giản sẽ được thay thế bằng AI. Trong thời đại mới, chúng ta cần học những năng lực mới, để đạt được lợi thế cạnh tranh, chúng ta cần kiên trì học tập, thậm chí học tập suốt đời. Giống như cha mẹ chúng ta cần "theo kịp thời đại" và học cách sử dụng thanh toán di động, trong thời đại AI, chúng ta phải học cách đưa ra yêu cầu để sử dụng tốt hơn các mô hình lớn để giải quyết vấn đề. Trong tương lai, có thể không cần phải viết những từ nhắc phức tạp, nhưng sẽ có nhiều công nghệ mới xuất hiện và chúng ta cần tiếp tục học hỏi.
Khi một số khả năng từng đòi hỏi chi phí học tập cao có thể được thực hiện hiệu quả hơn thông qua AI, các "lập trình viên CURD" cấp thấp sẽ sớm bị loại bỏ. Do đó, chúng ta cần đặc biệt củng cố những khả năng mà AI không dễ thay thế, để ít có khả năng bị đào thải và đạt được lợi thế cạnh tranh lớn hơn. Bao gồm nhưng không giới hạn ở: kỹ năng nói nhanh, tư duy sản phẩm, tính sáng tạo, khả năng suy luận tổng hợp, khả năng đặt câu hỏi, khả năng giao tiếp, khả năng phân tích vấn đề phức tạp...
Nhiều sinh viên có thể hỏi, làm thế nào để thành thạo những khả năng này?
Một số khả năng cần được trau dồi trong công việc hàng ngày, chúng ta cần tích cực suy nghĩ và tích lũy từ từ, chẳng hạn như tư duy sản phẩm và khả năng đặt câu hỏi.
Một số khả năng có thể được học nhanh chóng thông qua AI và sau đó thành thạo thông qua thực hành liên tục, chẳng hạn như kỹ năng giao tiếp và khả năng phân tách các vấn đề phức tạp. Trong thời đại của AI, chúng ta phải học cách sử dụng AI để học. Chúng ta có thể tải dữ liệu lên AI và học trực tiếp thông qua đối thoại. Nếu bạn không hiểu kiến thức, bạn cũng có thể để AI giải thích trực tiếp cho chúng tôi và để nó cho chúng tôi một ví dụ. Ví dụ: nếu bạn muốn cải thiện kỹ năng giao tiếp trong công việc, bạn có thể yêu cầu AI giới thiệu một số kỹ năng giao tiếp phổ biến và bạn có thể yêu cầu AI giải thích cho bạn "giao tiếp bất bạo động" là gì; kỹ năng thể hiện, hãy để AI giải thích cho bạn bạn "tư duy có cấu trúc" là gì, và "cách thực hành tư duy có cấu trúc" và "thực hành có chủ ý" tại nơi làm việc.
Ví dụ, sau đây là gợi ý do AI đưa ra cho câu hỏi "Làm thế nào để biểu đạt của bạn có cấu trúc hơn?", rất có giá trị tham khảo:
Để làm cho biểu thức của bạn có cấu trúc hơn, bạn có thể làm theo các phương pháp và kỹ thuật sau:
1. Làm rõ chủ đề: Trước khi diễn đạt, trước tiên hãy làm rõ chủ đề hoặc ý chính muốn truyền đạt. Điều này giúp đảm bảo rằng nội dung của bạn luôn đúng chủ đề và tránh lạc đề hoặc kéo dài.
2. Lập dàn ý: Trước khi bạn bắt đầu viết hoặc nói, hãy lập dàn ý đơn giản. Liệt kê các điểm chính và ý chính, sau đó sắp xếp bài thuyết trình của bạn theo dàn ý này.
3. Đoạn văn rõ ràng: Hãy đảm bảo rằng cách diễn đạt của bạn phải có đoạn văn, mỗi đoạn văn nên có câu chủ đề rõ ràng và phát triển xung quanh câu chủ đề.
4. Sử dụng liên từ: Liên từ có thể kết nối các biểu thức của bạn với nhau một cách hiệu quả và làm cho nội dung trở nên mạch lạc hơn. Ví dụ: những từ như "đầu tiên", "tiếp theo" và "cuối cùng" là những cách tuyệt vời để hướng dẫn người đọc hoặc người nghe thông qua dòng suy nghĩ của bạn.
5. Đưa ra ví dụ: Cho dù bạn đang viết hay nói, hãy hỗ trợ quan điểm của bạn bằng cách cung cấp các ví dụ và trường hợp cụ thể. Điều này có thể làm cho bài thuyết trình của bạn thuyết phục và đáng tin cậy hơn.
6. Tránh dài dòng: Diễn đạt ngắn gọn, rõ ràng là mấu chốt của diễn đạt có cấu trúc. Tránh các câu dài hoặc các từ lặp đi lặp lại và giữ cho nội dung ngắn gọn.
7. Câu chuyển đoạn: Đảm bảo giữa các đoạn có các câu chuyển đoạn rõ ràng giúp người đọc, người nghe hiểu được mối liên hệ giữa các đoạn khác nhau.
8. Chú ý đến ngữ pháp và dấu câu: Ngữ pháp và dấu câu tốt là nền tảng của cách diễn đạt có cấu trúc. Đảm bảo sử dụng đúng dấu câu và các quy tắc ngữ pháp để tránh sự mơ hồ và nhầm lẫn.
9. Sửa đi sửa lại: viết là một quá trình cải thiện dần dần. Sau khi viết bản nháp đầu tiên, hãy sửa đi sửa lại và hoàn thiện bài thuyết trình của bạn để đảm bảo tính logic và trật tự thông tin rõ ràng.
10. Thực hành: Việc trình bày có cấu trúc cần có thời gian và thực hành. Làm nhiều bài tập viết và nói hơn, dần dần hình thành thói quen diễn đạt có cấu trúc.
Bằng cách áp dụng những phương pháp và kỹ thuật này, bạn có thể dần dần cải thiện khả năng thể hiện bản thân, khiến nó trở nên có cấu trúc, rõ ràng và có tổ chức hơn.
Có ý kiến cho rằng khi muốn phát huy một khả năng nào đó, bạn có thể hỏi trực tiếp AI để biết nó là gì, tại sao, làm như thế nào và vận dụng linh hoạt vào công việc.
Về điểm này, cư dân mạng cẩn thận có lẽ đã phát hiện ra từ lâu, bài viết này là một bài viết tuân theo nguyên tắc cấu trúc nêu trên.
Tóm tắt
AI hiện tại đại khái là hộp số tự động hoặc giai đoạn hỗ trợ lái xe ô tô, và nó được sử dụng nhiều hơn như một trợ lý nâng cao hiệu quả.Đừng phàn nàn về sự không hoàn hảo của AI, chính sự không hoàn hảo của AI khiến chúng ta ít bị đào thải hơn.
Khi mọi người sử dụng các mô hình lớn, khám phá nhiều tình huống ứng dụng hơn, thành thạo các kỹ năng từ nhanh chóng và phát huy hết giá trị của các mô hình lớn. Ngày nay, khi AI ngày càng trở nên phổ biến, việc đào tạo và củng cố con người càng có giá trị hơn AI. Chỉ bằng cách không ngừng học hỏi, chúng ta mới có thể đạt được nhiều lợi thế hơn trong thời đại này.
Bạn nghĩ chúng ta có thể nắm bắt xu hướng này như thế nào trong kỷ nguyên AI? Chúng ta cần tăng cường những khả năng nào khác?
>> Hướng dẫn cho người mới bắt đầu sử dụng Plugin ChatGPT
