大模型技術浪潮的潮汐效應

最近這段時間深度體驗了一波大模型應用,老實說給我帶來的震撼,遠超預期。

以前有很多同學諮詢我,如何提高自己的技術能力。我的建議是短期學習那些能快速變現的技術,比如16-18年時候自動化測試很火,你就去學習Python+Selenium那一套,學會了最起碼跳槽漲薪沒問題。

而技術的底層幾十年沒變了,比如網絡協議、操作系統、數據庫等,長期應該堅持學習這些技術知識。

而現在,自從體驗過大模型的能力之後,我之前的建議也許要稍微修正一下了。

大部分人是不具備技術天賦的,IT行業的技術崗位,大部分還是用着工作前幾年學到的技術,日復一日的虛擲光陰。真正對技術有天賦又有興趣的人,要麼去做了研究,要麼在大廠擔任核心崗位。

於普通人而言,技術只不過是滿足溫飽和改善生活品質的工具罷了,工具從創造之初的目的就是輔助人完成一系列複雜的事,它最大的價值就是提高生產效率,創造更高的單位價值。

既然如此,普通人更應該做的是及時學習和利用最新的效率更高的技術工具,來幫助自己完成物質獲取這一目的,如果幸運能獲得機會,這個過程也許還能收穫一些個人成就感

 

人類社會歷史上有四次重大的技術變革,都帶來了極大的生產力飛躍和社會進步。這四次工業革命分別是:

  • 第一次工業革命:以蒸汽機爲代表,機器替代手工作業。
  • 第二次工業革命:以電力和內燃機爲代表,機器的單位效率獲得極大增強。
  • 第三次工業革命:以計算機半導體和通信技術爲代表,提高了信息處理能力,讓信息更快更廣的傳播。
  • 第四次工業革命:以物聯網大數據和人工智能爲代表,使生產過程更加高效,降低成本同時推動社會數字化轉型。

技術革命的出現和發展受到多種因素影響,如科技進步、市場需求和社會環境等。一般來說,技術革命可以劃分爲以下幾個階段:

  • 醞釀階段:一些關鍵的技術創新和發現開始積累,爲技術革命的發生奠定基礎。
  • 爆發階段:技術革命的正式開始,新技術和創新得到廣泛的應用和推廣,帶來顯著的經濟和社會變革。
  • 高峯階段:技術革命發展最爲迅速和繁榮的階段,新技術不斷湧現和完善,社會經濟結構發生重大調整。
  • 平穩階段:這個階段技術革命的勢頭有所減緩,但新技術已經深入人心,成爲社會生產和生活的基礎設施。
  • 衰退階段:隨着新技術的普及應用,紅利逐漸消失,技術革命進入衰退期,社會開始對新的技術進行探索追求。

眼下我們正好處在第四次工業革命浪潮中,以通用的對技術革命階段劃分,我們當下正處於第四次人工智能革命的爆發階段,這個階段蘊藏着很多的變革,以及機會。

 

變革其實大家都能感受得到,比如這兩年越發艱難的求職和就業。表面上是經濟下行導致很多公司開始提倡降本增效,降本短期內最有效的手段就是裁員。

增效如果只看字面意思,就是提高單位的生產效率,原來4個人的活兒,現在扔給2個人幹,本來以爲2個人的產出和質量可能會大打折扣,結果2個人好像乾的也不比四個人差。爲什麼?

以IT技術崗位爲例,日常工作都是和代碼打交道。正常的邏輯是分析需求,設計方案然後開始寫代碼,提交測試,遇到問題再修改BUG,來回重複。

但現在寫代碼這件事,最基本的業務代碼,大模型已經可以快速生成,甚至對已有的代碼進行優化,這讓那些幾年來重複寫業務代碼的低端碼農(非嘲諷)情何以堪?

和某大廠的一位高P同學聊起這事,討論的結論就是:以後技術崗位會更加的兩極分化。

一個技術團隊只需要幾個有豐富經驗和優秀技術能力的工程師負責整體的系統設計和全局技術優化,寫代碼這件事,稍有幾年經驗的低端位工程師就能搞定(不就是提示詞嘛,甚至招幾個計算機專業的大學生稍加培養就能勝任)。

當然類似的變革還有很多,比如自從我體驗大模型上癮後,搜索引擎已經被我置之高閣,以前的“百度一下,你就知道”,現在是遇事不懂問大模型,簡單粗暴還精準快捷。

比如號稱年輕人的寶藏聚居地小紅書,現在很多文案、圖片、視頻都是幾個提示詞,其他都是大模型生成的。

種種變革稍加觀察就能發現,甚至這篇文章的部分內容,都是大模型通過我的提示詞告訴我的。

 

當然,不能事事都靠大模型,畢竟大模型目前還處於初級階段,只能根據特定的提示詞輔助你做一些事情,市場上目前也沒有很好的基於大模型的應用,而提示詞,來自於每一個普通個體。

我們將某些現象梳理成需求,將需求轉化爲具體可執行的想法,然後藉助大模型提供快速的實現路徑,並對其進行加工處理,才能得到最終的產物。

至於普通人如何趕上這波大模型甚至人工智能,下篇文章分享一些我的想法。

至於標題說的是潮汐效應,該怎麼理解呢?

潮汐效應原指海洋水位收到月球和太陽引力影響而出現的潮漲潮落現象,映射到當下,小則基礎的工程師大面積失業和人工智能崗位的爆火,大則“BAT”中的B早已日暮西山。

前幾天看到一則報道,字節跳動的收入已經超過了騰訊和阿里,而字節最出名的兩款產品,都是基於大數據和推薦算法的內容分發領域,這其實也是大模型的一種雛形。

有句話我挺認同的:“AI 不會取代你,會用 AI 的人會取代你!放到此刻,則是大模型不會取代你,但不會利用大模型提高效率和產出價值的人,一定會被取代

質疑大模型,理解大模型,加入大模型。

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章