ในปัจจุบันการเปลี่ยนแปลงของระบบอัตโนมัติในกระบวนการเขียนโค้ดได้ก่อให้เกิดการถกเถียงอย่างมากเกี่ยวกับอนาคตของงานเขียนโปรแกรม ในขณะที่ความกังวลเกี่ยวกับความมั่นคงในอาชีพในอุตสาหกรรมเทคโนโลยีเป็นสิ่งที่ถูกต้อง Demis Hassabis ซึ่งเป็น CEO ของ Google DeepMind ได้นำเสนอมุมมองที่น่าสนใจ เขาเชื่อว่ารากฐานที่แข็งแกร่งในการเขียนโปรแกรมยังคงมีความสำคัญอย่างยิ่งสำหรับนักเรียนที่ต้องการประสบความสำเร็จในยุคของปัญญาประดิษฐ์
คุณค่าที่ยั่งยืนของพื้นฐาน
Hassabis เน้นย้ำว่าแม้ว่า AI จะเข้ามาทำหน้าที่ที่ซับซ้อน แต่ความเข้าใจที่แข็งแกร่งเกี่ยวกับการเขียนโปรแกรมและสาขา STEM จะเป็นตัวสร้างความแตกต่างที่สำคัญสำหรับบุคคลที่มุ่งมั่นที่จะเติบโตในอีกไม่กี่ปีข้างหน้า มุมมองนี้ท้าทายเรื่องราวของการถูกแทนที่งานโดยสิ้นเชิง แต่กลับเน้นเส้นทางสู่การเพิ่มพูนศักยภาพของมนุษย์ผ่าน AI
เมื่อถูกถามเกี่ยวกับคำแนะนำของเขาสำหรับผู้สำเร็จการศึกษาที่เข้าสู่ตลาดแรงงานท่ามกลางการเติบโตของ AI Hassabis ได้ให้มุมมองที่แตกต่างและมองโลกในแง่ดี เขายอมรับถึงความรวดเร็วของการพัฒนาทางเทคโนโลยี แต่เน้นย้ำถึงความสำคัญของการปรับตัวและยอมรับเครื่องมือใหม่ๆ "ในมุมมองของผมในปัจจุบัน และแน่นอนว่าสิ่งนี้มีการเปลี่ยนแปลงตลอดเวลาตามการพัฒนาของเทคโนโลยี แต่ในตอนนี้ ถ้าคุณคิดถึงช่วง 5 ถึง 10 ปีข้างหน้า คนที่มีประสิทธิภาพมากที่สุดอาจจะมีประสิทธิภาพมากกว่า 10 เท่า หากพวกเขาคุ้นเคยกับเครื่องมือเหล่านี้" เขากล่าว
มุมมองนี้ชี้ให้เห็นว่าผู้ที่มีความเข้าใจอย่างลึกซึ้งเกี่ยวกับการเขียนโปรแกรมแบบดั้งเดิมและเครื่องมือ AI จะอยู่ในตำแหน่งที่ดีที่สุดในการใช้ประโยชน์จากพลังของปัญญาประดิษฐ์ ไม่ใช่เรื่องของการแทนที่ทักษะของมนุษย์ทั้งหมด แต่เป็นการเพิ่มพูนทักษะเหล่านั้นเพื่อให้บรรลุถึงระดับของประสิทธิภาพการทำงานและนวัตกรรมที่ไม่เคยมีมาก่อน
โอบรับคลื่นลูกใหม่ของ AI
Hassabis สนับสนุนให้นักเรียนดื่มด่ำกับโลกของระบบ AI "ผมคิดว่าเด็กๆ ในวันนี้ นักเรียนในวันนี้ สิ่งที่ผมอยากสนับสนุนคือให้ดื่มด่ำกับระบบใหม่ๆ เหล่านี้ ทำความเข้าใจกับมัน" เขากระตุ้น เขาเชื่อว่าการได้รับความเข้าใจที่ครอบคลุมเกี่ยวกับ AI รวมถึงวิธีการทำงานและแอปพลิเคชันที่มีศักยภาพ เป็นสิ่งจำเป็นสำหรับความสำเร็จในอนาคต
การดื่มด่ำนี้ไม่ควรเกิดขึ้นโดยละเลยความรู้พื้นฐาน Hassabis เน้นย้ำถึงความสำคัญของการเรียน STEM และการเขียนโปรแกรมเพื่อให้เข้าใจหลักการพื้นฐานของเทคโนโลยีเหล่านี้ "ผมคิดว่าการเรียน STEM และการเขียนโปรแกรมและสิ่งอื่นๆ ยังคงมีความสำคัญ เพื่อให้คุณเข้าใจว่าสิ่งเหล่านี้ถูกสร้างขึ้นมาอย่างไร บางทีคุณอาจจะสามารถปรับเปลี่ยนมันได้ด้วยตัวเองบนโมเดลที่มีอยู่ มีโมเดลโอเพนซอร์สที่ยอดเยี่ยมมากมาย" เขากล่าว
ด้วยการทำความเข้าใจโครงสร้างพื้นฐานของ AI บุคคลสามารถก้าวข้ามการใช้เครื่องมือเหล่านี้ไปสู่การสร้างและปรับปรุงเครื่องมือเหล่านั้นอย่างแข็งขัน การผสมผสานระหว่างความรู้พื้นฐานและทักษะ AI เชิงปฏิบัติเหล่านี้จะมีค่าอย่างมากในอีกไม่กี่ปีข้างหน้า
การพัฒนาความเชี่ยวชาญใหม่
นอกเหนือจากการทำความเข้าใจการทำงานภายในของโมเดล AI แล้ว Hassabis ยังเน้นถึงชุดทักษะใหม่ที่จะกำหนดความเชี่ยวชาญในยุค AI เขาแนะนำให้นักเรียน "พัฒนาทักษะที่น่าทึ่งในด้านต่างๆ เช่น การปรับแต่งอย่างละเอียด การป้อนคำสั่งระบบ และคำแนะนำระบบ สิ่งเพิ่มเติมเหล่านี้ที่ทุกคนสามารถทำได้ และรู้วิธีที่จะได้รับประโยชน์สูงสุดจากเครื่องมือเหล่านั้น"
การปรับแต่งอย่างละเอียด (Fine-tuning) หมายถึงกระบวนการปรับแต่งโมเดล AI ที่ได้รับการฝึกอบรมล่วงหน้าโดยใช้ชุดข้อมูลเฉพาะ เพื่อปรับปรุงประสิทธิภาพในการทำงานเฉพาะ ซึ่งต้องมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับสถาปัตยกรรมของโมเดลและข้อมูลที่ใช้สำหรับการฝึกอบรม
การป้อนคำสั่งระบบ (System Prompting) เกี่ยวข้องกับการสร้างคำสั่งที่มีประสิทธิภาพซึ่งจะนำโมเดล AI ไปสร้างผลลัพธ์ที่ต้องการ ซึ่งต้องมีความเข้าใจในความแตกต่างของภาษาและความสามารถในการกำหนดคำแนะนำที่ชัดเจนและกระชับ
คำแนะนำระบบ (System Instructions) ครอบคลุมชุดแนวทางและพารามิเตอร์ที่กว้างขึ้นซึ่งควบคุมพฤติกรรมของระบบ AI ซึ่งรวมถึงการกำหนดเป้าหมาย การกำหนดข้อจำกัด และการระบุตัวชี้วัดการประเมินผล
Hassabis สนับสนุนให้นักเรียนนำทักษะเหล่านี้ไปใช้ทันทีในการวิจัย การทำงาน การเขียนโปรแกรม และการเรียนการสอนของพวกเขา ด้วยการได้รับประสบการณ์จริงกับเครื่องมือ AI พวกเขาสามารถพัฒนาความเชี่ยวชาญที่จำเป็นต่อการเป็นเลิศในสาขาของตน
ยุคทองของความสามารถที่เพิ่มขึ้น
Hassabis มองเห็นอนาคตที่ความเชี่ยวชาญของมนุษย์และเครื่องมือ AI ทำงานร่วมกัน ส่งผลให้เกิดช่วงเวลาแห่งความสามารถส่วนบุคคลที่ไม่เคยมีมาก่อน "ผมคิดว่าในอีกไม่กี่ปีข้างหน้า มีความเป็นไปได้มากที่สุดที่เราจะมีเครื่องมือที่น่าทึ่งเหล่านี้ที่จะเพิ่มประสิทธิภาพการทำงานของเราและทำให้เรามีประโยชน์อย่างมากสำหรับเครื่องมือสร้างสรรค์ และจริงๆ แล้วเกือบจะทำให้เราเป็นเหมือนซูเปอร์ฮีโร่ในบางแง่มุมในสิ่งที่เราสามารถผลิตได้เป็นรายบุคคล" เขากล่าว "ดังนั้นผมคิดว่าจะมีช่วงเวลาแห่งความรุ่งโรจน์ในช่วงเวลาถัดไปของสิ่งที่เราสามารถทำได้"
มุมมองนี้ชี้ให้เห็นว่า AI จะไม่เพียงแค่แทนที่คนทำงาน แต่จะเพิ่มพูนความสามารถของพวกเขา ช่วยให้พวกเขาสามารถบรรลุผลสำเร็จได้มากกว่าที่เคย ด้วยการใช้ประโยชน์จากเครื่องมือ AI บุคคลสามารถเพิ่มความคิดสร้างสรรค์ ประสิทธิภาพการทำงาน และทักษะการแก้ปัญหาได้
การกำหนดนิยามใหม่ของโปรแกรมเมอร์ 10x
คำแนะนำของ Hassabis ท้าทายแนวคิดเรื่องการถูกแทนที่งานโดยสิ้นเชิง และนำเสนอเส้นทางสู่การเพิ่มพูนศักยภาพ "โปรแกรมเมอร์ 10x" ในอดีตคือบุคคลที่มีพรสวรรค์โดยธรรมชาติเป็นพิเศษ "โปรแกรมเมอร์ 10x" ในอนาคตอย่างที่เขาเห็น จะเป็นคนที่สามารถใช้ AI ได้อย่างเชี่ยวชาญ
ความเชี่ยวชาญนี้ไม่ได้เป็นเพียงแค่การใช้แชทบอทเพื่อเขียนโค้ด แต่ต้องใช้ชุดทักษะทางเทคนิคที่ลึกซึ้งกว่า ความเข้าใจในการเขียนโปรแกรมช่วยให้ผู้ใช้สามารถสร้าง "การป้อนคำสั่งระบบ" ที่มีประสิทธิภาพมากขึ้นซึ่งกำหนดบริบทสำหรับโมเดล AI ในขณะที่ความรู้เกี่ยวกับหลักการ STEM ทำให้พวกเขาสามารถประเมินผลลัพธ์ได้อย่างมีวิจารณญาณ
ความสามารถในการ “ปรับแต่งอย่างละเอียด” โมเดลโอเพนซอร์สเช่น Gemma ของ Google หรือ Llama ของ Meta บนชุดข้อมูลเฉพาะกำลังกลายเป็นทักษะที่สำคัญที่ยกระดับเครื่องมือทั่วไปให้กลายเป็นผู้ช่วยเฉพาะทางที่มีประสิทธิภาพสูง แนวทางที่ปรับแต่งนี้ช่วยให้โปรแกรมเมอร์สามารถสร้างโซลูชัน AI ที่ได้รับการออกแบบมาเป็นพิเศษสำหรับความต้องการเฉพาะของพวกเขา
ด้วยการรวมความเชี่ยวชาญด้านการเขียนโปรแกรมเข้ากับทักษะ AI บุคคลสามารถกลายเป็นนักแก้ปัญหาและนักสร้างสรรค์ที่มีประสิทธิภาพสูง พวกเขาสามารถใช้ประโยชน์จาก AI เพื่อทำให้งานที่ซ้ำซากจำเจเป็นไปโดยอัตโนมัติ สำรวจความเป็นไปได้ใหม่ๆ และพัฒนาโซลูชันที่ทันสมัย
ตัวอย่างของการทำงานร่วมกันระหว่างมนุษย์และ AI
"ยุคทอง" ของการทำงานร่วมกันระหว่างมนุษย์และ AI เริ่มปรากฏให้เห็นแล้วในหลากหลายสาขา ความก้าวหน้าของ Google DeepMind เอง เช่น การใช้ AI เพื่อค้นพบสมการทางคณิตศาสตร์ใหม่ๆ หรือแก้ปัญหาทางชีววิทยาที่ซับซ้อน เช่น การพับโปรตีนด้วย AlphaFold เป็นตัวอย่างของการทำงานร่วมกันนี้
ในสถานการณ์เหล่านี้ นักวิทยาศาสตร์และนักวิจัยที่เข้าใจหลักการพื้นฐานของโดเมนของพวกเขาสามารถใช้ AI เพื่อสำรวจความเป็นไปได้ในระดับและความเร็วที่ไม่เคยมีมาก่อน AI สามารถวิเคราะห์ชุดข้อมูลขนาดใหญ่ ระบุรูปแบบ และสร้างสมมติฐานที่มนุษย์ไม่สามารถค้นพบได้ด้วยตนเอง
การทำงานร่วมกันระหว่างความเชี่ยวชาญของมนุษย์และ AI นี้มีศักยภาพในการเร่งการค้นพบทางวิทยาศาสตร์และขับเคลื่อนนวัตกรรมในหลากหลายสาขา ตั้งแต่การแพทย์ไปจนถึงวิทยาศาสตร์วัสดุ AI กำลังช่วยให้นักวิจัยก้าวข้ามขีดจำกัดของความรู้และพัฒนาโซลูชันใหม่ๆ สำหรับความท้าทายระดับโลก
การเตรียมความพร้อมสำหรับอนาคต
สำหรับนักเรียน ข้อความนั้นชัดเจน: เส้นทางสู่การเป็น "ซูเปอร์ฮีโร่" ในยุค AI ไม่ใช่การละทิ้งความรู้ทางเทคนิค แต่เป็นการผสมผสานความรู้นั้นเข้ากับความเชี่ยวชาญเชิงปฏิบัติที่ลึกซึ้งเกี่ยวกับเครื่องมือใหม่ที่มันสร้างขึ้น นี่ต้องอาศัยความมุ่งมั่นในการเรียนรู้ตลอดชีวิตและความเต็มใจที่จะปรับตัวให้เข้ากับภูมิทัศน์ของเทคโนโลยีที่เปลี่ยนแปลงตลอดเวลา
นี่คือรายละเอียดเพิ่มเติมเกี่ยวกับวิธีที่ดีที่สุดในการเตรียมตัวสำหรับอนาคตของการเขียนโปรแกรมในยุค AI:
- เสริมสร้างพื้นฐาน: เน้นที่แนวคิดพื้นฐานทางวิทยาการคอมพิวเตอร์ เช่น โครงสร้างข้อมูล อัลกอริทึม และสถาปัตยกรรมซอฟต์แวร์ ความเข้าใจอย่างลึกซึ้งเกี่ยวกับพื้นฐานเหล่านี้จะช่วยให้คุณเข้าใจและใช้เครื่องมือ AI ได้ดีขึ้น
- โอบรับความรู้ด้าน AI: เรียนหลักสูตร เข้าร่วมเวิร์กช็อป และอ่านบทความเพื่อเรียนรู้เกี่ยวกับโมเดล AI ประเภทต่างๆ ความสามารถ และข้อจำกัดของมัน มีความอยากรู้อยากเห็นและสำรวจความเป็นไปได้ในการใช้ AI เพื่อแก้ปัญหาในโลกแห่งความเป็นจริง
- ทดลองใช้เครื่องมือโอเพนซอร์ส: รับประสบการณ์จริงกับโมเดล AI โอเพนซอร์ส เช่น TensorFlow, PyTorch และ scikit-learn เรียนรู้วิธีการปรับแต่งโมเดลเหล่านี้สำหรับการทำงานเฉพาะและวิธีการรวมเข้ากับโปรเจ็กต์ของคุณ
- พัฒนาทักษะการออกแบบคำสั่ง: ฝึกฝนศิลปะการสร้างคำสั่งที่มีประสิทธิภาพซึ่งจะนำโมเดล AI ไปสร้างผลลัพธ์ที่ต้องการ ฝึกเขียนคำสั่งที่ชัดเจน กระชับ และให้ข้อมูล ซึ่งจะดึงเอาการตอบสนองที่ดีที่สุดจาก AI
- ปลูกฝังการคิดเชิงวิพากษ์: ประเมินผลลัพธ์ของโมเดล AI อย่างมีวิจารณญาณเสมอ อย่าเชื่อผลลัพธ์อย่างไม่ลืมหูลืมตา แต่ให้ใช้ความรู้และความเชี่ยวชาญของคุณเพื่อตรวจสอบความถูกต้องและความเกี่ยวข้องของมัน
- ทำงานร่วมกับ AI: คิดว่า AI เป็นหุ้นส่วนที่สามารถช่วยให้คุณมีความคิดสร้างสรรค์ มีประสิทธิภาพ และสร้างสรรค์มากขึ้น เรียนรู้วิธีการทำงานร่วมกับ AI เพื่อเพิ่มพูนความสามารถของคุณและประสบความสำเร็จมากขึ้น
- ติดตามข่าวสารล่าสุด: สาขา AI มีการพัฒนาอยู่ตลอดเวลา ดังนั้นจึงเป็นสิ่งสำคัญที่จะต้องติดตามข่าวสารล่าสุดเกี่ยวกับแนวโน้มและการพัฒนาล่าสุด ติดตามข่าวสารในอุตสาหกรรม เข้าร่วมการประชุม และเข้าร่วมในชุมชนออนไลน์เพื่อก้าวนำหน้า
ขอบเขตการเขียนโปรแกรมที่ขยายออกไป
แม้ว่า AI จะทำให้การเขียนโค้ดบางด้านเป็นไปโดยอัตโนมัติ แต่ความต้องการโปรแกรมเมอร์ก็ไม่ได้ลดลง แต่บทบาทของโปรแกรมเมอร์กำลังพัฒนาไปสู่การรวม AI เป็นเครื่องมือที่ทรงพลัง โปรแกรมเมอร์จะต้องรับผิดชอบใน:
- การออกแบบแอปพลิเคชันที่ขับเคลื่อนด้วย AI: โปรแกรมเมอร์จะพัฒนาแอปพลิเคชันที่ใช้ประโยชน์จากโมเดล AI เพื่อแก้ปัญหาที่ซับซ้อนในโดเมนต่างๆ ตั้งแต่การดูแลสุขภาพไปจนถึงการเงินไปจนถึงการศึกษา
- การรวม AI เข้ากับระบบที่มีอยู่: โปรแกรมเมอร์จะรวมความสามารถของ AI เข้ากับระบบซอฟต์แวร์ที่มีอยู่เพื่อปรับปรุงประสิทธิภาพ ประสิทธิภาพ และประสบการณ์ของผู้ใช้
- การปรับแต่งโมเดล AI: โปรแกรมเมอร์จะปรับแต่งโมเดล AI ที่ได้รับการฝึกอบรมล่วงหน้าเพื่อให้ตรงกับความต้องการเฉพาะของโปรเจ็กต์ของพวกเขา ซึ่งรวมถึงการเลือกโมเดลที่เหมาะสม การเตรียมข้อมูล และการฝึกอบรมโมเดลเพื่อให้บรรลุผลลัพธ์ที่ต้องการ
- การพัฒนาอัลกอริทึม AI ใหม่: ในขณะที่โปรแกรมเมอร์บางคนจะมุ่งเน้นที่การใช้โมเดล AI ที่มีอยู่ โปรแกรมเมอร์คนอื่นๆ จะมีส่วนร่วมในการพัฒนาอัลกอริทึมและเทคนิค AI ใหม่ๆ ซึ่งต้องมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับคณิตศาสตร์ สถิติ และวิทยาการคอมพิวเตอร์
- การรับประกันการใช้ AI อย่างมีจริยธรรม: โปรแกรมเมอร์จะมีบทบาทสำคัญในการรับประกันว่าระบบ AI ได้รับการพัฒนาและใช้งานอย่างมีจริยธรรมและมีความรับผิดชอบ ซึ่งรวมถึงการแก้ไขปัญหาต่างๆ เช่น อคติ ความเป็นส่วนตัว และความปลอดภัย
ทักษะเฉพาะที่ต้องพัฒนา
เพื่อให้เป็นเลิศในภูมิทัศน์ที่พัฒนาไปนี้ โปรแกรมเมอร์ที่ต้องการควรเน้นที่การพัฒนาทักษะต่อไปนี้:
- การเขียนโปรแกรม Python: Python เป็นภาษาโปรแกรมที่ได้รับความนิยมมากที่สุดสำหรับการพัฒนา AI เนื่องจากใช้งานง่าย มีไลบรารีมากมาย และได้รับการสนับสนุนจากชุมชนขนาดใหญ่
- การเรียนรู้ของเครื่อง: การเรียนรู้ของเครื่องเป็นส่วนย่อยของ AI ที่มุ่งเน้นการพัฒนาอัลกอริทึมที่สามารถเรียนรู้จากข้อมูลได้โดยไม่ต้องตั้งโปรแกรมอย่างชัดเจน ความรู้เกี่ยวกับเทคนิคการเรียนรู้ของเครื่องเป็นสิ่งจำเป็นสำหรับการสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI
- การเรียนรู้เชิงลึก: การเรียนรู้เชิงลึกเป็นประเภทของการเรียนรู้ของเครื่องที่ใช้โครงข่ายประสาทเทียมเทียมที่มีหลายชั้นเพื่อวิเคราะห์ข้อมูล การเรียนรู้เชิงลึกมีประสิทธิภาพโดยเฉพาะอย่างยิ่งสำหรับงานต่างๆ เช่น การจดจำภาพ การประมวลผลภาษาธรรมชาติ และการจดจำเสียง
- การประมวลผลภาษาธรรมชาติ (NLP): NLP เป็นสาขาของ AI ที่มุ่งเน้นการทำให้คอมพิวเตอร์เข้าใจและประมวลผลภาษามนุษย์ได้ ทักษะ NLP มีค่าสำหรับการสร้างแชทบอท เครื่องมือแปลภาษา และแอปพลิเคชันที่ใช้ภาษาอื่นๆ
- วิทยาศาสตร์ข้อมูล: วิทยาศาสตร์ข้อมูลเกี่ยวข้องกับการรวบรวม ทำความสะอาด วิเคราะห์ และตีความข้อมูลเพื่อดึงข้อมูลเชิงลึกที่มีความหมาย ทักษะด้านวิทยาศาสตร์ข้อมูลเป็นสิ่งจำเป็นสำหรับการเตรียมข้อมูลสำหรับโมเดล AI และการประเมินประสิทธิภาพของพวกเขา
- การประมวลผลแบบคลาวด์: แพลตฟอร์มการประมวลผลแบบคลาวด์มีโครงสร้างพื้นฐานและบริการที่จำเป็นสำหรับการพัฒนา ปรับใช้ และปรับขนาดแอปพลิเคชัน AI ความคุ้นเคยกับแพลตฟอร์มการประมวลผลแบบคลาวด์ เช่น Amazon Web Services (AWS), Microsoft Azure และ Google Cloud Platform (GCP) มีค่าอย่างยิ่ง
โดยรวมแล้ว Hassabis กำลังร่างอนาคตที่มนุษย์และ AI ทำงานร่วมกันอย่างใกล้ชิด โดยมีโปรแกรมเมอร์เป็นผู้นำ ชี้นำและกำหนดรูปแบบเทคโนโลยีเพื่อแก้ปัญหาที่ซับซ้อนและสร้างความเป็นไปได้ใหม่ๆ นี่จำเป็นต้องมีการเปลี่ยนจุดสนใจไปสู่บทบาทเชิงกลยุทธ์และการทำงานร่วมกันมากขึ้น โดยที่ความเชี่ยวชาญด้านการเขียนโปรแกรมได้รับการเสริมด้วยการใช้เครื่องมือ AI อย่างชาญฉลาด อนาคตไม่ใช่เรื่องของการที่โปรแกรมเมอร์ถูกแทนที่ แต่ได้รับการเสริมศักยภาพให้บรรลุประสิทธิภาพการทำงานและนวัตกรรมในระดับใหม่ผ่าน AI