人工智能编码过程的快速自动化，引发了关于编程工作未来走向的激烈讨论。尽管对科技行业就业保障的担忧不无道理，但 Google DeepMind 的 CEO Demis Hassabis 提出了一个引人深思的观点。他认为，对于那些希望在人工智能时代取得成功的学生来说，扎实的编程基础仍然至关重要。
基础的持久价值
Hassabis 强调，即便人工智能能够承担越来越复杂的任务，扎实的编程和 STEM 领域知识仍然是个人在未来几年脱颖而出的关键。这种观点挑战了 "完全取代工作" 的论调，反而突出了通过人工智能实现人类能力增强的途径。
当被问及在人工智能崛起的大背景下，他对即将进入职场的毕业生的建议时，Hassabis 给出了一个细致且乐观的展望。他承认技术发展日新月异，但也强调了适应并拥抱新工具的重要性。“我目前的看法是，当然随着技术发展，这个观点也在不断变化，但在未来五到十年内，那些能够熟练运用这些工具的人，生产力可能会提高十倍，”他解释说。
这种观点暗示，那些既精通传统编程又掌握人工智能工具的人，将能够最好地利用人工智能的力量。这并非要完全取代人类技能，而是要增强这些技能，从而达到前所未有的生产力和创新水平。
拥抱人工智能新浪潮
Hassabis 鼓励学生们沉浸在人工智能系统的世界中。“我认为现在的孩子们，现在的学生们，我鼓励你们沉浸于这些新系统之中，去了解它们，”他敦促道。他认为，全面了解人工智能，包括其工作原理和潜在应用，对于未来的成功至关重要。
这种沉浸不应以牺牲基础知识为代价。Hassabis 强调了学习 STEM 和编程来理解这些技术的基础原理的重要性。“我认为学习 STEM 和编程以及其他相关知识仍然很重要，这样你才能理解它们是如何构建的。也许你可以在现有模型的基础上进行修改。现在有很多很棒的开源模型等等，”他说道。
通过理解人工智能的构建模块，个人可以不再仅仅是使用这些工具，而是能够积极地塑造和改进它们。这种基本知识和实践性人工智能技能的结合，在未来几年将变得非常宝贵。
培养新的专业技能
除了理解人工智能模型的内部运作机制之外，Hassabis 还强调了一系列新的技能，这些技能将定义人工智能时代的专业知识。他建议学生们“在微调、系统提示和系统指令等方面做到极致。这些都是任何人都可以做到的，并且都能真正掌握如何最大限度地利用这些工具。”
微调指的是使用特定数据集自定义预训练的人工智能模型，以提高其在特定任务上的性能的过程。这需要深入了解模型的架构以及用于训练的数据。
系统提示 涉及编写有效的提示词，引导人工智能模型生成所需的输出。这需要理解语言的细微差别和制定清晰简洁的指令的能力。
系统指令 涵盖更大范围的指导方针和参数，这些参数控制人工智能系统的行为。这包括设定目标、定义约束以及指定评估指标。
Hassabis 鼓励学生们立即将这些技能应用到他们的研究、工作、编程和课程作业中。通过获得人工智能工具的实践经验，他们可以培养在各自领域取得卓越成就所需的专业知识。
能力得到增强的黄金时代
Hassabis 设想了一个未来，在这个未来，人类的专业知识和人工智能工具协同工作，从而迎来一个前所未有的个人能力时代。“我认为在未来几年，最有可能的情况是，我们将拥有这些强大的工具来增强我们的生产力，使我们在创意工具方面真正发挥作用，甚至在某种程度上使我们在个人能够产生的成果方面变得有点超人，”他详细阐述道。“所以我认为在接下来的这段时间里，将会迎来一个我们能够做到什么的黄金时代。”
这种观点表明，人工智能不会简单地取代人类员工，而是增强他们的能力，使他们能够取得前所未有的成就。通过利用人工智能工具，个人可以提高他们的创造力、生产力和解决问题的能力。
重新定义 10 倍程序员
Hassabis 的建议挑战了 "纯粹的工作岗位流失" 的概念，并提出了一条能力增强的道路。过去的“10 倍程序员”是那些拥有卓越先天才能的个体；在他看来，未来的 10 倍程序员将是能够熟练运用人工智能的人。
这种精通不仅仅是简单地使用聊天机器人来编写代码。它需要更深入、更技术性的技能组合。 理解编程可以让用户编写更有效的“系统提示”，为人工智能模型设置上下文，而 STEM 原理的知识则使他们能够批判性地评估输出结果。
在特定数据集上“微调”像 Google 的 Gemma 或 Meta 的 Llama 这样的开源模型正成为一项至关重要的技能，它可以将通用工具提升为专业的、高性能的助手。这种量身定制的方法使程序员能够创建专门为满足其独特需求而设计的人工智能解决方案。
通过将编程专业知识与人工智能技能相结合，个人可以成为高效的问题解决者和创新者。他们可以利用人工智能来自动化重复性任务、探索新的可能性并开发前沿解决方案。
人工智能人机协作的例子
人工智能人机协作的 "黄金时代" 已经开始在各个领域出现。 Google DeepMind 自身的突破，例如使用人工智能来发现新的数学方程或使用 AlphaFold 解决像蛋白质折叠这样的复杂生物学问题，就证明了这种协同作用。
在这些场景中，那些理解其领域的基本原理的科学家和研究人员可以使用人工智能以前所未有的规模和速度探索各种可能性。人工智能可以分析海量数据集、识别模式并生成人类自身无法发现的假设。
人类专业知识与人工智能之间的这种合作有可能加速科学发现并推动各行各业的创新。从医学到材料科学，人工智能正在帮助研究人员突破知识的界限并开发解决全球挑战的新方案。
为未来做好准备
对于学生来说，信息很明确：在人工智能时代，要成为“超人”，不是放弃技术知识，而是将其与对它所创造的新工具的深刻的实践性掌握结合起来。这需要终身学习的承诺和适应不断变化的技术前景的意愿。
以下是如何最好地为人工智能时代的编程的未来做好准备的更详细的细分：
- 加强基础知识： 专注于核心计算机科学概念，如数据结构、算法和软件架构。深入理解这些基础知识将使您能够更好地理解和利用人工智能工具。
- 拥抱人工智能素养： 参加课程、参加研讨会并阅读文章，以了解不同类型的人工智能模型、它们的功能及其局限性。保持好奇心，并探索使用人工智能解决现实世界问题的可能性。
- 试验开源工具： 获得 TensorFlow、PyTorch 和 scikit-learn 等开源人工智能模型的实践经验。学习如何针对特定任务微调这些模型以及如何将它们集成到您的项目中。
- 培养提示工程技能： 掌握编写有效提示的技巧，引导人工智能模型生成所需的输出。练习编写清晰、简洁和信息丰富的提示，以从人工智能中获得尽可能好的响应。
- 培养批判性思维： 始终批判性地评估人工智能模型的输出。不要盲目信任结果，而是利用您的知识和专业知识来验证其准确性和相关性。
- 与人工智能协作： 将人工智能视为可以帮助您更具创造力、生产力和创新能力的合作伙伴。学习如何与人工智能协同工作以增强您的能力并取得更大的成功。
- 保持更新： 人工智能领域在不断发展，因此重要的是要随时了解最新趋势和发展。关注行业新闻、参加会议并参与在线社区，以保持领先地位。
编程的扩展范围
虽然人工智能正在自动化编码的某些方面，但对程序员的需求并没有减少。相反，程序员的角色正在演变为将人工智能纳入为一种强大的工具。程序员将负责：
- 设计人工智能驱动的应用程序： 程序员将开发利用人工智能模型来解决各个领域复杂问题的应用程序，范围从医疗保健到金融到教育。
- 将人工智能集成到现有系统中： 程序员将人工智能功能集成到现有软件系统中，以提高其性能、效率和用户体验。
- 自定义人工智能模型： 程序员将微调预训练的人工智能模型，以满足其项目的特定要求。这涉及选择合适的模型、准备数据以及训练模型以实现所需的结果。
- 开发新的人工智能算法： 虽然一些程序员将专注于使用现有的人工智能模型，但其他人将参与开发新的人工智能算法和技术。这需要深入了解数学、统计学和计算机科学。
- 确保人工智能的道德使用： 程序员将在确保人工智能系统以道德和负责任的方式开发和使用方面发挥关键作用。这包括解决诸如偏见、隐私和安全性之类的问题。
需要培养的特定技能
为了在这个不断发展的环境中脱颖而出，有抱负的程序员应专注于培养以下技能：
- Python 编程： Python 是人工智能开发中最流行的编程语言，因为它易于使用、拥有广泛的库和庞大的社区支持。
- 机器学习： 机器学习是人工智能的一个子集，专注于开发可以从数据中学习而无需明确编程的算法。机器学习技术的知识对于构建人工智能驱动的应用程序至关重要。
- 深度学习： 深度学习是一种机器学习类型，它使用具有多个人工神经网络来分析数据。深度学习对于诸如图像识别、自然语言处理和语音识别之类的任务特别有效。
- 自然语言处理（NLP）： NLP 是人工智能的一个领域，专注于使计算机能够理解和处理人类语言。NLP 技能对于构建聊天机器人、语言翻译工具和其他基于语言的应用程序非常有价值。
- 数据科学： 数据科学涉及收集、清理、分析和解释数据以提取有意义的见解。数据科学技能对于准备人工智能模型的数据和评估其性能至关重要。
- 云计算： 云计算平台提供开发、部署和扩展人工智能应用程序所需的基础设施和服务。熟悉 Amazon Web Services (AWS)、Microsoft Azure 和 Google Cloud Platform (GCP) 等云计算平台非常有价值。
本质上，Hassabis 正在勾勒出一个人类和人工智能紧密合作的未来，程序员站在最前沿，引导和塑造技术来解决复杂的问题并创造新的可能性。这需要将重点转移到更具战略性和协作性的角色上，编程专业知识通过智能利用人工智能工具得到增强。未来不是程序员被取代，而是被赋予通过人工智能实现生产力和创新新高度的能力。