「职场Bonus」(ID:ZhiChangHongLi)
AIGC时代,是基于大模型诞生的新人工智能时代。这一时代带来的机遇,对人才的需求和培养提出了新要求。
如何成为AIGC领域的优秀人才?非研发类背景的文科生、商科生和互联网人才如何转型AIGC?未来智能时代所需要的人才和当下是否存在差异?如何培养自己的能力,使之适应越来越智能化的未来?
为了探讨这些问题,10月11日,我们邀请了深思考AI的CEO杨志明博士,在职场Bonus的线上求职VIP社群,分享他作为行业资深专家对AIGC行业新机会的经验洞察,并与VIP社群成员进行了深度的互动交流。
「职场Bonus」(ID:ZhiChangHongLi)
AIGC的三个时代变革 ╱ 一
AIGC行业面临的痛点 ╱ 二
AIGC领域的职业机遇 ╱ 三
群友 vs. CEO ╱ 四
当下AIGC的概念非常火热。自20年前开始从事机器学习、自然语言处理到现在,我历经了整个行业的技术变化,在这里,我简单将AI行业的发展分为三个阶段。
「职场Bonus」(ID:ZhiChangHongLi)
AI 1.0时代
AI 1.0时代也就是之前较为传统的AI发展模式,这一阶段的AI表现与发展主要是基于深度学习。
在2012年“深度学习”出现之后,AI迎来了它发展的第一波高潮,开始实现落地。具体的应用包括图像识别,人脸识别,机器翻译等等。
AI 2.0时代
简单来讲,就是目前基于大模型的时代。
这一时代又由两个小阶段组成:基于预训练模型的大模型时代以及基于生成式(如目前的Chat GPT3.5或4.0)的大模型时代。
AGI时代?
Chat GPT自出现以来就收获了社会各界,包括产业界、资本界等等的广泛关注,似乎由于生成式大模型这一本质技术,一个通用的AGI时代已经初见曙光。
但机会之外,AIGC同样不可避免地存在一些痛点。
「职场Bonus」(ID:ZhiChangHongLi)
(一)生成内容的可控性
在应用大模型AIGC进行画图、写作等的过程中,基于生成式的原理,大模型很容易出现“幻象”。
一些时候,GPT对于人们提出的问题其实模棱两可甚至毫无了解,但是它会“一本正经地胡说八道”,胡编乱造一个貌似很专业的回答。
因此,在一些要求比较严谨的场景下,例如医疗场景、政务场景中,可控性问题的存在是灾难性的。
(二)可解释性
可解释性的缺失,也可以理解为内容不可溯源。这一问题会使内容的可信度丧失。
就像法官判案,无论是犯案事实、刑法条款还是以往案例,判决结果的得出过程都是存在证据链的,是可溯源、可解释的,而不是一开始就判决死刑。
(三)多模态与跨模态问题
很多落地场景都是多模态,跨模态的。
依然用医疗分析举例,辅助诊断就是多模态、跨模态的。我们常说的“望闻问切”即是用综合多种模态表征同一事物,这样往往更加准确。
我们的独立大模型正是解决了这种多模态跨模态的问题,并且在这一基础上真正使其落地于大规模的癌症早筛,包括人机交互,智能终端人机交互的场景中。因此我们对这一痛点有着深刻的理解。
「职场Bonus」(ID:ZhiChangHongLi)
(一)AIGC行业的紧缺人才与人才画像
1. 紧缺人才
我认为,AIGC的时代其实最紧缺的是三类人才。
(1)懂算法模型的算法工程师
这一类工程师懂得AIGC的基本原理,懂得构建大模型,如何去做训练微调等等。
(2)产品经理
对于企业来说,大模型最终需要落到垂域。因此第二类我们特别需要的人才,是在 AIGC垂域里面的产品经理。
(3)懂AIGC技术的跨领域的解决方案人才
例如在医疗早筛、汽车、智能质检、智能制造、游戏等行业的人才,如果既了解行业又掌握基础技术,能够综合两个领域提出解决方案,那么这种人才同样是比较紧缺的。
2. AIGC行业的人才画像
(1)算法工程师
当下最紧缺的依然是能够懂得构建预训练大模型,微调大模型,把大模型应用至垂域行业里做内核级研发的算法工程师人才。
目前这类人才一般来自于高校的实验室,比如高校硕士博士等。当然也有比较好的人才来自于大学本科,这些本科生很早地切入到AIGC领域,会通过构建算法,做研发等等来训练大模型。
(2)产品经理
第二类就是产品经理,既懂AIGC的技术,又懂行业的业务,又懂用户。基于这些素质,去构建用户在某垂域行业场景下的刚需应用的产品和服务。
(3)AIGC解决方案架构师
既是技术专家,同时也懂这个行业的业务,帮助这个行业去构建解决方案,最终解决用户的问题。
「职场Bonus」(ID:ZhiChangHongLi)
(二)非研发类背景的文科生/商科生如何加入AIGC行业
我认为一定要研发类背景才能加入这一行业是一个误导。
我们不能认为AIGC行业一定是理科生或算法类的人加入,其实,我认为反而文科生和商科生也具备非常大的优势。
他们的优势在哪里?
对于文科生和商科生而言,如果非常懂得用户的使用习惯、刚需以及行业的特点,你可以加入AIGC行业,做我刚才提到的产品经理。
此外,也可以在文科生及商科生的行业基础上,补充一些技术或者研发方面的基本原理,做解决方案架构师。
垂域场景中,例如营销、市场等等,其实都是适合文科生和商科生的,他们的特长优势是了解行业,了解用户以及了解市场,这在AIGC行业里是非常抢手的。
(三)互联网人才转行AIGC的注意事项
首先我认为AIGC不是一个行业,而是一个赋能行业的技术。
例如互联网人才中的程序员想要转入AIGC赛道,他们在互联网工作中可能大部分是在使用Python等语言,比方说java程序等等,这些技能掌握能够使他们很自然地转入AIGC赛道。
运营岗位的转变也并不困难,AIGC这有一个类似互联网的特点,就是随着无限的增值,边际效应会越来越低。
整体而言,互联网和AIGC的思维其实是一脉相承的,他们的产品最终都是瞄准用户。互联网人才只要去熟悉AIGC的技术特点和行业特点,思维上的转变就会是自然的。
(四)未来智能时代所需要的人才和当下是否存在差异
我认为反而在大模型的智能时代中,人才更需要亲和的沟通能力和逻辑能力,而不是把这个能力全部交给AI大模型。
人才构建大模型或者AI产品的时候,根本的刚需是了解这个行业中的痛点问题并去解决,这样才能产生价值,才能实现落地。有了价值,才有生命力。
而AI只是一个辅助手段,我们可以把它当成一个助手,但不能因为拥有这个助手就丧失自己的能力,而是要利用它增强自己的能力。
此外,我们还需要重视创新能力。如果只是复制,人云亦云,那么在大模型时代,你的竞争力会越来越差。
与此同时,情商、逻辑能力、思辨能力,这些都很重要。
(五)如何培养自己的能力,使之适应越来越智能化的未来
这个问题和第四个问题是一脉相承的。
1.我们要拥有快速学习的能力
我在一线在产业界和学术界中很大的感触,就是技术革命的节奏越来越快。这就告诫我们必须培养快速学习这一核心能力,否则就会跟不上时代的变化。
2.学会适应
我们需要适应AI的辅助,利用AI来增强自己,把它真正作为一个工具。
总的来说,快速学习的能力、创新能力和驾驭使用AI工具的能力,这三项能力是我认为需要增强的。
「职场Bonus」(ID:ZhiChangHongLi)
@殷鹏:国内的模型能力和国外比有什么差距,什么时候能追得上?
杨志明博士 :实事求是来讲,国内大模型与国外差距还是比较大的,可能存在一到两代的代差。虽然很多大模型企业宣传已经能赶上GPT 4.0,但我认为这其实是不现实的,必须承认事实,不能自欺欺人。
@周杉冰:除了智能驾驶、智能家居和医疗,未来哪些具体领域的大模型值得做,或者看好哪些领域的AI大模型?
杨志明博士 :这个我感悟还挺深的。大模型时代基本把原来的场景在方方面面都翻新了一遍,无论是手机、汽车、医疗、办公、互联网等,从前各种场景中存在刚需的地方都可以再翻新一遍。所以我认为只要紧扣刚需和痛点问题,能够创造价值,无论哪个领域都值得被看好。
@殷鹏:在健康管理行业,目前这方面有什么落地的应用吗?
杨志明博士 :我认为这是一个非常好的领域,业界也都在布局。我们的大模型在这块也在尝试着应用落地,做第三方的癌症早筛。
并且在落地过程中我们又发现了一个痛点,就是患者看不懂一些专业术语的报告结果。因此我们正在切入的,是基于多模型解读诊断结果,提供后续服务,继而切入到患者的全生命周期,包括慢病管理等等。
@李君:贵司案例里面有九阳的大模型应用,能否举例说明一下这类消费品的落地应用场景?
杨志明博士 :电子消费品是一个量很大的市场,它里面有一个刚需点,就是与用户保持“长连接”完成售卖商品后与用户的“长连接”。
为用户提供持续的服务场景是什么?我们可以用小家电破壁机举一个例子。
第一个场景是售前,通过大模型将说明书数字化。看说明书的人很少从头到尾阅读,那么通过数字助手,就能够实现对如何使用产品的更简便的了解。
第二部分,用户在使用时可能还需要了解一些健康相关信息,这些信息可以通过数字助手来提供。它与自身的健康管理相关,具有个性化健康管理的价值。这就不仅是卖设备,更是提供服务。
第三部分,是可能在产品使用的过程中出现的一些售后问题。
因此对于破壁机而言,存在售前、售中、售后以及营养健康服务。这时就需要一个大模型来贯穿这几个阶段,以建立与用户的“长连接”。在建立”长连接”后,我们还可以向用户提供持续的推荐服务,而不像传统的卖货后就中断了与用户的连接。这是电子消费领域的一个应用场景。
只要紧扣刚需和痛点问题,能够创造价值,无论哪个领域都值得被看好。
@点心:AI技术人才是否会面临35岁危机, 如何看待个人技术经验的积累?
杨志明博士 :35岁危机在互联网行业讨论得尤其多。我个人认为,真正面临35岁危机的是那些不愿快速学习和创新,无法跟上技术变革的人。在这方面,关键依然是不断的学习和适应。如果你快速学习并跟上了技术发展,你就不会面临35岁危机。但如果保持不变不学习,那么可能在30岁就会面临危机,特别是在这个行业中。
@殷鹏:我是一位互联网产品经理,如果想转行成为AI产品经理,应该从何处着手学习和准备?
杨志明博士 :刚才我提到,产品经理要转到AI行业,首先需要了解AI在特定行业的应用。因为AI是一个领域,而不是一个独立的行业。所以,你需要了解该行业的业务和AI技术的基本特点,以及它可以做什么,它的发展程度如何。最重要的是深入了解该行业的用户,了解他们的需求、习惯等。最好的方法是在实践中学习,争取一个机会参与实际项目,从而更好地进行适应。
「深思考IDeepWise.ai」岗位👆
深思考人工智能专注于类脑多模态、跨模态大模型核心科技,其产品的突出优势为多模态/跨模态、大模型可控性(避免幻象)、可解释性和可溯源性。
公司的核心团队来自中国科学院、清华大学、耶鲁大学、新加坡国立大学,拥有近50位优秀的AI科学家,是华为投资的AI公司。目前,该公司的核心产品已落地数亿部智能手机终端、50+家三甲医院、70%的头部第三方检测机构,多家上汽、华为等头部汽车厂商,已完成亿元融资。
深思考产品已经在两个主要领域实现了大规模应用,即智能终端和早期癌症筛查。
而最终的发展愿景,在C端,将大模型助理个性化地应用于智能终端,例如智能手机、汽车终端、物联网终端等,在B端通过与垂域业务的结合落地于:医疗筛查、智能制造、游戏、虚拟人、智能营销等等领域。
信息整理 |戴修齐
编辑 |陈桐
排版 | 温莜
敬请关注「职场Bonus」(ID:ZhiChangHongLi)后续更新
行业
人工智能十大发展趋势:技术是源动力、应用是牵引力、安全是信任力
公司
Hugging Face:在人工智能的大航海时代悄悄地造一艘方舟
职业
人物
研报
加入“职升机Bonus”小程序使用
本文来自微信公众号“职场Bonus”(ID:ZhiChangHongLi),作者:职场红利研究所,36氪经授权发布。