Κανείς δεν χρειάζεται πλέον μηχανικούς να δίνουν εντολές στην Τεχνητή Νοημοσύνη.

Η άμεση μηχανική για την Τεχνητή Νοημοσύνη ήταν μια από τις πιο περιζήτητες θέσεις εργασίας το 2023. Ωστόσο, ο ταχύς ρυθμός ανάπτυξης της Τεχνητής Νοημοσύνης έχει καταστήσει αυτό το επάγγελμα παρωχημένο.

Το 2023, ενώ εκατομμύρια άνθρωποι ανησυχούσαν για την πιθανότητα μοντέλα τεχνητής νοημοσύνης όπως το ChatGPT να τους πάρουν τις δουλειές, ορισμένες εταιρείες ήταν πρόθυμες να πληρώσουν εκατοντάδες χιλιάδες δολάρια για να προσλάβουν άτομα ικανά να αξιοποιήσουν αυτά τα chatbot τεχνητής νοημοσύνης επόμενης γενιάς.

Σύμφωνα με το Bloomberg , η εμφάνιση του ChatGPT εκείνη την εποχή δημιούργησε ένα νέο επάγγελμα που ονομάζεται Prompt Engineer, με μισθούς που έφταναν έως και τα 335.000 δολάρια ετησίως.

«Μιλώντας στην Τεχνητή Νοημοσύνη»

Σε αντίθεση με τους παραδοσιακούς προγραμματιστές, ο μηχανικός προτείνει προγραμματισμό με τη μορφή πεζού κειμένου και στη συνέχεια στέλνει τις εντολές απλού κειμένου στο σύστημα τεχνητής νοημοσύνης. Το σύστημα στη συνέχεια μετατρέπει το περιγραφικό κείμενο σε πραγματικές εργασίες.

Αυτά τα άτομα συχνά κατανοούν τα ελαττώματα της Τεχνητής Νοημοσύνης, γεγονός που τους επιτρέπει να ενισχύσουν τις δυνατότητές της και να αναπτύξουν εξελιγμένες στρατηγικές για να μετατρέψουν απλές πληροφορίες σε πραγματικά μοναδικά αποτελέσματα.

Ο Λανς Γιουνκ κάποτε κέρδισε σχεδόν 35.000 δολάρια σε έσοδα από ένα διαδικτυακό μάθημα που δίδασκε στους ανθρώπους πώς να χρησιμοποιούν το ChatGPT. Φωτογραφία: Gearrice.

«Για να χρησιμοποιήσετε αποτελεσματικά την Τεχνητή Νοημοσύνη, πρέπει να κατακτήσετε την ικανότητα σχεδιασμού εντολών. Χωρίς αυτήν την ικανότητα, η καριέρα σας, αργά ή γρήγορα, θα καταστραφεί», δήλωσε η Λυδία Λόγκαν, Αντιπρόεδρος Παγκόσμιας Εκπαίδευσης και Ανάπτυξης Ανθρώπινου Δυναμικού στην IBM.

Ωστόσο, με την ταχεία ανάπτυξη, τα μοντέλα Τεχνητής Νοημοσύνης κατανοούν πλέον πολύ καλύτερα την πρόθεση του χρήστη και μπορούν ακόμη και να θέσουν ερωτήσεις παρακολούθησης εάν η πρόθεση είναι ασαφής.

Επιπλέον, σύμφωνα με την WSJ , οι εταιρείες εκπαιδεύουν μια σειρά υπαλλήλων σε διάφορα τμήματα σχετικά με τον καλύτερο τρόπο χρήσης εντολών και μοντέλων Τεχνητής Νοημοσύνης, επομένως υπάρχει λιγότερη ανάγκη για ένα μόνο άτομο που να κατέχει αυτήν την εξειδίκευση.

Συγκεκριμένα, σε πρόσφατη έρευνα που διεξήχθη για λογαριασμό της Microsoft, 31.000 εργαζόμενοι σε 31 χώρες ρωτήθηκαν σχετικά με τους νέους ρόλους που εξετάζουν οι εταιρείες τους να προσθέσουν τους επόμενους 12-18 μήνες. Σύμφωνα με τον Jared Spataro, διευθυντή μάρκετινγκ AI at Work της Microsoft, ο μηχανικός διοίκησης κατατάχθηκε δεύτερος από το τέλος της λίστας.

Εν τω μεταξύ, θέσεις όπως εκπαιδευτής, ειδικός δεδομένων και ειδικός ασφάλειας τεχνητής νοημοσύνης βρίσκονται στην κορυφή της λίστας.

Ο Spataro υποστηρίζει ότι τα κύρια γλωσσικά μοντέλα έχουν πλέον αναπτυχθεί επαρκώς ώστε να επιτρέπουν καλύτερη αλληλεπίδραση, διάλογο και επίγνωση των συμφραζομένων.

Για παράδειγμα, το εργαλείο έρευνας της Microsoft που βασίζεται στην τεχνητή νοημοσύνη θα κάνει ερωτήσεις παρακολούθησης, θα ενημερώνει τον χρήστη όταν δεν καταλαβαίνει κάτι και θα ζητά σχόλια σχετικά με τις πληροφορίες που παρέχονται. Με άλλα λόγια, ο Spataro υποστηρίζει ότι «δεν χρειάζεται να έχετε τέλειες δηλώσεις».

Το να είσαι «τυφλός» δεν είναι λάθος.

Σύμφωνα με την Hannah Calhoon, αντιπρόεδρο Τεχνητής Νοημοσύνης στην πλατφόρμα αναζήτησης εργασίας Indeed, ο αριθμός των αγγελιών εργασίας για μηχανικούς γραμμής εντολών είναι επί του παρόντος πολύ χαμηλός.

Τον Ιανουάριο του 2023, λίγους μόλις μήνες μετά την έναρξη του ChatGPT, οι αναζητήσεις χρηστών στο Indeed για αυτόν τον ρόλο εκτοξεύτηκαν στα 144 ανά εκατομμύριο αναζητήσεις. Ωστόσο, έκτοτε, ο αριθμός αυτός έχει σταθεροποιηθεί σε περίπου 20-30 αναζητήσεις ανά εκατομμύριο.

Οι Prompt Engineers είναι μηχανικοί των οποίων η δουλειά είναι να δημιουργούν ερωτήσεις ή εντολές για εργαλεία τεχνητής νοημοσύνης όπως το ChatGPT. Φωτογραφία: Riku AI.

Εκτός από τη μειωμένη ζήτηση, η οποία περιορίζεται από τους περιορισμένους προϋπολογισμούς και την αυξανόμενη οικονομική αβεβαιότητα, οι εταιρείες έχουν επίσης γίνει πολύ πιο επιφυλακτικές όσον αφορά τις προσλήψεις γενικά τα τελευταία χρόνια.

Συνεπώς, εταιρείες όπως η Nationwide Insurance, η μάρκα ρούχων εργασίας Carhartt και η New York Life Insurance δήλωσαν ότι δεν έχουν προσλάβει ποτέ μηχανικούς παραγγελιών. Αντίθετα, διαπίστωσαν ότι η βελτίωση των δεξιοτήτων καθορισμού παραγγελιών είναι μια καλύτερη εξειδίκευση στην οποία μπορούν να εκπαιδευτούν όλοι οι τρέχοντες εργαζόμενοι.

«Είτε εργάζεστε στον τομέα των οικονομικών, του ανθρώπινου δυναμικού ή της νομικής, το θεωρούμε αυτό ως μια ικανότητα που εντάσσεται σε έναν τίτλο εργασίας και όχι ως ξεχωριστό τίτλο εργασίας», δήλωσε ο Jim Fowler, Chief Technology Officer της Nationwide.

Ο καθηγητής Άντριου Νγκ, ιδρυτής του Google Brain και λέκτορας στο Πανεπιστήμιο Στάνφορντ, υποστηρίζει ότι οι χρήστες μερικές φορές δεν χρειάζεται να είναι υπερβολικά λεπτομερείς όταν εισάγουν μηνύματα για την Τεχνητή Νοημοσύνη.

Σε μια ανάρτηση στο X, ο Ng ονόμασε αυτή τη μέθοδο « τεμπέλη προτροπή » — δηλαδή, την τροφοδοσία της τεχνητής νοημοσύνης με πληροφορίες με πολύ λίγο περιεχόμενο ή χωρίς συγκεκριμένες οδηγίες. «Θα πρέπει να προσθέτουμε λεπτομέρειες στις προτροπές μόνο όταν είναι απολύτως απαραίτητο», δήλωσε ο συνιδρυτής του Coursera και του DeepLearning.

Ένα χαρακτηριστικό παράδειγμα που δίνει ο Ng είναι οι προγραμματιστές κατά την αποσφαλμάτωση. Συχνά αντιγράφουν και επικολλούν ολόκληρα μηνύματα σφάλματος - μερικές φορές αρκετών σελίδων - στο μοντέλο AI χωρίς να καθορίζουν τις απαιτήσεις.

«Τα περισσότερα μεγάλα γλωσσικά μοντέλα (LLM) είναι αρκετά έξυπνα ώστε να κατανοήσουν ότι τα χρειάζεστε για να αναλύουν και να προτείνουν τρόπους διόρθωσης σφαλμάτων, ακόμα κι αν δεν το λέτε ρητά», έγραψε.

Οι LLM σταδιακά ξεπερνούν την απλή ανταπόκριση σε εντολές, αρχίζοντας να κατανοούν την πρόθεση και τον λόγο των χρηστών για την παροχή κατάλληλων λύσεων. Φωτογραφία: Bloomberg.

Σύμφωνα με τον Ng, ​​αυτό είναι ένα βήμα μπροστά που δείχνει ότι οι LLM σταδιακά ξεπερνούν την απλή ανταπόκριση σε εντολές, αρχίζοντας να κατανοούν την πρόθεση και τον λόγο των χρηστών για την παροχή κατάλληλων λύσεων - μια τάση που ακολουθούν οι εταιρείες ανάπτυξης μοντέλων τεχνητής νοημοσύνης.

Ωστόσο, η «αργή υποβολή προτροπών» δεν είναι πάντα αποτελεσματική. Αξίζει να σημειωθεί ότι αυτή η τεχνική θα πρέπει να εφαρμόζεται μόνο όταν οι χρήστες μπορούν να δοκιμάσουν γρήγορα το μοντέλο, όπως μέσω μιας διεπαφής ιστού ή μιας εφαρμογής τεχνητής νοημοσύνης, και το μοντέλο είναι αρκετά ικανό να συμπεράνει την πρόθεση από περιορισμένες πληροφορίες.

Ο κ. Ng τόνισε: «Εάν η Τεχνητή Νοημοσύνη χρειάζεται πολλά συμφραζόμενα για να απαντήσει λεπτομερώς ή δεν μπορεί να αναγνωρίσει πιθανά σφάλματα, τότε μια απλή προτροπή δεν θα βοηθήσει».

Πηγή: https://znews.vn/khong-con-ai-can-ky-su-ra-lenh-cho-ai-nua-post1549306.html