AI 普及化：機會和挑戰
在過去的六個月中，OpenAI 推出了 ChatGPT 和 DALL-E 等生成型 AI 技術，將人工智慧帶入了主流。現在任何有網路存取的人都可以與智慧且有用的 AI 進行互動，而不僅僅是一個有趣的原型。隨著人工智慧從科幻玩具升華為現實工具，人們對於 AI 實驗是否需要暫停等問題以及四天工作週的興奮情緒都有所不同。在幕後，軟體公司紛紛努力將 AI 應用於產品中，工程領導者在董事會和客戶面前面臨著越來越高的期望壓力。作為一名工程領導者，您需要為團隊面臨的不斷增長的需求做好準備，並充分利用新的技術進步來超越競爭對手。以下是幾個設定您和您的團隊成功的策略。把想法轉化為現實專案
生成型 AI 正接近 Gartner 的“虛假期望高峰”階段。各種想法開始湧現。您的同行和董事會將向您提出新的專案，這些專案被認為是騎乘 AI 浪潮的機會。當人們對可能性的擴大和技術的潛力具有最大的想像力時，對於工程來說這是一件好事。但這也是困難的部分。您桌上提出的許多想法將伴隨著一個對於如何實現的疑問，而這可能與現實脫節。但如果您從這些想法中挖掘出實際的專案並獲得幾個持份者的支援，則可以克服這個困難。在選擇使用的工具方面，以前對自動化持懷疑態度的人可能現在願意考慮新的可能性，而不管您選擇使用的具體工具是什麼。生成型 AI 的機遇和挑戰
揚名一時的新型 AI 在快速生成文字、程式碼和影象方面非常出色。對於某些應用程式來說這意味著可以節省人力成本。然而與現有技術相比，它也存在一些嚴重的缺點。以 ChatGPT 為例，ChatGPT 沒有“信心水平”的概念。它無法區分其陳述背後是否有大量證據支援，或者它只是根據詞語聯想作出的最佳猜測。即使那個最佳猜測事實上是錯誤的，ChatGPT 聽起來還是驚人地逼真，使得 ChatGPT 的錯誤更加危險。ChatGPT 無法獲取“實時”訊息。它甚至無法告訴您過去幾個月的任何訊息。ChatGPT 對於不公開的領域特定術語和概念一無所知，因為這些概念無法從網上獲取。它可能會將您內部公司的專案名稱和縮寫與來自網路的不相關的概念聯動起來。但是技術也有答案：貝葉斯機器學習模型（和許多傳統統計工具）可以根據機率錯誤機率來推論。現代流式處理架構可以以非常低的延遲處理資料，無論是用於更新訊息檢索系統還是機器學習模型。GPT 模型（以及來自 HuggingFace 等來源的其他預訓練模型）可以透過特定於領域的示例“微調”。這可以顯著提高結果，但同時也需要花費時間和精力來為偵錯建立一個有意義的資料集。作為一名工程領導者，您理解您的業務以及如何從持份者中提取需求。如果還沒有的話，下一步需要您確保評估哪種工具更適合滿足這些需求。機器學習工具現在包括從簡單的回歸模型到最新“AI”概念背後的大型語言模型（LLM）的一系列技術，這些工具應該成為您有信心評估的工具箱中的選項之一。評估潛在機器學習專案
並非每個工程組織都需要一個專門負責機器學習或資料科學的團隊。但不久之後，每個工程組織都需要一個人，他可以克服糾結，並闡述機器學習對他們業務能做什麼、不能做什麼。要做到這一點，需要擁有成功和失敗資料專案的工作經驗。如果您的團隊中沒有這樣的人，建議您尋找一個！在此期間，當您與持份者交談並設定其夢想專案的期望時，請使用以下檢查清單： - 是否已經嘗試過一個更簡單的方法，例如基於規則的算法，解決了這個問題？這種更簡單的方法有什麼具體的不足之處，機器學習則可能克服了這些問題？ - 一個人是否能提供幾個成功的機器學習算法輸出的具體例子？如果持份者希望在資料集中尋找一些模棱兩可的“洞見”或“異常”，但無法提供具體的例子，這是一個警示訊號。任何資料科學家都可以發現統計異常值，但不要期望它們有用。 - 是否有高質量的可用資料？就像俗話說的“垃圾進，垃圾出”那樣。在進行機器學習專案之前，資料的清潔和架構可能需要先進行。 - 是否有類似的問題已經有相應的機器學習解決方案？如果沒有，這並不意味著機器學習不能幫助解決，但您應該為更長的研究周期做好準備，需要更深入的機器學習專業知識和最終失敗的可能性。 - “足夠好”是否有明確的定義？對於大多數用例，機器學習模型永遠無法達到 100%的準確性。除非有明確的指導要求，否則工程團隊很容易浪費時間逐步接近難以捉摸的 100%，而且每個百分點的改進所需的時間比上一個百分點更多。結論
要想將新的機器學習模型引入到生產中，應該始終保持一定的懷疑態度，就像您在將新的資料儲存引入生產堆疊時一樣。有效的門戶管理將確保機器學習成為您團隊的一項有用工具，而不是被持份者視為一個美差。Gartner 的“失望谷”是不可避免的，但其深度是由您所設定的期望和交付的價值所控制的。將來自您公司的新想法引入現實專案中，無論是否使用 AI，並提升您的團隊能力，這樣您就能迅速識別並利用機器學習帶來的新機遇。Leadership-AI 技術,領導力,團隊管理,技術領導,AI 熱潮,工程團隊,穿越,AI
延伸閱讀
- 蒙古敦發展迎來 10 週年，CEO Dev Ittycheria 討論 AI 熱潮與資料庫之進化
- 照片分享社群 EyeEm 將許可使用者的照片以訓練 AI，如果使用者不刪除照片
- 英偉達收購 AI 工作負載管理新創公司 Run:ai
- 英國調查亞馬遜和微軟與 Mistral、Anthropic 和 Inflection 的 AI 合作關係
- 這款相機以 AI 詩詞交換照片
- Webflow 併購 Intellimize，加入 AI 動力頁面個性化
- CommentSold：AI 技術讓直播賣貨更加方便
- 頭條新聞：頂級公司專頁功能即將上線，搭載 AI 及行銷工具助您擴充套件觀眾量
- Amazon Music 跟隨 Spotify 推出自己的 AI 播放清單生成器 Maestro
- 「Facebook 與 Instagram AI 生成的裸照遭調查」
