2023Surfshark官网

编译／庄闵棻

如今，在生成式人工智慧 （AI） 时代，「提示工程师」（Prompt Engineer）似乎即将取代「资料科学家」（Data Scientist）成为「21 世纪最性感的工作」。自十几年前以来，《哈佛商业评论》在一篇文章中宣称资料科学家是「21 世纪最性感的工作」之後，资料科学家一直都是非常热门的职业。

如今，在生成式人工智慧 （AI） 时代，「提示工程师」（Prompt Engineer）似乎即将取代「资料科学家」（Data Scientist）成为「21 世纪最性感的工作」。（图／123RF）

提示工程师成热门职业

据外媒报导，现在「提示工程师」已经成为最热门的工作之一。 《ZDNET》 撰稿人 David Gerwitz 就指出，现在专业AI提示工程师的年薪已高达175,000 美元（约548万台币），但每年还可能远远超过30 万美元（约940万台币）。Gerwitz补充说，「成为一名优秀的AI提示工程师不只需要能够提出引导性问题，还需要将很多学科结合起来，包括程式设计、语言、解决问题的能力，甚至艺术，都能在这条职业道路上蓬勃发展。」

更多新闻：文心一言 vs. ChatGPT问题实测！中国真能追上吗？

人才难寻

随着生成式AI成为世界上最受欢迎的技术，对提示工程师的需求量不断增加。不过，现在的问题在於，找到拥有提示工程技能的人才是一项棘手的挑战。加拿大皇家银行财富管理公司 （RBC Wealth Management） 技术主管Greg Beltzer就指出，「如今，一名优秀的提示工程师比一名资料科学家更昂贵，因为想要找到有经验的人非常困难。你找不到有五年以上经验的人，最多可能有两三年，但很难找到。」

会写作是关键

好消息是，进入这个领域的人并不需要会编写程式，而是要知道「如何写作」。Beltzer就认为，培训资料科学家或其他相关专业人员提示工程技能是没有意义的，因为这不只是程式码或开发，「它就像一种具有创造性的商业技术技能，是写作和思考的相辅相成。你需要像使用者一样思考，才能帮助解决提示工程的问题。」

参考资料：zdnet

…

作者：Howie Su（产业分析师）

ChatGPT 推出近一年後，各家公司现在正忙着采用生成式人工智慧来获得新的竞争优势或阻止竞争对手效仿，最近微软与Open AI的经营权事件可见一般，不过，除生成式人工智慧外，传统形式的人工智慧又如何呢？人工智慧还有空间容纳老式的机器学习吗？到目前为止，生成式人工智慧普及似乎并没有引起传统人工智慧能力的广泛提升。麦肯锡最近的人工智慧现状报告指出，2023 年是生成式人工智慧的突破年，三分之一的受访组织表示他们已经定期使用相关技术：40% 的组织计划增加对人工智慧的整体投资。但麦肯锡表示，这并没有对其他形式的人工智慧产生任何外溢效应。事实上，自2022年以来，采用人工智慧工具业者的百分比一直保持稳定，并且应用领域仍然集中在少数业务范围内。

生成式人工智慧与传统人工智慧差别在哪？

为什麽会这样？这样的现象原因在於，生成式人工智慧与传统人工智慧有显着差异：生成式人工智慧主要基於非结构化资料进行训练，而传统机器学习主要基於结构化资料进行。而生成式人工智慧猛爆式成长也给企业带来一定困惑，很多公司过去因为数位转型，正在尝试结构化与非结构化资料的处理，人都还没完全找齐，业务智慧化也还在进行，结果突然间，非结构化资料可应用范畴突然变非常大，很多公司现在的挑战是，我们应该使用这些资料来做什麽？许多业者可能还没想好要怎麽把这些非结构性资料变现，或是改变商业模式。多数企业使用生成式人工智慧用於公司内部数据、文字和报告的内部助理，与聊天机器人建立上，但说要改变商业模式形成，或是像微软、Google这样具备广大应用场域的现象倒是还没出现。

图、两种人工智慧的基本比较。（资料来源：Karolyn Zeng）

另外，传统的人工智慧模型大多是客制开发的，相较之下，生成式人工智慧应用程式大多是使用供应商开发的框架建立的，有些供应商提供专有 FM（AI21 Labs、Cohere、LightOn 等）以及开源 FM（Stability AI Hugging Face 等）。这些基础模型可以使用专有资料进行客制化训练或微调以用於特殊用途。；同时，生成式人工智慧和传统人工智慧计画之间还有其他重要区别。例如，开始使用生成式人工智慧需要较小的前期开发成本，并且可以在几天内建立起来，传统人工智慧需要更高的前期成本，并且启动时间更长。而在技能需求上也有很大差异，在传统人工智慧中，需要熟练的开发人员从头开始建立模型，以及大量的资料准备和资料标记工作来训练模型。但对於生成式人工智慧，模型是预先建立与预先训练的。最後，传统的人工智慧用途本质上是分析性的，根据过去的数据预测值或对观察结果进行分类，相较之下，生成式人工智慧可以产生内容并执行任务，由此产生的应用完全不同，新功能包括程式码、文字、图像、视讯、音讯和资料的生成和操作。

两者怎麽搭配比较好？

并不是说传统人工智慧将被生成式人工智慧取代，或是进行模型开发的数据科学团队将变得多余。生成式人工智慧用例与传统人工智慧用例有很大不同，实施生成式人工智慧需要改变企业架构、开发周期、新角色和技能。生成式人工智慧并不能解决所有问题，但它有它的空间并带来新的能力，目前，我们看到的大多是独立的生成式人工智慧解决方案，但为了充分发挥其潜力，生成式人工智慧最好与传统人工智慧和现有应用程式结合使用，从 IT 策略和企业架构角度来看，将生成式人工智慧与现有数据、应用程式和自动化平台结合，需要仔细评估应用性。

…