TL;DR: AI đang giúp việc xây dựng phần mềm trông ấn tượng trong bản demo trở nên dễ dàng hơn bao giờ hết. Nhưng sau khi làm việc trong nhóm thực tập sinh đầu tiên của OpenAI, tôi biết được rằng thách thức thực sự không chỉ là tốc độ. Đó là sự phán xét: biết điều gì nên tin tưởng, điều gì cần kiểm tra và khi nào con người vẫn cần cập nhật thông tin.
AI đã giúp việc tạo ra phần mềm trông ấn tượng trở nên dễ dàng hơn bao giờ hết.
Một nguyên mẫu có thể được xây dựng nhanh hơn. Một cơ sở mã có thể được khám phá nhanh hơn. Một thử nghiệm có thể được tạo ra nhanh hơn. Một tài liệu khó hiểu có thể được tóm tắt nhanh hơn. Đối với các kỹ sư, đây là một sự thay đổi to lớn.
Nhưng tốc độ không giống như sự phán xét.
Đó là một trong những bài học lớn nhất tôi học được khi làm việc tại OpenAI. Tôi là thành viên của nhóm thực tập sinh đầu tiên của công ty và trải nghiệm này đã thay đổi cách tôi nghĩ về công nghệ phần mềm trong kỷ nguyên AI.
💜 của công nghệ EU
Những tin đồn mới nhất từ bối cảnh công nghệ EU, câu chuyện từ người sáng lập thông thái Boris của chúng tôi và một số tác phẩm nghệ thuật AI đáng nghi vấn. Nó miễn phí hàng tuần trong hộp thư đến của bạn. Đăng ký ngay bây giờ!
Trước đó, tôi đã nghĩ rất nhiều về việc trở thành một lập trình viên giỏi hơn. Sau đó, tôi bắt đầu suy nghĩ nhiều hơn về việc trở thành người đánh giá hệ thống tốt hơn: điều gì hiệu quả, điều gì thất bại, điều gì trông có vẻ đúng và điều gì thực sự có thể tin cậy được.
Con đường đến với AI của tôi không hề tuyến tính
Tôi không bắt đầu sự nghiệp của mình bằng một kế hoạch hoàn hảo.
Tôi sinh ra ở Cairo và chuyển đến Canada khi tôi 10 tuổi. Trong một thời gian dài, tôi đã nghĩ mình sẽ theo đuổi ngành y hoặc khoa học pháp y. Khoa học máy tính trở nên thú vị với tôi khi tôi nhận ra rằng phần mềm đang trở thành một trong những cách có đòn bẩy cao nhất để xây dựng sản phẩm, giải quyết vấn đề và tham gia vào tương lai của công nghệ.
Sau khi thực hiện chuyển đổi đó, tôi cố gắng đặt mình vào những môi trường mà tôi có thể học nhanh hơn.
Lần thực tập phần mềm đầu tiên của tôi không được trả lương. Nó không phải ở một công ty công nghệ nổi tiếng hay một phòng thí nghiệm AI nổi tiếng. Đó là một dự án phần mềm rất sớm do một cấp trên của Waterloo lãnh đạo. Lúc đầu, tôi không thể nhận được vai trò phần mềm trả phí, vì vậy tôi đã tận dụng cơ hội có được và cố gắng biến nó thành vai trò tiếp theo.
Con đường đó cuối cùng đã đưa tôi đến Whatnot, rồi Verkada và cuối cùng là OpenAI.
Vào thời điểm đó, OpenAI đang chuẩn bị nhóm thực tập sinh đầu tiên. Tôi áp dụng ngày ứng dụng được mở sau khi một người bạn gửi liên kết trong cuộc trò chuyện nhóm. Vì nhóm thuần tập còn mới nên chưa có cẩm nang nào được thiết lập. Không ai có thể cho tôi biết chính xác cuộc phỏng vấn sẽ diễn ra như thế nào hoặc họ muốn bối cảnh như thế nào.
Quá trình này làm tôi ngạc nhiên.
Tôi mong đợi các cuộc phỏng vấn sẽ tập trung nhiều vào trí tuệ nhân tạo. Thay vào đó, hầu hết quá trình đều kiểm tra kỹ thuật phần mềm cốt lõi: thuật toán, thiết kế hệ thống, tốc độ, sự rõ ràng và khả năng phán đoán.
Vấn đề không chỉ là liệu tôi có thể giải quyết được vấn đề hay không. Đó là liệu tôi có thể suy nghĩ rõ ràng, giao tiếp tốt và hành động nhanh chóng dưới áp lực hay không.
Điều đó cuối cùng phù hợp với văn hóa mà tôi đã trải nghiệm trong công ty.
Tại OpenAI, tốc độ có vẻ nhanh hơn những gì tôi mong đợi ở một công ty công nghệ lớn. Tôi đã gửi mã vào ngày đầu tiên của mình. Không có khoảng thời gian làm quen dài mà mọi chi tiết đều được giải thích trước khi tôi có thể đóng góp. Tôi phải học nhanh, đặt những câu hỏi hay và làm chủ.
Bài học rất rõ ràng: tốc độ quan trọng, nhưng khả năng phán đoán còn quan trọng hơn.
Bản địa AI không có nghĩa là phụ thuộc vào AI
Bây giờ tôi thường xuyên sử dụng các công cụ mã hóa AI.
Trước đây trong sự nghiệp của mình, tôi đã nghi ngờ về mức độ hữu ích của chúng đối với công việc kỹ thuật nghiêm túc. Điều đó đã thay đổi khi các công cụ trở nên đủ tốt để hỗ trợ các tác vụ thực tế: viết mã, tạo bài kiểm tra, khám phá các hệ thống lạ, tóm tắt thông tin và giảm bớt công việc tẻ nhạt.
Nhưng những công cụ này càng trở nên tốt hơn thì các nguyên tắc cơ bản càng trở nên quan trọng hơn.
Nếu bạn hiểu hệ thống mình đang xây dựng, AI có thể giúp bạn nhanh hơn nhiều. Nếu bạn không hiểu nó, AI có thể tạo ra ảo tưởng về sự tiến bộ.
Nó có thể tạo ra mã có vẻ đúng. Nó có thể đưa ra những lời giải thích nghe có vẻ tự tin. Nó có thể giải quyết được ví dụ hẹp trước mắt bạn trong khi vẫn bỏ sót vấn đề sâu hơn trong hệ thống.
Đó là lý do tại sao tôi nghĩ thế hệ kỹ sư tiếp theo cần trở thành người am hiểu AI, nhưng không phụ thuộc vào AI.
Một kỹ sư gốc AI không phải là người mù quáng chấp nhận kết quả đầu ra của mô hình. Đó là người biết cách sử dụng các công cụ AI một cách tinh tế và kỷ luật. Họ biết khi nào nên tin tưởng vào kết quả đầu ra, khi nào nên đặt câu hỏi, khi nào nên kiểm tra nó và khi nào nên giảm tốc độ.
Công việc của kỹ sư không biến mất. Nó thay đổi.
Phần lớn công việc tập trung vào việc đặt câu hỏi hay hơn, thiết kế các bài kiểm tra tốt hơn, hiểu kiến trúc, phát hiện các lỗi tinh vi và biết khi nào hệ thống đủ tin cậy để sử dụng.
Đại lý tăng tiền đặt cược
Điều này càng quan trọng hơn khi AI chuyển từ chatbot sang đại lý.
Chatbots trả lời câu hỏi. Đại lý có thể thực hiện hành động. Họ có thể sử dụng các công cụ, điều hướng phần mềm, truy xuất thông tin, viết mã, xem xét tài liệu và hoàn thành nhiệm vụ.
Điều đó khiến họ mạnh mẽ hơn nhưng cũng rủi ro hơn nhiều.
Một chatbot đưa ra câu trả lời tồi là một vấn đề. Một tác nhân thực hiện hành động sai có thể là một vấn đề lớn hơn nhiều.
Đó là lý do tại sao tương lai của kỹ thuật AI không chỉ dừng lại ở việc tạo ra các mô hình có khả năng hoạt động tốt hơn. Nó cũng phải liên quan đến sự tin tưởng.
Các kỹ sư cần suy nghĩ về việc đánh giá, thử nghiệm, tính minh bạch, giám sát và khi nào con người nên can thiệp. Họ không chỉ cần hiểu liệu hệ thống AI có thể làm điều gì đó một lần hay không mà còn liệu nó có thể làm điều đó nhiều lần trong các tình huống lộn xộn trong thế giới thực hay không.
Thật dễ dàng để bị ấn tượng bởi một bản demo. Sẽ khó hơn để xây dựng thứ gì đó hoạt động được khi đầu vào không rõ ràng, dữ liệu không đầy đủ, người dùng thay đổi ý định hoặc môi trường hoạt động khác với mong đợi.
Đó là nơi đánh giá kỹ thuật quan trọng nhất.
Bản demo không phải là sản phẩm
Một sai lầm mà tôi nghĩ mọi người mắc phải với AI là nhầm lẫn các bản demo với hệ thống.
Một bản demo được thiết kế để hiển thị những gì có thể. Một hệ thống phải tồn tại những gì có thể xảy ra.
Người dùng thực sự không đi theo con đường hoàn hảo. Quy trình công việc thực tế chứa thông tin bị thiếu, các trường hợp khó khăn, hướng dẫn không rõ ràng, hệ thống cũ, các yêu cầu xung đột và các ràng buộc không mong muốn.
Mô hình chỉ là một phần trong đó.
Hệ thống xung quanh xác định xem AI có trở nên hữu ích hay không: giao diện, vòng đánh giá, quyền truy cập công cụ, xử lý lỗi, đường dẫn leo thang và sự giám sát của con người.
Đây là lý do tại sao công nghệ phần mềm mạnh vẫn quan trọng. Các thuật toán, hệ thống, cơ sở dữ liệu, mạng và thiết kế phần mềm không đột nhiên trở nên không liên quan. Chúng cung cấp cho các kỹ sư nền tảng để hiểu khi nào công việc do AI tạo ra là chính xác và khi nào có điều gì đó không ổn.
Tương lai không phải là nền tảng so với AI. Đó là nguyên tắc cơ bản cộng với AI.
Học sinh cần tiếp cận vấn đề thực tế
Đối với những sinh viên đang cố gắng thâm nhập vào lĩnh vực AI, lời khuyên của tôi rất thiết thực.
Xây dựng những thứ có thật. Sử dụng các công cụ AI mỗi ngày. Phá vỡ chúng. So sánh các mô hình. Cố gắng tự động hóa các phần trong quy trình làm việc của riêng bạn. Hãy chú ý xem các công cụ này có ích ở chỗ nào và chúng thất bại ở chỗ nào.
Bạn không cần phải là nhà nghiên cứu về máy học để đóng góp cho AI. Đó là một con đường, nhưng nó không phải là con đường duy nhất.
Ngành này cũng cần các kỹ sư phần mềm, kỹ sư cơ sở hạ tầng, nhà tư tưởng sản phẩm, nhà thiết kế, chuyên gia bảo mật mạnh mẽ và những người hiểu cách hành xử của người dùng thực sự.
Các mô hình rất mạnh mẽ nhưng hệ thống xung quanh chúng sẽ quyết định liệu chúng có trở thành sản phẩm hữu ích hay không.
Tôi cũng nghĩ sinh viên nên tiếp cận môi trường đầy tham vọng càng sớm càng tốt.
Chuyển đến San Francisco đã thay đổi quan điểm của tôi. Ở bên cạnh những nhà xây dựng nghiêm túc khiến tốc độ của ngành trở nên chân thực. Tôi bắt đầu hiểu mọi người đang làm gì, họ quan tâm đến vấn đề gì và kỹ năng nào đang trở nên có giá trị.
Nhưng chỉ sự gần gũi thôi là chưa đủ. Bạn vẫn phải làm việc.
Hãy nghiêm túc đón nhận những cơ hội không hoàn hảo
Con đường đến với OpenAI của tôi nhìn từ bên ngoài trông rõ ràng hơn nhiều so với khi tôi còn sống ở đó.
Tôi đã bị từ chối nhiều lần. Tôi gửi email lạnh lùng cho nhà tuyển dụng. Tôi đã thực hành phỏng vấn với bạn bè. Tôi đã nộp đơn sớm. Tôi đã cố gắng đặt mình vào những môi trường mà tôi có thể học nhanh hơn.
Trước khi bước vào lĩnh vực AI tiên tiến, tôi cũng đã từng làm những công việc ở xa thế giới công nghệ tiên tiến, bao gồm cả vai trò là người gác cổng. sau này tôi đã chia sẻ công khai phần câu chuyện của tôi bởi vì tôi nghĩ mọi người thường chỉ nhìn thấy kết quả cuối cùng chứ không nhìn thấy sự không chắc chắn xảy ra trước đó.
Khi mọi người nhìn thấy OpenAI trong sơ yếu lý lịch, họ cho rằng con đường này rất đơn giản. Không phải vậy.
Việc thực tập không lương rất quan trọng. Những lời từ chối rất quan trọng. Những email lạnh lùng rất quan trọng. Các công việc bên ngoài công nghệ rất quan trọng. Mỗi bước cho tôi thêm một chút bằng chứng rằng tôi có thể hoạt động trong một môi trường đòi hỏi khắt khe hơn.
OpenAI đã cho tôi thấy biên giới của AI trông như thế nào. Con đường ở đó đã dạy tôi một điều cũng quan trọng không kém: sự tiến bộ thường đến từ việc nghiêm túc nắm bắt cơ hội tiếp theo trước khi bạn cảm thấy hoàn toàn sẵn sàng.
Tương lai của AI sẽ không chỉ thuộc về những người có thể xây dựng những bản demo ấn tượng.
Nó sẽ thuộc về những người có thể biến công nghệ mạnh mẽ thành các hệ thống hoạt động đáng tin cậy trong thế giới thực.
Đó là bài học tôi đang tiếp tục.
Nguồn The Next Web