اگر می خواهید شغلی در هوش مصنوعی داشته باشید، پایتون را یاد بگیرید

مهارت‌های هوش مصنوعی، یادگیری ماشینی و مدل‌های زبان بزرگ در صنایع مختلف بسیار مورد تقاضا هستند.

نه، هوش مصنوعی کار شما را نمی گیرد. به هر حال هنوز نه. همانطور که نوشتم، بهترین استفاده از هوش مصنوعی و یادگیری ماشینی (AI/ML) خلاقیت انسان را تکمیل می‌کند تا اینکه جایگزین آن شود. از قضا، بهترین مدل های زبان بزرگ یا LLM ها آموزش دیده اند، شاید نه همیشه قانونی، با استفاده از محصولات دارای حق چاپ خلاقیت انسان. مردم و روبات ها در آینده ای قابل پیش بینی به صورت مسالمت آمیز همزیستی خواهند کرد.

با وجود این، برخی از صنایع با شدت بیشتری نسبت به سایرین از هوش مصنوعی استقبال می کنند، همانطور که در جدیدترین گزارش شاخص هوش مصنوعی ۲۰۲۲ از موسسه استنفورد برای هوش مصنوعی انسان محور. در طول سال گذشته، تقریباً هر صنعتی سرمایه‌گذاری‌های خود را بر روی افراد باهوش هوش مصنوعی افزایش داده است. خدمات حرفه ای، علمی و فنی (۴.۱%)؛ و امور مالی و بیمه (۳.۳%). اگر در مورد شغل خود نگران هستید یا می خواهید از این روند استفاده کنید، یک کلمه برای شما دارم: Python.

کسب و کار پیشتاز است

تا سال ۲۰۱۴، دانشگاه مرکز جهان ML بود. بیشتر نه. کسب‌وکارهای بزرگ از سال ۲۰۱۴ به‌دنبال AI/ML بوده‌اند و در سال ۲۰۲۲، کسب‌وکارها ۳۲ مدل ML منتشر کردند در حالی که دانشگاه‌ها فقط سه مدل را منتشر کردند. موسسات دانشگاهی نمی توانند با داده ها، چرخه های CPU و پولی که صنعت به ارمغان می آورد، همگام باشند.

چقدر پول؟ خوب، در حالی که آموزش یک LLM مانند GPT-2 در سال ۲۰۱۹ ۵۰۰۰۰ دلار هزینه داشت، آموزش PalM تقریباً ۸ میلیون دلار هزینه داشت، با ۳۶۰ برابر پارامترهای بیشتر از GPT-2 (که البته در زمان خود پیشرفته بود). دولت‌ها می‌توانستند این نوع سرمایه‌گذاری را بپردازند، اما دولت‌ها عمدتاً نگران تلاش (ناموفق) برای تنظیم مقررات LLM بوده‌اند، بنابراین صنعت این خلأ را پر کرده است.

با انجام این کار، اشتهای کسب‌وکارها برای استعدادهای هوش مصنوعی/ML تقریباً در تمام بخش‌های صنعتی آمریکا افزایش یافته است. به طور متوسط، تعداد آگهی‌های شغلی مرتبط با هوش مصنوعی از ۱.۷ درصد در سال ۲۰۲۱ به ۱.۹ درصد در سال ۲۰۲۲ رسیده است. این تعداد ممکن است اندک به نظر برسد، اما این درصدها از همه آگهی‌های شغلی در ایالات متحده است. با توجه به اینکه چگونه AI/ML برای اکثر کسب و کارها ثابت نشده است، نزدیک شدن به ۲٪ بسیار بزرگ است. همانطور که قبلاً اشاره کردم، برخی از صنایع دارای نرخ های بسیار بالاتری از آگهی های شغلی هستند که به تخصص AI/ML نیاز دارند.

درصد مشاغلی که مهارت‌های هوش مصنوعی می‌خواهند در بیشتر صنایع، به‌ویژه در سال گذشته، در حال افزایش است.

البته مشاغل تنها معیار سرمایه گذاری نیستند و از نظر پول نقد، پزشکی و مراقبت های بهداشتی با ۶.۱ میلیارد دلار سرمایه گذاری در هوش مصنوعی در سال ۲۰۲۲ پیشتاز هستند. درست پس از مراقبت های بهداشتی مدیریت داده، پردازش و ابر (۵.۹ دلار) قرار دارد. میلیارد)؛ سپس فین تک (۵.۵ میلیارد دلار). این صنایع با توجه به نحوه خرج شدن آن بودجه هوش مصنوعی منطقی هستند. بر اساس این گزارش، کسب و کارها از هوش مصنوعی به روش های مختلفی استفاده می کنند، اما حوزه های اصلی شامل اتوماسیون فرآیند روباتیک (۳۹٪)، بینایی کامپیوتر (۳۴٪)، درک متن زبان طبیعی (۳۳٪)، و عوامل مجازی (۳۳٪) است. در مورد موارد استفاده، اصلی ترین موردی که در سال ۲۰۲۲ پذیرفته شد، بهینه سازی عملیات خدمات (۲۴٪) بود. سایر موارد محبوب عبارتند از ایجاد محصولات جدید مبتنی بر هوش مصنوعی (۲۰٪)، تقسیم بندی مشتری (۱۹٪)، تجزیه و تحلیل خدمات مشتری (۱۹٪)، و بهبود محصولات جدید مبتنی بر هوش مصنوعی (۱۹٪).

این برای شغل شما چه معنایی دارد؟ بر اساس مطالعه متفاوت انجام شده توسط محققان دانشگاه پنسیلوانیا و با بودجه OpenAI، “حدود ۸۰ ٪ از نیروی کار ایالات متحده ممکن است حداقل ۱۰٪ از وظایف کاری خود را تحت تأثیر معرفی LLM قرار دهند، در حالی که تقریباً ۱۹٪ از کارگران ممکن است حداقل ۵۰٪ از وظایف خود را تحت تأثیر قرار دهند. چه کسی در معرض خطر است؟ حسابداران، ریاضیدانان، مترجمان، نویسندگان خلاق و غیره. چه کسی نیست؟ آنهایی که روی کار فیزیکی بیشتری مانند آشپز، مکانیک، یا سرخ کردن نفت و گاز متمرکز بودند. (اما ممکن است وسایل نقلیه الکتریکی برای گروه دوم عرضه شوند.)

البته این خبر بد نیست. همانطور که در توسعه نرم‌افزار می‌بینیم، هوش مصنوعی می‌تواند برخی از خستگی‌های یک شغل معین را حذف کند و در عین حال کارمندان (در این مورد، توسعه‌دهندگان) را آزاد کند تا روی کارهای با ارزش‌تر تمرکز کنند. برای کسانی که به دنبال تقویت شانس خود در آینده مبتنی بر هوش مصنوعی هستند، گزارش استنفورد یک فناوری خاص را بالاتر از سایرین متمایز می کند: Python.

پایتون و جام مقدس AI

تأثیر پایتون بر علم داده نباید تعجب‌آور باشد. همانطور که در سال ۲۰۲۱ نوشتم، “زبانی که به احتمال زیاد بر [علم داده] مسلط است، زبانی است که برای گسترده ترین جمعیت در شرکت در دسترس است.” یک سال بعد، این موضوع همچنان صادق بود: «از آنجایی که سازمان‌ها به گروه‌های متنوع‌تری برای کمک به علم داده‌ها نگاه می‌کنند، جذابیت انبوه پایتون باعث می‌شود راه‌پیمایی آسانی ایجاد شود.» بیشتر و بیشتر، Python زبانی برای متخصصان و تازه کارها است که در علم داده غوطه ور می شوند.

در گزارش استنفورد، پایتون هم به دلیل رشد نسبی خود در مقایسه با سایر مهارت‌های مورد نظر و هم به دلیل رشد مطلق آن متمایز است:

همه مهارت‌های مرتبط با هوش مصنوعی با پیشرو بودن پایتون در تقاضا شاهد جهش عظیمی بوده‌اند.

دلایل متعددی وجود دارد که پایتون برای علم داده به طور کلی و به طور خاص AI/ML به اوج می رسد. پایتون با ارائه مجموعه ای از کتابخانه های قدرتمند که توسعه را ساده می کند، به کاهش پیچیدگی ذاتی AI/ML کمک می کند. همچنین ساده و سازگار است، با یک نحو واضح که برای انسان قابل خواندن است، و نوار مهارت در آن را پایین می آورد. Python همچنین دارای یک جامعه گسترده و استقبال کننده است تا به توسعه دهندگان کمک کند تا سریعتر بهره وری کنند، در حالی که تقریباً در هر پلتفرمی که ممکن است بخواهید از آن استفاده کنید اجرا می شود.

بله، با توجه به توانایی ماشین برای انجام کارها کارآمدتر از انسان، ممکن است هوش مصنوعی بخش‌هایی از کار شما را منسوخ کند. با این حال، به‌ویژه برای کسانی که پایتون را انتخاب می‌کنند، باید فرصت‌های زیادی برای استقبال از ظهور انقلاب روباتیک و گسترش آن برای رفع نیازهای شما (و نیازهای کارفرما) با استفاده از Python و ابزارهای دیگر وجود داشته باشد.