小編精選 - 技術文章翻譯 · 09月18日

人工智慧時代的工程師如何學習

偶然看到這篇文章，我受到很大啟發，所以久違地開始寫作。

「從AI中能發揮的性能與自己的能力成正比」 可能是我最喜愛的與AI相關的話語。

如果把使用AI視為每個人的能力有N倍的提升，那麼很多事情都可以很好地解釋，以下是我所思考的內容總結。

能力與差距的話題

隨著AI的誕生，許多人變得能夠做以前無法做到的事情。

因此，有些人可能認為，這會縮小能夠做到與不能做到之間的差距，但如果「從AI中能發揮的性能與自己的能力成正比」這個說法是真的，那麼這種看法就是錯誤的。

如果這是真的，那麼能夠做到的人與不能做到之間的差距將進一步擴大。

社會對能力要求的話題

乘法的力量是偉大的，因此，因為N倍的提升，許多人可以到達過去只有少數人能做到的工作的要求水平。

另一方面，我認為社會（企業）對工程師的要求水平並沒有因AI的誕生而顯著改變，因此現在的工作相當輕鬆，很多人都有機會。

現在利用這個空隙增加工作量，但在時間上，社會的要求水平應該會基於AI而提高，因此如果過度發展，可能會給自己帶來麻煩。
不過，即使社會的要求水平增加到N倍，報酬並不會相應增加，所以我們現在依然有機會。

N倍的N是固定值嗎？

並不是。對於不同的人來說，N可能是3倍或5倍。

我認為這個參數是取決於學習有多少AI的知識。

事物的學習曲線在初期會大幅上升，然後逐漸變得平緩，但關於AI，目前仍有很多人停留在初期階段，所以稍微學習一下這個數字就會迅速提升。
因此，為了提升個人能力（以下簡稱P）x AI的增幅能力（N）的綜合力量，現在學習AI是最有效的方式。

不過，我預測N的上限雖然還看不出來，但不會特別高，因此這種方式在某些時候會遇到瓶頸。另一方面，我認為P幾乎是無限可以提升的，因此最終還是會回歸到P的提升是重要的方向。

我想表達的是，雖然現在看起來專注於延伸N（=學習AI）的人的數量已經超越了P高的人，但對於那些仍未通過初期階段的人來說，提升這裡的數字是容易的，因此最終（與之前一樣）提升P仍然是重點。

但如果與N=1的群體競爭，將來他們絕對會無法勝出，因此平衡地提升兩者是重要的。
因為是乘法，若其中一者提升1，綜合能力會顯著提高。

AI時代的工程師應該學習什麼？

我一直在從事與工程師教育相關的工作，因此在過去一兩年裡，我一直在思考AI時代的初學者工程師應該學習什麼是最好的。在這次的思考中，我似乎模糊地找到了答案。

首先，可以確定的一點是「因為有AI，未來就不需要學習了」絕對是錯誤的。
0乘以任何數仍然是0。

反過來，意識到N倍的情況下，可以對需求水平所需的P進行逆向推算。
例如，我的Python能力不是特別強，但最近聽到的案例中，我常常認為有AI的幫助應該能夠完成。以前我會拒絕的Python項目現在也能接了。不過像Unity這種我完全沒有接觸過的技術，即使有AI的幫助也無法接手。（實際上是否接手是另外一回事，但選擇的範圍擴大了這是好事。）

人類的學習容量是有限的。
以前學習容量與能力容量相近，但隨著AI的來臨，現在學習容量與能力容量之間的比例增至N倍，我認為這是非常棒的事。
不過換個角度看，學習容量分配的策略必須與AI之前有大幅變化。

根據以上所述，我認為基礎策略應該是「廣泛而淺顯」。但並不是說要淺學所有，而是要對某一方面進行深入學習。（若淺學所有，只會導致無法達成具體目標）

在深入學習時，選擇自己喜愛的內容是可以的，但應避免快速變化的領域（如React等前端框架）或特定技術（如AWS等廠商技術）。這些知識許多隨著時間推移會變得無法使用，而且即便能達到N倍提升，也可能不需要很高的P就能滿足需求水平。

當然，對於P高的人來說，肯定無法勝出，但若淺學的部分能滿足需求水平，那麼就這麼接受也未嘗不可。

需求水平高的地方≒報酬較高的地方，這種關係是成立的，因此瞄準這些也是可以的，但實話說，這類工作市場小，除非相當努力，否則進入這個領域是頗困難的。

目前對於中等需求水平（嚴格來說，實際上是低需求水平），工程師的數量遠遠不夠，所以廣泛接觸這方面的案件會更有利。

另外，如果學習容量上有所驅動，計算機科學還是建議進行一定的學習。實話說，若只是製作Web應用，並不一定需要這方面的知識，但若採取廣泛而淺顯的策略，學習計算機科學會大幅提升其他學習的效率。

這樣看來，即使進入AI時代，其實要學的東西與之前並沒有太大改變。
當所有人都能使用N倍提升後，最終這種優勢將消失，因此P的重要性依然不变。