BT becerileri arasında hızlı mühendislik ne kadar önemli hale geldi?
Bu o kadar önemli ki, Illinois Teknoloji Enstitüsü’nde yardımcı profesör olan Erick Brethenoux, tüm öğrencilerinin özgeçmişlerine ve LinkedIn profillerine yapay zeka (AI) hızlı mühendislik becerilerini eklediklerini söyledi. Artık işletmelerin istediğinin bu olduğunu biliyorlar.
“Durum kritik. Hızlı mühendislik, yalnızca OpenAI, Google, Amazon ve Microsoft için değil, aynı zamanda tüm açık kaynaklı modeller için de gelecek olanın çok önemli bir parçası” dedi Brethenoux. “İşgücüne girecekler ve öyle ya da böyle bu teknolojide ustalaşmaları gerekiyor.”
Bu anekdot niteliğindeki kanıtlar şu şekilde tekrarlanıyor: LinkedIn verileri10.000’den fazla iş teklifinin çeşitli pozisyonlar için bahsettiği ve yaklaşık 100’ünün açıkça “hızlı mühendis” aradığı, hızlı mühendisliğe olan talepte keskin bir artış olduğunu gösteriyor.
LinkedIn’e göre, “GPT” veya “ChatGPT” ifadesinin geçtiği iş ilanlarının payı da Mayıs 2022 ile Mayıs 2023 arasında yaklaşık altı kat (%599) arttı. “Yapay Zeka Direktörü” olan veya şu anda bu özelliğe sahip olan LinkedIn üyelerinin sayısı ” Pozisyonlar son beş yılda neredeyse üç katına çıktı.
Hızla büyüyen işlerin başında Yapay Zeka ve Makine Öğrenimi Uzmanları gelirken, bunu Sürdürülebilirlik Uzmanları, İş Zekası Analistleri ve Bilgi Güvenliği Analistleri ile Yenilenebilir Enerji Mühendisleri takip ediyor. Dünya Ekonomik Forumu tarafından yapılan anket.
Hızlı mühendisler kazanabilir altı haneli sağlıklı bir maaş – yılda 335.000 dolara kadar. Bunun nedeni, genAI araçlarıyla insan-makine etkileşimini geliştirmek için hızlı mühendisliğe ihtiyaç duyulmasıdır; temel teknoloji – büyük dil modelleri (LLM’ler) – hakkında bilgi edinmek, sorgulara mümkün olan en iyi yanıtları sağlar.
Gartner Research’ün başkan yardımcısı ve seçkin analisti Avivah Litan’a göre yetenekli hızlı mühendislere olan ihtiyaç, “GenAI uygulamalarının değerlendirildiği ve denendiği kadar” hızla artıyor.
“İşletmelerin mevcut geliştiricilerini ve yazılım mühendislerini yeni hızlı mühendislik teknikleri konusunda eğitmenin önemli olduğunu düşünüyoruz” dedi. “Veri hazırlama ve süreç akışları konusunda beceri sahibi olmadığınız sürece gen AI modellerinden iyi sonuçlar elde etmek kolay değil” Modelleri etkili bir şekilde yönlendirmek için.
“Ancak bunun için yeni personel almanıza ve işe almanıza gerek yok; geliştirme sürecini hızlı bir şekilde başlatmak ve halihazırda kuruluşunuzda bulunan diğer motive ve yetkin mühendisleri ve geliştiricileri eğitmeye yardımcı olmak için muhtemelen yalnızca bir avuç uzman hızlı mühendise ihtiyacınız var.”
Dünyanın dört bir yanındaki her üniversite eninde sonunda mühendisleri, geliştiricileri ve diğerlerini hızlı mühendislik konusunda eğitecek olsa da, aynı zamanda Gartner’da seçkin bir başkan yardımcısı analisti olan Brethenoux, günümüzde kuruluşların mevcut çalışanların becerilerini geliştirmeye odaklanması gerektiğini kabul ediyor. “Zaten sahip olduğunuz kişilerin alan deneyimi var” dedi. “Orada zaten teknoloji uzmanlarınız var. İş sorunlarınızı zaten bilen, birlikte çalışan insanlar var.”
Şu anda çevrimiçi öğrenme platformları gibi Udemy, CourseraVe Kod Akademisi Brethenoux, çalışanların becerilerini geliştirmek veya yeniden beceri kazandırmak için başvurulacak en iyi yerlerin burası olduğunu söyledi.
Bir sözcüye göre Coursera, son beş ay içinde konuyla ilgili dört kurs başlattı ve bunlara 170.000’den fazla öğrenci kaydettirdi. Coursera’nın programları şunları içerir: ChatGPT için Hızlı Mühendislik Vanderbilt Üniversitesi’nden; Geliştiriciler için ChatGPT İstemi Mühendisliği DeepLearning.AI’den; Web Geliştiricileri için Hızlı Mühendislik Scrimba’dan; Ve Yapay Zeka Temelleri: ChatGPT ile Hızlı Mühendislik Arizona Eyalet Üniversitesi’nden.
Aslında konuya olan ilgi o kadar yoğun ki, ChatGPT’nin yaratıcısı OpenAI ve tanınmış AI bilim adamı Andrew Ng – kurucu ortağı ve başkanı. Google Beyin – ayrıca adında bir kurs başlattı Geliştiriciler için ChatGPT İstemi Mühendisliği.
İş dünyasında ise EY, NTT DATA, Datasumi ve eDreams gibi şirketler halihazırda hızlı mühendis iş unvanları oluşturdular. Forbes’a göre.
Peki Yüksek Lisans nedir ve neden eğitime ihtiyaç duyarlar?
Yüksek Lisans’lar, çoğunlukla büyük bilgi depolarıyla karakterize edilen derin öğrenme algoritmalarıdır (sinir ağları). Yüksek Lisans’larda milyonlarca, milyarlarca ve hatta trilyonlarca parametre veya değişken bulunabilir. Temel olarak, Yüksek Lisanslar bir sonraki kelime oluşturuculardır ve onları belirli bir sorgu için en uygun yanıtı seçme konusunda eğitmek, hızlı bir mühendisin işidir.
Columbia Üniversitesi yapay zeka profesörü ve CEO’su Sameer Maskey, “Bunu, bir makineyle etkileşime girerek makinenin istediğiniz sonuçları üretmesi süreci olarak düşünün” dedi. Sigorta makineleribir yapay zeka danışmanlığı.
OpenAI’nin GPT-4’ü, Google’ın LaMDA’sı veya Hugging Face’in Bart’ı gibi LLM’lerin çoğu önceden devasa miktarda bilgiyle doldurulmuş olsa da, hızlı mühendislik, genAI araçlarının belirli sektöre ve hatta kurumsal kullanıma göre uyarlanmasına olanak tanır.
Zamanla, GPT-4 gibi büyük, amorf LLM’lerin yerini daha az bilgi işlem yoğun ve daha alana özgü daha küçük modellere bırakması ve daha kompakt LLM’lerin herhangi bir sayıda dikey endüstride ilgi kazanmasına olanak sağlaması bekleniyor. Bu gerçekleştiğinde, hızlı mühendislik daha da kritik hale gelecektir.
Maskey, “Araştırma perspektifinden bakıldığında en büyük odak alanlarından biri, milyonlarca, milyarlarca, hatta trilyonlarca parametre kullanmak zorunda kalmadan bir LLM’den benzer doğruluğun nasıl elde edileceğidir” dedi. “GPT ortadan kaybolmuyor ancak arka tarafta küçülebilir.”
Maskey’e göre, en temel anlamda, hızlı mühendislik veya yapay zeka için sorular veya görevler tasarlamak, beş “üst düzey” düşünceyi gerektiriyor.
- Bağlam — Yapay zeka motoruna finansal hizmetler, sağlık hizmetleri veya üretim gibi belirli bir dikey görev alanı sağlayın.
- Ona görevin kendisini verin — Örneğin, nüfusun %20 veya daha fazlasında diyabetin görüldüğü tüm coğrafyaların bir listesini döndürmesini isteyin.
- özgüllük — Cevapların kapsamını daraltın. Örneğin AI aracından bir görsel yerine bir liste oluşturmasını isteyin.
- İnce ayar süreci — Yapay zekanın doğruluğunu belirlemek için yanıtlarını ayrıntılı olarak incelemesini isteyin.
- Yeniden ayarlama — Cevaplar doğru değilse, daha fazla bilgi isteyin veya daha fazla detaylandırmasını isteyin.
İstemler çok modlu olabilir. Örneğin, bir görüntüyle ilgili metni ortaya çıkarmak için iki aşamalı bir çerçeveye bir bilgi istemi yazabilirsiniz. Bu senaryoda, radyolojik görüntüler hakkında bilgi edinmek için hızlı mühendislik kullanılabilir; Hızlı bir mühendis radyolojik görüntüleri giriyor ve yapay zeka motoru, radyologlar ve doktorlar tarafından daha fazla analiz gerektiren akut durumları göstermek için bunları ayrıştırıyor.
Maskey, “Girdiğiniz şeye bağlı olarak, metin tabanlı bir pencere, komut istemleri olarak kod parçacıklarını kullandığınız bir kodlama platformu olabilir” dedi. “Resim veya video vb. yüklüyor olabilirsiniz.”
Maskey, genAI’nin bir avantajının teknoloji dışı çalışanlara erişilebilirliği olduğunu, yani çalışanların mutlaka kodlama becerilerine ihtiyaç duymadığını söyledi.
“Örneğin, sisteminizde doğrusal bir regresyon modeli oluşturmak veya belirli bir veri seti üzerinde bir tür istatistiksel analiz oluşturmak istiyorsanız, daha önce iş adamları bunu yapamıyordu çünkü örneğin Python’u bilmiyorlardı. Mühendis olmayanların veri kümeleri üzerinde istatistiksel analiz yapabilmenin birçok avantaja sahip olacağı pek çok örnek vardır. Artık yapabilirler.”
Bugün Tech ep’de. 93: Eğitimde, öğretimde yapay zekaya nasıl hazırlanacağız?
Maskey, hızlı mühendisliğin bir gün Excel elektronik tablosunun nasıl kullanılacağını öğrenmeye benzeyeceğini söyledi; bugün birçok iş birimi veya departmanda bu kullanışlıdır.
Gartner’dan Litan, hızlı mühendisliğin eninde sonunda uygulama mühendisliği ve yazılım geliştirici kariyer akışlarına dahil edileceğine inanıyor. “Gelecek için gerekli bir beceri olacak ancak ayrı bir kariyer akışı olmayacak” dedi.
Forrester Research’ün yeni bir raporuna göre bulut sağlayıcılarının da hızlı mühendislik hizmetleri başlatması bekleniyor.
Forrester, “2024’te tüm hiper ölçekleyiciler hızlı mühendisliği duyuracak” dedi. “Ancak kurumsal benimseme sınırlı olacak. Eksik bağlamsal veriler ve veri bilimcileri arasındaki doğal dil ve anlık mühendislik konusundaki sınırlı deneyim nedeniyle, bulut sağlayıcısının birinci nesil anlık mühendislik hizmetleri, özel ince ayar ihtiyaçlarını karşılamaya yeterli olmayacaktır.”
Öyle bile olsa, Brethenoux, bu noktada hızlı mühendislik becerileri geliştirmenin çoğunlukla “bu noktada yaparak öğrenmekten ibaret olduğunu çünkü hızlı mühendislik hakkında bir kitap olmadığını” söyledi. “Sadece dokuz aylık deneyime rağmen ne tür bir uzmanlığa sahibiz?” [with genAI tools]?” dedi. “Yani asıl mesele, bir kuruluş içinde bir yapay zeka okuryazarlığı programı oluşturmak ve ardından insanlara beceri kazandırmaya başlamaktır.”
Telif Hakkı © 2023 IDG Communications, Inc.