在英伟达成为世界上市值第一的公司之时,我们来聊聊作为 CURD Boy 如何跟上时代,开始动手搞 AI。
目前的 AI 并不够强,也不足以把技术专家给完全替代。而且我非常相信即使你完全不懂 AI,依然可以找到一份工作。但掌握 AI 并不是为了与 AI 对抗,而是给自己新增一个技能树分支,做到人无我有,人有我优,最终提升自己获得更好工作机会的概率;让自己在市场上拥有更多的可能。
如果你想好了,也准备跟上这个 AI 的时代,那么就继续往下看吧!
学 AI, 从用 AI 开始
我不知道你在日常的工作中是否有使用任何基于大模型的 AI 工具,如果你已经在用了,那么很好,继续使用,深度使用,并在使用中不断思考,哪些事情是 AI 可以做的很好的事情?哪些是 AI 做不到很好的事情?以及,为什么这个事情 AI 做不到很好?这些问题可以帮助你更好的理解 AI 的边界,从而找到 AI 的能力圈,并在后续的开发过程中,找到 AI 能提供的价值,并始终在 AI 的能力圈内做事。
而如果你没有开始使用 AI,那么不妨从一些面向开发者的 AI 工具开始,比如:
- Perplexity:当你需要搜索东西的时候,可以试试先不要丢 Google,丢 Perplexity 试试看,他给你的答案有什么不同?
- Devv.ai:当你遇到一些卡住的问题,不妨丢给它试试看,看看这个面向开发场景优化的 AI 是如何解决这个问题的。
- GPTCommit: 如果你像我一样懒得写 Commit Message,试试让 AI 来帮你写 Commit Message。
当然,除了用上面的工具,别忘了思考这几个灵魂拷问:
- 什么事情是 AI 可以做的很好的事情?
- 什么事情是 AI 做的不好的事情?为什么这个事情做的不好?
- 做什么可以让 AI 把做的不好的事情变得更好一点
先用 AI,再复盘和推演,能够帮助你更好的获得对于 AI 的手感,以及对更深一步的认知。不用太着急写代码,因为当你没有基础的 AI 理解时,你用 AI 可能也不过是高射炮打蚊子。
学 AI,从做 AI 开始
当你用好 AI 之后,也有了 AI 的基础认知之后,下一步我推荐你开始动作去做一些 AI 应用,这样可以在练中学,也可以让你更容易找到下一个待研究的问题,从而持续精进,成为领域的专家。
如果说要做什么,那我觉得,作为开发者,你要做的是能帮助你自己提效的工具,因为这个对你没有产品/运营经验的你来说,是投入产出比最高的事情。你不需要去做市场调研,因为只要能解决你的问题,本身就产生了价值;你不需要去做用户访谈,因为你自己就是用户;你不需要去做运营推广,因为解决你自己的问题,渗透率就 100% 了。
先做自己能用的上的工具,最差的情况下不过是只给自己用了,但也能让你学到新东西,解决自己的问题。如果有可能也给别人用,那就是幸运儿了,你甚至还可以获得一些影响力,更幸运的同学还可以把自己的产出变现。
当然,对于不同的人才画像,你可能还会想去搞面向非专业用户的产品,但这个就要结合你自身的经历和能力来作出选择,作为一个 Starter 的引导文章,我就不过多赘述,我们在后续再讨论。
做 AI,从找痛点开始
我身边的不少朋友们,来找我聊 AI 时,往往会说:“我想做 AI ,但我不知道应该做什么比较好”,将这个问题细拆后,我认为可以细分为这两个问题:
- 我不知道 AI 能做什么?
- 我不知道 AI 能做的事情和我的业务有什么匹配度?
前者就 Callback 回我的第一个建议 —— 先用 AI,不然你无法感知 AI 的能力圈,就谈不上去开发 AI 产品。而后者,我有一个比较简单的粗暴的方式 —— 看看你们团队的实习生在做什么?
AI 目前的能力还做不到像一个工作数十年的专家工程师一样强(当然,可能 GPT 5 出来后就又不一样了),目前我对于它的预期还是团队中的实习生。你可以在团队中观察实习生在做的事情是什么,然后结合你对于 AI 的理解,看看 AI 是否可以接管实习生在做的事情。
当然,也可以是一些你不愿意做的繁琐事项。比如,我有个 Bot 叫小黑,这个 Bot 主要的工作是把我发给他的文字,拆解成 JSON Input,直接通过 OpenAPI 录入到业务系统(readit.ixiqin.com)中,从而降低我自己打开业务系统网站、登录、输入、保存的动作。
当然,也有可能你的团队当中没有实习生,那么你就试着去看看哪些是团队中最没有价值的事情,并试着让 AI 来做这些事情,让你自己和团队的同学更加专注在更有价值的事情上。
做 AI ,从明确预期开始
在 AI 领域,你可能是一个初学者,那么你需要明确自己的预期
-
你可能就是前面解决不了问题,因为你还在学习中;你可能就是赚不到钱,因为你还在学习中。放平自己的预期,保持空杯心态,继续学习,可以帮助你更好的沉下心来去学习和使用 AI,如果你希望自己赚快钱,那么建议出门左转接外包还是更快一点。
-
在 AI 领域,你始终需要不断的做事情来找到 AI 的边界,找到做事的手感,并在做事中迭代认知:AI在变化,业界也在变化,你需要在不断的做事中找到 AI 的长板和短板,并努力去放大 AI 的长板,尽可能的让短板不会被碰到,或被拦截掉。
-
目前的 AI 就是没有那么强,没办法完美替代人:AI 目前还没有聪明到我们想要的效果,我们依然还需要人的参与,你还是只能把它当成一个实习生,只不过这个实习生可能更聪明,且能做的基础的事项更多。
-
目前的 AI 就是更新很快,你需要不断的学习:大模型作为一个不算太新的(毕竟 GPT 3 发布已经 4 年了)技术领域,相比于那些成熟的领域(编程范式、计算机原理),还是有很多不断更新的点,所以,你还是需要持续学习、保持学习的状态和手感,并持续下去。
当你的预期是对的,你就对于 AI 这件事更有耐心, 也就更能持续做下去了。
搞 AI,从学习开始
AI 不是一个新词,但这一轮基于大模型的 AI,也不是一个发展非常成熟的领域,领域日新月异的发生变化,持续去学习。我推荐你看看歸藏维护的 AIGCWeekly(我自己也在看),这样你不需要花费太多的精力,同样可以看到一些最新的进展。当你持续研究深入后,再进一步看论文、看更新的进展。
但现在,可以从 AI Developer Starter 和 AIGCWeekly 开始。
以上就是本期 Newsletter,如果你有什么想问 / 想法,欢迎通过邮件 [email protected] 来和我取得联系。希望 AI Developer Starter 可以在你前行的路上,为你提供一臂之力。