即时工程：一个集成的梦想

由柏拉图重新发布

关注： 0

即时工程：一个整合的梦想
我使用 Microsoft Image Creator 创建的图像

自从 OpenAI 向公众发布 ChatGPT 以来，网上出现了一系列关于一项新的梦想工作：Prompt Engineering 的讨论。它被誉为“人工智能最热门的工作，”承诺六位数的薪水无需编程经验。爱好者将其描述为未来的工作，其中任何人都可以赚到高达 $ 335K 通过圆滑的语言让一个很酷的万事通机器人给出正确的答案。毫不奇怪，Instagram 赚钱的圣人, YouTube 职业生涯传教士，自称是 TikTok 先知的人对此一直非常直言不讳。虽然这听起来像是一个梦想的工作，但它真的可以实现吗？让我们深入探讨炒作背后的就业市场现实来找出答案。

分析招聘广告数据可以提供有关劳动力需求趋势、职责、资格和薪资预期的宝贵见解。于是，我决定看一下所谓的“人工智能最热门的工作”没有任何猜测或假设。我从流行的在线招聘平台收集了 73 个最近发布的独特招聘广告数据。了解我的数据收集方法并访问数据集此处。虽然 73 可能不是理想的样本量，但它是我们分析的全面起点。最初的发现是发人深省的：寻找“快速工程师”的雇主很少。

现在，我们来看看数据。最常提到的职位是“快速工程师”。然而，“IT 创新分析师”、“自由 ML/AI 工程师”、“数据科学家”和“AI 工程师”等其他头衔也出现了。我为职位描述中提到的资格和职责创建了词云。我不认为词云是为了揭示非凡的见解，但它们可以代表文本中重要亮点的紧凑版本。正如您所看到的，在招聘广告中，雇主更多地谈论计算机科学、模型开发、Python、提示设计、机器学习、大语言模型、自然语言处理和人工智能方面的经验。

即时工程：一个整合的梦想
1.如果你将它与许多早期的轶事文章进行比较，那么这是一个明显更大的样本量，这些文章仅从一则招聘广告中构建了关于六位数工资的整个论点，而没有任何编码。

接下来，我使用 ChatGPT 和 Claude 来总结收集到的广告文本语料库，以识别顶级提示工程资格和资格。我用不同的方法进行了多轮提示，然后手动检查数据以确保获得稳定有效的输出。

快速工程师工作所需的基本资格：

熟练掌握Python编程（2-5年经验） 包括使用 TensorFlow、PyTorch、Keras 等 AI/机器学习框架的经验。
NLP 和 LLM 的工作知识（2-5 年经验） 像 BERT、GPT-3/4、T5 等。了解这些模型如何工作以及如何对其进行微调。
较强的分析和解决问题的能力。批判性思考、设计有效提示、分析模型性能和解决问题的能力至关重要。
快速工程原理和技术的专业知识 例如思想链、情境学习、思想树等。这可以指导模型达到预期的结果。
优秀的沟通技巧，包括口头和书面。这是跨团队协作、解释技术概念和记录工作所必需的。

即时工程工作的基本职责是：

及时设计和优化：设计、开发、测试和完善人工智能生成的文本提示，以最大限度地提高各种应用程序的有效性。这包括利用迁移学习等技术和利用语言专业知识来制作高质量和多样化的提示。
集成和部署：确保将优化的提示无缝集成到整个产品或系统中。与工程师合作，将提示和模型实施到生产环境中。
绩效评估与改进：使用指标和用户反馈严格评估即时性能。进行持续测试和分析，以确定需要优化的领域并及时迭代。
协作和需求收集：与数据科学家、内容创建者和产品经理等跨职能团队密切合作，以了解需求并确保提示符合业务目标和用户需求。
知识共享：记录及时的工程流程和结果。对团队进行及时的最佳实践教育。不断更新最新的人工智能进展，带来创新

可以说，所谓“AI最热门工作”的“无编程经验”前提与现实相去甚远，因为即时工程市场最需要的技能是编程能力以及NLP和LLM经验。他们并不是在谈论米老鼠的编程技巧，而是在寻找熟悉机器学习和人工智能框架的专家。雇主不仅要求“熟悉”法学硕士和编码，而且平均而言，他们寻找在结构化和非结构化数据、编码、NLP、机器学习和人工智能方面拥有 2-5 年经验的专家。

阅读最高职责可以更清楚地了解为什么这个职位需要如此高水平的编程和法学硕士技能。即时工程作为一项专业工作，并不是坐在电脑后面玩生成式人工智能模型来给你正确的答案。它是关于构建优化输入的业务信息系统，将其与其他信息系统和产品无缝集成，并为用户和客户提供价值。换句话说，企业并不是在寻找可以用ChatGPT聊天的人，他们想要聘请可以优化类GPT模型并将其与自己的产品集成的专家。

招聘广告对学位要求的数据分析表明，人们对计算机科学、数学、分析、工程、物理或语言学等技术教育背景的偏好。通常需要计算机科学或相关领域的学士学位，高级职位首选或需要更高级的学位。根据职责和资历的不同，工资有很大不同。每年低至 30 万美元，高至 90 万美元。平均而言，带有薪资信息的招聘广告的年薪在 195 万到 XNUMX 万之间。

尽管最初热情高涨，但人们对快速工程作为理想工作的可行性的怀疑已经浮出水面。正如沃顿商学院教授伊森·莫里克 (Ethan Mollick) 在一篇文章中写道推特帖子去年，“提示工程师不再是未来的工作”，因为“人工智能在解释基本提示方面变得更容易”和更智能。一个月前 Coursera 发表了一篇经过深思熟虑的文章职业指导用于快速工程（另请参阅 Free Introduction）。看来最初的Gen AI 时尚正在慢慢消退，我们能够更好地了解人工智能的现状和未来趋势。别误会我的意思。 Gen AI 输出的质量在很大程度上取决于输入。学习如何使用这些复杂的模型并与之交互正在成为几乎每个人的一项重要技能。越来越多的科学研究表明，系统的激励方法可以显着改善这些模型的结果（参见 1, 2, 3, 4, 5, 6, 7）。然而，“即时工程”并不是（也从来不是）一些人所希望的梦想工作。如果没有在编程、自然语言处理、机器学习、产品开发和软件集成方面的丰富经验，没有人会付给你六位数的薪水，只为了让你能说会道的 ChatGPT 得到正确的答案。

即时工程和 Gen AI 应用的现在和未来似乎受到两个重要趋势的影响：首先，正如 Ethan Mollick 提到的，Gen AI 模型越来越擅长从不复杂的简单提示中生成良好的输出，也许类似于互联网的方式搜索引擎已经能够更好地从简单的搜索查询中返回更相关的结果。其次，新一代人工智能模型正越来越多地融入企业的产品、服务和平台中。这种适应对于人工智能经济的成功至关重要。因此，了解如何优化、微调、定制Gen AI模型并将其与当前信息系统和产品集成，现在和将来仍然是一项有价值的技能。这就是为什么在当前的即时招聘广告中，对程序员、系统设计师以及能够与其他产品开发团队成员协作的人员有巨大的需求。

马赫迪·艾哈迈迪 是北德克萨斯大学信息技术与决策科学系的临床助理教授，教授数据挖掘、商业智能和数据分析。我的主要研究领域是机器学习和数据挖掘技术在企业中的应用。我还为企业、高等教育机构和非营利组织提供有关数据分析问题的咨询。