如果你想从事人工智能职业，学习Python吧

人工智能并不会抢走你的工作，至少目前还不会。人工智能和机器学习（AI/ML）最好的应用是补充人类的创造力，而不是取代它。具有讽刺意味的是，最好的大型语言模型（LLMs）可能是通过使用受版权保护的人类创造力的作品（或许并不总是合法地）进行训练的。在可预见的未来，人类和机器人将和平共处。

尽管如此，有些行业在采用人工智能方面比其他行业更为积极，这一点在斯坦福人类中心人工智能研究所发布的最新2022 AI指数报告中得到了体现。在过去的一年里，几乎所有行业都在投资具有AI技能的人才，而以下几个行业的AI相关职位发布更为频繁：信息行业（5.3%）、专业科技服务行业（4.1%）以及金融和保险行业（3.3%）。如果你担心你的工作，或者只是想利用这一趋势，我有一个建议：学习Python。

▌商业引领潮流

在2014年之前，学术界一直是机器学习领域的核心。然而现在已经不再是这样了。自2014年以来，大企业一直在引领AI/ML的发展，而在2022年，企业发布了32个机器学习模型，而学术界仅发布了3个。学术机构无法跟上企业拥有的数据、CPU计算资源和资金所带来的发展速度。

投入了多少资金？虽然像GPT-2这样的大型语言模型在2019年训练的成本是5万美元，但PaLM的训练成本大约是800万美元，其参数数量是GPT-2的360倍（当然，GPT-2在当时是尖端技术）。政府可以承担这种投资，但政府主要关注的是试图（未成功地）监管LLM，因此产业界填补了这一空白。

在这样做的过程中，几乎所有美国产业部门对AI/ML人才的需求都有所增长。平均而言，与AI/ML相关的职位招聘广告数量从2021年的1.7%增加到2022年的1.9%。这个数字看起来可能很小，但这些百分比是所有美国职位招聘的百分比。接近2%的数字相当庞大，尤其是考虑到对大多数企业来说，AI/ML技术仍然没有得到充分证明。正如我之前提到的，有些行业发布要求AI/ML专业知识的职位招聘广告的比例要高得多。

各行各业需要AI技能的工作岗位的比例都在增长，尤其是在过去的一年里

当然，工作岗位并非投资的唯一衡量标准。在资金投入方面，医疗和保健领域以2022年的61亿美元投资位居榜首。紧随其后的是数据管理、处理和云计算（59亿美元）以及金融科技（55亿美元）。这些行业的投资领域是合理的，考虑到这些AI资金的使用方式。报告指出，企业以各种方式使用AI，但主要领域包括机器人流程自动化（39%）、计算机视觉（34%）、自然语言文本理解（33%）和虚拟代理（33%）。至于用例，2022年最受欢迎的是服务运营优化（24%）。其他热门的用例包括创建新的基于AI的产品（20%）、客户细分（19%）、客户服务分析（19%）以及产品的新基于AI的增强（19%）。

这对你的工作意味着什么？根据宾夕法尼亚大学研究人员开展的一项由OpenAI资助的研究，“美国约80%的劳动力在大型语言模型引入后，至少10%的工作任务可能受到影响，约19%的工人可能会有至少50%的任务受到影响。”谁面临风险？会计师、数学家、口译员、创意作家等。谁不受影响？那些专注于更多体力劳动的人，如厨师、机械师或石油和天然气工人。（然而，电动汽车可能会对后一类人群造成影响。）

当然，这个消息并不一定是坏事。正如我们在软件开发中所看到的，AI可以消除某个工作中的一些繁琐任务，同时让员工（在这种情况下，是开发人员）专注于更高价值的任务。对于那些希望建立在AI驱动未来中取得成功的人来说，斯坦福报告特别强调了一项技术：Python。

▌Python与AI圣杯

Python对数据科学的影响并不令人惊讶。正如我在2021年写的，“最有可能主导[数据科学]的语言就是在企业内最易于广泛使用的语言。”一年后，这仍然是事实：“当组织寻求更多元化的团队来帮助进行数据科学时，Python的广泛吸引力为他们提供了一个轻松的入口。”越来越多地，Python成为专家和初学者共同使用的数据科学通用语言。

在斯坦福报告中，Python的相对增长与其他所需技能相比脱颖而出，同时绝对增长也很显著：

所有与AI相关的技能需求都有很大的增长，其中Python处于领先地位

Python在数据科学领域，特别是AI/ML领域，一直保持领先地位有很多原因。Python通过提供一系列强大的库来简化开发，从而降低AI/ML中固有的复杂性。它简单且一致，具有清晰的语法，易于人类阅读，降低了熟练掌握它的门槛。Python还拥有一个广泛且热情的社区，帮助开发者更快地提高生产力，同时可以在几乎任何你想使用的平台上运行。

是的，AI可能会让你的工作的某些部分过时，因为机器比人类更有效地完成任务。然而，尤其是对于学会Python的人来说，在拥抱机器人革命的崛起的同时，应该有很多机会使用Python和其他工具来满足你（以及你的雇主）的需求。

本文作者：Matt Asay（在MongoDB负责开发者关系）

更多内容请关注公号“云原生数据库”