在本文中,讓我們回顧一下整個AI產(chǎn)品環(huán)境。我們將確定組織可以在哪些領域增加重要的客戶價值,開發(fā)開發(fā)人員的必要技能,利用現(xiàn)代人工智能開發(fā)工具,以及構(gòu)建團隊以提高效率。

　　生成人工智能產(chǎn)品景觀

　　圖中展示了?生成的人工智能 發(fā)展可以在高層次上大致分為三層。

　　人工智能計算平臺的計算需求呈指數(shù)增長,導致人工智能加速器的開發(fā)--專門的芯片設計來提高應用性能。最初為圖形相關任務創(chuàng)建的圖形處理單元(GPS)在滿足構(gòu)建AI模型的大量并行計算需求方面變得至關重要。此外,許多專門的人工智能加速器應用特定集成電路(ASIC)處理器,如張量處理單元(TPS)、學習處理單元(LPS)和神經(jīng)處理單元(NPS),已經(jīng)顯著改變了訓練和推理的工作量。在物理層之上,公共和私有云基礎設施實現(xiàn)虛擬化,并為各種計算需求提供抽象。類似于數(shù)據(jù)數(shù)據(jù)處理系統(tǒng)和OBCL這樣的并行計算平臺對于有效地利用物理和虛擬硬件是必不可少的。對于AI來說,計算平臺是必要的,它提供了構(gòu)建生成性AI模型所需的基礎結(jié)構(gòu)。

　　基礎模型是生成人工智能的核心,是基于使用神經(jīng)網(wǎng)絡架構(gòu)?轉(zhuǎn)換器技術 .各種不同的庫,如PYOT和張力流,提供計算機視覺和自然語言處理功能,主要用于訓練和推理神經(jīng)網(wǎng)絡。這些基本模型使用大型數(shù)據(jù)集的半監(jiān)督和自我監(jiān)督的學習過程進行培訓,以了解單詞和短語之間的統(tǒng)計關系。此外,大型語言模型(LLMS)正在演變?yōu)槎嗄B(tài)模型,使其能夠滿足各種應用需求。

　　AI應用程序使用基礎模型,需要一個抽象層。這一層可以提取有價值和定制的信息,使用提示,框架,檢索增強的生成(RAP),?代理人 ,或微調(diào)。一般的水平和專門的垂直應用程序可以從這些模型及其底層的抽象層中獲益,從而創(chuàng)建高度智能的應用程序。

　　整個生態(tài)系統(tǒng)支持每一個層次,并促進整體創(chuàng)新。

　　客戶價值

　　識別您的組織產(chǎn)生客戶價值的業(yè)務環(huán)境。人工智能技術堆棧的每一層都為不同的客戶段提供了價值。只有幾個大公司,如nvi無,谷歌,亞馬遜和微軟,在技術堆棧的所有三層操作。

　　顧客的價值通?？梢苑譃橄順分髁x或功利主義:一種產(chǎn)品或服務的功能價值,比如它的用處、質(zhì)量和物有所值。功利產(chǎn)品通常是實用、有效和必要的,而享樂產(chǎn)品則提供樂趣、樂趣和享受。享樂產(chǎn)品通常是令人興奮、愉快和興奮的。它們產(chǎn)生的情緒反應比實用的產(chǎn)品更強烈。

　　僅投資人工智能并不能保證公司的成功。避免只因害怕錯過投資而作出投資決定(?福莫 )。要使企業(yè)長期繁榮,就必須專注于通過AI集成創(chuàng)造價值。遵循標準流程并進行徹底的盡職調(diào)查,以確定在哪些方面人工智能可以有效地推動產(chǎn)品的價值。

　　與產(chǎn)品、業(yè)務和工程團隊密切合作,以確定工作范圍,并制定戰(zhàn)略愿景,確保團隊內(nèi)部的一致性。實現(xiàn)利益攸關方協(xié)調(diào)一致也至關重要,特別是考慮到項目的復雜性,同時設定現(xiàn)實的期望值。

　　開發(fā)者的角色和技能

　　上面提到的每一個層次都需要有專門技能的開發(fā)人員。隨著一個新的工具或服務的公布,景觀每天都在變化。作為一名工程領導,投資于項目所需的適當技能。授權(quán)團隊做出最佳決定。在團隊中建立強有力的專業(yè)知識,為團隊提供學習機會,讓他們參加學習課程、會議、鐵人馬拉松等。

　　這并不是一個詳盡無遺的清單,而是對不同角色和必要技能集的一窺。

　　· 人工智能計算平臺 :

　　o ICU設計工程師 ::設計和核實全球公共部門會計準則或國際公共部門會計準則

　　o 人工智能云平臺工程師 ::在超高速器中為人工智能建造基礎設施、工具和平臺

　　· 基礎模型 :

　　o 人工智能培訓員,數(shù)據(jù)注釋員 審查和驗證學習,特別是在半監(jiān)督的情況下。

　　o 人工智能/機器學習工程師 開發(fā)、培訓和優(yōu)化基礎模型。

　　o 大赦國際研究員、研究科學家 :設計變壓器神經(jīng)網(wǎng)絡算法。

　　o 機器人工程師 :組裝物理部件,并與軟件和傳感器連接。

　　· 人工智能申請 :

　　o 快速工程師 開發(fā)人工智能集成消費編碼助理和人工智能開發(fā)工具。

　　o 無代碼和低代碼開發(fā)人員 :使用AI服務構(gòu)建解決方案。

　　o AI軟件開發(fā)商、AI代理開發(fā)商 :構(gòu)建或集成代理框架、向量數(shù)據(jù)庫或破布。

　　o 人工智能工程師 *根據(jù)組織要求對基礎模型進行微調(diào)

　　開發(fā)工具

　　生成人工智能能夠提供類似人類的響應,使人工智能助手成為一個革命性的應用程序。這些助理的專業(yè)版本已經(jīng)演變?yōu)殚_發(fā)人員的編碼助理和工具。

　　像FLOVE和UUGIN這樣的AI服務是無代碼和低代碼的平臺,可以完全取代整個開發(fā)周期。

　　所有最流行的開發(fā)工具中包括:亞馬遜編解碼器集成,并通過設計UI、開發(fā)代碼、自動完成、代碼歸納、調(diào)試和修改代碼、生成測試、部署和監(jiān)控解決方案等方式幫助工程開發(fā)周期的各個階段。

　　根據(jù)所使用的云計算平臺,亞馬遜薩吉默、谷歌云頂點人工智能和微軟阿祖機學習為整個機器學習生命周期提供服務集成。

　　工程領導應該分析和投資開發(fā)人員的工具,以提高開發(fā)人員的生產(chǎn)力。

　　組織結(jié)構(gòu)

　　成功開發(fā)出人工智能原型后,領導者往往面臨將人工智能開發(fā)整合到核心工程團隊的挑戰(zhàn)。無論團隊是構(gòu)建AI解決方案還是集成AI,工程管理必須做出正確的決定。

　　當團隊正在開發(fā)AI解決方案時,必須有一個專門的工程師小組,他們具有特定的角色和技能。這個過程通常需要人工智能的廣泛研究和開發(fā),這些工程師應該作為核心工程團隊的一部分被整合。

　　構(gòu)建人工智能集成的團隊可能會開發(fā)人工智能應用程序和集成層。他們通常有一個現(xiàn)有的應用程序,他們計劃在其中納入AI模型響應。在這個場景中,一個子系統(tǒng)團隊應該專注于創(chuàng)建?回收增加一代(破布) 和代理子系統(tǒng),它們將集成到應用程序中。這個子系統(tǒng)團隊可以是核心工程團隊或平臺工程團隊的一部分。

　　平臺工程 應該通過為基礎設施、工具、庫等創(chuàng)建AI開發(fā)人員平臺,引導開發(fā)可重用的GEII組件。

　　團隊最好由6至8名開發(fā)人員組成,他們在同一地點辦公或在類似的時差內(nèi)辦公,以便進行有效的溝通和協(xié)作。

　　不管團隊結(jié)構(gòu)如何,?智能發(fā)展實踐 為人工智能開發(fā)團隊提供最好的方法,采用迭代、自省和自適應的方法。

　　最后的想法

　　人工智能領域發(fā)展較早.我們將經(jīng)歷更多的前所未有的應用和集成。雖然領導層了解產(chǎn)品景觀,投資于確定正確的客戶價值,組織團隊以提高效率,投資于開發(fā)人員技能和工具,但通過觀察最新的人工智能開發(fā)最佳實踐并將其與工程團隊整合,重點關注持續(xù)學習是非常重要的。