A mesterséges intelligencia miatt nehezebb lesz bejutni az IT-be mint eddig bármikor?

21# Ja, csak nem kell gépelned és a nagyon low level problémákkal foglalkoznod, akkor a munkád kb 2-3x gyorsabb lesz, tehát mondjuk egy 100 fejlesztőt igénylő feladatra elég lesz csak mondjuk 40. Meg mivel csak 40 fejlesztő kell. Pár scrum mester és hasonló supportoló emberkéből is csak fele annyi kell.

Akkor meg ott vagyunk, hogy "Minek fizessenek a bent maradó 40 embernek ugyan annyit mint régen, amikor a sok elbocsájtás miatt sorban állnak az emberek és többszörös túljelentkezés van?".

Ez lesz a probléma. Nem az, hogy elveszik a munkánkat, hanem túlságosan egyszerű és produktív lesz a munkánk.

"Ja, csak nem kell gépelned és a nagyon low level problémákkal foglalkoznod, akkor a munkád kb 2-3x gyorsabb lesz, tehát mondjuk egy 100 fejlesztőt igénylő feladatra elég lesz csak mondjuk 40. Meg mivel csak 40 fejlesztő kell."

Hagyd. Eddig nem jutott el, mert ehhez már kell némi kis matek.

Amúgy. A produktivitását elnézve, 100 helyett elég lesz 10, vagy még kevesebb is. Nem fog kelleni oda 40.

Emlékeztetőül álljon itt a Gartner technológiai kutatócég definíciója:

A generatív AI létező tartalmakból új tartalmakat képes előállítani, amelyek tükrözik a képzési adatok jellemzőit, de nem ismétlik meg azokat. Ezek a különféle újszerű tartalmak lehetnek például képek, videók, zene, beszéd, írott szöveg, szoftverkód, vagy akár terméktervek is.

A Gartner 2023-as „Hype Cycle for Artificial Intelligence” jelentése szerint legfeljebb öt esztendő kell ahhoz, hogy a generatív mesterséges intelligencia, illetve a hozzá kapcsolódó technológia alaposan felforgassa az életünket.

A generatív mesterséges intelligencia uralja az MI-ről szóló vitákat, mivel a fejlesztők és a fehér galléros dolgozók termelékenysége nagyon is valós módon növelhető az olyan rendszerek segítségével, mint a ChatGPT. Ez arra késztette a szervezeteket és az egyes iparágakat, hogy újragondolják üzleti folyamataikat, az emberi erőforrások értékét, ami az általános MI-t a Hype-ciklusban a felfokozott várakozások csúcsára juttatta.

A Gartner elemzői most két fő csoportot azonosítottak a generatív MI-mozgalmon

A generatív mesterséges intelligencia hatással van az üzleti életre a tartalomfeltárás, -alkotás, -hitelesség és -szabályozás terén egyaránt. Emellett képes automatizálni az emberi munkát, valamint befolyásolja az ügyfél- és munkavállalói élményeket.

Autonóm rendszerek: olyan önmenedzselő fizikai vagy szoftveres megoldások, amelyek területhez kötött feladatokat látnak el, miközben három alapvető (autonómia, tanulás és cselekvőképesség) jellemzővel is rendelkeznek.

A felhőalapú MI-szolgáltatások olyan modellépítő eszközöket, API-kat biztosítanak az előre felépített szolgáltatásokhoz és a kapcsolódó köztes szoftverekhez, amelyek lehetővé teszik az előre felépített infrastruktúrán felhőszolgáltatásként futó gépi tanulási (ML) modellek építését/képzését, telepítését és alkalmazását.

Az összetett mesterséges intelligencia a különböző technikák kombinált alkalmazását (vagy fúzióját) jelenti a tanulás hatékonyságának javítása és a tudásreprezentációk szintjének kiszélesítése érdekében. Az üzleti problémák szélesebb körét oldja meg hatékonyabb módon.

Az adatközpontú mesterséges intelligencia olyan megközelítés, amely a jobb mesterséges intelligencia eredmények elérése érdekében a képzési adatok javítására és gazdagítására összpontosít. Az adatközpontú MI az adatminőséggel, az adatvédelemmel és a skálázhatósággal is foglalkozik.

Az Edge MI a nem informatikai termékekbe, IoT végpontokba, gateway-ekbe és edge szerverekbe ágyazott MI-technikák használatára utal. Ez a fogyasztói, kereskedelmi és ipari alkalmazások, például az autonóm járművek, az orvosi diagnosztika és a streaming videóelemzés kibővített képességei eléréséhez is alkalmazható.

Az intelligens alkalmazások a megtanult alkalmazkodást használják az emberek és a gépek autonóm reagálására.

A modellüzemeltetés (ModelOps) elsősorban a fejlett analitika, a mesterséges intelligencia és a döntési modellek végponttól végpontig tartó irányítására és életciklus-menedzsmentjére összpontosít.

Az operatív MI-rendszerek (OAISys) lehetővé teszik a gyártásra kész és vállalati szintű mesterséges intelligencia rendszerezését, automatizálását és skálázását, amely a Deep Neural Network-öket, a gépi tanulást és a generatív AI-t is magába foglalja.

A prompt engineering, mint tudományág, a generatív MI-modellek számára biztosít bemeneti adatokat szöveg vagy kép formájában, így meghatározva és korlátozva az adott modell által produkálható válaszok körét.