但是,实际上两者大不相同。
本日笔者就从以下四个方面,带大家重新认识一下AI和编程

1、根本底座

2、核心事理

3、业务影响

AI和编程的本质差异是什么

4、就业容量

一、根本底座

先通过一张比拟图来看AI和编程的根本底座。
可以看到,AI的三大件是数据、算法和Python,而编程的三大件是数据构造、业务规则和Java。

数据和数据构造相对应,两者虽然只差了两个字,实际所需的知识体系完备不同。
AI中的数据是一个工程体系,涉及数据采集、数据的各种处理、数据可视化等,而编程中的数据构造相称于是一个数据的容器,哀求在不同的场景中达到效率和本钱的均衡。

有些同学可能会有疑问,那数据采集、数据处理肯定也涉及数据构造吧?是这样,不过AI中利用最多的数据构造是向量和矩阵,数组、堆栈、行列步队这些很少用到。
同样,编程里肯定也须要输入的数据吧?当然也须要,只不过量在很少的情形下常日不是重点。

算法和业务规则相对应。
这里可能很多人会说不是“编程=数据构造+算法”吗?实际上,99.99%的程序压根就用到繁芜一点的算法,程序员大部分的事情都是在做一种“搬砖”的活,便是将业务线下的打算类、流程类或报表类事情搬到线上去实现。

Python和Java相对应,这两个算是AI和编程关联度最高的部分了,由于不管是哪一种编程,实质上都是人通过一种“规则措辞”去让打算机帮忙去干活。

然而,Python和Java又有很多不同,Python紧张针对数据和算法供应了大量的库和开拓框架,一旦算法选定利用起来相比拟较随意马虎。
而Java是要实现大量的业务规则,如何担保写得又快,缺点又少是紧张关心的事情。

二、核心实质

在理解了AI和编程的根本底座之后,我们再来总结一下两者的核心实质分别是什么。

对编程来说,是数据和规则都具备的情形下,由线下搬运到线上的事情,结果便是一个可运行的程序,业务职员可以在线上操作。

对AI来说,它的代价在于能够为我们剖析出业务规则。
并且,对付如今的深度学习来说,结果也已经不是必须的,深度学习可以直接从大数据等分析出一些高维的规则出来。

两者相比拟,编程事情是一种“搬砖”事情,以是程序员也被称呼为“码农”,而AI则是一种创新事情,由于规则每每就意味着事情中的效率,以往只有人类能够做出此类决策。

三、业务渗透

先说结论,编程时期,业务和技能之间泾渭分明,井水不犯河水。
而在AI时期,业务职员节制AI将成为常态,技能将面临大缩减。

在编程时期,信息化和数字化这两次大的运动,造就了一个弘大的程序员群体。
要说对企业带来的效果,那肯定还是有的。
但是要说付出的代价,那也是非常的大。

实际上,在编程时期,始终在办理业务和技能领悟不好的问题,包括很多新的技能都是为理解决这个问题,比如敏捷、DevOps、业务架构、DDD等。

然而,只要有人的地方就有江湖,而且人越多身分越杂的地方湖水越深,业技领悟这个问题基本是个无解问题。

倒是有一个方法可以办理,那便是业务职员既做业务也做开拓。
但是,为什么没有企业这么干呢?

说到底,编程是一件非常辛劳,但是代价含量又不高的活。
前面说过紧张是一种“搬运”事情。
业务职员肯定提不起兴趣。

以是,企业只好招来大量的程序员。
信息化和数字化这两次运动,也催生出了大量的业务需求,源源不断地流给技能,不仅养活了企业内的程序员,也养活了很多外部软件公司。

但是,AI时期,统统都会变革。

如果说业务和程序的关系是身体和外套的关系。
没有外套,顶多便是觉得冷点。
同样,没有程序,业务顶多完成的慢点,但是仍旧可以做。

但是业务和AI的关系却更像是身体和亵服的关系,两者关系更加紧密。
前面说过,AI能够利用数据产生业务规则。
实际上,这两项都是业务职员最为熟习。

并且,当业务职员发觉大略的编程依赖AI也能自己整了,数据剖析依赖一个大略的算法也能产生很好的结果,那流向技能的需求就会不断地缩减。

当然,未来程序员职业依然会存在,但笔者认为,在很多行业里技能肯定须要经历转型,变为一种根本技能的赋能,对业务的渗透会更弱,由于有了AI的帮忙,业务能干的范围更大了。

以是,打败程序员的一定不是AI智能编程,而是利用AI的业务职员。

四、就业容量

末了谈一下编程和AI的就业容量。
在ChatGPT爆火之后,相信很多人会认为AI行业是一个星辰大海,就像当年编程行业一样,将容纳大量的就业职员。
乃至,很多非打算机专业职员,经由短期的培训之后,也能变身程序员。

但是,笔者认为,这不太可能。

大家可以先思考一下,为什么编程这个行业须要大量的程序员呢?由于每个企业的业务都不太相同,即便是同一行业的两家企业,也会存在很多差异,以是这一定程度上催生出大量的业务需求。

但是,AI呢?AI实质干的是一种仿照人类智能的活,模拟的是人的听说读写、琴棋字画等能力。
这些能力都是通用能力。
打个比方,一个人脸识别AI算法,不论什么企业,都用同一个AI产品就能办理问题;一个通用大模型算法,对付任何类型企业也是通吃的。

以是说,AI的需求是高度通用化的。
并且,搞根本算法只须要少量顶尖人才就可以,人多反而没用。
打个比方,现在最火的OpenAI公司,员工数量还不到一千。
像传统的互联网大公司,都得是10w+的体量。

这里,可能有些同学会有疑问,算法要结合场景呀,特定场景的数据须要特定的处理才好使呀,这都是企业大量须要AI人才的地方吧。

没错,但是这些地方的事情未来将紧张由企业内的业务职员来进行补充。
即便现在,大家也可以看看海内大型金融企业,如果程序员数量是1w+的话,常日AI团队的职员还不敷百人。
未来,随着新生代业务职员节制AI的人越来越多,不论是程序员数量还是AI团队数量,只会越来越少。

但是,我们依然要学习AI,特殊是青少年,由于未来的业务职员,AI是必备技能。
实际上,现在很多岗位已经涌现这种趋势,比如基金行业的研究员、基金经理等,未来肯定会蔓延到更多岗位。