摘要：美国英伟达公司（Nvidia）前工程师Chip Huyen指出，任何希望提升AI技能的人都应该从实践构建开始，但她也强调，工程师除了实践能力外，还必须掌握系统思维。她对《商业内幕》（Business Insider）表示：“构建什么并不重要，关键要全程参与。”

本文为深度编译，仅供交流学习，不代表智子说观点

美国英伟达公司（Nvidia）前工程师Chip Huyen指出，任何希望提升AI技能的人都应该从实践构建开始，但她也强调，工程师除了实践能力外，还必须掌握系统思维。她对《商业内幕》（Business Insider）表示：“构建什么并不重要，关键要全程参与。”

美国英伟达公司前工程师指出，那些希望在人工智能时代保持竞争力的人，必须立即着手实践。

“无论构建什么都无妨，关键在于完成端到端全流程：从构思到部署，确保朋友能实际使用。” 曾在英伟达公司参与NeMo平台研发、目前在美国斯坦福大学（Stanford University）教授机器学习的人工智能研究员Chip Huyen向《商业内幕》如是写道。

Huyen的建议不仅适用于同行的研究者和工程师。她透露，在自己举办的企业工作坊中，曾目睹毫无编程背景的人们借助AI编程助手完成了令人惊叹的创作。

“此后他们不仅自信倍增，对AI的理解也更深入，”她补充道。

如果你正为如何入手而困扰，Huyen提供了一个简单的练习。

“花一周时间记录所有令你沮丧的事项，”她在分享给《商业内幕》的指南中写道，“（思考）为何耗时如此之久？为何每次都要重复相同操作？等等。针对每个问题思考解决方案，然后选定其中一个解决。”

Huyen强调，掌握人工智能的基础原理和运作机制同样重要。

“仅通过实践来学习，就像只靠口语来掌握一门新语言，”她在文中写道。

因此，希望提升技能的人必须通过学习所用的工具，来补充自身在人工智能领域的探索。

“学习过程也需要结构化，比如选择课程体系、书籍或培训课程，”她建议道。

若你正寻求入门指南，Huyen向《商业内幕》分享了她为撰写新书《AI工程学》（AI Engineering）而整理的人工智能相关资源清单。

对于计算机科学专业的学生，或是希望拓展知识体系的工程师，Huyen指出掌握系统思维是最佳选择。

“编程只是达成目标的手段。计算机科学的核心在于系统思维，即运用编程解决实际问题，”Huyen在近期参与《Lenny播客》（Lenny Podcast）节目时阐述道。

她强调，解决问题的能力永远不会过时，因为“随着AI自动化程度提升，待解决的问题只会变得更复杂”。

Huyen指出，人工智能“能自动化处理大量分散的技能”，但是要整合不同知识领域来解决综合性问题，依然充满挑战。

她援引了美国斯坦福大学计算机科学系主任梅赫兰·萨哈米（Mehran Sahami）与美国人工智能公司DeepLearning.AI创始人、前美国谷歌大脑（Google Brain）创始成员吴恩达（Andrew Ng）共同主持的一场网络研讨会。当时，这两人探讨了计算机科学的未来，萨哈米强调：“学生理解AI工具生成的代码至关重要。”

Huyen透露，她在与企业交流时，时常听到资深工程师需要花费更多时间来审核初级工程师代码的案例。

整个科技行业都弥漫着一种担忧：随着生成式AI编写代码的能力日益提升，更多初级工程师的岗位将被取代。因此，提升综合能力变得至关重要。

她强调：“企业更青睐能通晓整体系统、具备卓越问题解决能力、注重全局思考而非局限局部视野的工程师。”

当工具日新月异，代码的“编写”本身或许正在贬值，而“为何编写”与“如何架构”的价值却愈发凸显。人工智能浪潮冲刷之下，那些曾经被视为入门门槛的零散技能，正迅速被自动化所取代。这或许迫使人们重新思考：在机器日益强大的未来，教育和职业的航向，究竟该如何锚定在“解决问题”这一永恒不变的核心能力之上？

来源：小盒论科技