管理人工智能开发人员的软件工程团队

不管它的行业如何,每个组织都有一个AI解决方案,正在致力于AI集成,或者在其路线图中有一个计划。虽然开发人员正在接受发展所需的各种技术技能的培训,但高级领导必须侧重于整合这些努力并使之与更广泛的组织协调一致的战略。在本文中,让我们回顾一下整个AI产品环境。我们将确定组织可以在哪些领域增加重要的客户价值,开发开发人员的必要技能,利用现代人工智能开发工具,以及构建团队以提高效率。

生成人工智能产品景观

图中展示了 生成的人工智能 发展可以在高层次上大致分为三层。

人工智能计算平台的计算需求呈指数增长,导致人工智能加速器的开发--专门的芯片设计来提高应用性能。最初为图形相关任务创建的图形处理单元(GPS)在满足构建AI模型的大量并行计算需求方面变得至关重要。此外,许多专门的人工智能加速器应用特定集成电路(ASIC)处理器,如张量处理单元(TPS)、学习处理单元(LPS)和神经处理单元(NPS),已经显著改变了训练和推理的工作量。在物理层之上,公共和私有云基础设施实现虚拟化,并为各种计算需求提供抽象。类似于数据数据处理系统和OBCL这样的并行计算平台对于有效地利用物理和虚拟硬件是必不可少的。对于AI来说,计算平台是必要的,它提供了构建生成性AI模型所需的基础结构。

基础模型是生成人工智能的核心,是基于使用神经网络架构 转换器技术 .各种不同的库,如PYOT和张力流,提供计算机视觉和自然语言处理功能,主要用于训练和推理神经网络。这些基本模型使用大型数据集的半监督和自我监督的学习过程进行培训,以了解单词和短语之间的统计关系。此外,大型语言模型(LLMS)正在演变为多模态模型,使其能够满足各种应用需求。

AI应用程序使用基础模型,需要一个抽象层。这一层可以提取有价值和定制的信息,使用提示,框架,检索增强的生成(RAP), 代理人 ,或微调。一般的水平和专门的垂直应用程序可以从这些模型及其底层的抽象层中获益,从而创建高度智能的应用程序。

整个生态系统支持每一个层次,并促进整体创新。

客户价值

识别您的组织产生客户价值的业务环境。人工智能技术堆栈的每一层都为不同的客户段提供了价值。只有几个大公司,如nvi无,谷歌,亚马逊和微软,在技术堆栈的所有三层操作。

顾客的价值通常可以分为享乐主义或功利主义:一种产品或服务的功能价值,比如它的用处、质量和物有所值。功利产品通常是实用、有效和必要的,而享乐产品则提供乐趣、乐趣和享受。享乐产品通常是令人兴奋、愉快和兴奋的。它们产生的情绪反应比实用的产品更强烈。

仅投资人工智能并不能保证公司的成功。避免只因害怕错过投资而作出投资决定( 福莫 )。要使企业长期繁荣,就必须专注于通过AI集成创造价值。遵循标准流程并进行彻底的尽职调查,以确定在哪些方面人工智能可以有效地推动产品的价值。

与产品、业务和工程团队密切合作,以确定工作范围,并制定战略愿景,确保团队内部的一致性。实现利益攸关方协调一致也至关重要,特别是考虑到项目的复杂性,同时设定现实的期望值。

开发者的角色和技能

上面提到的每一个层次都需要有专门技能的开发人员。随着一个新的工具或服务的公布,景观每天都在变化。作为一名工程领导,投资于项目所需的适当技能。授权团队做出最佳决定。在团队中建立强有力的专业知识,为团队提供学习机会,让他们参加学习课程、会议、铁人马拉松等。

这并不是一个详尽无遗的清单,而是对不同角色和必要技能集的一窥。

· 人工智能计算平台 :

o ICU设计工程师 ::设计和核实全球公共部门会计准则或国际公共部门会计准则

o 人工智能云平台工程师 ::在超高速器中为人工智能建造基础设施、工具和平台

· 基础模型 :

o 人工智能培训员,数据注释员 审查和验证学习,特别是在半监督的情况下。

o 人工智能/机器学习工程师 开发、培训和优化基础模型。

o 大赦国际研究员、研究科学家 :设计变压器神经网络算法。

o 机器人工程师 :组装物理部件,并与软件和传感器连接。

· 人工智能申请 :

o 快速工程师 开发人工智能集成消费编码助理和人工智能开发工具。

o 无代码和低代码开发人员 :使用AI服务构建解决方案。

o AI软件开发商、AI代理开发商 :构建或集成代理框架、向量数据库或破布。

o 人工智能工程师 *根据组织要求对基础模型进行微调

开发工具

生成人工智能能够提供类似人类的响应,使人工智能助手成为一个革命性的应用程序。这些助理的专业版本已经演变为开发人员的编码助理和工具。

像FLOVE和UUGIN这样的AI服务是无代码和低代码的平台,可以完全取代整个开发周期。

所有最流行的开发工具中包括:亚马逊编解码器集成,并通过设计UI、开发代码、自动完成、代码归纳、调试和修改代码、生成测试、部署和监控解决方案等方式帮助工程开发周期的各个阶段。

根据所使用的云计算平台,亚马逊萨吉默、谷歌云顶点人工智能和微软阿祖机学习为整个机器学习生命周期提供服务集成。

工程领导应该分析和投资开发人员的工具,以提高开发人员的生产力。

组织结构

成功开发出人工智能原型后,领导者往往面临将人工智能开发整合到核心工程团队的挑战。无论团队是构建AI解决方案还是集成AI,工程管理必须做出正确的决定。

当团队正在开发AI解决方案时,必须有一个专门的工程师小组,他们具有特定的角色和技能。这个过程通常需要人工智能的广泛研究和开发,这些工程师应该作为核心工程团队的一部分被整合。

构建人工智能集成的团队可能会开发人工智能应用程序和集成层。他们通常有一个现有的应用程序,他们计划在其中纳入AI模型响应。在这个场景中,一个子系统团队应该专注于创建 回收增加一代(破布) 和代理子系统,它们将集成到应用程序中。这个子系统团队可以是核心工程团队或平台工程团队的一部分。

平台工程 应该通过为基础设施、工具、库等创建AI开发人员平台,引导开发可重用的GEII组件。

团队最好由6至8名开发人员组成,他们在同一地点办公或在类似的时差内办公,以便进行有效的沟通和协作。

不管团队结构如何, 智能发展实践 为人工智能开发团队提供最好的方法,采用迭代、自省和自适应的方法。

最后的想法

人工智能领域发展较早.我们将经历更多的前所未有的应用和集成。虽然领导层了解产品景观,投资于确定正确的客户价值,组织团队以提高效率,投资于开发人员技能和工具,但通过观察最新的人工智能开发最佳实践并将其与工程团队整合,重点关注持续学习是非常重要的。