人工智能能取代云计算架构师吗?
人工智能系统每天都令人印象深刻。如今的人工智能可以自动化许多信息工作者的任务,因此那些从事云计算工作的人担心自己会成为下一个。
人们对人工智能及其应用的兴趣大约在五年前发生了变化。后来发生了大流行,一些预算转向了快速云迁移。现在一切都恢复正常了,人工智能又回来了。大多数企业都掌握了人工智能的基本可能性,并希望将这项技术武器化,用于自己的业务。
在这个过程中,技术变得更加令人印象深刻。例如,随着ChatGPT等生成式AI服务的出现,生成式人工智能从博士论文变成了可访问的免费现实。
生成式人工智能是一种基于输入数据和学习模式生成新的和独特输出的人工智能,例如文本、图像或音频。这可以包括文本生成、图像合成和音乐创作等任务。
可以通过聊天机器人或API进行各种各样的输入,从而获得令人印象深刻的响应。这些回应令人印象深刻,以至于我一直在接听记者的电话,他们正在撰写关于人工智能取代工人的报道。这是一个我在过去20年里一直听到的问题,但现在有了一个现代的转折。对于大学生使用ChatGPT或类似的服务为他们写论文,高校有了新的担忧。人工智能创造的输出,抄袭检测系统无法快速识别,因为这不是抄袭。
人工智能伦理和偏见问题可能会从某些类型的学习数据中出现。这些偏见是否会导致意想不到的负面后果,例如自动模式拒绝向某些人群提供贷款?
我听到了以下几个核心问题:人工智能现在或很快可以取代哪些类型的人工任务?我是否应该计划转行做一份人工智能无法自动化的工作?成为云计算架构师、云开发人员、云运营工程师、Devops工程师、云项目负责人等安全吗?这些都是阅读本文的大多数人的工作名称。你有危险吗?
我认为现实是,我们正在用人工智能驱动的自动化取代许多人工任务。这只是随着技术进步而发生的事情,并不是什么新鲜事。科技的发展使得我们不再需要几十个人在秋天的时候在一块田里收割庄稼。可以在不与人类互动的情况下从超市结账。的汽车和卡车可以自动驾驶。
让我感到沮丧的一件事是,整个IT设计和部署过程缺乏有用的自动化。当然,我们有大量的工具、流程、方法和其他资产来加速我们优化云架构和部署的过程。然而,他们并不为架构师做出关键的决定。云架构通常必须通过深入的分析和判断来确定,而这只能通过经验来实现。更重要的是,创造力和创新仍然是需要的——这些都是人类可以发挥的作用。
当然,人们会犯很多架构错误,比如选择了错误的平台、工具和服务。人类创建的体系结构完全没有得到优化,无法为业务返回价值。我最近谈到了这个问题。
如果我们把解决方案的创造交给人工智能,也许我们会做出更好的决定。想象一下,如果人工智能系统拥有训练数据,同时反映了数千名优秀云架构师的知识。这样的AI系统可以根据所提供的业务和技术需求有效地将知识处理为解决方案。它可能不能为您提供构建某个东西所需的最终答案,但它可以足够接近,从而消除大量的工作和潜在的错误。
最有可能的路径是,战术人工智能工具将继续出现。这些工具将专注于特定的体系结构领域,如网络设计、数据库设计、平台选择、云原生设计、安全性、治理、容器的使用等。输出应该和我们今天看到的一样好,如果不是更好的话,因为这些工具将利用几乎完美的数据,并且不会有那些驱动一些架构设计的令人讨厌的人类弱点——情绪和感觉。当然,今天已经有一些这样的人工智能工具(不要告诉我你的工具),并且正在朝着这个理想的方向发展。然而,它们的用处取决于任务。
战术人工智能工具仍然必须由知识渊博的人来操作,他们知道如何提出正确的问题,并验证工具产生的设计和建议。尽管完成大型云架构的战术组件设计可能需要更少的人,但这个过程不太可能消除所有人。请记住,许多此类错误的发生是因为企业难以找到熟练的云计算专业人员。战术人工智能工具也可以通过更好地同步人才的需求和供应来帮助解决这个问题。
很容易预测它将如何发展,也没有什么惊天动地的事情。设计、开发和部署工具将不断发展。它们将提供更多的价值和用处。总的来说,可能需要更少的人,但这些工具需要有才华的操作员才能正确工作。他们将主要关注云架构组件的战术设计,如网络和安全。
因此,仍然必须依靠人类来构建健全的云解决方案。较小的问题可能有人工智能解决方案,但更大的问题是诗意地自动化云架构仍然是一个尚未解决的问题。
我认为,在一段时间内,我们仍然需要人类云架构师和解决方案设计师来将所有这些整合在一起,并确保我们部署的优化解决方案能够为业务带来最大的价值。我不认为这是一种可以被人工智能完全取代的东西,但我不幻想它不可能永远被取代。
但让我们问问ChatGPT:“人工智能会取代云计算架构师吗?”
人工智能不太可能在不久的将来完全取代云计算架构师,因为虽然人工智能可以帮助云架构师完成自动供应、监控和资源扩展等任务,但它仍然需要人工监督和决策,以确保系统正确配置,并确保人工智能按预期工作。云架构师在云计算环境的整体战略和设计以及当前人工智能技术难以完全自动化的任务中也发挥着至关重要的作用。然而,人工智能有可能自动化云架构师目前执行的一些重复和例行任务,使他们能够专注于更具战略性和更高层次的职责。”
以上是人工智能能取代云计算架构师吗?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

本站7月31日消息,科技巨头亚马逊于周二在美国特拉华州联邦法院起诉了芬兰电信公司诺基亚,指控其侵犯了亚马逊十几项与云计算技术相关的专利。1.亚马逊在诉讼中表示,诺基亚滥用了亚马逊云计算服务(AWS)的相关技术,包括云计算基础设施、安全和性能方面的技术,来加强其自身的云服务产品。诉状称,亚马逊于2006年推出了AWS,其开创性的云计算技术早在2000年代初期就开始研发。“亚马逊是云计算领域的先驱,现在诺基亚却在未经许可的情况下使用亚马逊的专利云计算创新成果,”诉状中写道。亚马逊要求法院发布禁令,阻

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
