AI/自动化将于2030年结束六项技术职位的任务
如今,人工智能和自动化已进入高速发展阶段,很多人都在担心它们将会取代部分专业角色。虽然预测某些工作将彻底消失似乎有些夸张,但明智的做法是,对未来可能发生的情况保持现实视角,以便为接下来发生的任何事情做好准备。
考虑到这一点,并基于目前的技术发展方向,我们总结了一些可能终将被淘汰的技术工作。
数据录入员
在人工智能时代,数据录入员可能会发现他们的角色规模急剧缩小。因为这项工作大多为打字和抄写等重复性任务,非常容易被自动化程序取代。
随着光学字符识别(OCR)技术和机器学习算法的持续改进,人工智能系统在这些精确的任务中变得异常高效。因此,可以肯定的是,到2030年,自动化将给这一角色带来重大冲击。
技术支持代表
客户服务和技术支持一直处于解决消费者问题的第一线。然而,随着人工智能的不断发展,这些角色正面临着迫在眉睫的自动化威胁。
各行各业的公司已经在使用由自然语言处理(NLP)能力驱动的人工智能聊天机器人,来进行一级故障排除。甚至连涉及系统诊断或硬件问题的更复杂性任务,也可以通过人工智能工具来处理,这些工具可以在没有人工干预的情况下快速分析和解决问题。
到本次十年结束时,大多数技术支持查询将由复杂的人工智能系统进行有效管理,这可能会使传统的技术支持代表面临淘汰结局。
网络管理员
网络管理员的主要职责是管理和确保组织内部网络的正常运行。这些职责包括更新系统配置、管理安全协议和修复网络故障等任务
虽然在这些活动中,人类的操作目前仍具有无可取代的意义,但人工智能的持续改进正通过自动化许多日常任务对这项工作构成威胁。
人工智能驱动的预测分析可以预见可能出现的问题,并采取“先发制人”的行动来规避问题,其效率甚至远远超出人类所希望达到的水平。
此外,其他日常管理工作也可以通过基于人工智能的工具实现自动化,创建几乎不需要人工干预的自组织(Self-organizing)网络。因此,自动化很有可能在未来几年显著地重塑网络管理员的角色。
数据库管理员
在过去,管理和协调跨数据库的更改需要大量的人力资源。然而,人工智能的崛起正在改变这一切。随着自动化工具的出现,简化了数据库管理任务,传统数据库管理员的角色也由此受到了威胁。
例如,自动化允许在从MySQL迁移到MariaDB时轻松更改数据库。过去,这种无缝转换需要管理员付出相当大的努力,但现在可以通过自动化软件以更高的效率完成。随着我们迈向2030年,据预测,这些改进将继续大幅减少人工干预的需求。
此外,这些进步意味着数据库最终可以更自动地进行调节和自治,甚至不再需要专门的人员管理
硬件技术人员
过去,硬件技术人员的角色是不可或缺的,在现场参加修复和升级只能由员工亲自来完成。然而,随着越来越多的公司将业务转向基于云的基础设施,对物理设备管理的需求减少了。
技术进步催生了虚拟服务器和存储空间,这些服务器和存储空间可以根据需求进行扩展,而无需硬件专业人员的任何手动干预。这一趋势大大减少了对专门处理有形设备和机械的传统技术人员的依赖。
有趣的是,即使涉及到家庭或办公室装置中的物理设备问题,人工智能驱动的远程诊断工具在准确预测潜在硬件问题方面也实现了不断改进。通过提前预测这些问题,并自主订购必要的替换部件,硬件技术人员可能会比你想象得更快过时。
质量保证(QA)测试员
在技术行业中,质量保证测试员在排除错误和确保软件发布前的功能方面发挥着至关重要的作用。然而,随着人工智能变得越来越先进,这项任务正变得日趋自动化。
自动化测试工具现在可以执行重复的任务,快速生成测试数据,甚至可以学会发现潜在的错误,而无需人工干预。这些人工智能驱动的程序能够执行人类因时间或资源限制而无法完成的详尽测试。
此外,将机器学习算法整合到这样的平台中,可以使它们在每次连续的测试运行中改进性能。因此,到2030年,人工智能的持续发展可能会完全取代今天的QA测试人员,转而让机器夜以继日地工作。
结语
本文的初衷并非危言耸听,而是希望目前从事这些工作的专业人士能够利用AI/自动化赋予的空余时间来转变角色和责任,并由此踏上更光明的未来之路。
原文标题:6 Tech Jobs That Won't Exist In 2030 Due To AI and Automation,作者:Stylianos Kampakis
以上是AI/自动化将于2030年结束六项技术职位的任务的详细内容。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

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

本站7月5日消息,格芯(GlobalFoundries)于今年7月1日发布新闻稿,宣布收购泰戈尔科技(TagoreTechnology)的功率氮化镓(GaN)技术及知识产权组合,希望在汽车、物联网和人工智能数据中心应用领域探索更高的效率和更好的性能。随着生成式人工智能(GenerativeAI)等技术在数字世界的不断发展,氮化镓(GaN)已成为可持续高效电源管理(尤其是在数据中心)的关键解决方案。本站援引官方公告内容,在本次收购过程中,泰戈尔科技公司工程师团队将加入格芯,进一步开发氮化镓技术。G
