在 目前待領的團隊 ，小弟有幸 參與到 AI 落地的過程 ，之前也參與過幾次 AI 服務導入的和製作出 AI 產品應用的經驗，這邊就提出些簡單分享，跟大家說說，為何 AI 落地有這麼難 ChatGPT 幾乎成為這幾天大家刷版面的資訊，官方網站其實有提到 Chat-GPT 的參考模式是怎麼進行的，也有提供相關的論文參考， https://openai.com/blog/chatgpt/ ChatGPT 幾乎成為現象級的影響 如果你還沒試用過，我建議你真的玩玩看， https://chat.openai.com/chat 在 AI 落地的階段，有許多工程的過程，還有許多現實需要面對，而這煉成的過程都很容易導致 AI 落地失敗， 更不用說像是 ChatGPT 這種十年磨一劍的應用服務，為什麼驚艷， 中英文，簡中繁中等均能 80% 的機率識別問題及主題對話 回應內容，英文的部分不意外的通順，簡中繁中的部分有些詞語是有做過調整的，這實屬難得。 對於資料上下文關聯度，以及變化形式在主題式的發展下均能有效地回應且呈現。 呈現格式可以以『摘要、表格、條列』等方式進行規劃，同時也可以對文字內容進行一定程度的擴張和收斂。 而要做到這些事情，除了大家所熟知的需要不斷的生成模型，訓練模型，不同的模型疊加上去之外。 同時最難也是最複雜的部分， 『資料工程的處理』 AI 工程的開始 在我們使用任何一套 AI 框架 Tensorflow / pytorch 之後，無一例外地就會以特定問題解決方案，開始採用不同的現成 Model 進行驗證，在一開始對於初始的 example data / init data 都會有不錯的反應。 接下來問題開始... 當我們天馬行空的，不斷將例外，將特定領域情境涵蓋進去的時候，你就會發現這 model 的準確率下降，接下來就是一連串調整參數的開始， 或者是開始進行特例發想的部分，哪些資料是需要踢除的，哪些項目是需要先排開的，哪些資料是對於訓練本身是有影響的，在這個過程中就已經進入 data engineering 的環節中。 source from 資料科學家的工作日常 資料工程的處理 大家所想像的，在建立模型的時候似乎就是不斷地調參數，不斷的運作程式，但在這之前，有 『好多好多好多好多』
越來越複雜的網路應用 2022 年，網路應用越來越複雜，表層是 社群服務 ，轉頭看是 廣告服務 ，詳細看是 個資儲存庫 ，如此複雜的應用，如此眼花撩亂的系統架構， 現代的軟體開發已經從打個人戰，進入到團體戰鬥的打法。 打群架的時代 現在的許多產業，都在徵求軟體工程師，通常是徵求多位，以往以少少數量完成應用服務的時代已經過去。 現代已經是打群架的年代，前端至少一位，後端至少一位，系統管理，雲端管理等，這些都是在軟體公司內具備的職缺，已經很難回到那一人打天下的時代。 因此，誰能夠在技術領域中讓多種面向職能的人，互相進行協作，互相進行工作分配，將產品進度維持穩定產出，這樣的角色變得至關重要。 而通常，除了外部尋找此職能之外，這樣的職位，會以團隊中，最有技術力，且最能夠經常解決問題的人做為代表人。 帶領的第一課 - 『 放下』 相信大家都一定有聽過 彼得原理(Peter Principle) ， 因其某種特質或特殊技能，令他被擢升到不能勝任的高階職 位，最終變成組織的障礙物 能力越強的人，通常被拔擢的越快，隨著職位的提升，也越發現能力的不適，而這問題在技術管理職位上特別常見。 因此，技術管理的第一堂課，要跟特別提醒的點是『放下』，特別是要放下自己的技術。 這可能與常理有所違背，為何會讓一個技術最強的人，去放棄他本身的技術呢？ 放下的定義 放下，並不是要你放棄，癱軟在辦公室的椅子上什麼都不做，也不是讓你就捨棄掉對於技術的熱情，讓自己故步自封。 放下技術，是放下自己對於任何一種技術的直覺反應，本位思考，我們是否曾經聽過這種話 『如果是我來做，兩小時就可以完成了』 ， 『這個很簡單，改一下就好了』 。 但今天，做的人不是你， 你已經進入管理者的角色 ，你已經被賦予 帶領的職能 ，帶領才是你該做的事情。 這時候如果以自己過往的 『經驗，效率，能力』 來看待 『他人』 的執行步驟及過程，會發現所有事情都如此的格格不入。 此時，你需要就是 『放下』 適當的放下自身技術能力 我們可能是因為自己曾經努力過，也可能自己剛好在那個時代，也可能是因為自己比較幸運，不論是哪一種可能，就是這麼剛好的在這個時間點成為 『帶人的那個人』 當我們用自己的眼光去看待所有人，看待所有新鮮人，就如同開著跑車去嘲笑騎摩托車的人不努