Afbeelding gemaakt door mij met Microsoft Image Creator
 

Sinds OpenAI ChatGPT voor het publiek heeft gelanceerd, is er online een stortvloed aan discussies ontstaan ​​over een nieuwe droombaan: Prompt Engineering. Het wordt aangeprezen als “AI's populairste baan”, belooft salarissen van zes cijfers zonder dat je programmeerervaring nodig hebt. Liefhebbers omschrijven het als een baan van de toekomst, Waar iedereen kan verdienen tot $ 335K door een coole betweterige robot vlot te praten en de juiste antwoorden te geven. Geen verrassing, Instagram geld verdienende wijzen, YouTube-carrière predikers, en zelfbenoemde orakels van TikTok hebben zich er zeer uitgesproken over uitgesproken. Hoewel dit klinkt als een droombaan, is het echt haalbaar? Laten we ons verdiepen in de realiteit van de arbeidsmarkt achter de hype om erachter te komen.

Het analyseren van gegevens over vacatures biedt waardevolle inzichten in trends in de vraag naar arbeid, verantwoordelijkheden, kwalificaties en salarisverwachtingen. Daarom besloot ik de advertentiegegevens van de zogenaamde “AI's populairste baan'zonder speculaties of vermoedens. Ik heb 73 onlangs geplaatste unieke vacaturegegevens verzameld van populaire online vacaturesites. Lees meer over mijn methodologie voor gegevensverzameling en krijg toegang tot de dataset hier. Hoewel 73 misschien niet de ideale steekproefomvang is, is het wel een alomvattend startpunt voor onze analyse. De eerste onthulling is ontnuchterend: er is een tekort aan werkgevers die op zoek zijn naar ‘snelle ingenieurs’.

Laten we nu eens naar de gegevens kijken. De meest genoemde functietitel is ‘prompt engineer’. Er duiken echter ook andere titels op, zoals ‘IT Innovation Analyst’, ‘Freelance ML/AI Engineer’, ‘Data Scientist’ en ‘AI Engineer’. Ik heb woordwolken gemaakt voor de kwalificaties en verantwoordelijkheden die in de functiebeschrijvingen worden vermeld. Ik denk niet dat woordwolken bedoeld zijn om buitengewone inzichten te onthullen, maar ze kunnen een compacte versie vertegenwoordigen van de belangrijke hoogtepunten in de tekst. Zoals u ziet, praten werkgevers in de vacatures meer over ervaring in de informatica, modelontwikkeling, Python, prompt design, machinaal leren, grote taalmodellen, natuurlijke taalverwerking en kunstmatige intelligentie dan over andere dingen.

1. Dit is een aanzienlijk grotere steekproefomvang als je het vergelijkt met veel van die anekdotische vroege artikelen die hun hele betoog over een salaris van zes cijfers zonder codering op basis van slechts één vacature construeerden.
 

 

Vervolgens heb ik ChatGPT en Claude gebruikt om het tekstcorpus van de verzamelde advertenties samen te vatten om de belangrijkste technische kwalificaties en kwalificaties te identificeren. Ik heb meerdere vragenrondes uitgevoerd met verschillende benaderingen, gevolgd door het handmatig controleren van de gegevens om er zeker van te zijn dat ik een stabiele en geldige uitvoer kreeg.

Essentiële kwalificaties die vereist zijn voor de baan van Prompt Engineer:

1. Vaardigheid in Python-programmeren (2-5 jaar ervaring) inclusief ervaring met AI/machine learning-frameworks zoals TensorFlow, PyTorch, Keras.
2. Praktische kennis van NLP en LLM's (2-5 jaar ervaring) zoals BERT, GPT-3/4, T5, etc. Kennis van hoe deze modellen werken en hoe je ze kunt verfijnen.
3. Sterke analytische en probleemoplossende vaardigheden. Het vermogen om kritisch na te denken, effectieve aanwijzingen te ontwerpen, de prestaties van modellen te analyseren en problemen op te lossen is van cruciaal belang.
4. Expertise in snelle engineeringprincipes en -technieken zoals gedachteketen, in-context leren, gedachteboom, enz. Hierdoor kunnen de modellen naar de gewenste resultaten worden geleid.
5. Uitstekende communicatieve vaardigheden, zowel mondeling als schriftelijk. Dit is nodig voor het samenwerken tussen teams, het uitleggen van technische concepten en het documenteren van werk.

En de essentiële verantwoordelijkheden van de snelle technische banen zijn:

1. Snel ontwerp en optimalisatie: Ontwerpen, ontwikkelen, testen en verfijnen van door AI gegenereerde tekstprompts om de effectiviteit voor verschillende toepassingen te maximaliseren. Dit omvat het gebruik van technieken zoals transferleren en het benutten van taalkundige expertise om kwalitatief hoogwaardige en gevarieerde aanwijzingen te maken.
2. Integratie en implementatie: Zorgen voor een naadloze integratie van geoptimaliseerde aanwijzingen in het totale product of systeem. Samenwerken met ingenieurs om aanwijzingen en modellen in productieomgevingen te implementeren.
3. Prestatie-evaluatie en -verbetering: Het rigoureus evalueren van snelle prestaties met behulp van statistieken en gebruikersfeedback. Het uitvoeren van continue tests en analyses om gebieden voor optimalisatie en snelle iteratie te identificeren.
4. Samenwerking en het verzamelen van vereisten: Nauw samenwerken met multifunctionele teams zoals datawetenschappers, makers van inhoud en productmanagers om de vereisten te begrijpen en ervoor te zorgen dat aanwijzingen aansluiten bij de bedrijfsdoelen en gebruikersbehoeften.
5. Kennis delen: Documenteren van snelle engineeringprocessen en -resultaten. Teams opleiden over snelle best practices. Op de hoogte blijven van de nieuwste AI-ontwikkelingen om innovatief te zijn 

Het is eerlijk om te zeggen dat het uitgangspunt van 'geen programmeerervaring' van de zogenaamde 'AI's populairste baan' verre van de realiteit is, aangezien de meest gevraagde vaardigheden op de markt voor snelle engineering programmeervaardigheid en NLP- en LLM-ervaring zijn. En ze hebben het niet over de programmeervaardigheden van Mickey Mouse, ze zijn op zoek naar experts die bekend zijn met ML- en AI-frameworks. De werkgevers vereisen niet alleen ‘bekendheid’ met LLM’s en codering, maar zoeken gemiddeld experts met 2-5 jaar ervaring in het werken met gestructureerde en ongestructureerde data, codering, NLP, ML en AI.

Als u de belangrijkste verantwoordelijkheden leest, wordt het duidelijker waarom deze functie zo'n hoog niveau van programmeer- en LLM-vaardigheden vereist. Snel engineeren, als professionele baan, betekent niet achter een computer zitten en spelen met generatieve AI-modellen om u het juiste antwoord te geven. Het gaat om het bouwen van bedrijfsinformatiesystemen die de input optimaliseren, deze naadloos integreren met andere informatiesystemen en producten, en waarden leveren aan gebruikers en klanten. Met andere woorden, bedrijven zijn niet op zoek naar iemand die met ChatGPT kan chatten, ze willen experts inhuren die GPT-achtige modellen kunnen optimaliseren en integreren met hun eigen producten.

Analyse van vacaturegegevens over diplomavereisten duidt op een voorkeur voor technische opleidingsachtergronden in informatica, wiskunde, analyse, techniek, natuurkunde of taalkunde. Normaal gesproken is een bachelordiploma in computerwetenschappen of een gerelateerd vakgebied vereist, waarbij voor hogere functies de voorkeur wordt gegeven aan meer geavanceerde graden. De salarissen zijn zeer verschillend, afhankelijk van de verantwoordelijkheden en anciënniteit. Het kan zo laag zijn als 30 en zo hoog als een half miljoen dollar per jaar. Gemiddeld betalen de vacatures met salarisinformatie tussen de 90 en 195 euro per jaar.

Ondanks het aanvankelijke enthousiasme zijn er twijfels gerezen over de haalbaarheid van snelle engineering als droombaan. Zoals Ethan Mollick, professor aan de Wharton School, schreef in een Twitter-bericht vorig jaar “prompt engineer is geen baan van de toekomst” omdat “AI gemakkelijker wordt” en slimmer in het interpreteren van basisprompts. Een maand geleden publiceerde Coursera een goed idee loopbaangids voor snelle engineering (zie ook dit). Het lijkt de eerste Gen AI rage verdwijnt langzaam, en we zijn in een betere positie om de huidige status en toekomstige trends van AI te begrijpen. Begrijp me niet verkeerd. De kwaliteit van de output van Gen AI hangt sterk af van de input. Het leren gebruiken en omgaan met deze complexe modellen wordt voor bijna iedereen een belangrijke vaardigheid. Er zijn steeds meer wetenschappelijke onderzoeken die suggereren dat een systematische aanpak van prompting de uitkomsten van deze modellen aanzienlijk kan verbeteren (zie 1, 2, 3, 4, 5, 6, 7). “Prompt engineering” is echter niet (en dat is het ook nooit geweest) de droombaan die sommige mensen wilden hebben. Zonder aanzienlijke ervaring met programmeren, natuurlijke taalverwerking, machinaal leren, productontwikkeling en software-integratie gaat niemand u een salaris van zes cijfers betalen voor het vlot praten van ChatGPT in een goed antwoord.

Het heden en de toekomst van prompt engineering en Gen AI-toepassingen lijken te worden beïnvloed door twee belangrijke trends: ten eerste, zoals Ethan Mollick zei, worden Gen AI-modellen steeds bedrevener in het genereren van goede resultaten uit ongecompliceerde eenvoudige prompts, misschien vergelijkbaar met hoe internet zoekmachines zijn beter geworden in het retourneren van relevantere resultaten uit eenvoudige zoekopdrachten. Ten tweede worden Gen AI-modellen steeds meer geïntegreerd in de producten, diensten en platforms van het bedrijf. Deze aanpassing is cruciaal voor het succes van de AI-economie. Daarom is en blijft het een waardevolle set vaardigheden om te weten hoe je Gen AI-modellen kunt optimaliseren, verfijnen, aanpassen en integreren met de huidige informatiesystemen en producten. Dat is de reden waarom er in de huidige snelle vacatures een enorme vraag is naar programmeurs, systeemontwerpers en mensen die kunnen samenwerken met andere productontwikkelingsteamleden.
 
 

Mahdi Ahmadi is klinisch assistent-professor bij de afdeling Information Technology & Decision Sciences van de Universiteit van Noord-Texas, waar ik datamining, business intelligence en data-analyse doceer. Mijn voornaamste onderzoeksgebied is de toepassing van machine learning en dataminingtechnieken in bedrijven. Ik geef ook advies aan bedrijven, instellingen voor hoger onderwijs en non-profitorganisaties over hun problemen op het gebied van data-analyse.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.kdnuggets.com/prompt-engineering-an-integrated-dream?utm_source=rss&utm_medium=rss&utm_campaign=prompt-engineering-an-integrated-dream