人工智能生成-GenAI-的影响及其对数据科学家的影响

人工智能生成（GenAI）的影响及其对数据科学家的影响

原文：towardsdatascience.com/the-impact-of-genai-and-its-implications-for-data-scientists/

GenAI 系统影响我们的工作方式。这个概念是众所周知的。然而，我们仍然不清楚 GenAI 的确切影响。例如，这些工具对我们工作的影响有多大？它们对某些任务的影响是否更大？这对我们日常工作的意义是什么？

为了回答这些问题，Anthropic 发布了一项基于数百万匿名对话的研究，这些对话是在 Claude.ai 上进行的。该研究提供了关于 GenAI 如何融入现实世界任务的数据，并揭示了实际的 GenAI 使用模式。

在这篇文章中，我将介绍研究的四个主要发现。基于这些发现，我将探讨 GenAI 如何改变我们的工作，以及我们未来需要哪些技能。

主要发现

GenAI 主要用于软件开发和技术写作任务，几乎涵盖了所有任务的 50%。这可能是由于 LLMs 主要是基于文本的，因此对于某些任务来说不太有用。

GenAI 对某些职业群体的影响比对其他群体更强。超过三分之一的职业在其至少四分之一的任务中使用 GenAI。相比之下，只有 4%的职业将其用于超过四分之三的任务。我们可以看到，只有极少数职业在其大多数任务中使用 GenAI。这表明没有工作是完全自动化的。

GenAI 主要用于增强而非自动化，即 57%的任务用于增强，43%的任务用于自动化。但大多数职业在其任务中同时使用增强和自动化。在这里，增强意味着用户与 GenAI 协作以增强其能力。相反，自动化指的是 GenAI 直接执行的任务。然而，作者猜测增强的比例甚至更高，因为用户可能会在聊天窗口之外调整 GenAI 的答案。因此，看似自动化实际上是一种增强。这些结果表明，GenAI 作为一种效率工具和协作伙伴，可以带来生产力的提升。这些结果与我自己的经验非常吻合。我主要使用 GenAI 工具来增强我的工作，而不是自动化任务。在下面的文章中，你可以看到 GenAI 工具如何提高我的生产力以及我每天使用它们的方式。

GenAI 主要用于与中高收入职业相关的任务，例如数据科学家。相比之下，薪酬最低和最高的角色对 GenAI 的使用率要低得多。作者得出结论，这是由于 GenAI 当前能力的限制以及使用 GenAI 时的实际障碍。

总体而言，这项研究表明，职业更可能演变而不是消失。这是由于两个原因。首先，在大多数职业中，通用人工智能的整合仍然是选择性的，而不是全面的。尽管许多工作使用通用人工智能，但这些工具仅被选择性地用于某些任务。其次，该研究观察到对增强而非自动化的明确偏好。因此，通用人工智能作为一种效率工具和协作伙伴。

局限性

在我们能够推导出通用人工智能的影响之前，我们应该看看这项研究的局限性：

• 未知用户如何使用这些回应。他们是盲目地复制粘贴代码片段，还是在他们的 IDE 中编辑它们？因此，一些看似自动化的对话可能实际上是增强。

• 作者只使用了 Claude.ai 的聊天记录，而没有使用 API 或企业用户的记录。因此，用于分析的数据集只显示了实际通用人工智能使用的一小部分。

• 自动化分类可能会导致对话的错误分类。然而，由于使用了大量的对话，影响应该相对较小。

• 克劳德仅基于文本的限制可能会排除某些任务。

• 克劳德被宣传为最先进的编码模型，因此主要吸引了进行编码任务的用户。

总体而言，作者得出结论，他们的数据集并不是通用人工智能使用的代表性样本。因此，我们应该谨慎地处理和解释结果。尽管这项研究存在局限性，但我们仍可以从通用人工智能对我们工作的影响中看到一些启示，尤其是作为数据科学家。

影响

该研究表明，通用人工智能有潜力重塑工作，我们已经在我们的工作中看到了其影响。此外，通用人工智能正在快速发展，并且仍处于工作场所整合的早期阶段。

因此，我们应该对这些变化持开放态度，并适应它们。

最重要的是，我们必须保持好奇心、适应性和愿意学习。在数据科学领域，变化是经常发生的。有了通用人工智能工具，变化将更加频繁。因此，我们必须保持最新，并使用这些工具来支持我们的这一旅程。

目前，通用人工智能有潜力增强我们的能力，而不是自动化它们。

因此，我们应该专注于发展补充通用人工智能的技能。我们需要技能来有效地增强我们的工作和分析任务的工作流程。这些技能存在于通用人工智能渗透率较低的区域。这包括人际互动、战略思考和细微的决策。这正是我们可以脱颖而出的地方。

此外，批判性思维、复杂问题解决和判断等技能将仍然非常有价值。我们必须能够提出正确的问题，解释 LLM 的输出，并根据答案采取行动。

此外，通用人工智能不会取代我们在项目中的同事合作。因此，提高我们的情商将有助于我们有效地合作。

结论

通用人工智能（GenAI）正在迅速发展，并且仍处于工作场所整合的早期阶段。然而，我们已能从 GenAI 对我们工作的影响中看到一些影响。

在这篇文章中，我向您展示了 Anthropic 最近关于其 LLM 使用的研究的主要发现。基于结果，我展示了这些发现对数据科学家的影响以及哪些技能可能会变得更加重要。

我希望您觉得这篇文章有用，并且它能帮助您成为一名更好的数据科学家。

欢迎在下一篇文章中与我相见。