作者:William G. Wong
您将学到什么:
我们的年薪调查中的一些问题集中在人工智能和机器学习 (AI/ML) 的影响以及它们与工程师工作的关系,以及工程师对该技术的看法。
首先,我们询问人工智能/机器学习如何影响他们的工作(图1)。最大数量的受访者仍在评估人工智能/机器学习,而很大一部分受访者根本不参与其中。目前只有少数人在他们的产品中使用它,但更多的人正在将该技术融入到他们的开发过程和产品中。
挑战的一部分是定义当前的人工智能/机器学习工具和框架,并弄清楚如何使用它们。很多的生成式人工智能ChatGPT 等工具不断发展,但更难以评估和纳入开发过程。
人工智能/机器学习更成功的应用往往是基于更成熟和更专注的技术的模型,例如卷积神经网络 (CNN)以及具有良好记录和支持基础设施的 TensorFlow 等框架。他们通常遇到的问题较少,例如大型语言模型 (LLM) 中经常出现的幻觉。许多也可以通过更小的嵌入式系统来处理,尽管法学硕士也正在进入移动设备,尽管具有显着的硬件加速。
工程师对 AI/ML 的想法反映在我们的结果中(图2)。虽然它可以成为一种竞争优势,但更多人认为监管是必要的,并且应该不受监管。只有一小部分人在使用过程中遇到过问题人工智能工具或框架。然而,相当多的人还没有准备好利用机器学习或将机器学习整合到他们的流程或产品中。考虑到之前的图表,大量工程师仍处于评估阶段,这并不奇怪。
当我们询问工程师如何使用 AI/ML 时,我们收到了一系列答复(图3)。三分之一的受访者目前没有使用任何工具,甚至避免使用它们。另外三分之一通过搜索引擎使用它。如今,这几乎很难回避。更糟糕的是,许多搜索引擎默认实现生成式人工智能。
一些人使用工具来创建文本、图像、视频和软件,但我们没有提出其他问题,也没有得到有关如何应用这些工具、获得的结果质量如何等的更详细答复。我们可能会添加问题沿着这些思路,未来,这种用途可能大部分用于评估工具和解决方案,而不是将它们纳入设计和生产过程。
人工智能/机器学习在对工程师和设计师产生重大影响的技术方面处于低端(图4)。考虑到前面问题的答案,这并不奇怪。与去年相比,这一数字略有上升。
令我惊讶的是模拟和分析的重要性,因为这是今年的新问题。无线网络、测试设备和电源管理仍然位居榜首。我们将密切关注明年人工智能/机器学习是否会有所进步。
我们在另一个领域添加了人工智能/机器学习,涉及工程师是否可能考虑离开该行业的问题(图5)。目前看来,它并没有产生显着的效果。随着人工智能/机器学习在开发过程或开发人员使用的工具和框架中变得更加主流,这种情况可能会随着时间的推移而改变。不过,我怀疑人工智能/机器学习还需要一段时间才能成为工程师的替代品或挑战,而不是提高我们效率的工具。