技能与AI技能|迈向数据科学

Post检查了与AI有效合作所需的技能，主要关注AI系统的消费者。在下面的文本中，我将剖析 业务能力框架的AI技能由 艾伦·图灵学院，展示该框架的基础是如何植根于永恒技能的，并为非技术人员提供了高技能的领域。

我的印象是，我们通过散布头条新闻和1000个字符的l-ai-ai生成摘要（或与LinkedIn允许的允许）进入了传闻的全球大流行有关的主题。

观点依靠对工作空间的未来以及在AI时代的教育，安全甚至人类灭绝等主题的意见。不幸的是，经常受到最新未经审查的研究的支持，该研究在表面上是红色且被理解的。在某些情况下，理解甚至不是人们想要优化其功能的目标。目的是赚取数百或数千个喜欢，并获得数十名新关注者。

Panem et Circenses每个新的饲料刷新，提供的新鲜（错误）信息都可以使用，因此我们不需要让我们的灰色物质找到真相。足够好的真理逐渐逐渐成为新标准。

尽管如此，市场要求我们得到一套适当的一套

人工智能技能

对于我们大多数人与AI的发展紧密合作时，当我们走出IT圈时，我们意识到人们对生成AI的谈话或关心（我们都不像我们（我们）（我们）（想要他们） 做。

但是，他们确实关心的一件事是AI产生的输出的正确性：是否好吗？或在我的姐姐（又名数学老师）中重新构架它：我应该用它来做什么？它从提示的数学方程式中给了我错误的结果。

然而，几天前，有报道说Gemini与Think的双子座在国际数学奥林匹克运动会上达到了金牌标准。

因此，这里的差距或更精确的地方

让我们从每个人现在都试图重新包装的概念开始，那就是技能框架与某些版本的责任分配矩阵。

尽管这些框架是可疑的分类器，但由于它们倾向于在没有适当评估的情况下“盒子及其能力盒子及其能力，因此它们为方向提供了有用的起点。

也就是说，我将以一个例子AI业务能力技能（META-）框架开发艾伦·图灵学院，概述四个技能水平定位四个主要的学习者角色穿过五 方面代表一组能力，行为和责任ðð¼。

与帖子主题有些不同，我需要注意到我在框架将技能水平映射到角色的最高，明显的缺点，例如：

• 它与市场的需求脱节M形专业人员来自AI工人角色，指定在职的诸如等方面的级别隐私与管理或评估与反思``未达到现实世界的要求。在受管制行业中尤其如此每个员工处理敏感数据预计将对GDPR和合规框架具有丰富的了解，这可能会扩展到了解AI风险和偏见。
• 或者，如何制定AI领导人作为一个专家在问题定义与沟通维度具有误导性，因为这表明他们应该拥有深厚的技术专长。但是，通常情况并非如此。许多领导人依靠他们精通AI的团队来弥合差距动手技术洞察力做出决定时。

而且，还有更多，但是让我们专注于AI能力。为此，我将共享一张表格，以补充对学习者角色的必要理解：

现在，我们将假设我们所有人如何设法在阳光下找到自己的位置，并将自己映射到上述角色之一。下一个提出的问题是

哪些技能是永恒的，当前技能与AI技能的差距在哪里？

第一个问题的证明是（某种程度上）直接： 如果 我们分析了图像2，而无需重点介绍术语“ ai”，很明显，列出的AI能力是现有的应用，永恒例如：

• 批判性思维，
• 风险管理，
• 道德判断，
• 战略规划，
• 沟通与协作，
• 持续学习，
• 数字素养，……

然而，，，，新颖性来自将它们应用于AI。AI的背景引入了不同的挑战，这些挑战需要这些技能得到适应和加深。例如：

• 风险管理``并不是什么新鲜事物，而是解决有偏见的语言模型或自动决策的风险，提出了一系列缓解的挑战。
• 道德 判断``也不是新事物，而是将其应用于识别模型（错误）使用或由于自动化而导致的工作位移，这是全新的困境。

因此，差距在于基础，特定领域的细微差别，这些细微差别使集体能够有效利用AI作为工具，而不是由其使用。

考虑到这一点，已经有提供的学习途径可以获取细微的技能，这些可以帮助您开始学习旅程。

我对主要开发AI解决方案的非技术人员和技术人员的建议是：

• 大师对不同语言模型的高级理解（例如。，LLMS与SLMS与其他专业模型思考与非思想模型， ETC。），如何迅速的他们以及何时使用它们（什么是使用AI的优点）。了解什么人工智能代理是和我们站在AGI路径上的地方，因此您会感觉到要处理哪种工具。
• 了解故障模式并学习如何评估产出。了解模型可以撒谎和操纵的方式，例如偏见，，，，幻觉， 或者数据中毒，因此您避免解决秒内创建的问题。为此，您需要开发一个评估清单（从输入到输出）对于特定的（类型）问题，并确保输出经过严格审查和测试在他们到达群众之前。
• 创建，不需要食用AI产品。尽管软技能是一项巨大的资产，但建立实用的硬技能同样重要。我相信每个人都应该开始掌握我们每天使用的工具中可访问的AI功能，例如AI工具在Excel中。从那里，我建议您开始学习无代码和低码解决方案（例如。，Copilot Studio或者AI铸造厂） 到开发自定义AI代理商使用简单的clicky点心方法。掌握这些工作流将提高您的性能和AI领域知识，使您更具竞争力在未来的就业市场。

为了结束这篇文章，我希望您能得到一个收获，那就是我们所有人都需要付出精神努力来丰富我们当前的技能。

因为AI的有效性取决于我们与之进行周到的互动，并且需要我们始终需要的相同的批判性思维，风险评估和道德判断，而仅适用于新的挑战。如果没有这些基本技能来评估产出并避免过度依赖，我们的风险是由AI（或知道如何使用它的人）领导的，而不是将其用于我们的优势。

谢谢您的阅读！

如果您发现这篇文章很有价值，请随时与您的网络分享。

保持联系以获取更多故事中等的 - 和LinkedIn - ð。

该帖子最初发表在 AI进步中的媒介出版。