【AI接入大模型SDK】人工智能发展历史 AI相关岗位 AI能否取代程序员-北京尧图网络

个人主页艾莉丝努力练剑❄专栏传送门《C语言》《数据结构与算法》《C/C干货分享学习过程记录》《Linux操作系统编程详解》《笔试/面试常见算法从基础到进阶》《Python干货分享》⭐️为天地立心为生民立命为往圣继绝学为万世开太平艾莉丝的简介文章目录1 ~ 人工智能发展历史1.1 AI 兴起阶段1941~19561.1.1 图灵机Turing Machine1.1.2 人工神经元模型MP 神经元1.1.3 图灵测试1.1.4 人工智能术语诞生达特茅斯会议1.2 AI 早期成功1956~19741.2.1 西洋跳棋自学习程序1.2.2 ELIZA 聊天程序1.2.3 WABOT-1 拟人机器人1.3 AI 第一次寒冬1974~19801.4 AI 复兴与第二次寒冬1980~19931.4.1 专家系统1.5 AI 崛起时代1993 年至今1.5.1 深蓝 DeepBlue1.5.2 AlphaGo1.5.3 GPU 与 CUDA 算力革命1.5.4 Transformer 架构1.5.5 ChatGPT 与百模大战2 ~ AI 产业与职业影响2.1 AI 相关岗位分类2.1.1 AI 算法开发岗2.1.2 AI 应用开发岗2.1.3 提示词开发Prompt Engineering2.2 AI 与程序员职业关系2.2.1 核心结论2.2.2 AI 擅长的工作2.2.3 AI 固有限制2.2.4 对程序员群体的影响2.2.5 现实建议结尾1 ~ 人工智能发展历史1.1 AI 兴起阶段1941~19561.1.1 图灵机Turing Machine图灵机是艾伦・图灵 1936 年在《论可计算数及其在判定问题上的应用》中提出的抽象计算模型由无限长纸带、读写头、状态转移规则构成可以模拟任意算法的计算流程是现代计算机与可计算性理论的理论根基。图灵机属于数学抽象模型并非物理硬件。1.1.2 人工神经元模型MP 神经元1943 年沃伦・麦卡洛克、沃尔特・皮茨提出 MP 人工神经元模型是神经网络与深度学习的底层基础。工作原理输入接收外部或其他神经元传来的信号权重每一路输入配置权重权重调整就是模型学习的过程求和加权累加全部输入激活函数对比阈值超过阈值输出 1 激活否则输出 0输出将结果传递给下一级神经元MP 神经元仅支持线性可分问题无法处理异或这类非线性问题这也是早期神经网络发展受限的根源。1.1.3 图灵测试1950 年艾伦・图灵发表《计算机器与智能》提出图灵测试用来评判机器是否具备智能。测试规则人类测试者仅通过文字同时和真人、机器两个对象对话如果测试者无法稳定分辨机器与人类则判定机器通过图灵测试评判只看外部行为表现不关注内部实现逻辑图灵被称为 “计算机科学之父”“人工智能之父” 一般指约翰・麦卡锡他创造了 “人工智能” 这个专业术语。1.1.4 人工智能术语诞生达特茅斯会议1956 年达特茅斯会议约翰・麦卡锡首次提出 “人工智能”标志 AI 正式成为独立学科。麦卡锡同时发明 LISP 语言该语言长期作为 AI 研究的主流编程语言。参会核心人员包括马文・明斯基、克劳德・香农等学者。1.2 AI 早期成功1956~19741.2.1 西洋跳棋自学习程序1959 年亚瑟・塞缪尔开发西洋跳棋自学习程序首次提出机器学习概念被称为 “机器学习之父”。程序依靠自我对弈迭代棋力引入评估函数、α-β 剪枝技术后续击败人类跳棋选手。1.2.2 ELIZA 聊天程序1966 年约瑟夫・魏岑鲍姆开发 ELIZA属于最早的自然语言对话程序模拟心理治疗师对话逻辑。底层仅依靠关键词模式匹配模板替换并不真正理解语义只会反问引导用户输出更多内容。1.2.3 WABOT-1 拟人机器人1970 年日本早稻田大学发布 WABOT-1世界首台全尺寸人形机器人集成视觉感知、肢体运动、简单日语对话模块可以识别障碍物测算距离方位。1.3 AI 第一次寒冬1974~1980早期 AI 项目无法兑现宣传预期政府、资本削减研究经费AI 研究进入停滞阶段。主要诱因机器翻译项目落地失败算力不足搜索存在组合爆炸问题单层神经网络能力被理论证明存在上限社会对 AI 预期严重高于技术实际能力大批科研人才转向其他方向神经网络领域进入长时间沉寂。1.4 AI 复兴与第二次寒冬1980~19931.4.1 专家系统专家系统属于知识驱动型 AI把行业专家的经验固化成规则依靠规则完成诊断、分析、决策任务。核心组件知识库存储大量 if-then 形式的领域规则推理机匹配知识库规则完成逻辑推导用户交互界面# 专家系统前向推理伪代码classExpertSystem:def__init__(self):self.knowledge_base[]# 存储(条件, 结论)规则列表self.factsset()# 当前已知事实集合defadd_rule(self,condition,conclusion):self.knowledge_base.append((condition,conclusion))defforward_chaining(self):changedTruewhilechanged:changedFalseforcond,resinself.knowledge_base:ifcond.issubset(self.facts)andresnotinself.facts:self.facts.add(res)changedTruereturnself.facts固有缺陷无法自主学习新知识规则维护成本极高超出预设知识库范围就会失效系统鲁棒性差第二次寒冬诱因专家系统维护成本持续走高日本第五代计算机项目失败商业落地收益不及预期经费再度收缩。1.5 AI 崛起时代1993 年至今1.5.1 深蓝 DeepBlue1997 年 IBM 深蓝战胜国际象棋世界冠军卡斯帕罗夫。技术路线依靠极大极小搜索、α-β 剪枝搭配人类手工调优的评估函数、开局残局库。本质是暴力搜索叠加人工领域知识不属于机器学习。1.5.2 AlphaGo2016 年谷歌 AlphaGo 击败李世石2017 年击败柯洁。核心技术卷积神经网络评估棋盘、自我对弈强化学习、蒙特卡洛树搜索。围棋搜索空间极大暴力搜索不可行证明深度学习在复杂博弈场景的巨大潜力。1.5.3 GPU 与 CUDA 算力革命CPU适合复杂逻辑串行任务核心数量少如同博学的教授。 GPU大量轻量计算核心擅长大规模并行简单运算适合深度学习海量矩阵乘加运算。特性CPUGPU核心数几个几十个几千个计算模式串行少量并行大规模并行适用场景复杂逻辑控制简单重复计算延迟低高CUDA英伟达 2007 年推出提供编程接口允许 C/Python 直接调用 GPU 做通用计算是现代深度学习生态的底层基石。大模型训练需要成千上万规模的 GPU 集群提供算力支撑。1.5.4 Transformer 架构2017 年论文《Attention Is All You Need》提出 Transformer依靠自注意力机制能够捕获序列任意位置依赖关系摆脱 RNN 串行限制训练并行度大幅提升是 ChatGPT、Gemini 等全部主流大模型的基础架构。# 缩放点积自注意力伪代码defscaled_dot_product_attention(Q,K,V,d_k,maskNone):# Q 查询矩阵K 键矩阵V 值矩阵scoresQ K.transpose(-2,-1)/(d_k**0.5)ifmaskisnotNone:scoresscores.masked_fill(mask0,-1e9)attn_weightscores.softmax(dim-1)outputattn_weight Vreturnoutput,attn_weight1.5.5 ChatGPT 与百模大战2022 年 11 月 30 日 ChatGPT 正式发布5 天用户破百万。关键技术大规模预训练、指令微调、RLHF 人类反馈强化学习。ChatGPT 引爆全球生成式 AI 浪潮国内外厂商纷纷推出同类大模型形成 “百模大战” 行业格局。2 ~ AI 产业与职业影响2.1 AI 相关岗位分类2.1.1 AI 算法开发岗岗位定位AI 底层算法研究开发普遍要求硕士以上学历。工作内容模型算法创新、论文复现、模型调优需要扎实的线性代数、概率论、深度学习理论功底。门槛高普通本科生直接就业难度大。2.1.2 AI 应用开发岗岗位定位面向业务做 AI 工程落地是普通学生最容易切入的岗位。工作内容调用大模型 API开发 AI 业务软件RAG 知识库搭建模型部署、业务系统集成不需要从零训练大模型侧重工程能力。2.1.3 提示词开发Prompt Engineering岗位定位编写、优化提示词引导大模型输出符合业务要求的结果。核心技能Few-shot、CoT 思维链等提示范式上下文调试、模型输出评估。完全独立的提示词全职岗位数量很少更多是 AI 应用开发者的配套技能。2.2 AI 与程序员职业关系2.2.1 核心结论AI 不会完全取代程序员熟练使用 AI 工具的程序员会取代不会使用 AI 工具的程序员。AI 定位是编程辅助工具等价于 IDE、搜索引擎提升开发者生产力而非替代者。2.2.2 AI 擅长的工作可以高效完成样板代码、简单重复编码、简单 bug 修复等模式匹配类任务。把重复性工作交给 AI人类聚焦系统设计、业务梳理、方案评估。2.2.3 AI 固有限制AI 幻觉问题会生成看似合理但是错误的代码存在逻辑 bug、安全风险甚至法律风险输出必须人工审核面对复杂系统问题容易前后矛盾方案循环缺少完整系统架构思维无法完成代码维护调试、业务需求协商、团队协作、技术方案权衡取舍2.2.4 对程序员群体的影响初级程序员重复 CRUD 编码工作会被 AI 冲击从业多年仍然只做简单重复业务编码的人员风险最高中高级程序员AI 属于效率工具释放人力把精力投入架构设计、复杂问题拆解、技术选型2.2.5 现实建议减少 AI 带来的就业焦虑夯实计算机底层基础即便不从事 AI 方向也需要掌握 AI 工具的使用。结尾uu们本文的内容到这里就全部结束了艾莉丝在这里再次感谢您的阅读艾莉丝努力练剑C/C Linux 底层探索者 | 一个正在努力练剑的技术博主【关注】跟随我一起深耕技术领域见证每一次成长。❤️【点赞】让优质内容被更多人看见让知识传递更有力量。⭐【收藏】把核心知识点存好在需要时随时查、随时用。【评论】分享你的经验或疑问评论区一起交流避坑不要忘记给博主“一键四连”哦“今日练剑达成”“技术之路难免有困惑但同行的人会让前进更有方向。”结语希望对学习Linux相关内容的uu有所帮助不要忘记给博主“一键四连”哦往期回顾【AI大模型接入SDK】人工智能核心概念与人工智能发展史博主在这里放了一只小狗大家看完了摸摸小狗放松一下吧૮₍ ˶ ˊ ᴥ ˋ˶₎ა

【AI接入大模型SDK】人工智能发展历史 AI相关岗位 AI能否取代程序员

相关推荐

【claude code实践】大型代码库中的 Claude Code 使用策略：索引、分层与边界

“全栈开发已死？”

企业跨界转型实战：从格力银隆案例看战略领导力与执行挑战

更多资讯

n8n实现电商订单全自动处理工作流设计

SAM一键抠图：零样本图像分割实战指南

SQL Server数据库系统加固规范：11条安全基线落地与验收

JMeter二次开发实战：自定义组件与性能优化

SQL Server数据库加固：账号口令基线与权限最小化检查表

2025 AI安全动荡期：70%攻击源自供应链，如何加固技术栈？

今日更新

Agent-Reach：打通大模型触达外部系统的最后一公里

深度学习图像隐写分析实战：从CNN原理到毕设源码全解析

AI赋能知识产权供需匹配：专利评估、需求挖掘与多路召回工程实践

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？