印度是周末AI工程師的土地
印度作為潛在的全球AI強國，展現出一個引人矛盾的現象。儘管該國擁有全球最高的AI技能滲透率，預計到2027年AI人才池將增長125萬，但業界領袖對這些人才的深度和質量卻越來越擔憂。
在這個背景下，「周末工程師」這個詞經常被用來形容那些對AI技術只是淺嘗輒止的專業人士，他們並未真正理解其背後的數學和原理。
這種趨勢在當前的市場中尤為明顯，許多人宣稱自己對ChatGPT和生成式AI的專業知識。
Arya AI的CEO Vinay Kumar強烈呼應這一觀點，他表示我們（印度人）只是使用並生產，甚至只是創建一些包裝產品。他補充道：「現在，每個人都是機器學習工程師，每個人都是ChatGPT專家，每個人都是生成式AI專家。我可以說98%都是垃圾，因為這只是周末的項目。」
在Cypher 2024上，AIM詢問了Satsure的共同創辦人兼CEO Prateep Basu，在從零開始建立模型的過程中遇到的最大挑戰。他表示，大多數印度人才習慣於預定義的黑箱運行，而非真正的數學原理。
深度問題
這一挑戰不僅僅是數字的問題，更是深度的問題。印度目前活躍的高級AI工程師群體，專注於構建核心AI產品和服務的專業人士，實際上少於2000人。這與報導中提到的在頂尖科技公司接受AI培訓的65萬至70萬人形成了鮮明的對比。
類似地，一位Reddit用戶提到：「幾年前，印度公司的AI主要是死記硬背ImageNet架構，並了解如何處理數據和使用機器學習框架的Hello World。」
他進一步指出，如今大多數這些機器學習專家和數據科學家基本上都是ChatGPT專家。「他們的簡歷更新速度比Python版本發布還快。」這暗示著印度AI市場的技能急劇下降。
Kumar提到，在印度，重點一直是在應用工程，而不是研究工程或核心R&D工程。很少有人深入探討「為什麼」和「怎麼做」。主要是「讓我們創造一些功能性產品」。
因此，強調的始終是使產品功能正常，而不是理解其功能的原因。
企業在從零開始建立模型時還面臨的另一個問題是數據。Basu還提到，數據是建立模型的第二大重要需求，僅次於人才。目前，這些模型所用的大部分數據來自美國。因此，當需要為印度構建模型時，數據成為一個巨大問題。
由於印度缺乏足夠的數據和人才，Kumar提到他們一直與美國的研究人員保持聯繫，這些研究人員技能過硬，已經開發出可供參考的模型，並擁有足夠的數據。
印度的服務市場
這正是印度服務市場的理念。如果我們追溯過去幾十年印度軟件生態系統的演變，我們會發現這個國家以服務提供商著稱。而這就是印度在AI領域所追求的。
Kumar直言不諱地表示，雖然我們能創造出優秀的應用和軟件，但我們對AI核心R&D的貢獻微乎其微。「與十年前極為落後的中國相比，我們仍然遠遠落後。現在他們在R&D的貢獻上已經走到了前列。」他提到，「但這也與生態系統有很大關係。」
對於OpenAI來說，基本理念是R&D——探索AI的可能性，並朝著通用人工智慧（AGI）邁進。這一理念在美國生態系統中得到了良好的接受，但根據Kumar的說法，這在印度是不可行的。他提到，當他們創辦公司的時候，他們是當時首個深度學習初創公司，生態系統在每個階段都質疑他們。
「你知道，印度不是一個以深度學習研究著稱的生態系統。當我們開始的時候，根本沒有相關課程，更不用說任何研究了。我們與研究人員交談以了解他們是如何做到的，獲取學習並正確實施。因此，這與生態系統有很大關係。」他補充道。
然而，情況正在慢慢改變。OLA的Krutrim和Sarvam 2b是少數幾個本土開發的AI模型之一，這表明印度正在逐漸過渡到AI的R&D部分。但我們尚未看到一個能夠說明印度在AI研究領域領先的時刻。
這篇文章揭示了印度在AI領域面臨的嚴峻現實，尤其是人才的深度和數據的缺乏。這不僅僅是技術的問題，更是教育體系和生態系統的挑戰。對於希望在這一領域取得進展的印度來說，必須改變對於AI的理解和應用方式，從而培養出更具深度的專業人才，並建立更完善的數據基礎設施。這樣才能真正實現從服務提供者向技術創新者的轉變。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
