吉林企業(yè)網(wǎng)站建設(shè)500元全包（哪種編程語言效率最高）什么語言編程，
作者 | Tina、蔡芳芳采訪 | Kevin編輯 | Tina、芳芳1998 年，Werner Vogels 加入亞馬遜時，這家公司只有一個美國網(wǎng)站，專注于書籍銷售他迎接了改變這種狀況的挑戰(zhàn)“我希望您能理解，亞馬遜首先是一家科技公司，”該公司的 CTO 在 2006 年的一次采訪中強調(diào)。
Werner Vogels 一直堅持這一目標亞馬遜經(jīng)歷了從一家書店到云基礎(chǔ)設(shè)施巨頭的漫長進程，如今已擁有超過 145 萬家企業(yè)客戶Werner 在將平臺從普通在線商店轉(zhuǎn)變?yōu)槊嫦蚍?wù)的架構(gòu)方面發(fā)揮了舉足輕重的作用。
過去的一年里，技術(shù)變革的速度迅速加快，云技術(shù)、機器學習以及生成人工智能已經(jīng)深刻影響著各行各業(yè)而作為全球最大科技巨頭之一的首席技術(shù)官，Werner 這么多年一直以旁觀者的獨特視角審視科技發(fā)展的脈絡(luò)技術(shù)行業(yè)有著眾多從業(yè)者，作為這個行業(yè)的關(guān)鍵角色，每年他都能提出一系列深刻的技術(shù)預(yù)測。
而且過去幾年，他的預(yù)測大部分都相當準確預(yù)測未來對于 CTO 和 CIO 們搶先一步占得技術(shù)先機是至關(guān)重要的今年，很多人都對 AI 領(lǐng)域的動向和潛在成果抱有濃厚興趣Werner 就特地對 AI 技術(shù)的發(fā)展進行了預(yù)測，他認為生成式人工智能將成為技術(shù)發(fā)展的關(guān)鍵推動力之一。
在今年的 re:Invent 大會上，InfoQ 作為唯一一家參與 Werner 專訪的中國媒體，進一步與 Werner 對話并結(jié)合他的預(yù)測進行了總結(jié)以下內(nèi)容經(jīng)過不改變原意的編輯：人工智能來了，開發(fā)人員該如何保持自身競爭力？。
作為一名創(chuàng)造者和軟件工程師，我對 AI 技術(shù)有著特定的理解，期待 AI 工具在日常工作中發(fā)揮更多作用在過去兩年中，我提到了 AI 工具在開發(fā)中的重要作用，特別是在分擔開發(fā)者的一些繁瑣工作方面AI 技術(shù)的快速發(fā)展讓我們進入了一個美好的時代，與 40 年前我學習編程時相比，如今有了更多能夠?qū)嶋H幫助學習的工具。
AI 助手不僅僅是簡單的工具，它們正在逐漸改變開發(fā)團隊內(nèi)不同角色之間的界限產(chǎn)品經(jīng)理、前端和后端工程師、DBA、UI/UX 設(shè)計師、DevOps 工程師和架構(gòu)師之間的界限將變得模糊AI 助手通過對整個系統(tǒng)的上下文理解，提供增強人類創(chuàng)造力的建議，例如將草圖轉(zhuǎn)換為代碼、生成模板，或為任務(wù)推薦最佳基礎(chǔ)設(shè)施。
在 2023 年的 Stack Overflow 開發(fā)者調(diào)查中，超過 70% 的受訪者表示已經(jīng)在使用或計劃在開發(fā)過程中引入人工智能支持的工具這印證了我在 2021 年的預(yù)測，即生成式人工智能將在軟件編寫中發(fā)揮關(guān)鍵作用。
開發(fā)者們普遍認為，這些 AI 助手將增強他們的技能，使他們能夠編寫更安全、更可靠的代碼現(xiàn)代軟件開發(fā)中一些最乏味的任務(wù)，如編寫單元測試、樣板代碼和調(diào)試錯誤，已經(jīng)被 AI 助手消除這些助手甚至能夠重新搭建和遷移整個遺留應(yīng)用程序，如從 Java 8 升級到 17，或從整體分解為微服務(wù)。
這使得開發(fā)者能夠?qū)Ｗ⒂诟刑魬?zhàn)性和創(chuàng)造性的工作，提高了整個團隊的效率兩年前，我就覺得 AI 工具主要是分擔一些“鏟屎”之類的雜活作為開發(fā)者，當我們遇到解決不了的問題時，一般會上 Stack Overflow 尋找答案，或者問問社交網(wǎng)絡(luò)上的其他同行。
其他人會給出答案，我們挑選其中的高贊答案并粘貼到自己的代碼中，或者是直接從亞馬遜云云科技提供的示例代碼中截取片段但對于未來的 AI 工具，更多是在幫助開發(fā)者真正學習如大家所見，AI 技術(shù)正在快速發(fā)展短短一年之前，大語言模型還沒什么熱度，大多數(shù)人甚至根本沒聽說過。
至少普通消費者肯定是沒聽說過這項技術(shù)但這一切都在默默發(fā)展、快速迭代，隨時準備給我們一個驚喜40 年前我剛開始學習編程時，當時只有兩到三種主流的編程語言現(xiàn)在，各種商業(yè)機構(gòu)和教育平臺都能幫我們快速掌握新的編程語言，所以到底選擇哪種語言本身已經(jīng)不那么重要了。
如今我甚至可以雇用一位新手工程師來管理 Amazon S3，這可是幾十萬行代碼構(gòu)成的復(fù)雜服務(wù)真要弄懂它是怎么實現(xiàn)的絕非易事，但好在根本沒必要，會用就足夠了另外，現(xiàn)在也有更多高級工程人才能指導(dǎo)編程新人遺憾的是初級工程師們總在一遍又一遍提出同樣的問題，搞得前輩們不勝其煩。
但 AI 系統(tǒng)不會煩躁，愿意無數(shù)次回答相同的問題它就像耐心極好的導(dǎo)師、助手和創(chuàng)造者，全心全意為培養(yǎng)優(yōu)秀程序員而努力在必要時，它甚至可以直接輸出建議的代碼但從本質(zhì)上看，它們?nèi)匀恢皇穷A(yù)測機器，真正的決策還是要由人類自己通過思考來完成。
人類的價值也正在于此，擅長獲取大量不同信息并做出推理、解決問題在此過程中，我們當然可以借助 AI 工具，并繼續(xù)扮演最核心的角色這就是人類與 AI 的共存之道由于技術(shù)發(fā)展太過迅速，高等教育、大學課程根本就跟不上變化。
問問那些剛剛走出校園的學生就知道了，他們對區(qū)塊鏈、生成式 AI 等新技術(shù)的了解肯定不如我們這些從業(yè)者而且隨著技術(shù)的采用周期越來越短，產(chǎn)品的上市速度也會遠超以往也就是說，學校里傳授的知識不再具有先進性所以除了編程語言之外，我們在學校中的最大收獲就是學習能力，這種學習能力決定我們能否成為技術(shù)專家、保持終身鉆研。
我也不知道五年之后的技術(shù)會是什么樣子單是過去一年的變化就已經(jīng)遠超我們的想象，所以誰敢說自己能預(yù)測五年后的技術(shù)格局？我們做不到，大學當然也做不到，而且這種割裂會越來越嚴重因此當大學畢業(yè)生找到工作之后，往往還需要一整年的適應(yīng)才能成長為有價值的貢獻者。
為什么會這樣？因為不同的企業(yè)有不同的需求，他們得花時間了解并融入這種差異大家使用的技術(shù)各有區(qū)別，而我們在學校里最大的收獲就是學習能力當然，企業(yè)也應(yīng)該為員工們的終身學習鋪平道路、提供幫助，而不只是善意提醒大家下班后多看書。
那種空話沒什么意思，一定要多給他們提供考證支持 如果說之前大多數(shù)企業(yè)的員工培訓(xùn)都是種臨時起意，那么現(xiàn)在越來越多的公司都開始參與進來、投資教育，并意識到持續(xù)進修是保持競爭力的必要前提問題：生成式 AI 如何重塑開發(fā)流程和開發(fā)工具？。
生成式 AI 將如何重塑開發(fā)流程和開發(fā)工具，又會對開發(fā)者的概念產(chǎn)生哪些影響，這可以從兩個方面來看它分別涉及開發(fā)本身和成為開發(fā)者的過程我覺得這兩部分是相輔相成的首先，我認為任何接受過良好基礎(chǔ)教育的人都有能力掌握計算機技術(shù)，即便專業(yè)不同。
哪怕大家在學校里學的是藝術(shù)，還是不妨礙你成為一名計算機程序員因為具體學了什么專業(yè)并不重要，重要的是教育經(jīng)歷讓你掌握了學習能力、知道要如何設(shè)立更宏大的目標、如何匯總信息、記在腦子里、進行批判性思考，如此往復(fù)。
我最近在德國伯林去過一所預(yù)備學校，那里收容了 200 萬難民，而且大部分來自中東他們需要在德國找到新的工作實際上他們大多數(shù)都接受過良好教育，只是需要學習跟專業(yè)相關(guān)的德語德國還有 80000 個空缺的開發(fā)崗位，相信他們完全可以勝任。
所以那所預(yù)備學校的任務(wù)，就是幫已經(jīng)掌握一定英語知識的難民學習技術(shù)如果連他們都能做到，那已經(jīng)接受過大學教育的各位，在一年之內(nèi)肯定也能做到另外沒必要太迷信高等教育，我無數(shù)次看到剛從學校走出來的年輕人至少要花一年時間才能真正適應(yīng)工作崗位。
當時的他們根本算不上程序員，要經(jīng)過一年的歷練才能理解整體目標、參與項目貢獻是的，單憑大學里的計算機科學學位并不足以成就一位有價值的團隊成員他們并不知道要如何編寫代碼、如何為團隊貢獻價值、如何為他人服務(wù)表現(xiàn)比較好的，通常是那些在學校里做過小項目的同學。
所以我比較喜歡選擇那些參與過開源項目的年輕人，因為他們已經(jīng)理解了協(xié)作究竟是怎么一回事在實際工作中，我強調(diào)“協(xié)作”是日常工作的核心特別是對于年輕開發(fā)者，了解項目的體量非常重要項目不僅僅是一堆文件，更是一個完整的體系。
AI 系統(tǒng)可以幫助我們整合這些知識，解決項目中不斷變化的復(fù)雜性其實我們?nèi)粘９ぷ髦械拇蟛糠謨?nèi)容，都可以概括為“協(xié)作”二字特別是對于年輕的開發(fā)者來說，首先要對項目的體量擁有明確的認知看到原本的項目有多大了嗎，能感受到它的份量嗎？擺在我們面前的不只是一個個文件，更是完整的體系。
比如說我招聘一位年輕人管理亞馬遜云科技的 S3 服務(wù)，那么其過去十幾年間積累下的代碼就高達數(shù)十萬行最早開發(fā)項目的工程師可能已經(jīng)離職了，所以我們該怎么了解項目？現(xiàn)在我們可以構(gòu)建 AI 系統(tǒng)并把這些知識整合起來。
更棒的是，有些高級開發(fā)人員可能缺乏耐心，經(jīng)常問問題容易把他們?nèi)敲热缯f連續(xù)把同樣的問題問上五遍，對方可能就要罵人了但 AI 不會這樣，你可以一遍又一遍提出同樣的問題，把它當成幫助自己學習的工具對于招聘，我更關(guān)心候選人是否具備在大學里培養(yǎng)的學習能力，而不僅僅是特定的語言或技術(shù)。
畢竟學校不會教你亞馬遜云科技所使用的具體語言，但賦予你的能力會讓你始終保持開放的心態(tài)、快速掌握新的語言再說說那些管理大型技術(shù)項目的 CIO 和工程師們，他們需要緊跟技術(shù)發(fā)展的腳步、需要保持終身學習技術(shù)的變化一刻不停，永遠別指望自己畢業(yè)之后頭一年學到的東西夠用一輩子
現(xiàn)在是 2023 年，就跟過去一年比，如今的技術(shù)格局都已經(jīng)截然不同至少在去年的 re:Invent 上，還沒人討論大語言模型我們知道大模型終將實現(xiàn)，但我們不知道它們具體什么時候?qū)崿F(xiàn)，所以才會相對保守畢竟實驗性的成果可以早點展示給企業(yè)客戶，但最好別輕松展示給普通消費者。
但保守并不代表守舊，研究人員還是在努力把成果整合起來，打造出能讓消費者們眼前一亮的產(chǎn)品就像那個有趣的比喻，如果你看到一只熊在跳舞，那最重要的就是它能跳舞，而不是它跳得好不好希望大家能用類似的心態(tài)看待前沿技術(shù)，盡量寬容一點。
現(xiàn)在大家在看到新興技術(shù)時，下意識就會想到監(jiān)管機構(gòu)要如何介入，其實大不可不必如此緊張在開發(fā)者的定位上，AI 的發(fā)展帶來了一些變化舉例來說，AI 可以接管一些繁瑣的任務(wù)，這使得開發(fā)者可以更專注于他們真正擅長的工作，如獲取和整合信息、做出決策和規(guī)劃。
軟件工程師中有很多人一直被迫在處理最愚蠢的事務(wù)對，就是愚蠢，比如說從 Java 8 升級到 Java 17 這事毫無建設(shè)性，但工程師們還是得投入好幾個月才能完成所有 Java 應(yīng)用程序的升級工作如果我們能夠穩(wěn)定可靠地把這事交給自動化處理，那該有多好。
反正對于這類垃圾任務(wù)，我是愿意給 AI 個表現(xiàn)機會的但大家接受起來肯定還需要段時間，未來也一定會有那種負責從 Java 8 升級到 Java 17 的專職工程師但這活有意義嗎？當然沒有，沒人會把這事寫在簡歷上。
所以應(yīng)該從現(xiàn)在開始，讓工程師們做他們真正擅長的工作，也就是獲取信息、獲取數(shù)據(jù)、整合數(shù)據(jù)，發(fā)揮主觀能動性將其組合起來并做出決策，最終制定出可操作的規(guī)劃當然，目前的 AI 模型還有很大的局限性，但我相信未來一定能突破這種局限。
比如說，現(xiàn)在的大語言模型就不懂數(shù)學邏輯，雖然問它“2+5 是多少？”，它也能回答“7”，但它明顯不懂 7 到底是怎么來的、不知道 2 和 5 相加是什么概念畢竟它只是語言模型，而數(shù)理邏輯是超越自然語言的。
我們的這種能力是由父母傳授的，他們會教我們背乘法口訣但在我們學會這些基礎(chǔ)技巧之后，具體的任務(wù)就可以交給計算器了沒錯，加減乘除雖然重要，但我們需要跨過它們?nèi)ソ鉀Q更復(fù)雜的問題至于這些相對簡單又繁瑣的部分，就交給工具吧。
很多朋友小時候?qū)W過心算，我也學過，但現(xiàn)在都用不上了而大語言模型缺少的就是這種能力關(guān)于時間也一樣，我們可以要求大模型幫我們設(shè)計晚間活動安排，比如想看某部電影、幾點出發(fā)，那它就會告訴我們晚上 9：30 在某處影院準時開場。
如果我晚上想吃日料，它就會給出具體的時間建議其實這些建議都挺靠譜的，但模型本身其實并沒有對時間的概念不過隨著時間推移，未來我們肯定能解決時間推理、數(shù)學計算這些問題然而，我們需要明智地了解 AI 的局限性，理解 AI 只是輔助工具，而不是取代人的決策者。
了解 AI 模型的極限在哪里非常重要，只有這樣我們才知道可以把哪些技術(shù)交付給大眾在亞馬遜云科技，我們需要圍繞明確的主題謹慎篩選技術(shù)要素但無論如何，現(xiàn)在的商業(yè) AI 技術(shù)已經(jīng)越來越強大，Meta 等公司的產(chǎn)品能幫大家解決越來越多的實際問題。
已經(jīng)有一些企業(yè)在用它建立新業(yè)務(wù)，不過我個人還是持謹慎態(tài)度，我覺得現(xiàn)在的生成式 AI 太容易產(chǎn)生幻覺比如說用 AI 來規(guī)劃會議安排的時候，它就弄不明白這個人這個時段有空、那個人那個時段有空，到底該怎么協(xié)調(diào)。
AI 最終給出的方案，相信大家看了都會眼前一黑總之，人需要肩負起監(jiān)管的職責請記住，AI 只是輔助、是幫助我們的工具它們是在幫我們做預(yù)測，而不是替我們做預(yù)測，責任永遠要由人來承擔AI 模型經(jīng)常產(chǎn)生幻覺，所以別輕信它輸出的一切，因為那未必是事實和真相。
我不是要嚇唬大家，只是希望各位能明白在全面擁抱 AI 時代之前，一定要做好正確的心理準備只有這樣，大家才能理解 AI 該怎么用、它們的局限性在哪里大模型與語言文化不同地區(qū)的人對同一事物可能有不同的理解方式，這就需要我們在生成式 AI 的訓(xùn)練中引入更多的文化元素，以促使這些模型更好地適應(yīng)多元化的社會。
我認為需要關(guān)注文化差異，因為不同文化對于相同議題的理解方式可能存在差異這對于生成式 AI 工具的發(fā)展至關(guān)重要大語言模型在不同文化數(shù)據(jù)上的訓(xùn)練使其具備更細致的人類經(jīng)驗和社會挑戰(zhàn)理解能力這種文化意識的發(fā)展預(yù)示著未來全球用戶將更容易使用生成式人工智能，因為模型能更好地適應(yīng)各種文化背景。
我們已經(jīng)訓(xùn)練了很多語言模型相關(guān)的工具，最知名的當數(shù) Common CrawlCommon Crawl 語料庫采集的主要是美國和西歐的數(shù)據(jù)，屬于建立在這種文化之上的語言機器當然，它具備的只是語言能力，而不是對事實的思維能力。
它只能提供語言背景，幫助預(yù)測最可能出現(xiàn)的下一個單詞是什么盡管如此，它仍然反映出我們?nèi)粘Ｉ钪刑N藏的文化知識語言能力也是當前生成式 AI 最擅長、最容易理解的部分正因為極具代表性，所以我就拿它來舉例我相信通過這種方式，我們就能避免整個世界被少數(shù)幾個純英文大語言模型所主宰。
我們有必要關(guān)注那些包含多種不同語言、承載差異化文化的語言模型我覺得這就是關(guān)鍵所在我本人對亞洲文化并不太精通，但如果向中國人、韓國人和日本人詢問關(guān)于孔子的問題，那他們往往會給出截然不同的答案這種差異不僅源自事實，更源自特定文化對于特定議題的理解方式。
以伊莎貝爾·阿連德為例，她是一位著名的作家、寫過很多書她的伯父是智利前總統(tǒng)，所以她本人對于智利的制度革命有著非常深刻的理解跟那種泛泛而談的拉美介紹性資料相比，她在書中做出了非常具體且不同的解釋但她的書大多是在美國出版的，這也會對內(nèi)容產(chǎn)生影響。
另外，圍繞 agent 智能體的討論也在快速升溫，我覺得這些要素需要互相學習才能帶來更強大的 AI 成果另外我看到中國、韓國、日本和馬來西亞都各自開發(fā)出了體量龐大的語言模型，這些模型自然也建立在各國的語言體系之上。
而我們必須確保這些成果也能從其他文化中汲取營養(yǎng)，理解更全面的人類價值觀語言本身只是一方面，還要看文字質(zhì)量和翻譯效果當然，現(xiàn)在的機器翻譯已經(jīng)很不錯了，我可以對著手機說荷蘭語，而對方能直接聽到英語或者其他母語。
總之，人類擁有自己的文化基因，但機器沒有我相信我們已經(jīng)來到了在技術(shù)中反映文化基因的臨界點上我們不應(yīng)該只考慮美國或者少數(shù)特定國家，還應(yīng)該關(guān)注世界其他地區(qū)，因為他們的文化和傾向也同樣重要文化對于我們的生活方方面面都產(chǎn)生著深遠的影響，而技術(shù)的設(shè)計、部署和消費方式也將受到文化的巨大影響。
在未來，通過生成式人工智能，大語言模型將逐漸具備全球性的視角，從而更好地理解和回應(yīng)不同文化下的復(fù)雜社會挑戰(zhàn)問題：在資源有限的情況下，如何構(gòu)建更具包容性的模型？每種語言都承載著獨特的文化屬性構(gòu)建包容性模型的關(guān)鍵并非要使 token 數(shù)量達到上百億，而是要考慮實際需求。
斯坦福大學的研究表明，體積較小的模型在生成能力方面與大模型相媲美而且從成本的角度講，我們也沒必要搞什么軍備競賽，把模型弄得越來越大、把訓(xùn)練周期弄得越來越長 其實模型小一點也沒什么不好，效果還是挺不錯的，我覺得就是這樣。
另外，我覺得還應(yīng)該參考具體需求，比如喀拉拉邦到底有多需要專屬的大語言模型雖然不同語言肯定有自己的特色，但翻譯在很大程度上已經(jīng)足以解決問題，而且現(xiàn)在的翻譯幾乎可以實時完成在即時通話的過程中，內(nèi)容就已經(jīng)能被翻譯成其他語言以供他人接收了。
是的，任何語言幾乎都可以實時翻譯所以真正需要處理的，就只有不同語言中的獨特文化內(nèi)涵現(xiàn)在，假設(shè)我手里有兩套模型，二者的背景有一定交集，只是響應(yīng)機制各有不同這時候如果讓它們相互對話，會有怎樣的結(jié)果？很明顯，我們根本不需要上百個擁有不同背景的大語言模型。
當然，對于那些比較嚴肅的應(yīng)用需求，確實可以考慮訓(xùn)練專門的印地語模型但是馬拉維語呢？對于那些應(yīng)用范圍的確不廣的語言，真有必要設(shè)置專門的模型嗎？雖然不同地區(qū)之間確實存在文化差異，但我認為多 agent 討論其實已經(jīng)可以通過小模型達成不錯的智能效果。
它們不需要涵蓋一切，而且可以通過相互對話來提升性能有些小模型可能比其他模型更擅長某些任務(wù)，它們可以就這些問題進行討論并達成共識不只是兩個模型，還可以是更多模型，比如 6 個、8 個、10 個或者 12 個，結(jié)合上下文共同討論出最佳答案。
換句話說，我們真有必要讓每段上下文都有 5000、甚至 50000 個 token 那么長嗎？真有必要在每次輸入時都提交一整本書那么多信息嗎？當然不用所以我覺得其中是有很大的效率發(fā)掘空間的，總之先構(gòu)建起來，再想辦法逐步改進。
比如說我們可以先拿 1950 年之前的荷蘭語歷史數(shù)據(jù)進行模型訓(xùn)練，再隨著時間推移不斷改進這些模型這樣它就能理解重要的歷史背景，而且這些歷史背景已經(jīng)不會再改變了假設(shè)市面上一共有五種不同的荷蘭語模型，但哪怕它們各自占據(jù)不同的文化或者宗教視角，對 1950 年之前的歷史也基本會抱持相同的觀點。
這就是共通的基礎(chǔ)，我們在此之外做具體的文化微調(diào)即可現(xiàn)在全世界也不過幾十個國家，對應(yīng)幾十種文化我甚至覺得很多文化基本是覆蓋多個國家的，所以實際還沒那么多我們還是以語言為例，來自歐洲的阿拉伯人跟突尼斯的阿拉伯人連說再見的方式都不一樣，但這并不影響他們擁有共通的思想內(nèi)核。
從外部視角看，總以為文化會有很大的差異但并不一定，語言和文化的差異并沒有想象中那么大也許可以通過經(jīng)常合作找到這種共通性的基礎(chǔ)，同時尊重各自獨特的要素比如說伊拉克，那里有八大主要部落，各自擁有不同的語言和相應(yīng)的家族發(fā)展史。
所以我覺得差異沒有想象中那么大，不一定非要建立專屬的大模型我承認肯定會有獨特的文化和元素，但這些應(yīng)該是在建立了共通的上下文、找到求同存異的最佳答案之后再考慮的問題問題：選擇哪種語言訓(xùn)練的大模型更有競爭力？。
首先，我認為應(yīng)該將語言和文化嚴格區(qū)分開來語言和文化之間當然存在關(guān)聯(lián)因此，我們可以使用英語訓(xùn)練大語言模型，然后將其翻譯成其他語言，比如說韓語，這樣就得到了韓語版本的模型，實際功能上并不受語言限制然而，文化的差異確實存在，對于韓語內(nèi)容，韓國人理解起來可能比美國人更容易。
而這種差異不僅存在于美國和韓國之間，還廣泛存在于消費受眾和企業(yè)之間以韓國為例，大多數(shù)亞洲國家都有自己獨特而鮮明的商業(yè)文化，影響著交往方式、表達方式，甚至是專業(yè)人士之間的溝通方式比如，我曾在和亞洲的高級工程師們一起喝酒時發(fā)現(xiàn)，不能讓酒杯離開視線，否則酒杯就會被再次填滿。
這是獨特的文化屬性，是無法僅通過閱讀理解的雖然這只是一個小例子，但卻反映出背后深刻的文化差異這些文化元素肯定會對在本地和國際之間進行分析產(chǎn)生影響然而，如果能夠添加一些附加元素，比如肢體語言，人們相互理解起來也就不那么困難。
總之，我相信本土元素在促進商業(yè)成功方面具有巨大的優(yōu)勢然而，真正的問題在于，并非每個國家和地區(qū)都有能力發(fā)揮自己的獨特優(yōu)勢例如，我多次訪問過非洲，去過肯尼亞和安哥拉，他們可能沒有足夠的計算資源來展示自己的獨特元素，或者至少還需要一些時間。
但隨著時機成熟，我相信他們將能夠建立自己的本土比較優(yōu)勢重視“實習”：傳統(tǒng)的 IT 教育方式已經(jīng)不滿足需求了教育領(lǐng)域正在迅速適應(yīng)技術(shù)創(chuàng)新，經(jīng)歷了一系列的變革傳統(tǒng)的高等教育不再是唯一的學習路徑，行業(yè)主導(dǎo)的技能培訓(xùn)計劃嶄露頭角，這種轉(zhuǎn)變將使終身學習成為一種常態(tài)，個人和企業(yè)都將受益匪淺。
學位學徒制度的興起進一步證明了這一趨勢雇主通過這種制度可以進行專門化的培訓(xùn)，而學徒在學習的同時能夠賺取收入越來越多的公司也開始大規(guī)模投資技能教育，將學習與實際工作相結(jié)合這種模式借鑒了技術(shù)工人的傳統(tǒng)學徒模式，通過實際工作中的學習不斷提升個體的技能水平。
需要明確的是，這個概念并非沒有先例：當你想到電工、焊工和木匠等技術(shù)工人時，他們的大部分技能都不是在課堂上獲得的他們從見習生到學徒，再到熟練工，甚至可能是熟練技工在工作中學習是持續(xù)的，并且有明確的提升技能的途徑。
這種終身教育的方式——學習和好奇——對個人和企業(yè)來說都是好兆頭教育的核心不再僅僅是所學專業(yè)，更重要的是教育經(jīng)歷是否培養(yǎng)了學習能力、設(shè)立宏大目標的能力、信息整合的能力以及批判性思維 這些能力對于成功適應(yīng)不斷變化的工作環(huán)境至關(guān)重要。
以德國為例，預(yù)備學校通過幫助接受過良好教育的難民學習技術(shù)，為他們更容易融入職場創(chuàng)造了機會技術(shù)學習并不依賴于先前的職業(yè)背景，而是在于個體的學習意愿和能力未來，我們將目睹行業(yè)主導(dǎo)的教育機會崛起，逐漸超越傳統(tǒng)的大學學位。
這并非是對現(xiàn)有教育體系的取代，而是一種新的選擇在科技領(lǐng)域，學術(shù)學習仍然至關(guān)重要，但在其他行業(yè)，技術(shù)的快速發(fā)展將推動以行業(yè)為導(dǎo)向的培訓(xùn)和教育區(qū)分性別的個性化醫(yī)療科技正在騰飛我關(guān)注這個話題是因為曾在醫(yī)療保健領(lǐng)域工作，文化、種族等差異都會影響人們的健康問題，而精準醫(yī)療的出現(xiàn)讓我們能夠更好地把握每個人身上的專有特質(zhì)，標志著醫(yī)療保健行業(yè)邁向更高的層次。
近年來我看到女性保健在科技領(lǐng)域迎來了顯著的發(fā)展盡管女性每年在護理方面的支出超過 5000 億美元，占人口的 50%，并負責 80% 的消費者醫(yī)療保健決策，但現(xiàn)代醫(yī)學卻基于對男性的默認假設(shè)直到 1993 年 NIH 振興法案頒布后，美國女性才被納入臨床研究。
月經(jīng)護理和更年期治療等常見需求一直被視為禁忌，而女性在試驗和研究之外的排除導(dǎo)致她們的治療結(jié)果通常比男性更差女性在很多疾病上的診斷時間普遍較晚，女性心臟病發(fā)作后被誤診的可能性高出 50%處方藥方面，女性報告不良副作用的比率明顯高于男性。
然而，隨著云技術(shù)和更多數(shù)據(jù)訪問的幫助，女性醫(yī)療保健領(lǐng)域（也稱為女性科技）的投資逐漸增加亞馬遜云科技與女性主導(dǎo)的初創(chuàng)企業(yè)密切合作，過去一年，F(xiàn)emTech 的資金增加了 197%女性科技投資的激增，護理趨向混合化以及大量數(shù)據(jù)改善了診斷和患者治療結(jié)果，將女性醫(yī)療保健帶入了一個拐點。
這種發(fā)展不僅將使女性受益，還將提升整個醫(yī)療保健系統(tǒng)現(xiàn)代社會對女性保健問題進行了更加開放的討論，關(guān)注更年期等問題逐漸加強同時，女性主導(dǎo)的初創(chuàng)公司崛起，吸引大量投資，標志著女性在醫(yī)療保健領(lǐng)域地位的提升女性企業(yè)家的涌現(xiàn)將推動醫(yī)療保健行業(yè)更加注重個性化和全面性。
在過去，女性在醫(yī)療研究中的參與曾受到限制，但近年來已逐漸有所改善，彰顯了女性在醫(yī)療保健決策中的重要性結(jié)語綜上所述，2024 年將是技術(shù)發(fā)展的關(guān)鍵時期人工智能助手和教育變革將在未來幾年塑造我們的科技世界我們期待著看到這些趨勢推動技術(shù)的進步，為全球社會帶來更多積極的變革。
生成式人工智能的文化意識將為跨文化交流提供更深刻的理解人工智能助手的崛起將提高開發(fā)人員的效率，縮短軟件發(fā)布周期，教育的演進則將為個人和企業(yè)提供更靈活的學習機會女性科技的崛起則將為醫(yī)療保健系統(tǒng)帶來更全面、平等的服務(wù)。
在未來的技術(shù)發(fā)展中，我們期待看到更多創(chuàng)新的涌現(xiàn)，以滿足不斷變化的社會需求通過對技術(shù)趨勢的深入理解，我們可以更好地把握機遇，迎接挑戰(zhàn)，共同創(chuàng)造一個更智能、更包容的未來讓我們共同努力，推動技術(shù)的發(fā)展，造福全人類。
原文鏈接：選擇哪種編程語言已經(jīng)不重要了，只提倡程序員下班后“多看看書”提升競爭力是誤人子弟｜獨家專訪亞馬遜 CTO_生成式 AI_Tina_InfoQ精選文章