李彦宏最新发声,“程序员”职业将不复存在!

文章目录

      • “程序员”职业不存在
      • 周鸿祎的看法
      • 我怎么看

昨天,百度一则新闻冲上了微博和知乎热搜。

image-20240312140709425


“程序员”职业不存在

关于李彦宏的这个观点,瞬间激起热烈讨论。有赞同的、有直接开喷的,也有看热闹不嫌事大的。还有网友将这个问题抛给你百度的人工智能 - 文言一心。

图片

从这个回答来看,文言一心也不太赞同李彦宏的观点。当然这里可能有断章取义的成分。


周鸿祎的看法

老周的原话我直接粘贴过来。

附周鸿祎文章全文:
我认为未来计算机专业、程序员行业还是朝阳行业,是最有前途的行业,这个趋势未来五到十年不会减弱。任何人找我咨询孩子选专业,我都推荐学计算机。 包括我儿子跟我讨论学什么专业,他自己没想清楚,我给他的建议就是computer science,计算机。我高中那会儿报志愿的时候挺傻的, 一般高中生和家长都不太懂专业选择,而且每年都流行很多谣言,诸如21世纪是生物学的天下、是国际金融的天下,这些都会误导大家。我自己一开始坚持学 计算机是因为喜欢,但这些年我愈发感觉自己“蒙”对了,为什么这么讲?第一,计算机和其他行业天生不一样,未来这个世界将会被软件重新定义,需要更多计算机专家和程序员来实现。数字经济加速发展,数字化技术的本质是软件、网络和数据,如果你是计算机专家,你就能进入各种行业参与甚至主导数字化改造、智能 化升级。第二,大模型爆发,对程序员人才的需求会越来越大。 一个佐证,现在美国最难学的专业还是 computer science, 最好找工作的专业也是 computer science。当然又增加了一个数学专 业。最近我唯一后悔的是我大学期间没有认真学线性代数,当时没人告诉我线性代教有什么用,我也想不通为什么一个个矩阵乘来乘去 。 过了二三十年后我才发现,原来线性代数藏在大模型的并行计算里。所以, Al时代来临意味着更多计算机人才、数 学人才的缺口。第三,未来一定是跨学科、跨领域的跨界人才带来 更多想象力和冲击力,最佳组合是人工智能+生物学。光靠计算机人才推进人工智能也会遇到瓶颈, 为什么这么说?因为随着人工智能向AGl演进,势 必需要模拟人类大脑的工作原理,但人类如何产生 意识和智力,目前都还未知,这些都需要生物学去 破解。所以黄仁勋认为我们应当学生物,硅谷很多人也都在投生物方向,在人脑科学研究方面长期投资。人工智能未来的突破一定是生物学专家和计算机专家互相协作的结果。尽管未来人人都会用电脑,所谓人人都是程序员, 但不同的人用电脑创造的产品完全不一样,Al时代,计算机专家和程序员可能是各行各业最有发言权的。

文章可能太多,这里我用文言一心总结一下。

计算机专业和程序员行业将持续繁荣,未来五到十年内前景广阔。软件将重新定义世界,程序员需求大增。跨学科合作至关重要,尤其是人工智能与生物学结合将带来巨大突破。

image-20240312142320124


我怎么看

李彦宏和老周都是互联网行业内顶尖的人,它们观点都是有绝对借鉴意义的。当然还有一点屁股决定脑袋,他们的观点也都是从自己的利益角度为出发点来表达。

如果从技术或者提高生产力的角度讲,任何重复的工作都将被取代。在几年前市场上吵的火热的无人驾驶将要取代司机职业,目前看要实现真正意义的无人驾驶也就是 L5 级别,还有很长的路要走,苹果公司前几天修改了自己的战略方向、放弃造车改为 aigc。

在当前这个日新月异的时代,拥抱变化变得尤为重要,而学习计算机也是每一个人的必修课,不论你是否从事这个行业,学习一些计算机技能可以提升你的工作效率、节省大量时间。而 AI 可以降低每一个人学习、使用计算机的成本。

而且在你还没有找到新的方向之前,请做好手上的事。

长路漫漫其修远兮…

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/740175.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

嵌入式系统工程师错题总结

笔者来介绍一下嵌入式系统工程师考试的一些易错题目 题目介绍  流水线指令计算公式:一条指令总时间max(单个指令执行时间)*(指令数-1)  平均故障间隔时间  ICMP协议:传送通信问题相关的消息。 …

【网络】数据在同网段和跨网段通信流程

情景一&#xff1a;同一广播域内&#xff0c;两台主机通信过程&#xff1a; 当NO要和N1通信时&#xff0c;假如N0知道N1的IP但却不知道它的MAC地址&#xff0c;那NO就会发送一个ARP的广播请求<1>&#xff08;里面源IP是NO 目标IP是N1 源MAC是N0 目标MAC是12个F&#xff0…

Learn OpenGL 08 颜色+基础光照+材质+光照贴图

我们在现实生活中看到某一物体的颜色并不是这个物体真正拥有的颜色&#xff0c;而是它所反射的(Reflected)颜色。物体的颜色为物体从一个光源反射各个颜色分量的大小。 创建光照场景 首先需要创建一个光源&#xff0c;因为我们以及有一个立方体数据&#xff0c;我们只需要进行…

LEETCODE3

法一:记忆化递归 int climbStairsRecursive(int n, int* memo) {if (n < 2) {return n;}if (memo[n] > 0) {return memo[n];}memo[n] climbStairsRecursive(n - 1, memo) climbStairsRecursive(n - 2, memo);return memo[n]; }int climbStairs(int n) {int* memo (in…

代码随想录训练营Day21:● 530.二叉搜索树的最小绝对差 ● 501.二叉搜索树中的众数 ● 236. 二叉树的最近公共祖先

530.二叉搜索树的最小绝对差 题目链接 https://leetcode.cn/problems/minimum-absolute-difference-in-bst/description/ 题目描述 思路 遇到在二叉搜索树上求什么最值&#xff0c;求差值之类的&#xff0c;都要思考一下二叉搜索树可是有序的&#xff0c;要利用好这一特点。…

Java 拦截器Interceptor详解

1、拦截器概念 先看一下web请求的流程。 &#xff08;1&#xff09;、当浏览器发送一个请求时&#xff0c;请求到达tomcat容器&#xff0c;tomcat容器会区分静态还是动态资源。 &#xff08;2&#xff09;、动态请求会先经过过滤器链filter&#xff0c;直到全部过滤完成之后&am…

MySQL 事务的原理以及长事务的预防和处置

transaction_isolation 隔离级别 读未提交 读提交 视图是在每个 SQL 语句开始执行的时候创建的 可重复读 视图是在事务启动时创建的&#xff0c;整个事务存在期间都用这个视图 串行化…

3/12/24交换排序、插入排序、选择排序、归并排序

目录 交换排序 冒泡排序 快速排序 插入排序 直接插入排序 选择排序 简单选择排序 堆排序 归并排序 各种排序的时间复杂度、空间复杂度、稳定性和复杂度 快排真题2016 选排真题2022 排序算法分为交换类排序、插入类排序、选择类排序、归并类排序。 交换排序 交换排…

Django 学习笔记(Day1)

「写在前面」 本文为千锋教育 Django 教程的学习笔记。本着自己学习、分享他人的态度&#xff0c;分享学习笔记&#xff0c;希望能对大家有所帮助。 目录 0 课程介绍 1 Django 快速入门 1.1 Django 介绍 1.2 Django 安装 1.3 创建 Django 项目 1.4 运行 Django 项目 1.5 数据迁…

Linux-gdb调试

文章目录 前言查看&#xff08;显示&#xff09;源代码 list/l运行程序run/r打断点b查看断点删除断点打开/关闭断点逐过程 逐语句查看变量常显示continuefinishuntil修改指定变量退出gdb 前言 GDB&#xff0c;即GNU调试器&#xff08;GNU Debugger&#xff09;&#xff0c;是G…

细粒度IP定位参文27(HGNN):Identifying user geolocation(2022年)

[27] F. Zhou, T. Wang, T. Zhong, and G. Trajcevski, “Identifying user geolocation with hierarchical graph neural networks and explainable fusion,” Inf. Fusion, vol. 81, pp. 1–13, 2022. (用层次图、神经网络和可解释的融合来识别用户的地理定位) 论文地址:…

QML 控件添加键盘事件

在QML中&#xff0c;可以使用Keys类型来处理键盘事件。以下是一个简单的示例&#xff0c;演示如何在QML控件中添加键盘事件&#xff1a; import QtQuick 2.12 import QtQuick.Window 2.12Window {visible: truewidth: 640height: 480title: qsTr("Hello World")Recta…

基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的常见车型识别系统(Python+PySide6界面+训练代码)

摘要&#xff1a;本文深入探讨了如何应用深度学习技术开发一个先进的常见车型识别系统。该系统核心采用最新的YOLOv8算法&#xff0c;并与早期的YOLOv7、YOLOv6、YOLOv5等版本进行性能比较&#xff0c;主要评估指标包括mAP和F1 Score等。详细解析了YOLOv8的工作机制&#xff0c…

5.Java并发编程—JUC线程池架构

JUC线程池架构 在Java开发中&#xff0c;线程的创建和销毁对系统性能有一定的开销&#xff0c;需要JVM和操作系统的配合完成大量的工作。 JVM对线程的创建和销毁&#xff1a; 线程的创建需要JVM分配内存、初始化线程栈和线程上下文等资源&#xff0c;这些操作会带来一定的时间和…

【基于langchain + streamlit 完整的与文档对话RAG】

本地部署文档问答webdemo 支持 pdf支持 txt支持 doc/docx支持 源文档索引 你的点赞和收藏是我持续分享优质内容的动力哦~ 废话不多说直接看效果 准备 首先创建一个新环境&#xff08;选择性&#xff09; conda create -n chatwithdocs python3.11 conda activate chatwith…

封装的echarts子组件使用watch监听option失效的问题

项目场景&#xff1a; 我在项目里面封装了一个echarts组件&#xff0c;组件接收一个来自外部的option,然后我用了一个watch函数去监听这个option的变化&#xff0c;option变化之后&#xff0c;销毁&#xff0c;然后再新建一个charts表 碎碎念 问题如标题所示&#xff0c;这篇…

自然语言处理: 第十五章RAG(Retrieval Augmented Generation)

论文地址: [2005.11401] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arxiv.org) 代码地址: 可以参考百度文心一言为例子&#xff0c;与本文代码无关 本篇文章主要是介绍Retrieval Augmented Generation下文简称RAG技术的实现原理和代码实现以及大体…

【Springboot】--如何将springboot+vue项目部署到云服务器?

目录 一、准备工作 1、购买云服务器 2、获取面板地址 二、jdk和数据库 1、安装环境 2、配置jdk环境变量 3、java版本的问题 4、添加数据库 三、前端部署 1、vue 2、创建站点 ​编辑 四、后端部署 1、application.yml 2、idea打包 3、运行jar包 4、开放端口 五、…

扩散模型基础学习

扩散模型基础学习 AIGC是什么扩散模型的发展VAEGANDDPMstable Diffusion 基于transformer架构的Diffusion模型transformer 参考 AIGC是什么 AIGC&#xff0c;全称AI generated content (人工智能生产内容)&#xff0c;是一种利用AI自动生产内容的生产方式。 其发展依赖以下三个…

20240309web前端_第一周作业_完成用户注册界面

作业一&#xff1a;完成用户注册界面 成果展示&#xff1a; 完整代码&#xff1a; <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-…