Tu nie chodzi tylko o uczenie się. W kontekście naszego rozwoju ogromnie znaczenia ma też dopasowanie do własnych predyspozycji i upodobań.
Dlaczego o tym piszę? Bo właśnie podjąłem pewną ważną decyzję na tej podstawie.

Odkrywając AI odkryłem co lubię najbardziej

Postanowiłem, że nie będę już więcej tworzył wideo o AI. Prawdopodobnie nie będę tego też tematu drążył głębiej. Odkryłem, że wolę być świadomym użytkownikiem ułatwiającym sobie pracę z pomocą narzędzi AI.

Powodów jest kilka. Teraz jest boom i mnóstwo osób oferuje już treści edukacyjne z tego obszaru. Dodatkowo tempo zmian jest olbrzymie i treści takie będą szybko się dezaktualizować.
Ale to co innego pomogło mi podjąć tę decyzję.

To nie dla mnie. Owszem, jest to ciekawe, interesujące, ale nie czułem tego. Tak - po prostu nie miałem tego poziomu ekscytacji jak w przypadku innych obszarów, którymi do tej pory się zajmowałem. Okazuje się, że gdy uczę się nowych technologii z obszaru DevOps i Platform Engineeringu to wpadam często w stan tzw. flow. To bardzo przyjemne i motywujące uczucie, którego mi brakowało przy nauce AI.
Nie wiem dlaczego tak jest, ale wiem, że bez tego jest ciężej.

Wybieramy zawód często przez przypadek, ale też często podświadomie czujemy, że coś nam bardziej pasuje a coś mniej. Ja kolejny raz zawęziłem mój obszar i nauczyłem się czegoś o sobie.
Według mnie w naszej branży (DevOps/Platform Engineering) jest wiele osób, które lubią to z tych samych powodów co ja i dlatego nie wybrały innej. I to jest ok. Lepiej jest budować karierę na silnych stronach, cechach które dostaliśmy w loterii genetycznej i jednocześnie na czym co sprawia satysfakcję.

Zatem jeśli podobnie jak ja czujesz, że “powinieneś” pójść w jakiś obszar, bo to jest modne/bardziej dochodowe/przyszłościowe, a z jakiegoś powodu cię tam nie ciągnie, to odpuść sobie. Skup się na tym co daje ci satysfakcję i gdzie możesz wykorzystać swoje silne strony.
Naucz się wykorzystywać AI, aby jeszcze lepiej użyć swojej gromadzonej przez lata wiedzy i doświadczenia.

💡 Im większa twoja wiedza ekspercka tym większe korzyści przyniesie ci AI.

Wszystkie części serii “AI w minutę”

Oto pełna lista 20 filmów. Przygotowanie ich pomogło mi poznać AI (a głównie LLM) od środka i zrozumieć możliwości oraz ograniczenia.
Mam nadzieję, że pomoże też innym.

1: Jaka jest różnica między AI a LLM?
2: Czym jest LLM?
3: Jak powstaje LLM?
4: Jaka działa LLM?
5: Czym są parametry w LLM?
6: Ile kosztuje korzystanie z LLM?
7: Czym jest self-attention?
8: Czym jest cutoff w LLM?
9: Czym są tokeny?
10: Czym są embeddings?
11: Czym jest RAG?
12: Czym jest prompt engineering?
13: Jak uczyć AI z własnych danych?
14: Dlaczego LLMy halucynują?
15: Czym jest fine-tuning modelu? 16: Czy korzystanie z LLM jest bezpieczne?
17: Do czego potrzeba matematyki w LLM? 18: Czym są agenty AI?
19: Co potrafią agenty AI?
20: Czym się różni workflow od agenta AI?