工作过时一直是工人们关心的问题，尤其是在自动化和人工智能(AI)可能危及以人为本的岗位的技术领域。

人类的技术知识太宝贵了，不容忽视;至少，如果一个技术角色消失了，就会产生一个新的角色。

我与开源Linux提供商SUSE的产品、技术和解决方案营销主管特里•施洛瑟(Terri Schlosser)讨论了人工智能的发展方向，以及IT员工如何做好准备。

参见:在企业中管理AI和ML:技术领导者预期比以前的IT项目更困难(TechRepublic Premium)

斯科特·马特森:人工智能的现状如何?

Terri Schlosser:虽然人工智能已经被谈论了很多年，但这个市场现在才刚刚开始起飞——每年翻一番，分析人士预测，到2025年，这个市场将从2018年的95亿美元增长到1186亿美元。事实上，人工智能正在帮助企业做一些事情，比如改善客户服务、组织日程表、口头回答问题、自动化招聘流程，以及感知何时需要修理机器。

然而，在许多领域，人工智能的全部优势并没有得到充分利用，比如在工作场所。在SUSE最近对IT专业人士的调查中，只有35.7%的受访者表示，他们的公司使用或计划使用人工智能解决方案来满足业务需求。这意味着近三分之二的受访者表示，要么他们的公司没有风险敞口，要么他们不确定。

从表面上看，这些数字与全球人工智能软件市场大幅增长的预测相符，但它们可能低估了人工智能在工作场所的实际使用。许多人倾向于将人工智能等同于机器人，但它确实适用于许多其他应用程序，这些应用程序将分析引入运营，从而引发整体流程的改进。

斯科特·马特森:人工智能在哪里创造就业机会?

Terri Schlosser:正如人们普遍猜测的那样，由人工智能触发的自动化很可能会消除某些死记硬背的任务。例如，您将需要更少的存储管理员来管理存储环境。在大盒子建筑供应商店里，安装了自动浇水系统——基于测量植物水分的传感器——将逐步消除对专用植物浇水器的需求。

然而，其他人必须安装传感器，并开发一个为人工智能解决方案编写算法的程序。因此，对程序员、数据科学家和高性能计算(HPC)管理员的需求将会增加。

参见:机器学习对IT和你的职业生涯的影响(免费PDF)(TechRepublic)

Scott Matteson:组织应该如何准备?

Terri Schlosser:公司可能已经为他们今天在人工智能上所做的事情做好了准备，但不一定要为人工智能未来的需求做好准备。他们可能在当前环境中使用人工智能应用程序，但如果他们切换到并行计算环境，该环境可以运行相同的人工智能应用程序50到100次，并更快地获得最终结果，这就需要更强大的计算基础设施。

组织需要更仔细地考虑他们想要的未来AI环境是什么样子的，然后建立一个策略来实现它。看看他们需要什么HPC需求来支持这个期望的未来状态，了解影响，并制定计划来实现。

Scott Matteson:员工应该如何准备?

Terri Schlosser:根据我们最近的调查，近一半(41.4%)的受访者说他们有发展的机会，而20.4%的人说其他员工也在发展技能。这意味着至少61.8%的人正在接受积极的培训。与此同时，只有32%的非用户接受了积极的培训，而68%的用户没有参与培训。

正如预期的那样，在培训方面，用户公司比非用户公司更有优势。但38.2%的用户群体没有积极接受人工智能相关技术的培训，这一事实表明，即便是利用人工智能价值的公司，也没有充分利用培训项目来支持这项技术。

了解他们的公司战略与新的人工智能工作负载和程序相关，将有助于员工了解在哪里花时间学习。例如,如果你在它操作,和策略是利用新的人工智能工作负载需要HPC环境上运行,然后开始了解HPC,如何比当前环境不同,关键技术,他们可能需要利用和学习是所有领域,可以专注于帮助他们做好准备。

斯科特·马特森:你认为这些努力会带来什么结果?

Terri Schlosser:在不久的将来，我们会看到人工智能从数据中产生更多的洞察力，让公司比以往任何时候都更有生产力。但人工智能需要一个坚实的基础设施来支持更密集的应用。在未来的几年里，我们希望人工智能作为一个概念能够被更多的理解。通过正确的投资，公司可以充分利用技术的潜力。

斯科特·马特森:对于可能会受到人工智能影响的角色，你有什么建议吗?

Terri Schlosser:您的数据驻留在何处以及如何收集数据与您需要如何设置和管理HPC基础设施有关。这包括在云中运行人工智能，公共的或私人的，或完全在场所或混合的。它包括在哪些地方可能需要使用可负担得起的基于ceph的解决方案来增强数据存储。它包括您的基础设施需要如何更新，从核心操作系统到所需的可伸缩硬件环境。作为一名IT经理，人工智能将对您如何为新浪潮的工作负载建立正确的基础设施产生影响。作为一名数据科学家，你的角色只是从收集的新数据中获得了更多的正确结果。在高性能并行计算环境中，IT管理员可能需要新的技能。对于希望增强和构建新的AI/ML应用程序的开发人员来说，可能需要新的技能——随着数据量呈指数增长，甚至开始需要深度学习技能。