大语言模型的兴起让人难以预测AI将如何重塑世界，而就业市场已经在发生变化。本文不列举数据科学职位名称，而是探讨该领域发生了哪些变化、为什么会涌现新角色，以及专业人士如何为此做好准备。
在Transformer时代之前，数据科学基本分为两类。数据科学家更靠近产品端，专注于统计学、实验、数据分析和洞察提取，Python和SQL是核心工具。机器学习工程师则更贴近模型本身，负责训练流程、优化、神经网络、性能和部署，通常使用TensorFlow和PyTorch等库。数据分析师和数据工程师的职责边界则较为清晰。
应用科学家这一头衔由Amazon和Microsoft等公司推广开来，填补了两者之间的空白。应用科学家既要试验新的模型和算法，还要确保其代码能够在生产系统中运行。角色之间的界限之所以得以维持，是因为原型开发需要数周的人工编码、测试和调试，而当时没有编码助手可用。
2017年Google发表的论文《Attention Is All You Need》改变了一切，该论文提出了支撑GPT等LLM的Transformer架构。业界在GPT-3之后才开始认真关注，但GPT-4才是真正的转折点，企业开始重新思考模型的构建和部署方式。正是这一转变催生了本文后续探讨的新角色。
来源: Towards Data Science · 由HeadlinesBriefing整理摘要