3 月 13 日，Azul 邀请 Java 开发人员、爱好者和 Java Champion 称号获得者齐聚一堂，共同庆祝 Java 诞生 30 周年。众多杰出人士发表了演讲，其中包括高级 Java 顾问 Frank Greco。Frank 探讨了 AI 如何像 Java 等编程语言一样基于模式，并就 AI 与 Java 给出了具体的指导。
计算机科学。Java 编程。人工智能。如果您询问高级 Java 顾问 Frank Greco，这些看似毫不相关的事物都基于同一点，即模式。由于它们息息相关，因此连接到 OpenAI 或其他 AI 模型非常简单。然而，重要的是要记住，不同的 AI 模型有其独特的用途，不负责任地使用 AI 可能会带来危险。
Frank 首先解释了 AI 作为模式匹配工具的基础知识。Frank 是一位狂热的音乐爱好者，他还在就读硕士期间研究概率学时，就将分析旋律作为自己的项目。他创作了一段新的旋律，但采用了另一种风格。他说道，“这就是生成式 AI。几十年前，我们并不称之为生成式 AI。我们称之为计算机科学。”
将 Java 连接到 AI 模型有多简单？Frank 演示了如何让 OpenAI 用不到一页的代码讲一个关于用 Java 编程的滑稽笑话。然后，他使用一个流行的库连接到 LLM 来完成一个句子，但您需要看完整个演讲才能理解。
API 可能很简单，但您必须了解 AI 的基础知识。例如，如果您有一个电子商务库，并且正在构建一个电子商务系统，您必须了解电子商务。您还必须知道如何使用生成式 AI，才能负责任且有效地使用它。
从最根本的层面来讲，模式是一切事物的基础。Frank 探讨了垃圾摇滚、爵士乐和布鲁斯音乐中的模式。动物遵循模式寻找食物。
什么是 AI 和 ML？
AI 模拟人类智能。机器学习与模式有关。Frank 表示，“所以不是人们明确地编写程序让机器检测模式，而是机器自己在做这件事。”
机器学习中有一个子集称为深度学习，其中又分为两个子集，即预测式 AI 和生成式 AI。
- 预测式 AI 已经使用了大约 20 年，并且是一个巨大的创收来源，尤其是对 Google 和 Amazon 这样的公司而言。
- 生成式 AI 可以从大量数据中学习和模仿以创建新内容，并且在过去三年中一直非常火爆。
Frank 专注于生成式 AI，他将 Java 开发人员的日常工作分为四类：
- 构思：提出需求并构建原型
- 开发：编写代码并执行单元测试
- 部署：将产品投入生产、跟踪指标和集成测试
- 维护：进行供应商更新、技术支持和问题跟踪
这些类别中只有一个涉及代码生成，但它们都会受到生成式 AI 的影响。
自然语言处理并非新鲜事物
Frank 引用了 Google 2017 年发表的一篇名为《Attention Is All You Need》（注意力就是你所需要的一切）的论文。这篇论文关注的是我们如何看待词语，特别是词语之间如何相互关联。
再次提到 Java，Frank 表示，该论文中引入的 Transformer 架构使语言模型可以并行化。从部署的角度来看，这是一个重要的想法。神经网络需要训练。在数据训练之前，神经网络充满了随机概率。随着您输入更多数据，某些路径会得到强化。不久之后，它就可以完成您的文本并通过神经网络找到最可能的路径。
Frank 解释说，您可以在没有库的情况下将 Java 用于 AI，因为 Java 还没有像 Python 那样构建库。然而，他警告说，在 AI 模型之间切换，比如从 Google Gemini 切换到 OpenAI，可能会很有挑战性。不过，像 Langchain4j 这样的工具可能会有所帮助。
Frank 最后表示，谨慎行事很重要。他说道，“一旦您处于某种特定的情况，您就必须让法务部门参与进来，比如说，我们是否应该推进这件事？是否存在道德问题？是否存在合规性问题？是否存在监管问题？”
Frank 的演讲中还有更多内容。要查看完整内容，请访问我们网站的 Duke Turns 30 版块。
