Учеба будущего: новые профессии в сфере искусственного интеллекта |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-09-24 11:43 Профессор Лаврентьев назвал актуальные профессии в сфере умных технологий Андрей Гришин Сервисы на основе искусственного интеллекта (ИИ) все прочнее закрепляются в нашей жизни. Неудивительно, что на рынке появляется все больше специалистов, чья работа связана с ИИ. Поскольку их востребованность растет, в российских вузах появляются соответствующие программы. О том, как в России готовят таких специалистов, — в материале «Газеты.Ru». С 2021 года российские вузы подготовили около 23 тыс. специалистов по искусственному интеллекту. На сегодняшний день по федеральному проекту «Искусственный интеллект» национального проекта «Цифровая экономика» реализуется 86 профильных программ магистратуры и 36 — бакалавриата. На данный момент студентов российских вузов обучают работать с большими данными, проводить исследования и даже создавать уникальные решения, которые бизнес может применять на практике. Разберем несколько актуальных профессий в сфере ИИ. Разработчик систем компьютерного зрения Компьютерное зрение — это технология в области ИИ, которая позволяет обрабатывать и анализировать графические данные. Оно применяется в беспилотных автомобилях, чтобы видеть препятствия, распознавать сигналы светофора и дорожные знаки. Также технология активно используется на производствах — например, чтобы находить бракованные детали на ленте. Примеров применения у компьютерного зрения масса. «Разработчик систем компьютерного зрения — это специалист, занимающийся разработкой алгоритмов и технологий, которые позволяют компьютерам «видеть» и интерпретировать визуальную информацию из окружающего мира», — рассказывает доктор физико-математических наук, профессор, декан факультета информационных технологий НГУ, замдиректора по научной работе Института автоматики и электрометрии СО РАН (ИАиЭ) и заведующий лабораторией программных систем машинной графики ИАиЭ СО РАН Михаил Лаврентьев. Резиденция Рощино — эко-резорт в сердце хвойного леса По словам эксперта, основные задачи такого специалиста включают обработку изображений и видео, разработку алгоритмов для распознавания объектов, лиц, жестов, создание систем для анализа и понимания сцены, а также внедрение компьютерного зрения в различные приложения — медицинскую диагностику, автономные транспортные средства, системы безопасности и другие сферы. Профессор подчеркивает, что компьютерное зрение входит в одну из ключевых областей искусственного интеллекта, поскольку позволяет машинам воспринимать и понимать визуальную информацию аналогично тому, как это делают люди. Это открывает множество возможностей для автоматизации процессов, роста точности и эффективности в различных областях. Среди них: Автономные транспортные средства, которые могут самостоятельно ориентироваться в пространстве. Медицинская диагностика, позволяющая выявлять заболевания по изображениям. Умные города и системы безопасности, анализирующие видео для предотвращения преступлений и аварий. Промышленные роботы, способные более точно и безопасно выполнять задачи. Чтобы проектировать и обучать модели, которые наделяют компьютер способностью «видеть», специалисту нужно хорошо знать математику, алгоритмы и структуры, языки программирования — чаще Python и С++. Начать работать в этой сфере после получения диплома в области прикладной математики и информатики. «Обучение на разработчиков систем компьютерного зрения обычно включает получение высшего образования в области компьютерных наук, математики, инженерии или смежных дисциплин. Многие университеты предлагают специализированные курсы и программы по искусственному интеллекту и компьютерному зрению. Также возможно самостоятельное обучение и участие в открытых проектах: сейчас легко получить доступ к множеству бесплатных ресурсов, включая научные статьи, книги, репозитории», — отмечает Лаврентьев. Создатели систем компьютерного зрения могут работать в технологических компаниях, разрабатывающих программные продукты и услуги, или на предприятиях по разработке автономных транспортных средств. Кроме этого, эти специалисты востребованы в сферах здравоохранения, безопасности, в научно-исследовательских институтах, университетах, где занимаются исследованиями в области ИИ и компьютерного зрения. Дата-сайентист Столь активное развитие технологий привело к взрывному росту объемов данных в мире. Они полезны для огромного количества компаний, но зачастую находятся в неструктурированном виде — в формате текстов, таблиц, аудио- и видеозаписей. Обработать такую информацию в больших объемах вручную становится сложно. Определить главную информацию и сформулировать выводы поможет дата-сайентист. «Дата-сайентисты помогают анализировать значительный массив данных и извлекать из них полезную информацию, разрабатывая под это лучшие модели. Однако решение одних задач приводит к появлению дополнительных, что требует принципиально новых подходов к сбору и обработке данных, а также повышает требования к моделям. Необходимо будет применять более сложный математический аппарат для создания новых алгоритмов и моделей, способных решать самые сложные задачи современности. Именно поэтому дата-сайентизм — это не просто профессия будущего, а особый способ мышления человека будущего», — отмечает исполнительный директор Центра искусственного интеллекта и науки о данных Санкт-Петербургского государственного университета Кирилл Дорожкин. Если в городе нужно будет организовать новую схему движения транспорта, дата-сайентист сможет проанализировать поведение пешеходов и автомобилистов, спрогнозировать, как оно изменится под влиянием разных обстоятельств (например, при появлении новых домов, росте населения) и организовать маршруты так, чтобы было удобно всем. Еще один яркий пример труда дата-сайентистов — рекомендательные алгоритмы на маркетплейсах, стриминговых и прочих сервисах. Для входа в профессию нужны знания математики, программирования, баз данных. По словам Кирилла Дорожкина, чтобы стать востребованным дата-сайентистом, необходимо иметь высшее образование. «Поскольку запрос на дата-сайентистов сегодня очень большой, уже совсем скоро может возникнуть нехватка квалифицированных кадров в этой области. В Санкт-Петербургском государственном университете реализуется целый ряд образовательных программ в сфере искусственного интеллекта, а также действуют отдельные центры. Сотрудники нашего центра занимаются разработками прикладных ИИ-решений и их внедрением, обучением отраслевых специалистов, а также ведут работу по созданию модульной цифровой платформы сильного ИИ вещей», — добавляет эксперт. Специалист по обработке естественного языка и NLP-инженер Все более очевидной становится необходимость подготовки мультидисциплинарных специалистов. Сейчас особенно интересны направления по созданию мультимодальных моделей, а также оптимизации больших языковых моделей. В частности, высок спрос на специалистов из компьютерной лингвистики с хорошей математической подготовкой: технический базис позволяет им справляться с обучением языковых моделей, а лингвистический — давать экспертную оценку и интерпретировать результаты, для которых не всегда существуют подходящие автоматические метрики. Они могут работать специалистами по обработке естественного языка или NLP-инженерами. «Специалист по обработке естественного языка — это что-то ближе к теоретическим аспектам и исследованиям, к академической среде. Они скорее занимаются разработкой новых архитектур LLM, оптимизацией, адаптацией и переносом моделей, разработкой методов повышения устойчивости моделей к атакам, улучшением генерации текстов», — объясняет разницу Елизавета Жемчужина, NLP-специалист Центра искусственного интеллекта НИУ ВШЭ. NLP-инженер — более практикоориентированный, индустриальный специалист, говорит эксперт. Он нацелен на продуктовую разработку и, соответственно, занимается интеграцией LLM в чат-боты и поисковые системы. Такой специалист создает отраслевые решения, занимается улучшением производительности моделей, строит системы операций машинного обучения, разворачивает и запускает веб-приложения и сайты. Чтобы работать в этой сфере, лингвисту стоит задуматься об изучении теории вероятностей, математической статистики и сделать особый упор на машинное и глубинное обучение. При этом эксперт отмечает, что NLP-инженеру требуется меньше погружения в математические аспекты и архитектурные тонкости. Тем не менее таким специалистам нужно постоянно обновлять технологический стек и развивать смежные навыки — работу с облачными технологиями, базами данных. «Это два принципиально разных карьерных трека: хотите делать научные исследования, которые потом будут внедрять в свои процессы высокотехнологические компании? Идите в научную среду, пишите статьи, придумывайте новые решения. Если хочется быть ближе к конечному пользователю, считать не какие-то «метрики в вакууме», то это второй путь», — поясняет Жемчужина. При этом тем, кто хочет стать специалистом по обработке естественного языка или NLP-инженером, она рекомендует выбирать высшее образование. «Важно понимать, что курсы не могут дать такой же глубины погружения, как выстроенная, обкатанная и регулярно обновляемая образовательная программа. В вузе все дисциплины находятся в иерархии. Будет очень много математики на первых курсах, языков программирования, алгоритмов — это необходимая база. Потом уже можно смотреть и по собственным склонностям, и по тому, что лучше получается, и уже выбирать ML-направление, а внутри него — NLP», — советует эксперт. Промпт-инженер Большие языковые модели являются универсальными исполнителями инструкций. Однако таким инструментом нужно уметь пользоваться, а значит — важно создать точный алгоритм действий. Например, задать формат выхода текста, его язык, стиль, форматирование. Инструкция может быть очень подробная и сложная. «Промпт-инженер — человек, кто формирует верную инструкцию (или «промпт» от англ. prompt) для системы, с помощью которой задача выполняется языковой моделью максимально точно и стабильно. Например, для разработки приложений с использованием языковых моделей часто необходимо сформировать десятки промптов, здесь и важны такие специалисты», — объясняет технический директор GigaChat Федор Минькин. Можно сказать, что у промпт-инженера две основные задачи — создать и протестировать промпт. Для этого техническая или продуктовая команда сначала составляет требования к результату, и уже на основе этих данных промпт-инженер пишет запрос модели и оценивает ответы. После он редактирует и тестирует запрос снова, пока нейросеть не сгенерирует нужный результат. Затем промпт попадает в список успешных запросов для определенных задач. Если компания занимается обучением языковой модели, промпт-инженер принимает участие в сборе данных. Он также может создавать инструкции для чат-бота, оптимизировать запросы для поиска информации, создавать сценарии для генерации текстов, обучать и настраивать ИИ-модели. Раньше этим занимались дата-сайентисты и NLP-инженеры, но с развитием больших языковых моделей появился запрос на узких специалистов, которые могут тесно работать с нейросетями и быстро писать запросы. Так появилась отдельная профессия промпт-инженера. Чтобы им стать, можно обойтись без специального высшего образования, но большим плюсом будет диплом в области компьютерных наук или лингвистики. Однако специализированные курсы по машинному обучению и промпт-инжинирингу точно пригодятся. Эксперт добавил, что такие специалисты нужны в первую очередь в компаниях, где в процессах и приложениях используются языковые модели. Так как технология новая, пока не все компании используют эти разработки, но со временем они будут повсеместно. Источник: vk.com Комментарии: |
|