Ни для кого не секрет, что искусственный интеллект (ИИ) и машинное обучение — это большое дело. По некоторым оценкам, в течение 15 лет автоматизированные алгоритмы и роботы могут занять примерно 40 процентов рабочих мест в мире, доступных сегодня людям.

Если вы работаете в сфере компьютерных наук или компьютерной инженерии, новости такого рода, вероятно, не сильно на вас повлияют. В конце концов, заменяемые задания часто относятся к начальному уровню или требуют часто повторяющихся ручных операций. Информатика — это область, которая, возможно, станет еще более востребованной с появлением машинного обучения и искусственного интеллекта. Тем не менее, некоторые важные изменения уже происходят благодаря более высокому спросу и более высокому интересу к этим технологиям.

Как ИИ-стартапы и компании продвигают проекты

Во-первых, искусственный интеллект и машинное обучение — горячие темы в сфере ИТ. Компании требуют больше решений для машинного обучения, даже если они не полностью их понимают, поднимая спрос на новые инструменты машинного обучения, сценарии и программное обеспечение на беспрецедентно новые высоты. Например, предполагается, что к следующему году примерно 20 % компаний будут иметь сотрудников, занимающихся мониторингом и управлением нейронными сетями, а более 10 % новых ИТ-специалистов в сфере обслуживания клиентов будут отвечать за написание сценариев для чат-ботов, одно из приложений ИИ.

У этого толчка будет несколько побочных эффектов. Во-первых, новые проекты, которые могут быть даже более впечатляющими, чем обычное машинное обучение, могут быть отброшены в сторону, поскольку наши самые талантливые инженеры и специалисты по информатике претендуют на должности, которые предлагают больше всего денег или самый широкий спектр возможностей. Это означает, что следующие действительно оригинальные прорывы в информатике могут быть отложены, чтобы мы могли полностью изучить эту текущую тенденцию. Затем спрос на ИТ-специалистов более низкого уровня будет сокращаться, что затруднит поиск должностей начального уровня и практически не позволит поддерживать карьеру в течение неопределенного времени, если вы не обладаете каким-либо нишевым набором навыков.

Проблемы разнообразия ИИ

Мы также сталкиваемся с растущими последствиями отсутствия разнообразия в областях искусственного интеллекта и машинного обучения. Эксперты по ИИ в подавляющем большинстве белые и мужчины, а побочные продукты отрасли, в которой подавляющее большинство, обычно проблематичны, не подозревая о том, как их работа влияет на другие группы населения. Например, в прошлом у технологий распознавания лиц были проблемы с распознаванием людей с более темным оттенком кожи, поскольку эти системы были разработаны преимущественно белыми людьми.

Поскольку интерес к ИИ продолжает расти, он будет появляться во многих местах. ИИ будет предоставлять вам результаты поиска, выбирать, какие новостные статьи вам показывать, контролировать доступ к вашим важным файлам и личной информации и, возможно, обеспечивать вашу безопасность. И поскольку эта область, вероятно, будет расти быстрее, чем может быть решена проблема разнообразия, она принесет много новых головных болей — как для потребителей, так и для компьютерных инженеров и ученых, пытающихся опережать эти проблемы.

Почему трудно увидеть, где алгоритм идет не так

Машинное обучение и искусственный интеллект также вводят новый уровень сложности, который усложняет решение некоторых проблем, и не только потому, что они сложнее, чем предыдущие формы кодирования. По большей части алгоритмы машинного обучения не обязательно представляют собой набор инструкций; вместо этого они разработаны как расплывчатый процесс обучения, которому должна следовать машина. Машина собирает данные, обычно миллионы примеров того, что она изучает, и постепенно изучает концепцию, будь то распознавание лиц на изображениях или обучение игре в Super Mario Bros.

Проблема в том, что, хотя мы можем видеть свидетельства того, что машина все ближе и ближе приближается к достижению своей цели (или даже превосходит человеческие навыки), разработчики не могут «заглянуть внутрь» алгоритма, чтобы определить, какие фрагменты информации привели к определенному выводу. Другими словами, невероятно сложно диагностировать, в частности, где алгоритм работает правильно, а где нет.

По мере того, как ИИ и машинное обучение становятся все более распространенными, это становится все более сложной проблемой для компьютерных ученых и инженеров, требующей большего понимания, навыков более высокого уровня и, возможно, в первую очередь совершенно новых подходов к разработке ИИ.

Автоматизация автоматизации

Нам также необходимо серьезно отнестись к возможности автоматизации процесса создания нового машинного обучения или, в духе Inception, нового программного обеспечения для автоматизации. Такой многоуровневый подход к компьютерным наукам открыл бы новую область исследований и потребовал создания совершенно новых подходов к решению проблем компьютерной индустрии.

ИИ и машинное обучение — это не просто мимолетные причуды, хотя на ближайшем горизонте могут появиться еще более новые компьютерные прорывы. Как ученый-компьютерщик или инженер, вы обязаны прогнозировать и адаптироваться к масштабным изменениям, которые ждут отрасль в ближайшие годы, поскольку машинное обучение и ИИ становятся все более востребованными.