Консалтинговое агентство KPMG называет данные валютой будущего. Но что не так с золотом, долларами, рублём? Дело в том, что с 1997 по 2002 год человечество сгенерировало больше информации, чем за всё время до этого. С каждым годом люди производят на 30% больше данных, чем в предыдущем. И чтобы справляться с таким потоком информации, разбираться в программировании и анализе данных сегодня должны уже не только «технари». Журналисты, врачи, социологи, психологи, маркетологи, которые могут автоматизировать свою работу, экономят время и силы, успевают выполнить больше задач и, как следствие, получают более высокие зарплаты.
По статистике международного сервиса по поиску работы LinkedIn, только с 2018 по 2019 год количество вакансий для специалистов по ИИ выросло на 56%. А средняя зарплата в США составила свыше 650 тысяч рублей в месяц. В России, конечно, цифры чуть более скромные, но не менее впечатляющие. Минимальная зарплата начинающего специалиста, по данным HH, — 115 тысяч рублей.
«Искусственный интеллект забирает у людей работу!» Отчасти это так. Причём в довольно неожиданных отраслях. Провинциальная бейсбольная команда «Окленд» смогла выстоять против фаворитов чемпионата и выиграть 20 матчей подряд благодаря алгоритму подбора и расстановки игроков на поле. Хотим мы того или нет, но активно автоматизируются даже те процессы, от которых этого совсем не ждёшь. Вопрос лишь в том, кто сможет адаптироваться к изменениям и освоить актуальные навыки работы с данными, а кого ИИ таки сбросит с корабля современности.
Хотя большинство привыкло делить всех на физиков и лириков, на гуманитариев и технарей, в работе с искусственным интеллектом есть множество возможностей реализовать творческий потенциал.
Задачи, которые приходится решать специалистам, как правило, не имеют единственного верного решения. Так что здесь на первый план выходит не столько конвергентное мышление, знакомое нам по урокам математики, а дивергентное, с которым мы чаще сталкиваемся на уроках литературы. Что-что? Давайте разберёмся.
Автоматизация и аналитика данных нужны в самых разных областях, так что можно смело выбирать ту отрасль, которая больше придётся по вкусу. В медицине нужно обучать алгоритмы диагностировать заболевания. Автомобильные гиганты активно ведут разработку беспилотных автомобилей, так что без специалистов по компьютерному зрению (в его основе лежит всё то же машинное обучение) просто не обойтись. Синефилы и меломаны могут совместить своё увлечение с работой, создавая рекомендательные системы для стриминговых сервисов. Увлечение языками и лингвистикой может пригодиться в создании алгоритмов машинного перевода, распознавания речи или текста.
Что такое искусственный интеллект?
ИИ (так его называют в сокращённом виде) — это научная область, которая занимается разработкой программ и устройств, имитирующих интеллектуальные функции человека.
То есть учёные создают Скайнет? Прямо как в «Терминаторе»?
Не совсем. Восстание машин, которое мы видели на экране и которого некоторые всерьёз опасаются, — результат работы сильного ИИ. Он способен осознавать себя, и это пока ещё персонаж научной фантастики.
А почему тогда все так много говорят про ИИ? Обман?
У сильного ИИ есть младший брат — специализированный (слабый) ИИ. Он решает узкопрофильные задачи и очень многого не умеет. Тем не менее в том или ином виде его можно найти в любом смартфоне: автоматическая обработка или стилизация фотографий, распознавание лиц на снимках, перевод, голосовые помощники и многое другое — практические варианты использования слабого ИИ.
Ясно. А как он работает?
Раньше, чтобы создать алгоритм, программисты придумывали и прописывали правила формата «если… то…». Их было очень много. И всё равно алгоритм не знал, как вести себя за пределами заданных ему заранее условий. Сегодня же всё работает по технологии машинного обучения.
Мы собираем данные (чем больше, тем лучше), состоящие из объектов и ответов. К примеру, мы хотим создать робота-офтальмолога, который сможет диагностировать глазные заболевания. В таком случае объекты — это изображения больных и здоровых глаз, а ответы — диагнозы.
Загружаем их в компьютер, чтобы он сам нашёл закономерности: какой глаз можно считать здоровым, а какой — нет. Однозначное преимущество такого подхода в том, что алгоритм может отыскать даже те закономерности, которых не заметит человек.
Звучит здорово! И что, такую технологию уже используют?
Да! Агентство Министерства здравоохранения и социальных служб США выдало лицензии на диагностику различных глазных заболеваний с помощью ИИ нескольким компаниям.
Хотя фраза «освоить ИИ» и звучит как суперспособность из будущего, для этого совсем не обязательно иметь дома суперкомпьютер с невероятной вычислительной мощностью. Разобраться в основах машинного обучения и анализа данных можно даже на простом ноутбуке. Вот примерный план действий:
Критическое мышление — один из ключевых навыков для любого аналитика или инженера, который работает с ИИ. Важно ставить всё под сомнение, тщательно проверять любое предположение, комплексно анализировать любую задачу, чтобы понять, что в ней важно, а на что можно не обращать внимания. «Именно этот навык в первую очередь определяет успех специалиста в области данных», — считает руководитель отдела аналитики консалтингового агентства PwC.
Эффективная коммуникация — залог продуктивной работы. Стереотип о программисте как о замкнутом «ботанике», который только и умеет, что кодить, безнадёжно устарел. В работе аналитиков полно сложных технических терминов, нюансов и тонкостей, которые они должны лаконично объяснять руководству. Легко ли это сделать? Едва ли. Вот почему важно уметь ясно излагать свои мысли и объяснять даже самые замысловатые математические конструкции доступным языком.
Системное мышление важно, поскольку большинство аналитиков работают в коммерческих компаниях, им нужно мыслить наперёд, оценивать возможные риски, понимать бизнес-процессы, чтобы оптимизировать их. Также, поскольку большая часть продуктов, использующих технологии ИИ, ориентированы на потребителей, специалист должен обязательно помнить об их потребностях.