Незабаром вакансії для AI можуть виглядати так. Ви готові?

Незабаром вакансії для AI можуть виглядати так. Ви готові?

Розшукується: Людина-помічник із штучного інтелекту

Ми шукаємо кандидатів для людей молодшого та середнього рівня, щоб вони працювали асистентами з питань обробки даних нашого відомчого штучного інтелекту (ШІ), відповідального за аналіз даних. Обов'язки включають перегляд, інтерпретацію та надання зворотного зв'язку про результати аналітики для ШІ та написання зведених звітів про результати ШІ для спілкування людей. Потрібна здатність взаємодіяти з постачальниками та персоналом інформаційних технологій для забезпечення апаратної підтримки ШІ. Досвід співпраці з комп’ютерним персоналом плюс. Повинні мати хороші навички взаємодії людина-комп’ютер. Переважним є офіційне навчання етичному поводженню з комп’ютерами та оцінка справедливості та упередженості результатів, створених комп’ютером.

Вище викладене оголошення про роботу з майбутнього - але не так далеко. Це вказує на те, куди ми йдемо, і де ми можемо опинитися, можливо, навіть через п’ять років, якщо ми виділимо ресурси та рішення для проведення необхідних досліджень. Але наше недавнє минуле показало нам, що ми можемо розробити тип машин, які незабаром відкриють нове поле прибуткових і повноцінних робіт.

Побачте, протягом останнього десятиліття швидко розвивалася нова дисципліна інформатики, яка називається автоматизованим машинним навчанням, або AutoML. AutoML органічно виріс у відповідь на численні проблеми застосування машинного навчання для аналізу великих даних з метою прогнозування результатів для здоров'я, економічних тенденцій, несправностей пристроїв та будь-якої кількості речей у широкому полі, які найкраще обслуговуються в швидкому режимі. і можна проаналізувати вичерпні дані.

Для безперервного машинного навчання потрібно працювати безліч варіантів, починаючи від оптимального методу для даних, що аналізуються, і параметрів, які слід вибрати в ньому. Для перспективи існує десятки популярних методів машинного навчання, кожен з тисячами або мільйонами можливих налаштувань. Пробиратися через ці варіанти може бути страшним як для нових користувачів, так і для експертів.

Тоді обіцянка AutoML полягає в тому, що комп'ютер може автоматично знаходити оптимальний підхід, значно знижуючи бар'єр входу.

Незабаром вакансії для AI можуть виглядати так. Ви готові?

Тож як ми потрапимо до AutoML та до оголошення про роботу вище? Є кілька перешкод.

Перший - наполегливість. Штучний інтелект (ШІ) для AutoML повинен мати можливість безперервного та безперервного аналізу даних. Це означає, що ШІ AutoML потрібно жити в надійному, надлишковому та надійному обчислювальному середовищі. Цього, швидше за все, можна досягти за допомогою доступних на даний момент хмарних обчислювальних платформ. Ключовим моментом є модифікація програмного забезпечення на постійну роботу.

Друга перешкода - це пам’ять і навчання. ШІ AutoML повинен мати пам’ять про всі аналізи машинного навчання, які він виконував, і вчитися на цьому досвіді. PennAI, який ми з колегами розробили, є прикладом інструменту з відкритим кодом AutoML, який має і те, і інше. Важливим буде надання AutoML можливості вчитися на невдачах. Усі його поточні інструменти вчаться на успіхах, але люди вчаться більше на невдачах, аніж на успіху. Вбудовування цієї здатності в AI AutoML може бути досить складним, але необхідним.

Третя перешкода - це пояснюваність. Силою людської науки про дані є наша здатність запитувати одне одного, чому. Чому ви обрали саме цей алгоритм? Чому ви віддали перевагу одному результату перед іншим? Поточні інструменти AutoML ще не дозволяють користувачеві запитувати.

Кінцевою перешкодою є взаємодія людини з комп’ютером (HCI). Який оптимальний спосіб взаємодії людини з ШІ за допомогою аналізу даних? Який найкращий спосіб для людини дати зворотний зв'язок з ШІ або надати йому знання? Незважаючи на те, що ми досягли значного прогресу в загальному просторі HCI, наші знання про те, як взаємодіяти з AI, залишаються в зародковому стані.

Цілком можливо, що протягом найближчих кількох років можна створити ШІ для AutoML, який буде стійким і може бачити досвід, пояснювати рішення, які він приймає, а також результати, які він створює, безперешкодно взаємодіяти з людьми та ефективно включати та використовувати експерта знання, оскільки воно намагається вирішити проблему науки про дані. Це всі активні сфери розслідування, і прогрес залежатиме здебільшого від цілеспрямованих зусиль, щоб об’єднати ці частини.

Все сказане, автоматизовані та стійкі системи ШІ знайдуть своє місце найближчим часом, як тільки ми докладемо спільних зусиль для ретельного дослідження. Ми повинні розпочати підготовку нашої людської робочої сили до цієї реальності. Нам знадобляться професійні програми, щоб навчити людей взаємодіяти з постійним агентом ШІ, приблизно так само, як у нас є програми для навчання інших, які працюють зі спеціальним обладнанням та інтерпретують його, наприклад, техніків швидкої допомоги. Крім того, нам доведеться змінити освітню культуру на додаток до цього навчання, оскільки нам потрібно буде інтегрувати взаємодію зі ШІ у курси, що охоплюють комунікацію, етику, психологію та соціологію.

Ця технологія дуже доступна. Коли ми його досягнемо, у нас з’явиться нове, широке поле для працівників. Незабаром настане час написати посадову інструкцію, але лише коли ми з’ясуємо деякі найважливіші проблеми.

Читати далі

8K дисплеї можуть бути готові цього року, але вміст може зайняти до 2025 року
8K дисплеї можуть бути готові цього року, але вміст може зайняти до 2025 року

8 КБ панелі можуть надходити, як тільки цього року (за надзвичайних цін), але 8 КБ? Це може бути через сім років - або навіть більше. Це певною мірою залежить і як ви визначаєте "вміст".

Perroone Robotics: ми виготовимо автомобілі, вакууми, гірничодобувні самоскиди
Perroone Robotics: ми виготовимо автомобілі, вакууми, гірничодобувні самоскиди

Пристрій відсутності при старті PRI отримує масштабовані автономні платформи. Навіть Малина Пі досить для простої автономії. Навчання лабораторії зі шкіри може змінити наше уявлення про автономні пристрої.

Місто в штаті Нью-Йорк видає тимчасову заборону на виготовлення біткойн
Місто в штаті Нью-Йорк видає тимчасову заборону на виготовлення біткойн

Шахтарі стікалися в маленьке місто в штаті Нью-Йорк, але зараз місцеве самоврядування гальмує гальмо.

MIT виготовляє самохідний автомобіль для автомобільних дорожніх покриттів
MIT виготовляє самохідний автомобіль для автомобільних дорожніх покриттів

Лідара та смарт-програмне забезпечення говорять, де закінчується невизначений дорожній край та починається канава. До цих пір команда MIT може побачити і переміщатись дорогою, що ніколи не проходила подорож на відстані 100 футів. Гірські дороги залишаються викликом.