Компаниям нужны профессионалы, обладающие знаниями в конкретной области, дополненными навыками искусственного интеллекта.

Многие профессионалы и студенты хотят окунуться в мир ИИ. Но вместо того, чтобы отказываться от своей нынешней карьеры, чтобы стать специалистом по обработке данных или инженером по машинному обучению, подумайте о развитии навыков искусственного интеллекта, чтобы дополнить имеющийся у вас опыт в предметной области.

Компании ищут AI + X.

Сотрудники с навыками искусственного интеллекта сейчас очень востребованы. Но можете ли вы представить, насколько труднее работодателям найти кого-то, кто разбирается в ИИ и геномике, ИИ и физике или ИИ и психологии? Назовем эти зарождающиеся карьеры «AI + X».

Компании вкладывают миллионы, чтобы нанять специалистов AI + X и обучить своих профильных экспертов искусственному интеллекту. Ученые, инженеры и аналитики из различных дисциплин обладают сильными вычислительными способностями и способностями к программированию, которые позволяют им быстро овладеть основами ИИ: машинным обучением, наукой о данных и / или навыками разработки программного обеспечения. Те, кто сочетает основы искусственного интеллекта с собственными знаниями в области, будут хорошо оснащены, чтобы стать лидерами во многих отраслях.

Благодаря Workera и DeepLearning.AI мне посчастливилось встретиться и поработать с лидерами ИИ из компаний из списка Fortune 500. Я узнал, что большинство компаний ищут людей с двойной компетенцией, включая эти недавние списки:

Специалисты AI + X могут сразу же приступить к работе, позволяя компаниям быстрее осваивать новые возможности для бизнеса. Обучение биотехнологического инженера искусственному интеллекту может занять месяцы, но обучение специалиста по искусственному интеллекту пониманию биотехнологий может занять годы, прежде чем он станет ощутимым. Специалист в предметной области, который обладает навыками искусственного интеллекта или может развить их, - гораздо более выгодное вложение.

Решение реальных проблем с помощью ИИ требует специальных знаний.

Как профессионал AI + X, вы обладаете уникальной квалификацией для создания моделей для конкретных приложений, даже если вы не являетесь экспертом в области искусственного интеллекта. Вы понимаете историческое и техническое обоснование различных решений, но также помните об ограничениях машинного обучения. Эксперты по искусственному интеллекту помогут вам сделать эти модели доступными для более широкой аудитории.

В медицине, если бы вы построили модель, чтобы определить, нужна ли пациенту операция по поводу рака с высоким риском, точность модели может составить 95%. Как специалист по анализу данных, вы не можете сказать, хорошее это число или плохое. Но если вы также разбираетесь в онкологии, вы поймете последствия 5% ложноположительного / отрицательного результата для пациентов, а также проблемы, с которыми сталкивается больница или врач, назначающий ненужные операции. Вы бы знали, какие показатели и результаты приемлемы, а где модель требует дальнейшей оптимизации. Этот нюанс является важной частью создания и развертывания успешных моделей искусственного интеллекта и инстинкта, который можно настроить только с помощью специальных знаний в данной области.

В Стэнфордском университете мы с Эндрю Нг уже наблюдаем желание получить набор инструментов искусственного интеллекта, дополняющий существующие знания. В нашем классе глубокого обучения (CS230) студенты изучают теоретические методы, а также работают над проектом под практическим наставничеством со стороны преподавателей и отраслевых партнеров. Две трети наших студентов получают образование за пределами факультета информатики - от химической инженерии до астрофизики и права. Фактически, студенты, не обучающиеся в области компьютерных наук, успевают наравне и часто лучше, чем студенты, получающие степень в области информатики, при условии, что они обладают достаточным опытом в области базовых навыков. Многие из них получают награды за проекты, а некоторые даже опубликовали свои результаты в ведущих отраслевых журналах. Несколько ярких примеров:

  • Тайлер Квилл, Шайта Рой и Яаков Тухман из Департамента материаловедения и инженерии предсказали точку плавления и вязкость ионных жидкостей на основе химических структур анионов и катионов.
  • Лили Бюхлер из Департамента машиностроения разработала структуру глубокого обучения для аппроксимации результатов моделирования потока мощности и оценки производительности для различных характеристик электросети.
  • Вероника Пэн из информатики, Си Ю из отдела биоинженерии и Вэньси Чжао из отдела гражданской и экологической инженерии использовали глубокое обучение для классификации жестов дайверов при общении с автономным роботом-компаньоном в опасной подводной среде.

Наш преподавательский состав попытался понять, почему студенты, не изучающие компьютерные науки, были настолько эффективны в реализации высококачественных проектов ИИ, и нашел три основные причины:

  • Предметная экспертиза. Это позволяет учащимся, не имеющим квалификации, понимать свои данные и быстро интерпретировать результаты. Чтобы представить себе, насколько это важно, представьте, что человек, не говорящий на хинди, пытается создать синтезатор речи на хинди. Это практически невозможно. Но Динеш Чаудхари сделал это за 10 недель, потому что он носитель языка.
  • Доступ к данным. Они имеют более быстрый доступ к данным по конкретным приложениям, чем студенты CS, через свою сеть. Студенты со сторонних факультетов получают из своих лабораторий невероятные наборы данных, которые можно использовать для обучения моделей искусственного интеллекта. Точно так же в профессиональном мире, если вы инженер-строитель в нефтегазовой компании, вы можете оказать влияние в этой области, чего никогда не смог бы сделать инженер по машинному обучению в технической фирме.
  • Время и страсть. Эти студенты склонны тратить больше времени на свои проекты, потому что это не просто новый подход к их области выбора и зачастую новаторские исследования, а потому, что им нравится то, что они делают.

Получив надлежащее обучение, профильные эксперты могут эффективно решать реальные проблемы с использованием ИИ в течение нескольких месяцев. В бизнес-контексте это может быть то, что позволяет компании определять тенденцию в своих данных до того, как исчерпается капитал или раньше, чем у более медленных конкурентов.

Выводы по AI + X

Развивая свои навыки искусственного интеллекта для поддержки своих знаний в предметной области, вы сможете:

  • Определите, когда проблема подходит для решения AI.
  • Решайте реальные проблемы с помощью ИИ.
  • Получите преимущество на рынке труда.
  • Продолжайте заниматься любимым делом, изучая новые технологии.

Если вы ищете вдохновения и соавторов для проекта AI + X, этот список проектов глубокого обучения и Workera Slack group - хорошее место для начала. Если вы хотите увидеть, как складываются ваши возможности искусственного интеллекта, пройдите тесты Workera, вы можете быть удивлены тем, сколько вы уже знаете.

Ожидается, что рынок программного обеспечения для искусственного интеллекта принесет 126 миллиардов долларов дополнительной выручки в течение следующих 5 лет. AI + X станет крупнейшим драйвером этого взрывного роста. Будете ли вы частью изменений? :-)