Opanuj sztuczną inteligencję bez umiejętności technicznych? Dlaczego złożone systemy wymagają zróżnicowanego uczenia się
W rzeczywistości słabości sztucznej inteligencji napędzają wszystkie pojawiające się role specjalistów z branży technologii.
Niektóre czołowe uniwersytety oferują programy rozwoju zawodowego w zakresie sztucznej inteligencji, które wydają się wymagać bardzo niewielkiego doświadczenia w programowaniu lub programowaniu. Na przykład Uniwersytet Pensylwanii oferuje 24-tygodniowy obóz szkoleniowy, w ramach którego stwierdza się, że „nie jest wymagane żadne wcześniejsze doświadczenie w programowaniu”. Aby nie dać się wyprzedzić, Massachusetts Institute of Technology oferuje 12-tygodniowy kurs, podczas którego można nauczyć się tworzyć rozwiązania AI za pomocą oprogramowania niewymagającego użycia kodu.
Czytając je, można wybaczyć myśl, że można zostać mistrzem sztucznej inteligencji przy niewielkim lub żadnym doświadczeniu w tworzeniu oprogramowania. Ale czy tak jest? Liderzy branży sugerują, że do zbudowania dobrze funkcjonującego systemu sztucznej inteligencji potrzeba jeszcze wielu elementów technicznych, ale dodają, że umiejętności ściśle techniczne to tylko część równania.
„Zdecydowanie przestrzegłbym wszystkich, aby nie myśleli, że nie muszą uczyć się podstawowych umiejętności kodowania i analizy danych tylko dlatego, że sztuczna inteligencja również może je wykonać” - mówi dr Robert Blumofe, dyrektor ds. technologii Akamai Technologies. „Jest to nie tylko niebezpieczny sposób myślenia, który może prowadzić do lekceważenia wszystkich podstawowych umiejętności, o ile można je wykonać za pomocą sztucznej inteligencji, ale nie będzie można wykonywać zadań związanych z zapewnianiem jakości treści generowanych przez sztuczną inteligencję”.
Chociaż sztuczna inteligencja pozostanie na stałe, „ona, a w szczególności duże modele językowe (LLM), ma poważne ograniczenia” - mówi Blumofe. „Przeważnie LLM nadal wymagają ludzkiego nadzoru, zrozumienia i interwencji, aby były bezpiecznie stosowane”.
„Podstawowe umiejętności techniczne, takie jak programowanie, analiza danych, zarządzanie danymi i ochrona danych, będą w dalszym ciągu niezbędne” - mówi Charman Hayes, wiceprezes wykonawczy ds. technologii, ludzi i możliwości w Mastercard. „Jednocześnie technolodzy mają obowiązek zrozumieć ewoluujący krajobraz prawny i regulacyjny wokół sztucznej inteligencji, co będzie miało kluczowe znaczenie dla zapewnienia odpowiedzialnego wykorzystania ich umiejętności technicznych”.
Być może Ethan Mollick (nawiasem mówiąc, profesor na Uniwersytecie Pensylwanii) trafnie opisuje rolę technologów, porównując sztuczną inteligencję do „postrzępionej granicy”. Na tej granicy „sztuczna inteligencja przoduje w niektórych obszarach, a ma problemy w innych, co wymaga od profesjonalistów rozeznania, kiedy kompensować jej słabości” - mówi Cal Al-Dhubaib, dyrektor generalny Pandata.
Chociaż kodowanie wspomagane sztuczną inteligencją cieszy się coraz większą popularnością, „nie widzę, aby miało to odbierać programistom pracę netto” - mówi Al-Dhubaib. „Jednak znacznie skraca czas tworzenia kodu i przeprowadzania analizy danych. „Przewiduję, że programiści spędzają więcej czasu na strategii i koordynowaniu złożonych systemów, oczekując, że wykonają pracę o większej wartości”.
Mimo to kursy na wysokim poziomie, takie jak te oferowane przez uniwersytety, mogą pomóc profesjonalistom z branży technologicznej lepiej zrozumieć głębokość wpływu sztucznej inteligencji na ich firmy. „Nie ograniczaj się tylko do głębokiego uczenia się” - radzi Blumofe. „Zbadaj pełny zakres sztucznej inteligencji i podstawowej technologii, która ją wspiera”.
„Zamiast skupiać się tylko na jednym zestawie umiejętności, które mogą szybko stać się przestarzałe, technolodzy powinni często angażować się w ukierunkowane obozy szkoleniowe i certyfikaty, które pozwolą im rozwijać umiejętności zgodnie z potrzebami rynku” - mówi Hayes. „Pracodawcy powinni inwestować w krótkie uczenie się w czasie rzeczywistym, które pracownicy mogą realizować w pracy, aby stale podnosić kwalifikacje w skompresowanej ilości czasu. Na przykład wewnętrzna sieć możliwości Mastercard Unlocked pomaga łączyć pracowników z projektami, stanowiskami, mentoringiem i wolontariatem programy rozwijające nowe umiejętności i zyskujące kontakt z szerszą organizacją.”
Blumofe sugeruje, że LLM jako składnik sztucznej inteligencji mogą mieć ograniczony okres przydatności do spożycia. „LLM są niesamowite i bardzo dobre w niektórych zadaniach, ale mają też poważne ograniczenia, które, jak sądzę, staną się coraz bardziej widoczne, w miarę jak ludzie będą zdobywać większe doświadczenie w ich używaniu” - przewiduje. „Nie sądzę, że następną wielką rzeczą w sztucznej inteligencji będzie większe LLM. Będzie raczej coś nowego, co albo zastąpi LLM, albo sprowadzi je do węższej roli. Jeśli masz podstawową wiedzę, jak to wszystko działa, możesz będzie gotowy na wszystko, co nadejdzie.”
Jak zawsze w przypadku wielu złożonych systemów, „świat sztucznej inteligencji i uczenia maszynowego nękają niezamierzone konsekwencje” - mówi Al-Dhubaib. „Wiele kontrowersyjnych przypadków omawianych w wiadomościach wynika z łamania sztucznej inteligencji w dziwny sposób, niezamierzony przez twórców. W miarę jak rozwiązania sztucznej inteligencji stają się coraz bardziej wyrafinowane, a dane, z których korzystamy, stają się coraz bardziej złożone, istnieje więcej sposobów na złamanie tych modeli Jeśli chodzi o talenty, potrzeba nadzorowania i walidacji bezpieczeństwa i skuteczności rozwiązań AI będzie coraz bardziej istotna”.
„Sztuczna inteligencja nie tylko tworzy miejsca pracy dla analityków danych; zasila zupełnie nowy ekosystem z własnym zestawem potrzeb i możliwości” - mówi Hayes. „Na przykład w miarę jak generatywna sztuczna inteligencja przejmuje rolę „syntetyzatora” informacji, niektóre wymagania stanowiskowe mogą się zmienić i będzie więcej czasu na pracę strategiczną i konsultacyjną. Niektóre nowe stanowiska mogą skupiać się na nadzorze (np. menedżer chatbota), ponieważ a także interpretacja i weryfikacja w celu zapewnienia dokładności i użyteczności wyników. Inne stanowiska mogłyby zoptymalizować nakłady firmy. Zapotrzebowanie na tych „szybkich inżynierów” będzie prawdopodobnie nadal rosło.”
Przykłady stanowisk w Mastercard, które integrują i maksymalizują. potencjał sztucznej inteligencji obejmuje role w obszarach „zarządzania sztuczną inteligencją i strategii sztucznej inteligencji, a także zarządzania produktami AI i inżynierii” - relacjonuje Hayes. „Inne zawody, które naszym zdaniem ewoluują w kierunku bardziej produktywnym i skutecznym, to programiści i marketerzy”.
Według Blumofe na pewne wiecznie przydatne umiejętności będzie nadal zapotrzebowanie w dającej się przewidzieć przyszłości. Takie umiejętności obejmują „algorytmy sztucznej inteligencji, matematykę dyskretną, prawdopodobieństwo i statystykę. Jeśli będziesz się tego uczyć, twoje umiejętności i wiedza będą nadal poszukiwane, bez względu na to, jakie nowe technologie pojawią się w przyszłości”.
„Nie mogę też wystarczająco podkreślić, jak ważne są umiejętności miękkie, aby odnieść sukces w karierze technologicznej” - dodaje. „Komunikacja, krytyczne myślenie i współpraca to umiejętności wyłącznie ludzkie, których nie można odtworzyć za pomocą narzędzi sztucznej inteligencji”.