На что обращать внимание при найме исследователей ИИ

Исследователи ИИ создают алгоритмы и задают вопросы, на которые ИИ должен ответить.

Depositphotos улучшено CogWorld

Данные — новая нефть? Учитывая невероятно высокий спрос на нефть как со стороны промышленности, так и со стороны государственных организаций, а также тот факт, что нефть становится более ценной только после переработки и дает конкурентное преимущество тем, кто владеет этим сырьем в избытке, я считаю аналогию между данными и нефтью вполне оправданной. Точно так же, как нефть требует переработки, чтобы стать пригодной для использования, и подается в двигатели для работы и создания ценности, данные требуют очистки и передаются в алгоритмы для получения ценной информации и принятия решений. Однако на этом сходство между ними заканчивается.

Хотя есть только один способ использовать нефть — сжигать ее в двигателе для выработки энергии, — данные, с другой стороны, можно использовать множеством способов для самых разных целей, от выявления простых статистических тенденций до обучения сложного роботизированного ИИ для независимого взаимодействия с люди. Эффективность и инновационность приложений искусственного интеллекта, управляемых данными, зависит в основном от людей, работающих над этими приложениями, таких как исследователи искусственного интеллекта и специалисты по данным, которые сегодня являются одними из самых востребованных людей в технологическом секторе.

Принимая во внимание неглубокий глобальный кадровый резерв ИИ, поиск хороших талантов в области искусственного интеллекта может быть сложной задачей для организаций, если только они не будут на одном уровне с Google и Facebook. Прежде чем читать дальше, чтобы узнать больше о найме исследователей ИИ, обратите внимание, что, когда я говорю о талантах ИИ, я имею в виду исследователей ИИ, которые, вопреки распространенному мнению, отличаются от специалистов по данным.

В чем разница между учеными данных и исследователями ИИ?

Названия «исследователь ИИ» и «ученый по данным» часто используются взаимозаменяемо, что простительно, учитывая обширное совпадение их областей и включение машинного обучения как общей части их опыта. Несмотря на общий интерес к машинному обучению и сосредоточенность на данных, у ученых данных и исследователей искусственного интеллекта есть несколько фундаментальных отличий. Специалисты по данным — это инженеры, ориентированные на данные, которые выполняют такие задачи, как очистка данных, обработка данных с использованием алгоритмов и поиск ответов и решений соответствующих проблем посредством анализа данных. Исследователи ИИ, с другой стороны, концептуализируют и изучают новые способы использования данных, разрабатывая новые алгоритмы ИИ, то есть они создают и задают новые вопросы, на которые можно ответить с помощью ИИ.

В то время как результатом работы специалиста по данным обычно являются решения организационных проблем, созданных с помощью алгоритмов, результатом работы исследователя ИИ является совершенно новый алгоритм, программа или способность ИИ, которые позволяют использовать новые и более эффективные способы управления действиями посредством данные. В то время как основное внимание специалистов по обработке и анализу данных сосредоточено на самих данных, исследователи ИИ сосредоточены на поиске способов анализа данных инновационными способами для автоматизированного принятия решений и действий.

Проще говоря, специалисты по данным для исследователей ИИ — то же, что инженеры для ученых. Исследователи ИИ изучают новые способы и создают новые системы решения проблем, в то время как специалисты по данным настраивают и применяют эти системы в реальных сценариях. Таким образом, команда исследователей ИИ может создать систему ИИ, которая потенциально может использоваться сотнями специалистов по данным в различных ситуациях. Однако важно отметить, что функции исследователей ИИ и специалистов по данным не всегда исключают друг друга и могут различаться в разных организациях.

Например, специалист по данным для производитель автомобилей может использовать машину обучение алгоритмы для сбора и обработки данных с автомобилей, чтобы отслеживать производительность и поведение водителей, а также рекомендовать им улучшения производительности и безопасности для улучшения автомобиля. Наличие исследовательского центра с исследователями ИИ может позволить производителю автомобилей найти новаторские способы сделать автомобили автономными, такие как разработка Google Deepmind для человека.эск навигационные системы на основе сетки, которые могут управлять беспилотными транспортными средствами в будущем.

Зачем нам нужны исследователи ИИ?

Цель сбора и анализа данных, независимо от приложения, бизнеса или отрасли, — побуждать к действиям. Наука о данных и специалисты по данным позволяют анализировать данные и делать логические выводы, помогающие принимать решения, которые в конечном итоге приводят к действиям. Между тем, искусственный интеллект позволяет беспилотным системам быстро анализировать большой объем и разнообразие данных, принимать решения и действовать независимо. Таким образом, исследователи ИИ, как следует из названия, изучают новые формы технологии ИИ для создания новых приложений, которые используют данные для управления независимыми действиями. Помимо знаний в области статистики, науки о данных и программирования, исследователи ИИ также имеют опыт в передовых областях, таких как глубокое обучение, глубокие нейронные сети и обработка естественного языка. Исследователи ИИ необходимы для руководства проектами по разработке и экспериментам с ИИ, а также для расширения существующих возможностей ИИ.

Что искать в исследователях ИИ?

Хотя нет жесткого набора требований, кроме минимальной образовательной квалификации, которая должна быть удовлетворена, чтобы быть нанятым в качестве исследователя ИИ, наличие нескольких приобретенных, а также врожденных качеств помогает:

Приобретенные и врожденные качества

• Навыки программирования ИИ: Это само собой разумеется, но навыки кодирования — это данность для любого профессионала в области ИИ и науки о данных. В настоящее время лучшими языками программирования для разработки ИИ являются Python, Lisp, Prolog, R, C/C++ и Java.Из этих языков Python больше всего предпочитают как технологические компании, так и сами исследователи ИИ, возможно, из-за его простоты использования.
• Аналитическое мышление: Поскольку искусственный интеллект тесно переплетается с анализом данных, потенциальным исследователям ИИ необходимы аналитические навыки. Хорошие аналитические способности превращаются в способность

— осмыслить данные

— проверить достоверность собранных данных

— выявить связи между различными переменными и

— формировать логические выводы на основе имеющихся данных.

Эти навыки необходимы, чтобы помочь исследователям ИИ создавать функциональные алгоритмы для анализа данных для систем ИИ.

• Врожденная любознательность: Врожденная склонность задавать вопросы и способность задавать «правильные» вопросы являются ключевыми для исследователей ИИ, поскольку задавать вопросы необходимо для определения различных видов и источников данных, необходимых для анализа. Достаточное количество вопросов «почему» и «как» помогает разобрать проблемы до их корней и найти эффективные решения для самых сложных проблем.
• Креативность: Поскольку исследования в области ИИ носят инновационный и исследовательский характер, креативность является очень желательным качеством талантов в области ИИ. Креативность и латеральное мышление позволяют исследователям ИИ участвовать в гипотезах сценариев «что, если», которые могут привести к прорывам и продвижению по совершенно новым направлениям, а также могут способствовать расширению возможностей ИИ в невообразимой степени.
• Соответствующие интересы и увлечения: Исследователи искусственного интеллекта, увлечения которых совпадают с вашей отраслью, необходимы для руководства успешными проектами искусственного интеллекта, которые приносят пользу вашей организации. Например, если ваша организация работает в сфере здравоохранения, наем исследователей ИИ со страстью и знаниями об этом секторе будет гораздо полезнее, чем без них. Чем ближе интересы исследователя ИИ и отраслевой опыт совпадают с ожиданиями, тем выше эффективность ваших усилий в области ИИ.

Революция ИИ происходит и все больше набирает обороты среди организаций в различных отраслях, независимо от того, хотите вы этого или нет, и независимо от вашей готовности к этому. Точно так же, как открытие нефти привело к тому, что организации быстро перешли на процессы, работающие на нефти, изобретение ИИ привело к тому, что компании изо всех сил пытаются собрать исследователей ИИ и специалистов по данным, чтобы получить технологическое преимущество перед своими коллегами и не остаться позади. Итак, что вы будете делать в этот период быстрого революционного перехода? Будете ли вы руководить изменениями или рискуете остаться позади?