Реже специалистов по нейросетям ищут в госсекторе, строительстве, логистике, здравоохранении и тяжелом машиностроении – по 1% вакансий. Специалист по нейронным сетям: подробный обзор профессии Профессия нейротехнолог – как стать, где обучиться, востребованность.
В России вырос спрос на специалистов в области ИИ в три раза
Мы начали делать эксперименты, и со временем результаты этих экспериментов стали по качеству своему сопоставимы с результатами живых дизайнеров, то, что графика начинала выглядеть непредсказуемо свежо. И дальше случилось так, как должно было случиться, - родился Николай Иронов. Гребенников: Сергей, а вот после того, как появился проект Николай Иронов, количество дизайнеров у вас в студии стало больше или меньше? Кулинкович: Сложно сказать. Скорее, не изменилось. Как вы ранее говорили, что количество дизайнеров не меняется, но меняется суть их работы.
То есть у нас помимо дизайнеров появились еще люди, которые обслуживают мозги Николая Иронова. Ну как обслуживают? Развивают и разрабатывают новые технологии, и в том числе дизайнеры, которые режиссируют эти технологии. То есть здесь главная дизайн-задача раньше была в том, чтобы создать непосредственно конечный объект дизайна, а сейчас она плавно трансформировалась в то, чтобы создать ту систему, способную масштабировано производить большое количество экземпляров арт-дизайна. Но дизайн-задачи остались теми же, просто они немного трансформировались, и плечо получается больше.
То есть объем дизайнеров тот же, но эффективность их несопоставимо больше, потому что это масштабируется. Коротнева: Я правильно понимаю, что дизайнер, человек, выполняет творческую функцию, придумывает общий концепт, а уже Николай Иронов, ваш проект, он это все масштабирует и просто пропечатывает в огромном количестве? Или это не совсем так работает? То есть дизайнер — это мозги и творчество, а нейросеть — это условно руки, руки и механизмы? Кулинкович: Все сложно.
Давайте обрисую, в целом, систему. Николай Иронов для начала — это не одна нейросеть, это большое количество разных алгоритмов, наборов алгоритмов, которые работают в ансамбле между собой. Собственно, рождение Николая Иронова — это не рождение какой-то одной технологии генеративного дизайна. Это рождение правильно срежиссированной комбинации технологий. И с момента рождения Николая, когда мы всем рассказали о том, что он существует, о том, что он выполняет дизайн задачи, его мозги пересобрались уже очень-очень много раз.
И вот они сейчас снова в одном шаге от того, чтобы пересобраться с использование новых технологий, которые появились на рынке. Соответственно, дизайнеры, которые занимаются этим проектом, их задача заключается в том, чтобы правильные технологии объединить в правильный пайплайн — последовательность действий, когда результат одного алгоритма правильно передается правильный результат другому алгоритму, и вот так вот по этому конвейеру получается какой-то новый результат. Соответственно, дизайнеры Иронова проектируют примерный диапазон, изобразительный диапазон, учат его новым стилям, подключают к нему новые шрифты и так далее. И вот здесь мы упираемся в то, что задача дизайнера, она на самом деле и раньше была такой — применить какое-то изобразительное решение в правильный контекст. Потому что поставщиками потребностей всегда были и будут люди.
Соответственно, принять правильное решение, какой из десятков и даже сотен вариантов подходит лучше всего, - это была, есть и будет истинная работа дизайнера, потому что дизайн делается людьми, для людей. А сейчас, с появлением роботов, просто у нас появляется некоторая компонента, которая называется искусственным интеллектом, которая позволяет: а делать это масштабировано, то есть в больших масштабах, вместо трех вариантов логотипа выбирать из тысячи, б позволяет это делать непредсказуемо. Собственно, в этот все отличие от того, что сейчас называется искусственным интеллектом от алгоритмических каких-то результатов, в том, что мы часто получаем не вполне предсказуемый результат, и это очень похоже на то, как работает человек. Собственно, вот и вся разница. Но корневая суть работы дизайнера — она не поменялась.
Это было и есть подбор правильного варианта в правильные контексты. Гребенников: То есть определяет. Что красиво, сегодня дизайнер все еще, а не искусственный интеллект? Кулинкович: Да, но… У нас, например, есть отдельные технологии внутри Иронова, которые позволяют отбросить совсем плохие варианты. То есть такой примитивный арт-директор, скажем так.
И он помогает не выгружать на конечного пользователя весь массив данных, которые слишком шероховатые, слишком смелые, а как бы делать такой скоринг дизайн-решений, чтобы финальное решение было в каком-то более-менее приличном диапазоне. Поэтому мы все равно используем эти технологии, даже чтобы отсортировать какой-то большой массив выдачи, но финальное решение, конечно, принимает человек. Гребенников: А как вообще происходит постановка технического задания искусственному интеллекту? Предположим, я — маленькая пекарня во Владимирской области. Я приходу в вашу студию и говорю: «Хочу себе классный логотип, чтобы ко мне приходило не 2 000 человек в месяц, а 15 000 человек.
Я считаю, что вся проблема моя в логотипе». Я говорю: «Хочу такой логотип, чтобы там был колосочек, хлебушек и круассанчик обязательно». Вы же куда-то это загружаете. Как происходит процесс формирования технического задания? И потом как искусственный интеллект осознает, что мне нужно как конечному клиенту?
Кулинкович: Начнем с того, что если вы предъявите задание живым людям, живым дизайнерам, то, скорее всего, если они будут достаточно с вами честны, то они скажут, что изменение логотипа не увеличит вашу выручку в 10 раз. Это первый момент. То есть если у вас была пекарня с плохим логотипом, а потом появляется некоторый бренд с хорошим логотипом, то едва ли это напрямую окажет влияние на ваши продажи. Косвенно, возможно, при правильном стечении обстоятельств, правильно посеве, да. Но, скорее всего, это не является критерием хорошего логотипа.
Второй момент заключается в том, что, если мы посмотрим на логотип пекарен и других каких-то бизнесов, связанных с хлебобулочными изделиями, там не всегда фигурируют колоски, не всегда фигурируют круассаны. А иногда это некий образ, визуальна интерпретация образа бизнеса, которая этим дизайнером и сделана. Соответственно, когда вы приходите в брендинговое агентство, где сидят живые люди, и они получают этот бриф, что еще происходит? Они его творчески интерпретируют. Они смотрят, как выглядят булочные в этом городе, в округе, пытаются придумать что-то контрастное, что-то отличное от тех ребят, которые на той же улице торгуют круассанами.
И, соответственно, они приходят с некоторыми дизайн-гипотезами, что кто-то решил, что это будет какой-то крестик красивый, в котором угадывается что-то такое. Кто-то решил пойти через концепцию семейности, семейного кафе, и вообще нарисовал сердечко, потому что вот «Приходите к нам. Мы вас любим». И все такое. А кто-то прошел напролом и начал рисовать конкретно круассан, фотореалистично и так далее.
И эти все подходы имеют право на жизнь, и в равнозначной степени вы можете получить такие варианты от живых людей. В случае с Ироновым человек, без участия людей, он заполняет бриф, описывает свою компанию. Дальше у нас отдельная система, нейросеть, она интерпретирует бриф, то есть она из текста брифа достает некоторые образы, которые могут подходить под визуальное представление этой компании, как она может быть представлена в виде какого-то емкого символа либо знака. И дальше это по такой цепочке передается, появляются эти визуализации этих образов, они обогащаются разными шрифтовыми комбинациями, дальше подключаются отдельные алгоритмы, которые подбирают цветовые сочетания комплиментарные. В общем, там сложная-сложная штука.
Но по факту это точно то же самое, что происходит при работе с живым человеком. То есть интерпретируется некоторый текстовый ввод, так же как к вам приходит человек и что-то говорит, и вы как-то это трансформируете. Мы все эти шаги условно творческих мытарств алгоритмизировали, перевели в какие-то отдельные процессы? И клиент на выходе получает опыт, очень сопоставимый с опытом общения с живым дизайнером. Только наш дизайнер не капризничает, не болеет.
Коротнева: Не уходит в отпуск. Кулинкович Да, да, да. Гребенников: Скажите, а стоимость разработки логотипа… Логотип, предположим, я пришел за логотипом, искусственным интеллектом и обычным дизайнером в студии Артемия Лебедева отличается? Есть какой-то прайс на искусственный интеллект и обычного дизайнера? Кулинкович: Да, конечно, отличается.
Когда вы приходите лично в брендинговое агентство или дизайн-студию, помимо непосредственного конечного дизайнера, который сидит и визуализирует ваш логотип, в это вовлечено очень много людей на самом деле. Это юристы, которые помогают составлять договор; менеджеры, которые позволяют клиенту и дизайнеру услышать друг друга, перевести с одного языка на другой, и много-много всего. Соответственно, когда вы работаете с живыми людьми, чаще всего дизайн — это операционный процесс, где клиент хочет, чтобы его услышали и некоторое врем поиграли с ним вот в эту игру «Согласование видения», да? Это все умножается на стоимость часов специалиста. И разные компании, конечно, по-разному, диапазон очень большой, но он может доходить до очень больших сумм.
То есть если вы просто придете в большую дизайн-компанию, то разработка логотипа с нуля, где вас будут слышать, слушать долго и до победного, она может быть супердорогой, неподъемно дорогой для малого и среднего бизнеса. Поэтому Иронов и другие генеративные технологии — это не просто про скорость, это про такую демократизацию дизайна, что если у вас не слишком много денег для того, чтобы играть во все эти чаепития и подписания договоров дорогостоящее, то вы можете пойти и получить из коробки сопоставимый по качеству результат. Просто процесс будет происходить несколько иначе. Вам нужно будет принять, что ваши какие-то правки и пожелания интерпретируются не прямым методом, а косвенным, в результате работы некоторых алгоритмов. Там могут быть шероховатости, а могут быть, наоборот, источники классных открытий в результате этого.
Гребенников: Вот вы говорите про открытия. А бывало так, что пришли две разные компании, диапазон полгода-год, и искусственный интеллект выдал одинаковый логотип на совершенно разные задачи, которые перед вами ставили? Такое происходит и с живыми людьми, то есть можно увидеть очень много примеров того, как дизайнеры думают похоже, скажем так. Гребенников: Назовем это так, хорошо. Кулинкович: Ну да.
Просто на самом деле очень часто, когда у вас большой объем работы, вы сделали 1 000 логотипов, наивно полагать, что в мире все ваши логотипы абсолютно аутентичны, потому что каждый день в мире сотни и тысячи дизайнеров генерят новые логотипы, а набор примитивов, из которых логотипная графика состоит, он довольно ограничен, потому что есть базовые формы: треугольник, прямоугольник, квадрат и так далее, которые так или иначе комбинируются. Если мы говорим условно, что даже у стран, которых ограниченное количество, есть очень похожие флаги, которые можно часто путать друг с другом, что уж говорить про логотипы, которых сотни тысяч генерируется каждый год. Соответственно, мы видим, что действительно могут появляться одинаковые работы, как у живых людей, так и нейросеть может генерировать одинаковые работы, и мы в этом не видим проблемы, потому что это было долгое время ранее. Если где-то в Сингапуре еще существует похожая птицефабрика с таким же крестиком, таким же цветом и с таким же соотношением сторон исполнен, то едва ли эти бизнесы будут друг друга локтями толкать. Поэтому мы на это смотрим совершенно нормально компенсируем это объемом, то есть проблема плагиата существенна, когда у вас стоимость каждой итерации очень большая, а дизайнер уходит на следующую итерацию, неделю молчит, пыхтит и так далее.
Но когда вы можете еще одним щелчком сгенерировать еще 100 альтернатив, то, в целом, это перестает быть проблемой.
Системы искусственного интеллекта можно обучить выполнению бухгалтерских задач, таких как ввод данных и сверка счетов. Этот тип работы часто требует высокой степени точности и внимания к деталям, которые могут быть выполнены более эффективно с помощью ИИ. Midjourney Производственные рабочие. Системы искусственного интеллекта можно использовать для автоматизации производственных задач, таких как работа на сборочном конвейере. Этот тип работы часто включает в себя повторяющиеся задачи, которые могут быть выполнены более эффективно и точно с помощью ИИ, что снижает потребность в людях.
Технические писатели. Искусственный интеллект угрожает профессии технического писателя, потому что многие задачи, связанные с написанием технических документов, инструкций и справочных материалов, могут быть автоматизированы с помощью ИИ. Искусственный интеллект может анализировать большое количество данных и формировать документы быстрее и точнее, чем человек. Это значит, что в будущем технические писатели могут столкнуться с уменьшением спроса на свои услуги. Специалисты по вводу данных. Ввод данных — это рутинная и трудоемкая задача, которую можно автоматизировать с помощью систем ИИ.
Такой тип работы предполагает ввод больших объемов данных в компьютерную систему. Эта работа может быть выполнена намного быстрее и точнее с помощью ИИ. Специалисты по телемаркетингу.
Обвязку к этому движку обычно делают на Python. Но на них сейчас нейросети почти не пишут, кроме низкоуровневых сетей для устройств.
Знания Python достаточно, чтобы писать крутые вещи. Есть библиотеки, позволяющие упростить процесс разработки. Крутые обертки и сборники моделей — одна из причин, почему сейчас стало популярно разрабатывать нейросети. Например, проект Hugging Face — это платформа для разработки и использования моделей и приложений на основе искусственного интеллекта, особенно в области обработки естественного языка Natural Language Processing. Интерфейсы моделей отвязаны от математики, это простые и конкретные инструкции, что именно сделать, чтоб получить результат.
А вот при использовании фреймворков PyTorch, Jax и TensorFlow для работы с данными и машинного обучения придется плотнее взаимодействовать с математикой. Как попасть в индустрию Нейросетями можно заниматься как прикладной технологией в коммерческой разработке, так и использовать их в качестве инструмента для исследований в научных лабораториях. В 2016 году, чтобы попасть в лабораторию, занимающуюся нейросетями, ничего особенного знать и уметь не требовалось. Сейчас порог входа в исследовательские лаборатории, где применяют эту технологию, увеличился. Нужно соответствовать высоким требованиям: знать математику, хорошо кодить, иметь научные публикации.
Такой уровень экспертизы есть у небольшой части людей. Вакансий публикуется больше не в области исследований, а в прикладных проектах. Прикладными проектами может заниматься обычный разработчик. Для этого нужно уметь кодить, решать задачи и использовать системный подход. Нужно учиться делать базовые вещи максимально аккуратно.
А все остальное получится в свое время. Самое тяжелое умение — на грани hard skills и soft skills — понимать, что делаешь. Подвох в том, что данные могут лежать в каком угодно виде, и надо уметь грамотно их обрабатывать. Если есть десятки CSV, которые ссылаются друг на друга, нужно правильно соединить их между собой по ключам и в процессе ничего не потерять и не приобрести. Это сложная задача для людей, которые хотят создавать искусственный интеллект.
Чтобы стать разработчиком нейросетей, должен быть искренний, неиссякаемый интерес к этому. Желательно иметь в голове образ результата, абстрактное желание заниматься нейросетями ни к чему не приведет. Сильная образовательная база не так важна, как любознательность и усидчивость. Однако, если в вузе вы хорошо изучили математику и алгоритмы, ваш инструментарий будет богаче. Многие задачи, которые встречаются в моей работе сейчас, я научился решать еще в университете.
Помимо математических знаний и опыта разработки, здорово обладать профильной экспертизой — это помогает быстрее находить очевидные глупости и лучше понимать ценность решения. Нейросеть — это лишь инструмент, которым можно овладеть за короткий срок, а профильный опыт накапливается довольно долго. Выбирайте сферу, в которой у вас есть такой опыт. Например, если умеете работать с микроконтроллерами, портировать какие-то штуки на железки, то идите специалистом по нейросетям в промышленность. А если хорошо знаете банковскую сферу, ее риски и ограничения, то в банк.
Определитесь, к какому результату стремитесь именно вы. Можно копать в сторону определенного класса задач и пройти специализированные курсы: По компьютерному зрению — например, Стэнфордский курс CS231n: Convolutional Neural Networks for Visual Recognition По обработке текстов на естественном языке NLP По графовым нейронным сетям. Эти курсы дадут хорошее представление о том, как все работает и что можно делать с помощью нейросетей. А параллельно с обучением стоит искать работу: лучше всего учится и запоминается то, что совпадает с рабочими обязанностями. Я точно не знаю, как сейчас выглядит рынок ML-вакансий в России.
Но те, что есть, в основном не для джуниоров. Все ищут сеньоров, и это очень плохо — отсутствует преемственность поколений.
Специалист считает, что данная разработка может найти широкое применение сразу в нескольких сферах. Одна из них - программирование. Чат-бот ChatGPT и его аналоги научились писать код быстро и качественно, поэтому вероятно, что скоро работодатели предпочтут использовать нейросеть для решения рутинных задач, отметил Губанов.
Также чат-бот сейчас обучают вести школьные занятия.
Треть российских соискателей полагает, что их профессию могут заменить нейросети
К такой мере уже готовы 12 процентов респондентов, а 16 процентов ответили, что, скорее всего, не смогут обойтись без этой меры. Сыграйте в любимую игру прямо на Ленте. И сделали!
Применение искусственного интеллекта в работе электротехнологов зависит от конкретного сегмента деятельности: так, в энергосистемах ИИ прогнозирует потребление, диагностирует неисправности, оптимизирует производство и распределение энергии. Требования к образовательному уровню в этой области высокие: специалист должен закончить бакалавриат или магистратуру по специальности 13. Средняя месячная зарплата — 130—150 тыс. Внедрением и эксплуатацией актуальных информационных технологий занимаются специалисты по цифровой трансформации — профессионалы, использующие возможности цифровизации для повышения эффективности бизнеса. Их цель не просто ввести в повседневную практику новые методики и инструменты, но и изменить корпоративную культуру. Одно из самых перспективных направлений цифровой трансформации — переход функциональных обязанностей персонала к ИИ: сегодня чат-бот общается с клиентами ничуть не хуже человека-консультанта, а завтра область принятия решений в бизнесе, вполне возможно, будет отдана нейросетям. Поскольку цифровая трансформация охватывает все сферы экономики, специалисты по ней весьма востребованы: зарплаты начинаются со 120 тыс. В упоминавшемся в начале отчете Всемирного экономического форума названы и профессии, которым грозит стремительное сокращение рабочих мест.
К ним относятся банковские клерки, кассиры, секретари, сотрудники почты, бухгалтера и страховые служащие.
Как использовать новые технологии Чтобы не поддаваться популистским уверениям, что роботы и нейросети отберут хлеб у трудящихся, и адаптироваться к новым технологиям, полезно в рамках своей профессии определить: какие задачи по-прежнему в силах решать только человек; какую часть работы передать ИИ; где продуктивно сотрудничество человека и машины. На удаленке у креативных специалистов не всегда есть возможность «разогнать» свои идеи с коллегами. А нейросеть помогает быстро проверить гипотезы, описать механику работы какого-то процесса, сравнить сложные данные. Виталий Микрюков, директор по маркетингу глобальной команды ИКРЫ уже несколько месяцев использует инструменты ИИ для решения задач, связанных с маркетингом, стратегией и продажами. Он уверен, что настоящее и особенно будущее полно ИИ-контента, который будет становиться только лучше. Контента будет много, но потреблять его продолжим мы с вами. А теплые человеческие коммуникации станут настолько востребованными, что появится контент-лейбл «создано людьми для людей». Кроме того, нейросети помогают быстро визуализировать идеи, экономя время и деньги. Например, в Midjourney получится быстро рисовать визуалы для презентаций, не прибегая к услугам иллюстратора.
С ней уже неплохо справляется условный Google Переводчик, а это даже не нейросеть. ИИ может понимать контекст и различать идиомы в разных языках, поэтому качество его перевода намного выше. Этого достаточно для базовых задач — например, перевода статей, книг, фильмов и пр. Добавляем сюда распознавание речи — и вариант для синхронного перевода готов! Для примера сравним перевод отрывка из романа Сэлинджера «Над пропастью во ржи». Все, кто работает с текстом Речь о копирайтерах, корректорах, редакторах, сеошниках и других.
Нейросети пишут неплохие тексты с высокой уникальностью, для которых требуется незначительная редактура а в перспективе и это не будет нужно. Их возможностей уже достаточно для подготовки постов в соцсети, прогнозов погоды, новостных сводок и т. ИИ не может добавить в статью свой личный опыт, взять интервью или описать кейс, по крайне мере, пока. То есть специалисты, которые вкладывают в тексты больше, чем информацию из сети, вне зоны риска. Его скилы идеальны для рерайтинга и работы с готовыми данными, собранными в интернете. Правда, уже появились детекторы, которые призваны распознавать нейросетевой контент.
Художники и дизайнеры Зачем платить художнику, объяснять ему все нюансы заказа и ждать выполнения работы, если можно просто попросить нейросеть нарисовать то, что нужно? Если нейросеть не справится — можно попросить ее сделать это снова. И так, пока не надоест. Все это доступно даже бесплатно — например, с Kandinsky или Шедеврум. Как создать логотип с помощью ИИ 4. Junior-разработчики Что умеет джун?
Писать код и работать над простыми задачами под контролем более опытных коллег. То же самое умеет ChatGPT — причем на разных языках программирования. Ему проще ставить задачи и контролировать их выполнение. А еще он не ошибается пользователи Хабра проверили это — нейросеть пишет код, компилируя и перемешивая то, что видела.
Будущее SMM-специалистов в эпоху нейросетей: интервью с хантером Аленой Владимирской
На модуле по Deep Learning студентов знакомят с продвинутыми технологиями по работе с нейросетями, например трансформерами — архитектурой нейронных сетей, которая лежит в основе ChatGPT. В прошлый раз, неделю назад, мы обсуждали ChatGPT, нейросети, технические аспекты, нюансы этих механизмов. Профессии, связанные с нейросетями, технологиями Big Data и VR/AR, визуальным скриптингом, киберспортом и машинным обучением будут востребованы в России в ближайшие пять лет. Как появилась профессия тренера нейросетей Основные обязанности AI-тренера Ключевые навыки Где могут работать AI-тренеры Сколько зарабатывает тренер нейросетей Как стать AI-тренером Перспективы профессии Главные мысли. «Как правило, специалистов, знающих как работать с нейросетью или для ее развития ищут работодатели из ИТ-сферы: 19% или каждая пятая вакансия с начала 2023, за год спрос на таких специалистов в этом секторе вырос на 94%.
ТОП-5 профессий в сфере ИИ, которые изменят мир
Разработчик нейросетей — это программист, который разрабатывает математические модели машинного обучения по типу нейронных связей головного мозга. «Яндекс» начал нанимать людей гуманитарных профессий для обучения своей нейросети — российского аналога ChatGPT, рассказали «Известиям» в компании. чем занимаются разработчики нейронных сетей и кто это такие, что нужно знать и уметь (обязанности).
5 перспективных профессий в области искусственного интеллекта
Использовать нейросети под силу каждому, независимо от опыта и профессии. В эфире обсудили: стоит ли SMM-специалистам бояться нейросетей, как стать высокоплачиваемым специалистом и не выгореть. Изучите дата-аналитику на Хекслете Пройдите нашу профессию «Аналитик данных» — это станет вашим первым шажком в работе с нейросетями.
ИИ вам в помощь: почему самозанятым нужно учиться работать с нейросетями
Их возможностей уже достаточно для подготовки постов в соцсети, прогнозов погоды, новостных сводок и т. ИИ не может добавить в статью свой личный опыт, взять интервью или описать кейс, по крайне мере, пока. То есть специалисты, которые вкладывают в тексты больше, чем информацию из сети, вне зоны риска. Его скилы идеальны для рерайтинга и работы с готовыми данными, собранными в интернете. Правда, уже появились детекторы, которые призваны распознавать нейросетевой контент. Художники и дизайнеры Зачем платить художнику, объяснять ему все нюансы заказа и ждать выполнения работы, если можно просто попросить нейросеть нарисовать то, что нужно? Если нейросеть не справится — можно попросить ее сделать это снова. И так, пока не надоест.
Все это доступно даже бесплатно — например, с Kandinsky или Шедеврум. Как создать логотип с помощью ИИ 4. Junior-разработчики Что умеет джун? Писать код и работать над простыми задачами под контролем более опытных коллег. То же самое умеет ChatGPT — причем на разных языках программирования. Ему проще ставить задачи и контролировать их выполнение. А еще он не ошибается пользователи Хабра проверили это — нейросеть пишет код, компилируя и перемешивая то, что видела.
Сотрудники call-центров Голосовые роботы отлично справляются с большинством задач по обзвону — они могут проинформировать клиента, подтвердить запись, сообщить об акции и пр. А еще они могут принимать звонки, консультировать, записывать на прием и многое другое. И все это одновременно для сотен абонентов. Пример — голосовой помощник от Сбера. Он мгновенно отвечает на звонок не нужно ждать, пока оператор на линии освободится , сразу «узнает» клиента и дает нужную информацию по запросу. Единственная проблема — его очень трудно заставить переключить на живого оператора. Водители и курьеры Технологии автопилотирования появились давно и активно применяются в некоторых областях например, гражданской авиации.
Редакция RTVI решила узнать мнение о новом витке конкуренции на рынке труда непосредственно у источника проблемы — самого искусственного интеллекта. Как модель искусственного интеллекта, я не могу иметь мнений или убеждений ни по какому вопросу. Мой ответ основан на анализе данных и исследованиях по этой теме, а также на опыте стран и отраслей, в которых уже произошли процессы автоматизации. Можно предположить, что одной из самых больших угроз, которые представляет искусственный интеллект для человечества, это автоматизация труда и безработица. Искусственный интеллект может автоматизировать многие задачи и работы, ранее выполнявшиеся людьми. Это может привести к повышению эффективности и производительности, но также вызовет и серьезную озабоченность по поводу безработицы и экономического неравенства. Стремительное развитие технологий ИИ и автоматизации вероятно приведет к заметной потере рабочих мест в различных отраслях, особенно в тех, где возникает много повторяющихся задач, а работникам достаточно низких профессиональных навыков.
Midjourney К работам с наибольшим риском автоматизации относятся те, которые связаны с повторяющимися задачами, такими как работа на конвейере, ввод данных и телемаркетинг. Однако ИИ также способен автоматизировать и более сложные задачи, такие как обслуживание клиентов, бухгалтерский учет и даже такие профессии как врачи, юристы и архитекторы. Это может привести к снижению спроса на людей, а в некоторых случаях и к полной автоматизации определенных профессий. Вот несколько примеров профессий, которые рискуют быть захваченными ИИ: Репетиторы и преподаватели. ИИ может автоматизировать многие рутинные задачи, связанные с образованием. Например, алгоритмы искусственного интеллекта можно использовать для создания индивидуальных планов уроков и автоматической проверки и оценки заданий. ИИ также можно использовать для немедленной обратной связи со студентами и помощи им в разработке более эффективных стратегий обучения.
Читайте также: Инженеры искусственного интеллекта: кто это и сколько они зарабатывают Сколько зарабатывает инженер искусственного интеллекта На уровне Junior специалист может получать зарплату в размере от 80 до 100 тыс. На грейде Middle — до 150 тыс. Senior — до 300 тыс. Как устроиться на работу Работодатели обычно ожидают релевантного опыта на должности инженера-программиста по искусственному интеллекту. Как правило, решение о приеме на работу принимается после выполнения тестового задания.
Инженер по машинному обучению Специалист по машинному обучению Machine Learning Engineer — это инженер-программист, который создает и настраивает нейросети под выполнение конкретных задач. С помощью разработанных этим специалистом решений бизнес может оптимизировать и автоматизировать многие процессы. В частности, они применяются для сбора данных, лучшего понимания аудитории, формирования персональных предложений, увеличения продаж. Что нужно знать и уметь Для качественного выполнения работы специалисту необходимы математические знания теория вероятностей, статистика, линейная алгебра и умение моделировать данные. В зависимости от работодателя может потребоваться умение работать с библиотеками Keras, scikit-learn, Pandas, NumPy.
Также специалист в области машинного обучения должен обладать логическим складом мышления и владеть английским языком. Сколько зарабатывает инженер по машинному обучению В зависимости от опыта и навыков зарплата специалиста по машинному обучению может варьироваться от 40 тыс. Читайте также: Специалист по машинному обучению: в чем специфика и сколько можно заработать Как устроиться на работу На рынке машинного обучения наблюдается дефицит квалифицированных кадров, поэтому за хорошими специалистами компании «охотятся» сами. Если на такую вакансию откликнется начинающий соискатель, работодатель попросит выполнить тестовое задание и пройти собеседование. Документы о профильном образовании и релевантный опыт работы будут преимуществом.
Специалист по анализу данных Data Scientist Data Scientist — специалист, работающий на стыке трех направлений: программирования, статистики и машинного обучения. Главной его задачей является создание прикладных решений для бизнеса. Например, это могут быть умные ленты социальных сетей и стриминговых сервисов, инструменты для комплексного маркетингового анализа и стратегического планирования. Специалист по анализу данных работает с огромным объемом информации и разрабатывает пути ее применения. Обязательным требованием является владение Apache Spark, Hadoop Mapreduce или аналогичными инструментами.
Как и в любой другой IT-специальности, аналитик Data Scientist должен хорошо знать английский язык. Сколько зарабатывает Data Scientist В вакансиях для Data Scientist зарплатная вилка начинается от 90 тыс. Обычно уровень зарплаты определяется непосредственно на собеседовании. Читайте также: Профессия Data Scientist: задачи, применение, заработок Как устроиться на работу От кандидата требуют опыта работы на такой же должности от 1 года. Компании могут как сами выходить на специалиста, так и принимать отклики по вакансиям.
Прием на работу может осуществляться даже без тестового задания, достаточно портфолио и собеседования. Это направление IT — новая ветвь Data Science и машинного обучения. Инженер по обработке естественного языка работает с огромным массивом данных, обучая нейросеть понимать человеческий язык. Он проводит семантический анализ, находит закономерности, занимается тематическим моделированием с целью решить задачи бизнеса. Это очень узкая ниша с дефицитом квалифицированных специалистов.
Что нужно знать и уметь Для работы необходимы глубокие знания в статистике, математике, теории вероятностей, владение навыками языкового анализа на уровне графем, морфологии, синтаксиса. Сколько зарабатывает инженер по обработке естественного языка Востребованность специалистов этого направления высокая, но на рынке их мало. Из-за большого набора умений и знаний они могут претендовать на высокую зарплату — выше 100 тыс. Более опытные профессионалы могут получать от 250 тыс. Читайте также: Инженер по обработке естественного языка: особенности новой профессии Как устроиться на работу Часто NLP-engineer переходят на эту работу с позиции Data Scientist или Machine Learning Engineer, потому что это более распространенные профессии.
Работодатели требуют от соискателей продемонстрировать портфолио с выполненными проектами и пройти собеседование. В некоторых случаях необходимо решить тестовое задание в формате live-coding. Специалист по глубокому обучению Глубокое обучение Deep Learning, или DL — раздел машинного обучения, занимающийся созданием сложных многослойных нейросетей. Deep Learning Engineer — специалист, который создает и развивает алгоритмы глубокого обучения. Он уделяет внимание архитектуре системы, работает на более высоком уровне, чем инженер по машинному обучению.
Также он преобразует прототипы в рабочий код, настраивает облачную инфраструктуру и развертывает производственные модели. Что нужно знать и уметь Необходимо знание распространенных архитектур нейросетей: генеративно-состязательные сети GAN , автокодеры, глубокие сети доверия DBN , рекуррентные нейросети, сверточные нейронные сети CNN , сети долгой краткосрочной памяти LSTM. В остальном требования похожи на те, которые предъявляются к специалистам по машинному обучению о них мы писали выше. Сколько зарабатывает DL-engineer Это специалисты очень высокого уровня, которые получают хорошую зарплату. Обычно вилка начинается от 250 тыс.
Читайте также: Инженер по глубокому обучению: задачи, знания, зарплата Как устроиться на работу На эту должность часто переходят с позиции Data Scientist или ML-engineer. При устройстве на работу соискателя могут попросить рассказать о проектах, на которых он был занят, и в некоторых случаях пройти тестовое задание. Инженер по компьютерному зрению Computer Vision Engineer инженер по компьютерному зрению — специалист, который обучает машину извлекать информацию из визуальных данных.
Также чат-бот сейчас обучают вести школьные занятия. Здесь нейросеть пока справляется хуже человека: ИИ допускает ошибки, хоть со временем их и становится все меньше. Нейронные сети еще в 2022 году научились составлять новостные сводки", - сказал Роман Губанов. Однако, по мнению специалиста, ИИ еще несовершенен и будет развиваться многие годы.
Будущее SMM-специалистов в эпоху нейросетей: интервью с хантером Аленой Владимирской
На сайтах вакансий появляются совершенно фантастические предложения с высокой зарплатой, связанные с вирусным успехом GPT. Одна из профессий будущего — AI-тренер. Оказывается, компьютерный разум никак не может обойтись без человека. Нейросети, которые говорят, как мы, должны учиться у живых людей. Только человек расскажет машинному интеллекту — что такое хорошо, а что такое плохо, поможет быть тактичным, грамотным, эрудированным и понятным хоть первокласснику, хоть пенсионеру. Что за люди обучают искусственный интеллект создавать тексты, вести диалог, генерировать идеи? Кто может стать наставником нейросетей? И как выглядит рабочий день заклинателя роботов? Мы спросили у филолога Александры Лапиной, которая устроилась на работу AI-тренером в Яндекс и больше не ходит в офис. Как думаете, сколько платят репетитору машин? Источник: Дарья Пона Как Саша решилась сменить профессию и почему не пожалела — GPT-модель — это генеративно-претрейновая технология, — объясняет Александра.
Модель должна уметь предугадывать слово и словоформу. Например, нам с вами скажут — «И дольше века длится …. Машина пока не всегда делает это идеально. Для этого и нужны AI-тренеры. На вакансию обычно откликаются филологи, лингвисты, историки, педагоги, психологи, журналисты, копирайтеры Источник: Дарья Пона Выпускница филфака Александра Лапина, окончив вуз, работала в газете, потом в интернет-издании — писала статьи о здоровье, дальше были пресс-службы и отдел продвижения в крупной медицинской сети. Последние полгода, кроме рекламных стратегий, Саша разрабатывала скрипты для чат-бота колл-центра клиники — обучала робота отвечать на вопросы пациентов и записывать их на прием к врачу. В этот момент она наткнулась в интернете на вакансию AI-тренера. В описании говорилось, что это специалист, который разрабатывает примеры текстов для обучения нейросети, а потом оценивает ответы и помогает ей совершенствоваться — кто-то вроде репетитора для машины. Саша отправила свое резюме и прошла конкурсный отбор на должность руководителя AI-тренеров. Скоро месяц, как Александра работает шефом в редакции Алисы.
То есть в общих чертах я представляла себе, насколько это кропотливая и монотонная работа — обучать искусственный интеллект. Мы прослушивали телефонные разговоры, сами звонили на демо-стенд, разговаривали с ботом с акцентами, не выговаривали слова. В итоге проект был воплощен и сейчас работает. Вакансия AI-тренера появилась в тот момент, когда я начала размышлять, куда расти и какие вообще есть перспективы. Идея понравилась мне тем, что это реально будущее, которое восхищает. И ты можешь стать его частью. В переводе «крауд» — это толпа. Редакция Алисы, в которую встроена команда Саши, учит нейросеть говорить.
Теперь есть даже книги как подбирать такие "промпты". Если вы хорошо разбираетесь в какой-то области, например, в фотографии вы можете добавлять профессиональные термины или имена известных художников. Некоторые уже продают "промпты", которые помогают получать на выходе более интересные и красивые изображения. Зарплата: пока совсем узкая ниша, но если у вас талант генерировать идеи в текстовом виде, то это можно использовать для поиска удачных "промптов", которые продавать тем же ИИ-художникам. Ведь именно благодаря ученым и разработчикам в области ИИ появились такие крутые нейросети. Однако путь в профессию довольно сложный, особенно, если вы хотите не просто применять нейросети, но строить и обучать модели для абсолютно новых задач. В основном требуются хорошие знания математики, Python, а также алгоритмов и библиотек машинного обучения. Профессия в целом не новая, но вероятно мы еще увидим больше вакансий и рост зарплат, так как новые достижения могут сильно изменить экономику разных отраслей. Представьте, что кто-то нехороший нарисует несколько тысяч или даже миллионов оскорбительных картинок, да еще в разных стилях, и потом начнет заливать их в соцсети.
Promt-инженеры обучают нейросеть работе с голосовыми интерфейсами. Такой человек должен знать языки программирования, уметь формулировать задачи и видеть, что искусственный интеллект может предложить для их решения, подчеркнули в Sitronics Group. По мнению экспертов, рынок профессий, взаимодействующих с ИИ, будет только расширяться. В дальнейшем все больше и больше людей свяжут с нейросетями свое карьерное развитие.
Edtech-компании адаптируются под новый тренд — на платформах начали появляться курсы, обучающие знаниям как для бытового использования нейросетей, так и для глубокого применения в профессиях например, «Нейрохищник» от Geekbrains, «Нейросети для маркетинга и продаж» от Zerocoder и другие. Наличие в каталоге программ по ИИ не только хайп и имиджевая штука, но и рабочее направление, которое приносит прибыль. Такие курсы стоят недешево от 50 до 120 тысяч рублей , но в перспективе для клиента оправдывают себя — например, руководитель AL-тренеров в июне зарабатывал от 110 тысяч рублей. На рынке уже есть специализированные программы для HR, копирайтеров, дизайнеров, маркетологов, менеджеров по продажам и даже селлеров маркетплейсов. Пионером же обучения пользованию нейросетями стала Inbox Marketing — еще с конца 2022 года компания создала курсы по ChatGPT и Midjourney. Агентство протестировало ChatGPT Midjourney и стало использовать нейросети для создания маркетинговых коммуникаций компании и клиентов, а положительные результаты подтолкнули компанию поделиться опытом и знаниями с другими. Мы собрали все эти правила и полезные советы по обработке запросов, предотвращению ошибок, фактчекингу и положили в основу курса. Информацию дополнили кейсами и практико-ориентированными домашними заданиями, — рассказывает сооснователь, директор по маркетингу и стратегии Inbox Marketing Ольга Постникова. Некоторые лидеры российских edtech-платформ проявляют интерес к нашему курсу, а это может означать, что и они задумываются о создании собственных программ». Учить общению с нейросетями станет модно Опрошенные представители рынка отметили, что курсы по обучению работе с нейросетями — вполне самостоятельный продукт. Так как скорость появления новых нейросетей, которые закрывают все больше задач, в последние месяцы выросла в каталоге ИИ уже собрано несколько тысяч инструментов, и этот список ежедневно пополняется новыми разработками , рост числа курсов по работе с нейросетями с ближайшие годы неизбежен. Пока игроки не делятся данными о выручке этих направлений, однако к началу 2024 года мы уже сможем ознакомиться со статистикой. Вот что ведущие игроки говорят о своих планах на это направление: «Что касается курсов о том, как использовать нейросети для разных специальностей, — у нас готовится несколько новых продуктов в разных направлениях», — рассказывает Надежда Бойкова из Skillbox. Последняя версия ChatGPT уже предлагает новые возможности: поиск данных в реальном времени в интернете и подключение полезных плагинов, — рассказывает Ольга Постникова из Inbox Marketing. Вполне возможно, появятся и курсы по другим нейросетям, как только у нас будет достаточно наработок, чтобы поделиться ими с рынком». Некоторые edtech-компании не только учат людей AI-инструментам, но и пошли дальше — создают собственные, помогающие учиться. В начале июля Skyeng презентовал чат-бота на базе ChatGPT для подготовки к собеседованию, его основная задача — распознавание английской речи с русским акцентом и ошибками. Они могут распознавать только правильную речь, — рассказывает основатель Skyeng Георгий Соловьев.
Нейросети наступают: специалистов каких профессий уже готов заменить искусственный интеллект
В дальнейшем система опирается на эти ответы как на эталонные, формируя собственные. Promt-инженеры обучают нейросеть работе с голосовыми интерфейсами. Такой человек должен знать языки программирования, уметь формулировать задачи и видеть, что искусственный интеллект может предложить для их решения, подчеркнули в Sitronics Group. По мнению экспертов, рынок профессий, взаимодействующих с ИИ, будет только расширяться.
Средний уровень зарплаты этого специалиста в ИИ с опытом менее 1 года составляет 200-230 000 руб. Более опытные сотрудники получают до 500 000 руб. Однако путь в эту профессию достаточно тернистый.
Чтобы добиться успеха, надо иметь уникальный склад ума. В основном требуются знания математики, Python, алгоритмов и библиотек машинного обучения. В среднем предлагают зарплату 100-300 тыс. Но за первоклассными специалистами ведется настоящая охота крупнейшими компаниями. Потолка дохода для них нет. Аналитик данных Такие специалисты области ИИ работают с большими объемами данных для выявления тенденций и закономерностей, создания моделей и прогнозов на основе этих данных.
Для работы в этой сфере необходимо иметь знания в статистике и программировании, уметь взаимодействовать с базами данных и специальными инструментами. У опытных сотрудников доход может достигать 200 000-300 000 руб.
Поделиться Назван список профессий, по которым сильнее всего ударит ИИ. Программисты в безопасности Чат-бот с искусственным интеллектом, разработанный компанией OpenAI, представляет угрозу для представителей, как минимум, 20 профессий. Среди них — маркетологи, преподаватели, социологи, судьи и другие, уверены исследователи. В некоторых сферах технология ChatGPT в буквальном смысле начнет отбирать хлеб у дипломированных специалистов. Больше всего технология повлияет, как минимум, на 20 профессий, пишет Cbcnews.
Умение искусственного интеллекта быстро и качественно обрабатывать большие объемы информации и генерировать связный текст, превращает его в полезный для работников ресурс. Так, профессионалы в сфере недвижимости используют ChatGPT для составления различных списков, юристы — для написаний завещаний. В то же время чатбот может не только помогать сотрудникам выполнять рабочие задачи, но и полностью дублировать их функции, что в конечном итоге способно привести к массовым сокращениям. Итак, список возглавили маркетологи, за ними следуют преподаватели иностранного языка и литературы, географии, истории, права, философии , культурологии и религии, социологии, политологии, уголовного правосудия, психологии, деловой и межличностной коммуникации. Под удар могут попасть также социологи , политологи, специалисты по библиотечному делу, юристы по гражданским делам, судьи, клинические и школьные психологи и коучи. Ученые уверены, что на область юриспруденции ИИ повлияет сильнее всего. Также под раздачу могут попасть турагентства, грантовые фонды, спортивные агенты и музыкальные продюсеры.
Программистов в списке не оказалось, хотя чат-бот умеет писать код.
Например, алгоритмы искусственного интеллекта можно использовать для создания индивидуальных планов уроков и автоматической проверки и оценки заданий. ИИ также можно использовать для немедленной обратной связи со студентами и помощи им в разработке более эффективных стратегий обучения. Алгоритмы ИИ могут непрерывно анализировать результаты учащихся и адаптировать учебный план к их индивидуальным сильным и слабым сторонам и стилям обучения.
Системы искусственного интеллекта можно обучить выполнению бухгалтерских задач, таких как ввод данных и сверка счетов. Этот тип работы часто требует высокой степени точности и внимания к деталям, которые могут быть выполнены более эффективно с помощью ИИ. Производственные рабочие. Системы искусственного интеллекта можно использовать для автоматизации производственных задач, таких как работа на сборочном конвейере.
Этот тип работы часто включает в себя повторяющиеся задачи, которые могут быть выполнены более эффективно и точно с помощью ИИ, что снижает потребность в людях. Технические писатели. Искусственный интеллект угрожает профессии технического писателя, потому что многие задачи, связанные с написанием технических документов, инструкций и справочных материалов, могут быть автоматизированы с помощью ИИ. Искусственный интеллект может анализировать большое количество данных и формировать документы быстрее и точнее, чем человек.
Это значит, что в будущем технические писатели могут столкнуться с уменьшением спроса на свои услуги. Специалисты по вводу данных.