«Վերափոխելով բանականությունը» խորագրով «Գլոբալ ինովացիոն ֆորում»-ի ընթացքում աշխարհի 20 երկրների ավելի քան 90 գիտնականներ, նորարարության և բիզնես ոլորտի ներկայացուցիչներ քննարկում են արհեստական բանականության դրսևորումները տարբեր ոլորտներում։ StaffBlog-ը՝ որպես կարիերայի մեդիա գործընկեր, ձեզ հետ կկիսվի կարիերայում AI-ի ունեցած ազդեցության մասին՝ հարցազրույց ունենալով ակնառու հյուրերի, ներկաների և տարբեր ոլորտի գիտնականների հետ։
Այս թեմայով հետաքրքիր զրույց ունեցանք ԱՄՆ Microsoft-ի AI for Autonomous Systems ղեկավար Մարկոս Կամպոսի հետ։
Կարիերայի զարգացումը և նորարարությունը ինչպես են միմյանց հետ փոխկապակցված։
Ներկա դարաշրջանում կարիերայի զարգացումը և նորարարությունը կախված են մասնագիտությունից։ |Շատ հիմնահարցեր, որոնց մենք հանդիպում ենք, նկարագրում, մեկնաբանում, ինչպիսին, օրինակ` ալգորիթմները, ֆունդամենտալ տեխնոլոգիաները և նմանատիպ այլ բաներ, ինովացիոն մեծ համակարգ են իրենցից ներկայացնում, որտեղ մենք սովորում ենք:
Փորձում ենք կառուցել, ստեղծել AI. սա ամբողջապես նոր սկիզբ է: Մինչ այս մենք սովորել ենք կազմել ալգորիթմներ, այժմ մենք փորձում ենք համակարգեր կառուցել: Հստակ ուղեցույց այս դեպքում չկա, ավելի ստեղծագործ ձևաչափ է (ArtForm): Դարեր շարունակ համակարգում չի եղել: Մարդիկ, օրինակ, սովորել են նոր լեզու և պարզապես իմացել՝ ինչպես ծրագրավորել: Քանզի մենք սկսում ենք էլ ավելի բարդ համակարգեր ստեղծել, պարտավոր ենք զարգացնել ծրագրավորումը ( soft engineering): Լավագույն փորձը ցույց է տալիս, որ հնարավոր է կառուցել հսկայական համակարգեր, որոնք կլինեն վստահելի: Մենք ունենք ծրագրերի մեծ բազա, որոնց կարող ենք վստահել: AI-ում մենք այս առումով բաց ունենք: Նորարարության, ստեղծարարության և նույնիսկ նոր գործիքներ ստեղծելու համար հսկայական հնարավորություններ կան: Պետք է մտածել՝ ինչպես է կազմակերպվելու համակարգումը, որը որ դեռևս չունենք:
Այս փոխակերպվող թվային աշխարհում ի՞նչ պետք է փոխենք մեր կարիերայի պլաններում։
Հիանալի հարց է: Փոխելու շատ բան կա: Վերջերս բոլորը ցանկանում են դառնալ Տվյալների վերլուծության մասնագետ, Միացյալ Նահանգներում թերևս այդպես է: Տվյալների մեծ բազա կա հավաքված: ԵՎ մեկը ասում է մենք մի բան պետք է անենք այս ամենի հետ: Մենք ավելի լավ կլինի իմանանք՝ ինչպես պիտի անենք դա: Մենք այդ մարդկանց կոչում ենք տվյալների հավաքագրման մասնագետներ, ովքեր ստեղծում են տվյալներ մյուսների համար: Այս ամենն ընկերությունների համար հսկայական մրցակցային արժեք, առավելություն է ներկայացնում: Տվյալների վերլուծության մասնագետները կարող են փոխակերպել տվյալները, վերլուծել դրանք և արժեք տալ (to extract value), փնտրել ուղիներ, միջոցներ տվյալները վերլուծելու համար:
Այս ամենի համար շատ մեծ փորձ է պետք տվյալների վերլուծության մեջ, վիզուալիզացիայի, տարբեր գործիքների տիրապետելու առումով՝ օրինակ, Python-ը՝ որպես շատ պահանջված լեզու: Լեզուները շատ են:
AI -ը, որի վերաբերյալ ավելի խորացված հետազոտություններ են կատարվում, ավելի բարդ համակարգ է դարձել: Կախված է այն բանից , թե ինչ եք պատրաստվում ստեղծել՝ ալգորիթմ թե հավելված: Հավելվածի դեպքում հնարավորություններն ավելի մեծ են: Վստահ չեմ տեխնիկան(հմտությունները) թե գիտելիքն է կարևորագույնը: Որոշակի տեղեկատվություն տրամադրվում է։ Սակայն հաճախ տրվում են տեսական գիտելիքներ, բայց տեսականը պրակտիկորեն կիրառելու ձևն ու միջոցները չեն ներկայացվում։
Այս ոլորտում, որը որ նոր է, մեծ բացթողում կա այս առումով: Ես շեշտը կդնեի այն կրթական համակարգերի վրա, որոնք կարող կլինեն կապել նոր տեխնոլոգիաների տեսական գիտելիքները պրակտիկայի հետ:
