Сегодня мы рассмотрим профессии, которые в последнее время плодятся как грибы после дождя — на фоне роста популярности и доступности некоторых математических моделей (ММ).

Для начала определимся с терминами.

Я всячески противлюсь использованию словосочетания «искусственный интеллект» для обозначения набора технологий и инструментов, решающих вычислительные задачи. Если слепо следовать массовой истерии и при этом поверхностно понимать суть технологий, то даже обычный калькулятор можно назвать искусственным интеллектом с ограниченным контекстом выполнения.

Почему технологию и инструменты назвали искусственным интеллектом?

  • Термин «искусственный интеллект» появился в 1950-х годах, когда учёные мечтали создать машины, способные мыслить как люди. С тех пор название закрепилось, хотя реальность оказалась куда сложнее.

  • Аналогия с человеческим интеллектом: математическая модель может выполнять задачи, которые люди ассоциируют с интеллектом (распознавание образов, игра в шахматы, генерация текста). Это создаёт иллюзию «интеллекта».

  • Маркетинг: Куда же без него. Маркетинг по большей части редко бывает качественный и профессиональный. В основном он рассчитан на привлечение внимания масс, слабо погруженных в тему. Слово «интеллект» звучит впечатляюще и привлекает внимание. Это помогает продавать технологии, особенно когда конечный потребитель этим самым интеллектом не обладает.

Почему искусственный интеллект не является интеллектом и даже близко не подходит под это определение?

  • Нет понимания: ММ не понимает смысла данных. Например, чат-бот может генерировать текст, но он не осознает, о чем этот текст.

  • Нет сознания: ММ не обладает самосознанием, эмоциями и желаниями.

  • Ограниченность: ММ может решать только те задачи, для которых она была создана. Модель не может мыслить творчески или адаптироваться к совершенно новым ситуациям.

  • Зависимость от данных: Модель работает только на основе данных, которые ей предоставили. Если данных нет или они плохого качества, ММ не сможет работать.

По сути, мы имеем дело с комбинацией математических методов, линейной алгеброй, набором алгоритмов и функций. Понять это под силу любому человеку, наделённому интеллектом.

Не буду углубляться дальше в теорию, так как на эту тему в сети достаточно материалов, да и в моих прошлых статьях это уже обсуждалось. Просто запомните: если вы встречаете упоминание «Искусственный интеллект», скорее всего, вам хотят что-то «впарить» или ваш оппонент сам не разобрался в вопросе.

Переходим к сегодняшней теме — профессиям, связанным с ММ. Сначала будет список реальных профессий. Затем — псевдопрофессии, придуманные некомпетентными работодателями, инфоцыганами и прочей шелупонью.

Математик (Mathematician)

Профессия, без которой в этой отрасли не существовало бы вообще ничего. Гениальных математиков на планете единицы. Их ум, талант и глубина знаний уникальны. Без математиков не было бы ни моделей, ни методов оптимизации, ни даже понимания того, как работает градиентный спуск.

Исследователь / Учёный (AI Researcher)

Разрабатывают новые алгоритмы, модели и методы машинного обучения. Берут математические теории и превращают их в работающие алгоритмы. Таких специалистов на планете тоже немного.

Навыки: глубокая математическая подготовка (линейная алгебра, теория вероятностей, оптимизация). Минимальные требования — степень кандидата наук.

Инженер разработчик аппаратного обеспечения (Hardware Engineer)

Разработка аппаратного обеспечения. Это ключевой специалист, который обеспечивает физическую основу для работы ММ. Без их вклада современные системы машинного обучения просто не смогли бы существовать, так как они требуют огромных вычислительных ресурсов.

Навыки: математика, физика, электротехника, механика.

Инженер-программист (Software Engineer)

Реализует алгоритмы и модели в виде программного кода. Разрабатывает инфраструктуру для обучения и запуска моделей, оптимизирует производительность. Требует широкого спектра знаний для реализации сложных алгоритмов и их интеграции в цифровые системы.

Навыки: программирование, алгоритмы и структуры данных, математика, распределённые системы и параллельные вычисления, базы данных, проблемно-ориентированное мышление.

Архитектор систем (AI Systems Architect)

Проектирует архитектуру систем, включая выбор технологий, интеграцию компонентов и масштабирование.

Навыки: глубокое понимание работы вычислительных систем, алгоритмы и структуры данных, взаимодействие технологий, сетевые технологии, распределенные системы и параллельные вычисления, базы данных, системный анализ.

Инженер по данным (Data Engineer)

Создаёт и поддерживает инфраструктуру для сбора, хранения и обработки больших объёмов данных, на которых обучаются ММ.

Навыки: базы данных, распределённые системы, основы написания скриптов.

Инженер по инфраструктуре (DevOps Engineer)

Обеспечивает стабильность и масштабируемость систем, отвечает за непрерывный цикл разработки, администрирует системы.

Навыки: базы данных, распределённые системы, системное администрирование, сетевые технологии, написание скриптов и консольных сценариев.

Инженер по машинному обучению (Machine Learning Engineer)

Обеспечивает переход от теории и прототипов к реальным продуктам. Без него модели остались бы на уровне экспериментов.

Навыки: понимание алгоритмов машинного обучения, линейная регрессия, деревья решений, базы данных, основы написания скриптов.

Специалист по данным (Data Scientist)

Собирает и подготавливает данные, создаёт прототипы. Качество данных и их обработка напрямую влияют на качество моделей.

Навыки: базы данных, аналитика, понимание алгоритмов машинного обучения, визуализация и преобразование данных, основы написания скриптов.

Инженер по обработке естественного языка (NLP Engineer)

Собирает с нуля или подбирает готовые датасеты для обучения. Преобразует текст в форму, доступную для математических моделей — например, с помощью лемматизации или стемминга, то есть «вырезания» окончаний и выделения грамматической основы.

Навыки: базы данных, аналитика, преобразование данных, основы написания скриптов.

На этом список реальных профессий, связанных с ММ, заканчивается. Всё остальное — маркетинг, злоупотребление терминами или буйная фантазия всяких извращенцев. Однако на названиях этих профессий часто паразитируют. Раньше, например, было модно добавлять к любой сфере приставку «менеджер». Менеджер по продажам — примерно то же, что «менеджер по проветриванию помещений». При этом настоящий менеджер — это управленец, а не исполнитель.

То же самое происходит и в технологическом секторе. Нередко встречаются должности со словом «инженер», за которым не стоит ни инженерного образования, ни малейшего понимания, что такое инженерное дело. По факту такой «специалист» просто занимает место и создаёт видимость работы.

Так, Data Scientist на рабочем месте может лишь подставлять значения и коэффициенты в уже созданные модели. В лучшем случае — заниматься анализом данных, визуализацией или рутинной работой в Excel. Готовить для бизнеса прогнозы на основе статистики прошлых периодов.

Machine Learning Engineer вместо разработки и настройки моделей может просто использовать готовые библиотеки и платформы (TensorFlow, PyTorch, AutoML) без всякого понимания, как они работают.

Software Engineer может знать лишь основы программирования и целыми днями перекладывать JSON из одного сервиса в другой, используя шаблонный код или даже код, сгенерированный самой ММ.

Все они по сути — рядовые пользователи готовых ММ, формирующие искажённое представление об отрасли и о настоящих профессионалах. Их деятельность смело можно перенести в следующий список псевдопрофессий, к которому мы и переходим.

Промпт-инженер (AI Whisperer)

Настоящий бич индустрии одурачивания бизнеса. Слово «инженер» здесь присутствует исключительно для солидности — с инженерным делом эта деятельность не имеет ничего общего. Бизнесу крупно повезёт, если на эту позицию попадёт человек с хорошим гуманитарным образованием (филолог, лингвист, журналист) и широким кругозором. Но по факту сегодня промпт-инженер — это любой, у кого есть доступ к открытым ММ в сети. С такими задачами справится и человек без всякого образования. Раньше был полезный навык «умение гуглить» — вот это ровно то же самое. Вся суть псевдопрофессии — уметь правильно задать вопрос.

Навыки: умение набирать текст на клавиатуре.

Мастер нейросетей / ИИ-тренер (AI Trainer)

Этот персонаж якобы обучает ММ. На деле не делает ничего: модели давно обучены настоящими профессионалами. Его задача — важно надувать щёки на совещаниях и рассказывать, как высокие технологии вот-вот вытащат загибающийся бизнес из ямы. Профессия-пузырь, раскрученная для доверчивой публики.

Навыки: умение набирать текст на клавиатуре, подвешенный язык, завышенная самооценка, умение разбираться в сортах кофе в корпоративной кофейне и т. п.

Инженер по качеству данных (Data Quality Engineer)

То же самое, что и предыдущий дармоед. Задаёт вопрос генеративной модели, получает ответ и анализирует его в меру своих умственных способностей. Нередко модель оказывается умнее самого «специалиста».

Навыки: умение набирать текст на клавиатуре, чтение.

Нейрохудожник (AI Content Creator)

Человек, который якобы использует нейросети для создания «идеальных» изображений, музыки и прочего контента, что непременно приведёт бизнес к успеху. На практике это нередко прикрытие для использования готовых шаблонов, а в худшем случае — и вовсе плагиата. Впрочем, если повезёт, штатный нейрохудожник будет не просто «тыкать в кнопки», а в связке с таким же SMM-специалистом развивать вкус и понимание эстетики. Может, даже получит художественное образование.

Навыки: умение набирать текст на клавиатуре, способность отличать латте от капучино.

Консультант по этике нейросетей (AI Ethics Specialist)

Этот «гуру» помогает компаниям «правильно» использовать нейросети, чтобы не нарушать этические нормы. На деле — пустослов без реальных знаний и профессии, убеждённый, что он умнее математиков и инженеров, создающих ММ. Три закона робототехники существуют и применяются уже давно. Необходимость в этой профессии ровно нулевая. Разные государства и корпорации, конечно, будут сочинять свои правила руками таких упырей, но это не делает их профессионалами в области. По сути — рядовой клерк бюрократической машины, создающий препятствия для экспериментаторов.

Навыки: подвешенный язык и т.п.

Консультант по ИИ (AI Consultant)

Помогает компаниям внедрять ИИ, оптимизировать процессы и повышать эффективность. Пустозвон-затейник, исправно прожирающий бюджет. Новое воплощение «успешного менеджера-оптимизатора», который лишь ускоряет погружение бизнеса в бездну неэффективности.

Навыки: подвешенный язык, завышенная самооценка и т. п.

Специалист по безопасности ИИ (AI Security Specialist)

С безопасностью во всём IT-секторе огромные проблемы, и решить их невозможно, пока существует сама отрасль. Как обезьянка может обезопасить великий «Искусственный интеллект» от кибератак, если сам «интеллект» при желании нафарширует что угодно бэкдорами и багами? Этот профессионал настолько же ценный, как мышь в амбаре с зерном. Все зерно сожрать не в состоянии, но мешки прогрызет. Иногда, впрочем, от него требуется доказать реальные технические навыки — поставить антивирус или ограничить права пользователям.

Навыки: умение расставлять нужные галочки в настройках ПО.

Специалист по ИИ в здравоохранении (AI Healthcare Specialist)

Разрабатывает и внедряет ИИ-решения для диагностики, лечения и анализа медицинских данных. Уже придумал лекарство от рака и ожирения.

Навыки: подвешенный язык. Возможно, за плечами есть медицинский или ветеринарный колледж.

Преподаватель ИИ (AI Educator)

Куда же без преподавателей? Непременно найдётся кто-то с методичкой прошлого века, кто будет учить подрастающее поколение «искусству» написания запросов в интерфейс взаимодействия с ММ. И, конечно, готовить новых «профессионалов» великого и могучего промпт-инжиниринга. Ведь кто, если не он, продолжит эту славную традицию в многочисленных ПТУ?

Навыки: разработка учебных программ.

Когнитивный ИИ-психолог (AI Cognitive Psychologist)

Якобы исследует, понимает и даёт рекомендации по работе с познавательными процессами ММ. Вот только дело в том, что ММ не имеет никаких когнитивных процессов, только цепочки вычислений. Мифический эксперт по определению качества собственной мочи по ее вкусу.

Навыки: подвешенный язык. Возможно, за плечами есть медицинский колледж.

Крипто-нейро-эксперт

Человек, который якобы использует нейросети для предсказания курсов криптовалют. Паразитирует на доверчивости менее сведущих.

Теперь несколько примеров, когда «ИИ-специалисты» причинили вред

  • Технократическое болото в корпорациях — на примере Deutsche Bank. В 2018–2020 годах банк потратил сотни миллионов на AI-автоматизацию, но в итоге вынужден был сокращать сотрудников: обещанной эффективности так и не случилось.

  • Компания Theranos. Их «революционные» анализы крови с помощью машинного обучения оказались фикцией. Инвесторы и медики поверили в «технологическую магию», а в результате пациенты получали ложные диагнозы, а компания — убытки.

  • В 2019 году One Concern (стартап по предсказанию последствий землетрясений с помощью ИИ) привлёк много денег, но его модели оказались хуже стандартных методов.

  • Великобритания в 2020 году решила заменить экзамены школьников системой оценок на основе «искусственного интеллекта». В итоге ученики элитных школ получили завышенные баллы, а дети из бедных районов — заниженные. Родители подняли бунт, и правительство отменило результаты.

Кажется, что истерия вокруг «ИИ» давно достигла пика — но нет. Каждый день я сталкиваюсь с новой порцией абсурда, ещё более нелепой, чем вчерашняя. Фраза «Искусственный интеллект» всё чаще мелькает в тупых новостных заголовках. Доступные ММ уже стали частью нашей жизни: спорить с этим и что-то менять бесполезно. Однако ММ не приведут к массовому исчезновению профессий, которым нас пугают. Достаточно взглянуть на рынок вакансий — их число только растёт. Любая деятельность: подставь «ИИ» — и готово. ММ дарит совершенно бесполезным непрофессионалам шанс обрести работу. Пусть под разными названиями это будет все та же обезьянка, набирающая текст на клавиатуре, но она будет работать и что-то кушать. Пока бизнес верит в сказки, эти люди будут при деле. Бизнес во все времена отличался верой в чудеса, и сейчас нет причин от неё отрекаться. Чем больше исполнителей и чем они дешевле, тем лучше — а как их называть, дело десятое.

Востребованность же настоящих специалистов, занимающихся разработкой и внедрением ММ, будет только расти. Но важно понимать: ключевой фактор успеха — не умение пользоваться инструментами, а глубокое понимание принципов, лежащих в основе технологии, и способность адаптироваться к переменам.