На конференции AI Journey президент России заявил, что следует расширять подготовку кадров в области искусственного интеллекта (ИИ). На мой взгляд, наиболее ярко выделяются четыре направления для развития образования в этой сфере.
Первое — это подготовка разработчиков ИИ, которые будут развивать технологии, придумывать и внедрять новые методы. Мы уже хорошо умеем учить фундаментальной математике, методам машинного обучения, нейросетевым подходам, компьютерному зрению, анализу текстовых данных и так далее. Теперь к этому набору надо добавить курсы по вопросам вычислительной инфраструктуры, валидации, безопасности ИИ.
Очень важно сделать акцент на развитии исследовательских навыков. Постоянно появляются новые подходы — а значит, специалисты должны уметь быстро вникать в их суть, воспроизводить и улучшать их. Многие аспекты работы современных нейросетей остаются загадкой — следовательно, нужен особый склад ума, чтобы в условиях столь большой неопределенности выдвигать гипотезы и создавать новые методы.
Наконец, отмечу, что как никогда становится важным взаимодействие университетов и бизнеса. У крупнейших IТ-компаний есть вычислительные мощности и разработчики с реальным опытом в ИИ, но зачастую нет времени на выстраивание полноценных образовательных программ и на создание творческой среды для смелых экспериментов. У вузов, наоборот, есть среда для образования и экспериментов. И в тесной связке с ведущими компаниями можно делать очень современные программы.
Второе направление — развитие навыков в сфере ИИ у «предметников». Сложно назвать все области, где методы ИИ могут принести пользу. Распознавание древних рукописей, создание новых лекарств, автоматизация проверки работ школьников — лишь первые примеры, которые приходят на ум. И зачастую для применения ИИ в этих задачах совершенно не нужны высококлассные профессионалы, разбирающиеся в самых тонких аспектах работы нейросетей. Порой достаточно взять готовую модель, немного донастроить ее на собственных данных — и уже получится хорошее решение.
Поэтому важно, чтобы специалисты любого профиля владели базовыми навыками программирования, подготовки данных для ИИ, работы с его методами.
Третье направление — расширение подготовки IТ-специалистов, напрямую не занимающихся ИИ. Да, нам нужны разработчики ИИ, но еще больше нужны те, кто создает продукты и технологии вокруг него. Можно провести аналогию: немногие строят электростанции, зато огромная доля специалистов так или иначе создает устройства, использующие электричество. В случае с ИИ нам нужны специалисты по мобильной и веб-разработке, инженеры данных, тестировщики, «девопсы» — список можно продолжать долго.
Четвертое направление — обучение управленцев. Есть довольно много мифов вокруг мощности ИИ, а есть и неочевидные реальные применения. Важно, чтобы управленцы на всех уровнях вплоть до топ-менеджмента понимали, как в целом устроены модели ИИ, что требуется для их построения, какие у них ограничения, сколько на самом деле должны стоить соответствующие проекты. Без этого невозможно принимать правильные решения, ставить задачи, оценивать результаты внедрений.
В общем, повсеместное внедрение ИИ невозможно без трансформации образования на всех уровнях и для всех профессий. У нас здесь большой задел, мы уже проделали большой путь и, конечно, не будем останавливаться. А пока призываю всех не ждать и уже сейчас послушать пару лекций про то, как работают нейросети, потому что это как минимум интересно.
Автор — руководитель департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ, научный руководитель Центра непрерывного образования, академический руководитель образовательной программы «Прикладная математика и информатика»
Позиция редакции может не совпадать с мнением автора
