Професиите на бъдещето: Как се става специалист по машинно обучение?

Машинното самообучение (ML) е фундаментално различен подход от традиционното програмиране. Без да влизаме в много подробности, може да кажем, че ML позволява на един алгоритъм да се "учи" от наличните данни и да взима решения дори и за съвсем нововъзникнали и безпрецедентни случаи, без да се налага да бъде експлицитно програмиран. По този начин, машинното самообучение е в основата на по-широката концепция за изкуствен интелект.

Алгоритмите помагат да се спестява време за хората и бизнеса и да се направи животът по-лесен и удобен. Това е и причината да има изключително голям интерес към ML от предприемачите и инвеститорите. Консултантската фирма PwC предвижда, че благодарение на изкуствения интелект, до 2030 г. брутният вътрешен продукт (БВП) на Китай ще се увеличи с 26%, на Северна Америка с 14%, а на Европа с около 10%.

Примерите за продукти и услуги, базирани на ML, са многобройни. Докато изпращаме и получаваме десетки мейли всеки ден, ML предотвратява задръстването на електронните пощенски кутии със спам. Съдържание на различни езици в интернет пространството е възможно да се чете без да сте полиглот. С напредъка на технологиите за компютърна обработка на природни езици, ML дава възможност за превод от един език на друг с качество, което много се доближава до нивото на експертните преводачи. Ежедневно все повече използваме умни асистенти в дома или автомобилите ни, които разбират нашите гласови команди и дори могат да общуват с нас. В здравеопазването, ML алгоритмите сериозно подпомагат медицинската диагностика, осигурявайки често адекватна преценка, не по-малко точна от тази на лекари специалисти, посветили живота си на медицината. Типичен пример е идентифицирането на туморни образувания и класификацията им, което е най-важният етап в диагностиката и лечението на различните онкологични заболявания. ML навлиза и във фармацевтиката, помагайки за синтез на лекарствени формули, наред с проверката на страничните ефекти или нежелани реакции при смесване с други лекарства. Такава верификация е скъпа, бавна и може да е податлива на грешки ако се ползват традиционни подходи. Един от проектите от областта на интернет на нещата (IoT), по които активно работи Bosch.IO в София, включва осигуряване на интернет свързаност на интелигентни камери, оборудвани със IoT сензори и ML алгоритми. 

Звучи ли ви като професия от бъдещето? Kaĸ ce cтaвa специалист по машинно обучение, paзĸaзвa зa mоnеу.bg Mapян Pизинcĸи, мeниджъp oтдeл "Texнoлoгичнo и бизнec ĸoнcyлтиpaнe" в Bosch.IO - глобално подразделение на Група Бош за проекти от най-ново поколение в областта на Интернет на нещата (IoT), изкуствения интелект (AIoT) и дигитализацията.

- Юрист, лекар, архитект - добре известно е, че тези професии се изучават в университет. Как обаче се става ML специалист? И какви личностни характеристики и академични познания трябва да притежава един идеален кандидат за ML специалист?

- Както и в професиите, които изброихте, академичната подготовка е необходима и за ML специалиста. Обикновено се предполага, че един ML специалист е придобил бакалавърска степен по компютърни науки като основа. Надграждайки върху тази основа и разбирайки нуждите на бизнеса и цифровата икономика, много университети създават и специализирани магистърски и докторски програми по машинно обучение и изкуствен интелект. Цялостното обучение цели придобиване на комплексен набор от задълбочени умения по математическо и статистическо моделиране, работа с големи масиви от данни, анализ на данни, създаване на прототипи на алгоритми и тяхната оптимизация, намиране на нови подходи за решаване на проблеми. Може би най-важната личностна характеристика е човек наистина да си харесва работата. Добрите ML експерти се характеризират с постоянство и стремеж да търсят отговори. Желанието за непрекъснато обучение и надграждане на уменията е важно във всяка професия и още повече в тази област, имайки предвид колко бързо се развива. Ежедневно се публикуват стотици научни статии и разработки за подобрени алгоритми и нови парадигми. Дори най-опитните специалисти трябва непрекъснато да подобряват своите умения, за да са в крак с новите разработки.

- Кои са най-добрите места, според вас, на които човек, който има желание да се занимава с ML може да го направи?

- Софтуерната индустрия е един своеобразен феномен, който коренно промени нашите представи как и откъде работим. С достъп до интернет, човек буквално може да се занимава с ML от всяка една точка на света. Добавената стойност се крие в интелектуалния принос, защото тази работа е преди всичко креативна. Свободата на избора, обменът на идеи и огромните възможности за сътрудничество са част от културата в технологичните компании. Дали това се прави на място или дистанционно вече няма особено значение. Все пак благоприятната среда е определяща, за да се създаде критична общност от специалисти, да се отгледа начин на иновативно мислене, развитие и конкурентноспособност, да се вдъхновява предприемачеството и апетита към поемането на рискове. Безспорни лидери в това отношение са американските технологични центрове от типа на Силицевата долина, където бизнесът, академичните среди и инвеститорите са силно взаимосвързани и се допълват. Ако някой иска да прави ML на световно ниво, трябва да се квалифицира в САЩ. Но напоследък има и процес на завръщане на български специалисти, които са натрупали опит в чужбина и стартират собствен бизнес и инициативи в България. Например, едно от най-забележителните събития на 2022 година е основаването на Института за компютърни науки, изкуствен интелект и технологии (INSAIT) към Софийския университет, благодарение на усилията и амбициозното визионерство на проф. Мартин Вечев от Швейцарския федерален институт по технологии (ETH) в Цюрих. INSAIT представлява първият по рода си институт в Източна Европа, изграден по модела на най-силните университети в света, привличайки топ ML специалисти като преподаватели и научни ръководители. Създаването на този институт е уникална възможност за България не само да бъде призната като световен център за изкуствен интелект, но и да помогне на нас самите да създаваме градивна среда, която ще създава атмосфера и традиции в областта.

Източник: Личен архив

Марян Ризински

- Колко години отнема обучението на един кадър, докато достигне средно ниво в йерархията? Можете ли да изброите през какви нива на обучение преминава един бъдещ ML специалист?

- Може да се каже, че са необходими поне няколко години, докато един експерт достигне средно ниво. Но като цяло няма еднозначен отговор на този въпрос, тъй като напредването в кариерата зависи от много фактори. За началния старт при започване на работа в дадена компания е определящо дали академичната подготовка включва магистратура или докторат. Предишният опит винаги се взима предвид като предимство в процеса на подбор на кадри. Важен е и потенциалът на самия кандидат и как се справя с поетите задачи. Зависи и от специфичните изисквания на компанията и какви проблеми планира да решава. Ключов фактор за кариерно израстване са практическата работа и реалният принос към бизнеса на компанията.

- Какви видове ML специалисти има (най-общо); кое е най-ниското и кое най-високото ниво в този бранш?

- Нивата включват позиции от стажант, който прохожда в областта, до директор по изкуствен интелект, който дефинира и осъществява надзор над изпълнението на технологичната стратегия и отговаря за стотици, понякога и хиляди специалисти. Има два основни вида ML специалисти - учен в областта на науките за данни (data scientist) и инженер по машинно обучение (ML engineer). Първите се занимават с бизнес-контекста чрез общуване с всички заинтересовани страни в един проект, след което избират данните и създават подходящи ML алгоритми за решаване на даден проблем. Целта им е да анализират и обработват данните, да изграждат ML модели, да тестват хипотези и да оформят заключения, които да бъдат предоставени на вземащите решения. От друга страна, инженерите по машинно обучение отговарят за инженерната част - прилагане на изградените модели в продуктивна среда, т.е. продукт или услуга, с която крайните потребители взаимодействат. Инженерите осигуряват цялостния жизнен цикъл на ML моделите от внедряване до продуктивна употреба през автоматизиране и мониторинг на всички придружаващи процеси като събиране на нови данни, оптимизация и адаптация на моделите, осигуряване на непрекъснато качество на системата, и т.н.

- Споменахте, че освен на практика, ML специалисти се реализират и на академично ниво. Можем ли да посочим конкретни личности с академична реализация и "гурута" в практиката?

- Има много тънка граница между ML разработките в академичните среди и приложенията им в индустрията. Обикновено има близко сътрудничество между изследователите от университетите и компаниите.

Гурутата от академичните среди традиционно имат водеща роля в големите технологични компании. Например, една от най-влиятелните личности в света на ML е основателят на платформата Coursera проф. Андрю Нг (Andrew Ng) от Станфордския университет. Освен с научните си разработки и желанието да направи машинното обучение достъпно за всеки, той е познат и като съосновател и бивш директор на Google Brain, част от Google AI (изследователско подразделение в Google за изкуствен интелект). Професорът е известен и като бивш главен изследовател в търсачката Baidu, където създава групата за изкуствен интелект на компанията и я разраства до екип от няколко хиляди души. Друга ярка личност е словашко-канадският ML експерт Андрей Карпати (Andrej Karpathy), старши директор за изкуствен интелект в Тесла, който ръководи AI екипа за автопилотно шофиране на компанията. Карпати защитава докторска степен от Станфордския университет, където специализира по приложения на невронни мрежи в компютърното зрение. Френско-американският учен проф. Ян Андре Лекун (Yann André LeCun) от Нюйоркския университет е вицепрезидент и главен изследовател по изкуствен интелект във Meta (Facebook). Той е най-известен с приноса си към конволюционните невронни мрежи, които се използват много широко в компютърното зрение и разпознаването на реч. Това са само няколко популярни личности, но има и много други.

- В контекста на темата ни няма как да не засегнем заплащането. Какви заплати могат да очакват младите ML специалисти в началото на своята кариера и до къде могат да очакват да достигнат възнагражденията им в следващите 5-10 години?

- Знаете, че специалистите в IT сектора традиционно са сред добре заплатените у нас и смятам, че ML специалистите не са изключение, но трябва да се има предвид, че заплащането все пак зависи от много фактори - политиката на компанията, образование и опит на кандидата и т.н. Стойностите могат да варират, но мисля, че основното в избора на кариерен път в областта на ML е предимно в предизвикателството да решиш даден проблем, да провокираш креативността си и да допринесеш за развитие в дадена област. Заплащането определено е стимулиращо, но не и основна причина, за да започнеш работа в тази сфера.

- Каква е ролята на бизнеса при обучението на ML кадри и как всъщност става подборът на кандидати? Избират ли се абсолютни начинаещи или се предпочитат хора, които вече имат някакъв опит в този бранш?

- Дигиталната икономика се базира на знания и компаниите във високотехнологичния сектор ясно разбират, че развитието и бъдещето им пряко зависи от човешкия потенциал, знанията и опита на специалистите. По тази причина, ролята на бизнеса в обучението на кадри става все по-важна. Търсят се не само опитни кадри, но и млади таланти, в които компаниите да инвестират. Така се постига балансирана среда, в която младите таланти се учат от опитните кадри, но също така внасят нов импулс и свежи идеи в компаниите. Всичко това става с конкретни целенасочени инвестиции. Например, Бош щe инвecтиpa 10 милиapдa eвpo в цифpoвизaция и cвъpзaнocт до 2025 год. Това е напълно в унисон със стратегията на Бош всички продукти на компанията да включват изкуствен интелект или да са разработени или произведени с негова помощ. Голяма част от тези средства са не само за нови разработки, но и за обучения на специалистите. В Бош има вътрешни програми за обучение по изкуствен интелект и машинно обучение. Фокусът върху иновациите, адаптирането към промените в заобикалящия свят и създаването на нови продукти и услуги са интегрална част от същността на Бош. Ако погледнете статистиката на Европейското патентно ведомство, Бош всяка година е класирана сред 10-те водещи компании с най-много подадени патенти. Фокусът върху човека, изразен чрез нашето мото "Invented for Life", както и дългосрочната визия за развитие на квалификацията на специалистите са основните причини защо компанията съществува и се развива така успешно повече от 130 години.