Kaip rašoma pranešime spaudai, pasak D. Čeilutkos, DI galima skirstyti į dvi kategorijas – dirbtinį bendrąjį intelektą ir dirbtinį intelektą: „Dirbtinis bendrasis intelektas yra tai, ko mes dabar neturime ir galbūt niekada neturėsime – tai superkompiuteris, kuris gali padaryti bet ką. Tai filosofijos, mokslinės fantastikos tema. Tuo tarpu praktinis dirbtinis intelektas yra tai, ką mes visi puikiai pažįstame, tik galbūt su dirbtiniu intelektu nesiejame – tai ir telefono atrakinimo piršto atspaudu funkcija, ar prietaisų gebėjimas atskirti mūsų veidą nuo kitų veidų ir panašiai. Verta paminėti, kad pagrindinė DI dalis yra mašininis mokymasis. Pavyzdžiui, didžiausios Europoje internetinės naudotų mados prekių prekybos platformos „Vinted“ mašininio mokymosi specialistai kuria mokymosi modelius ir juos integruoja į produktą. Tad šios technologijos tikslas labai aiškus ir konkretus, o norint ją įvaldyti reikia specifinių įgūdžių.“
DI specialistų trūksta
Dabar turbūt sunkiai įsivaizduotume mobiliuosius telefonus ar programėles, kurios neturėtų dirbtinio intelekto technologijų. „Jei šios technologijos staigiai dėl kažkokios priežasties išnyktų, tikrai pastebėtume ir galvotume, kas atsitiko“, – sako D. Čeilutka.
Dirbtinio intelekto specialistas teigia, kad šios profesijos profesionalų ateityje reikės vis daugiau ir tam yra kelios priežastys. Pirmiausia, kone kasdien pasaulyje kuriasi nauji startuoliai, savo produktui naudojantys DI technologijas – būtent jie suburia nemažą dalį specialistų. D. Čeilutka tikina, kad tokios įmonės sugebėjo savo veiklą pakreipti taip, kad DI profesionalai sukurtų daugiau vertės verslui.
„Europoje šiek tiek atsiliekame, dauguma įmonių dar tik mokosi taip daryti. Tačiau vejamės – matome pavyzdį iš kitų šalių. Įmonėms, kurios kuria produktus, paremtus dirbtinio intelekto technologijomis arba prie savo senų produktų prideda dirbtinio intelekto technologijas, reikia specialistų, o jų dabar yra labai mažai. Technologijos paprastėja, įėjimo į rinką barjeras mažėja, dėl to DI specialistų poreikis ateityje tik didės“, – sako D. Čeilutka.
Reikia kompetencijų įvairovės
Nors neretai DI specialistai siejami su programuotojais, D. Čeilutka pabrėžia, kad vien programavimo kompetencijų siekiant dirbti šioje srityje nepakanka. Dažnu atveju DI specialistais tampa ar persikvalifikuoja kitų sričių žinovai – matematikai, duomenų mokslo ekspertai ar programuotojai. Anot D. Čeilutkos, DI ekspertas turi būti susipažinęs su visomis šiomis disciplinomis.
„DI specialistui labiausiai reikalingi programavimo ir duomenų mokslo įgūdžiai. Tai yra tarpdisciplininė sritis, kur žmogus turi būti ir geras programuotojas, ir geras duomenų mokslininkas, nors jam nereikia viso programavimo ar duomenų mokslo spektro“, – sako jis.
Ieškodami DI eksperto, darbdaviai pirmiausiai vertina sugebėjimą tinkamai kurti mašininio mokymosi modelius: „Tai yra pagrindinis kriterijus. Be to, būtų sunku įsidarbinti šioje srityje neturint giliojo mokymosi patirties – šios žinios labai svarbios. Taip pat reikia turėti matematikos, statistikos pagrindus, praktinės patirties dirbant su mašininio mokymosi modeliais.“
Ekspertas priduria, kad programavimas vis dar laikomas labiau menu nei mokslu, tad ir mašininis mokymasis taip pat dar nėra pilnai išvystytas. Pirmosios mokymuisi tinkančios knygos išleistos vos prieš kelerius metus, pati industrija išgyvena augimo etapą, tad ir darbdaviai dar tik pradeda suprasti, kokių kompetencijų tikisi iš būsimo darbuotojo.
Universiteto nepakaks
Pasak D. Čeilutkos, įgauti DI kompetencijų, reikalingų darbui šioje srityje, galima keliais būdais, tačiau pats tiesiausias kelias – specialios mokymosi programos ir kursai. „Mažos DI mokymosi galimybės – problema, kurią ir pats bandau išspręsti. Prieš daugiau kaip dvejus metus įkūriau „Tribe of AI“ bendruomenę, kurios pagrindinis tikslas yra padėti žmonėms tapti dirbtinio intelekto ekspertais, net jei prieš tai nemokėjo nieko. Programa nėra lengva, trunka kelerius metus. Tai vienas iš būdų, kaip įdedant daug pastangų tapti DI specialistu. Galima šioje srityje tobulintis ir patiems, nes internete egzistuoja daugybė prieinamos informacijos, tačiau tokiu būdu klaidų išvengti nepavyks“, – tikina ekspertas.
Nors įprasta, kad daugeliui karjeros krypčių ruošia universitetai, D. Čeilutka įsitikinęs, kad nei vienai profesijai vien akademinio išsilavinimo nepakanka. Be to, dėl dinamiškų DI industrijos pokyčių daugeliui universitetų prisitaikyti sudėtinga.
„Universitetai kuo puikiausiai išmoko fundamentalius mokslus, kurie neturi tokios greitos kaitos, nes akademinė bendruomenė turi daug praktikos. Tačiau norint dirbti DI srityje, universitete įgautas fundamentalias žinias reikia papildyti dabar aktualiomis žiniomis – šios žinios įgaunamos kitur. Man atrodo, kad labai gerai, kai atsiranda įvairių iniciatyvų, kurios padeda įgauti tokių žinių“, – sako D. Čeilutka.
„Dirbant šioje srityje mokytis reikia labai daug ir nuolatos, nes visos technologijos labai greitai evoliucionuoja. Atrodo, tik prieš keletą mėnesių buvo išrasta viena pagrindinių bibliotekų, kurias naudojame DI darant mašininio mokymosi modelius, o dabar jau reikia ieškoti alternatyvų, nes ši technologija sensta. Jei 6 mėnesius nieko nesimokoma, reiktų skirti labai daug laiko pasivyti. Universitetai per tiek laiko negali suderinti programos. Be to, DI specialistų atlyginimai labai dideli, o švietimo įstaigos už dėstymą tiek pasiūlyti negali. Manau, kad neišvengiamai turėtų būti papildomai domimasi neformaliuoju švietimu, kursais, akademijomis, kur pateikiamas naujausias turinys ir medžiaga“, – priduria ekspertas.
D. Čeilutka dalijasi trimis informacijos šaltiniais, kuriuose pradedantiesiems galima gauti naudingos informacijos apie dirbtinį intelektą:
1. „Fast.ai“ giliojo mokymosi biblioteka, kurioje galite rasti naudingą DI kursą, knygą ir tinklaraštį: https://www.fast.ai/
2. Knyga pradedantiesiems – „Data Science from Scratch: First Principles with Python“
3. Tinklalaidė „Lex Fridman Podcast“: https://lexfridman.com/podcast/
