Fui aceptado en el AI Nanodegree de Udacity. ¿Cuáles son los posibles trabajos que puedo obtener como ingeniero de IA?

¡Disculpe la breve digresión, pero le prometo que vendré a responder su pregunta!

Hay un tropo en la comunidad de IA de que los problemas de AI son problemas de AI hasta que ya no lo son. Es decir, los problemas que consideramos AI hoy no serán “AI” una vez que avancemos en ellos porque no se sentirán tanto como inteligencia, sino que se sentirán más como algoritmos e ingeniería de software. Tenemos la tendencia de atribuir solo “inteligencia” a habilidades que no podemos explicar, por lo que una vez que podemos explicarlas, parecen menos como inteligencia.

Podemos ver esto ya con muchos trabajos que se han separado del paraguas más amplio de la IA. La visión por computadora, el reconocimiento de voz y el procesamiento del lenguaje natural son campos bastante bien definidos y bien desarrollados en la actualidad, pero surgen de las ideas más amplias de la inteligencia artificial. Sin embargo, hemos logrado un gran progreso al abordar esos problemas, por lo que hay muchos trabajos que se centran exclusivamente en esas áreas.

Entonces, la respuesta a su pregunta es doble: una, cuáles son los trabajos actuales en IA, y dos (y lo más importante en mi opinión), ¿cuáles son los trabajos futuros en IA?

Actualmente, hay muchos trabajos en exactamente esas áreas que describí anteriormente: los ingenieros de visión por computadora diseñan sistemas que pueden percibir escenas automáticamente, inferir relaciones entre objetos y hacer predicciones. ¿Sabes cómo Facebook puede detectar automáticamente la presencia de personas en las fotos? ¿O cómo perciben los automóviles autónomos la presencia de peatones u obstáculos? Esos son problemas de visión por computadora que han surgido de la maduración del campo como un problema de IA. La visión por computadora será la fuente de muchos trabajos en el futuro cercano: las empresas de seguridad pueden usarla para diferenciar automáticamente al personal permitido de los intrusos; los profesionales de marketing pueden usarlo para medir mejor el impacto de los anuncios; los analistas deportivos pueden usarlo para obtener datos increíbles de secuencias de video; y mucho, mucho más.

Pero como dije, creo que lo más interesante son los trabajos que aún no existen. A medida que los campos de IA continúen madurando, veremos un énfasis creciente en la interacción entre usuarios humanos y tecnologías equipadas con AI. ¿Cómo perciben los agentes de IA las intenciones humanas? ¿Cómo perciben el estado de ánimo y el tono? Hay un campo llamado interfaces de usuario inteligentes que, en mi opinión, verá una de las próximas grandes explosiones: IA específicamente dirigida a la experiencia del usuario. Eso va a interactuar con el Internet emergente de las cosas de maneras fascinantes; ¿Cómo colaboran los dispositivos inteligentes a tu alrededor para hacerte la vida más fácil? ¿Cómo predicen tus necesidades? Estamos entrando en una edad en la que, por ejemplo, su reloj podría percibir algo sobre su ejercicio del día, emitir una recomendación a su cocina para preparar un refrigerio y luego recomendar que su calendario modifique su horario para dejar tiempo para un descanso.

Esos son trabajos en Internet de las cosas, en interfaces de usuario inteligentes, en dispositivos portátiles y más; La IA puede tocar todas estas cosas. Y soy culpable de hacer eco de mi propio sesgo hacia HCI aquí; Hay muchos trabajos emergentes en IA que están mucho más alejados de la experiencia del usuario, como la gestión inteligente de los sistemas de tráfico (una nueva era para los ingenieros de tráfico) o la construcción de vehículos autónomos para la exploración extraplanetaria.

Para ser honesto, tengo problemas para pensar en cualquier dominio que no tenga implicaciones para la inteligencia artificial. La IA intenta abordar problemas que actualmente solo pueden ser resueltos por humanos, y casi todos los dominios tienen humanos. En muchos sentidos, podemos pensar en la IA como un campo paraguas como la Ingeniería. Pocas personas trabajan en “ingeniería”; Trabajan en ingeniería mecánica, ingeniería nuclear o ingeniería civil. Sin embargo, todavía hay principios fundamentales de ingeniería cubiertos en todas las disciplinas. Del mismo modo, cuando estudiamos IA, generalmente terminamos acercándonos a problemas específicos, como comprender el lenguaje natural o la interacción en vivo con los humanos; pero todavía hay principios fundamentales que abarcan el espacio de la IA, y es fundamental comprender esos principios para estar preparados para los trabajos que aún no existen.

Dependiendo de su nivel de educación formal , puede obtener roles muy diferentes. Todos ellos son muy importantes y gratificantes a su manera.

Me adheriré a la investigación de IA convencional y a los trabajos de ML aplicados, ya que la situación en las startups depende de la intensidad de la startup (si realmente necesitan mucha gente de ML, van a bajar sus estándares) y siempre puedes ir para tu propia startup.

Si tiene una licenciatura en un campo cuantitativo, puede obtener un trabajo como ingeniero de infraestructura o ingeniero de software. Este trabajo consiste principalmente en construir tuberías de datos, desarrollar y probar los marcos para la investigación y cosas similares. Necesitará tener un buen comando de C / C ++ (probablemente también CUDA) y Python.

Pros : relativamente fácil de obtener, muchos tutoriales técnicos, muchas oportunidades si las cosas no funcionan.

Contras : casi no hay investigación real.

Si tienes una maestría en algo como Física, Matemática Aplicada, Informática, Estadística, entonces puedes ser un buen candidato para un puesto de ingeniero de investigación. Después de obtener su maestría, es probable que tenga algo de experiencia en investigación, y probablemente tenga una buena base matemática que le permita estudiar conceptos más complicados.

Este trabajo consiste en diseñar y ejecutar experimentos, escribir documentos en colaboración con científicos, dirigir el desarrollo de un instrumento particularmente importante si eres bueno.

Pros : vas a hacer una investigación real y tienes una base sólida de conocimientos para hacer muchas cosas diferentes, desde ML aplicado hasta experimentos en IA.

Contras : es muy, muy difícil avanzar en tu carrera más allá de este punto sin doctorado, y es difícil avanzar en la investigación de IA pura si eso es lo que quieres hacer.

Si tiene un doctorado en uno de los campos enumerados anteriormente y ha hecho algo relevante como postdoctorado, será bienvenido como científico investigador. Su función será hacer su propia investigación y dirigir los esfuerzos de los demás. Las anteriores eran más sobre la implementación de cosas, las inventarás. Este grado es el que necesitará si desea hacer una investigación seria en un lugar conocido.

¿Por qué es más divertido? Porque si quieres un auto sin conductor, tendrás que ser una persona capaz de inventar uno. Eso significa estudiar muchas cosas que nunca pondrán en Udacity porque matará su modelo de negocio. Al mismo tiempo, se necesita mucho coraje para tratar de inventar algo nuevo, y las recompensas son muy altas.

Pros : serás un completo rudo, decidirás qué hacer por tu cuenta, se te pagará por perder el tiempo y registrar los resultados.

Contras : hacer un doctorado es difícil porque, bueno, ciencia, también tus amigos probablemente se enriquecerán mientras haces ciencia y puede ser frustrante.

Entonces, básicamente, puede reducir sus opciones evaluando su educación formal.

La inteligencia artificial está en todas partes a nuestro alrededor. Se utiliza en videojuegos, robótica, motores de búsqueda, software de reconocimiento facial, etc.

  1. Programador de juegos: a todos les encantan los videojuegos y los juegos más nuevos requieren enemigos muy inteligentes para mantener a los jugadores desafiados
  2. Científico robótico: los robots se están apoderando del mundo y la inteligencia artificial es más necesaria para construir robots.
  3. Ingeniero de software de reconocimiento facial: Google utiliza mucho el reconocimiento facial para comprender a las personas que se benefician de su servicio y también es una de las empresas que más paga por el reconocimiento facial. Y también usan la IA de otras maneras, como para administrar sus motores de búsqueda masivos. La búsqueda de Google debe poder predecir lo que sus usuarios desean buscar.

Los beneficios de estos trabajos es que te pagarán bastante bien.

¡Felicidades! Todas las principales empresas de software e internet están contratando los mejores cerebros en inteligencia artificial, aprendizaje automático y ciencia de datos, ya que estos campos se están fortaleciendo en un futuro próximo.