¿Cómo es trabajar con IA? ¿Cómo es el día de un ingeniero de IA o alguien en un trabajo técnico de alto perfil?

No puedo decir que tenga un trabajo de alto perfil, pero trabajo con IA en el contexto de exoesqueletos humanos.

  1. Llegue al laboratorio, siéntese frente a una computadora y mire las notas de la semana pasada.
  2. Elija un problema no resuelto de mi lista de verificación (probablemente sea un error o un comportamiento extraño del programa, pero también podría ser una presentación que aún no he hecho; asumiremos que es el comportamiento extraño).
  3. Intenta reproducir el comportamiento extraño.
  4. Agradezca que hice que esta parte particular del código sea determinista y pueda reproducir lo que sucedió.
  5. Rasca mi cabeza y me pregunto qué salió mal.
  6. Consigue té.
  7. Beber té.
  8. Encienda el depurador e intente pasar por las funciones hasta que descubra dónde se comportan mal las cosas.
  9. Ponga un montón de declaraciones de impresión para garantizar que las funciones que espero ejecutar se ejecuten (mis declaraciones de impresión preferidas son variantes de “hola”, “HELLOOOOOO” y “hola?”).
  10. Haz un montón de parcelas.
  11. Iterar de 4 a 10 hasta que descubra lo que sucedió.
  12. Si no se supone que suceda, arréglalo, lo que implica algo similar a los pasos 5 a 10.
  13. Ir a almorzar en algún momento.
  14. Hable con la estudiante que trabaja conmigo sobre cómo va su análisis de datos y dónde podrían surgir problemas.
  15. Me pongo una bata de laboratorio no porque estoy trabajando con algo peligroso, sino porque hace mucho frío en el laboratorio y porque las batas de laboratorio dan +5 a la inteligencia.
  16. Olvídese de cómo funciona una determinada función y termine en el sitio de ayuda de Matlab.
  17. Ejecutar una versión en vivo del código con mi exoesqueleto, y espero que se comporte.
  18. Busca a alguien más en el laboratorio y haz que lo prueben porque en este momento estoy demasiado bien entrenado en el exoesqueleto para que muchos problemas de código afecten mi rendimiento.
  19. Repita varios pasos según sea necesario.
  20. Piensa en cómo esto afecta mi cronograma de experimentos.
  21. Escriba los siguientes pasos y / o nuevos problemas que surgieron.
  22. Etapa y código de confirmación.
  23. Caminar a casa.
  24. Cenar.
  25. Dilación en internet.
  26. Ve a dormir.

A diferencia de los desarrolladores de software, la gente de aprendizaje automático está constantemente en un estado de autocrítica.

Cuando administraba diferentes equipos en Amazon, constantemente hacía preguntas como:

  • ¿Cómo estuvo mi modelo ayer?
  • ¿Cómo estuvo mi modelo la semana pasada?
  • ¿Cuántos datos nuevos hemos estado recibiendo?
  • ¿Qué tan rápido se anotan los datos?
  • ¿Han cambiado los datos?
  • ¿Qué pasó con la precisión? ¿Por qué empeoró?
  • ¿El nuevo modelo afectará la precisión?
  • El modelo funciona demasiado lento.
  • ¿De dónde vienen todos los falsos negativos?
  • ¿Debo estar usando un algoritmo diferente para este subconjunto de datos?
  • ¿Cómo trato con este desequilibrio de clase?
  • Disparo, accidentalmente eché un vistazo a los datos de prueba. Ahora tengo que recoger más.

En primer lugar, no estoy seguro de si se trata de un trabajo técnico de alto perfil. En el mejor de los casos, es un trabajo que implica muchas pruebas y esperas.

Todavía es temprano para que esto despegue a una escala masiva donde escuchamos más historias de este trabajo enormemente publicitado.