Игра Яндекс Практикума
Игра Яндекс Практикума
Игра Яндекс Практикума

Не хочу работать с нейросетями — возьмут ли меня на работу? Обсуждаем с экспертами

Спросили у экспертов, действительно ли нейросети так важны айтишникам в 2024 году и что произойдет с айтишниками, которые не будут их изучать.

572 открытий5К показов

Нейросети становятся популярнее и популярнее. С ними пишут книги, пишут дипломы, пишут и оптимизируют код, переводят с одного языка программирования на другой. Недавно энтузиаст научил модель общаться вместо себя. GitHub и другие исследования сообщают, что ИИ используют уже больше половины разработчиков. Станет ли работа с нейросетями обязательным навыком? И что делать тем, кто так и не привык с ними работать? Обсудили с экспертами.

Используете нейросети?
Да, постоянно
Иногда бывает полезно
Нет

Важно ли использовать нейросети в работе в 2024 году

Определённо с нейросетями проще и легче, чем без них.

Что раньше делал айтишник, когда сталкивался с трудным вопросом, который не получалось поначалу решить своими силами? Обычно бежал в гугл и искал ответ на свой вопрос. Отсюда выходят два умения:

  • умение правильно сформулировать вопрос;
  • умение правильно искать информацию. 

Когда инфополе взорвали нейросети, и особенно ChatGPT, нашлось новое применение выше озвученным умениям. С помощью того же ChatGPT можно вести диалог по нужной теме, и нейросеть в роли собеседника может предлагать варианты решения проблемы. Пока что, нейросеть не всегда напишет полностью рабочее решение, но определённо подкинет идею, которую уже можно самостоятельно копнуть и доработать.

Также к предыдущим двум навыкам добавилось умение получать нужный ответ от нейросети, оно же — умение правильно составлять промпт, оно же — промпт-инжиниринг.

Кроме того, есть различные ассистенты, которые встраиваются в редактор кода, например, GitHub Copilot и его аналоги от других компаний. Они упрощают процесс написания кода, сокращая количество ручных операций, и подкидывают идеи в написании методов, чтобы разработчик мог больше сосредоточиться на мыслительном процессе.

Во всём этом многообразии программистам нужно не забыть, что AI-помощники не сделают всю работу за них и полагаться на нейросети всё время не стоит. В первую очередь нужно уметь думать головой.

Согласно исследованию McKinsey, компании, активно использующие ИИ, демонстрируют на 50% более высокую прибыльность по сравнению с теми, кто игнорирует эти технологии. Рост интереса к нейросетям и машинному обучению во многом обусловлен прогрессом в этой области, особенно с появлением больших языковых моделей (LLM) вроде ChatGPT. Эти системы отличаются от традиционного машинного обучения: они не ограничены выполнением узкоспециализированных задач, а способны обрабатывать и генерировать текст, улавливая контекст.

В моей работе нейронные сети помогают решать множество задач — от анализа данных до разработки маркетинговых стратегий и создания инновационных продуктов.

По данным платформы Arxiv, ежедневно выходит 150–200 статей, посвященных ML, ИИ и нейросетям. Количество и качество нейросетей растут в геометрической прогрессии. Сейчас есть возможность создать сайт с помощью нейросети, где дизайн и вёрстку сделает робот, где автоматически нейросеть будет генерировать контент с красивыми картинками хоть ежедневно, хоть ежеминутно. Можно найти нейросеть для узкой и сложной задачи, которую сложно реализовать с помощью собственных алгоритмов, вручную. Приведу один простой пример.

Кто хоть раз разрабатывал систему техподдержки для онлайн-магазинов или обучал чат-ботов общению с недовольными пользователями, тот знает, какая это непростая задача. И со всем этим вам может помочь разобраться искусственный интеллект. Приведу примеры некоторых готовых решений чат-ботов «из коробки»:

  • ChatGPT от OpenAI;
  • Dialogflow от Google;
  • Wit.ai от Facebook;
  • ЛИЯ;
  • Yandex SpeechKit;
  • YandexGPT;
  • GigaChat от Сбера. 

Есть ли шансы у специалистов, которые не работают с нейросетями?

Если рассматривать должности, связанные с ML, тут, определенно, важен не только опыт работы с нейросетями, но и понимание их устройства — для создания новых моделей. В других сферах, например, в веб-разработке, я считаю, отсутствие опыта работы с нейросетями не минус, а в некой степени плюс.

Повторюсь, программист должен уметь думать сам, без помощи нейросетей. Нейросети — это инструмент в работе, продолжение руки мастера, если выразится более поэтично. И если программист умеет самостоятельно решать задачи без помощи нейросетей, то он намного лучше, чем тот, что бежит с любой задачей сразу в ChatGPT за решением и его бездумно копирует. Нужно уметь держать баланс.

Всегда можно научиться пользоваться нейросетями в работе, это несложный навык в освоении. Куда сложнее научится правильно думать и переносить эти мысли в код.

Отсутствие опыта работы с нейронными сетями может стать существенным недостатком при отборе кандидатов на определенные ИТ-позиции. Однако это зависит от конкретной роли. Вот несколько причин, по которым это может быть важно:

  • Для должностей инженеров машинного обучения и аналитиков практические навыки разработки нейронных сетей в наши дни часто являются обязательным условием. Кандидаты, не имеющие опыта работы с нейронными сетями, не смогут претендовать на эти должности.
  • Для должностей операторов AI/ML, инженеров инфраструктуры и менеджеров технических программ практическое знание нейронных сетей часто предпочтительно или крайне желательно, хотя и не всегда обязательно. Кандидаты с таким опытом будут иметь конкурентное преимущество.

Тем не менее если речь идет об общей разработке программного обеспечения, традиционном сисадмине или службе технической поддержки, прикладные навыки работы с нейронными сетями в большинстве случаев не ожидаются и не требуются. Отсутствие прямого опыта работы с нейронными сетями не будет препятствовать кандидату в более традиционных ИТ-функциях.

Однако даже для традиционных ИТ-ролей наличие концептуальных знаний о нейронных сетях и о том, как они питают современные приложения искусственного интеллекта, демонстрирует ценное контекстуальное понимание технологического стека организации.

Таким образом, практический опыт разработки нейронных сетей становится все более необходимым требованием для специализированных должностей в области ИИ и передовой аналитики. Он также дает преимущество для смежных технических должностей, ориентированных на поддержку, оптимизацию или обеспечение безопасности этих систем. Но для большинства обычных ИТ-ролей это все еще просто полезный опыт, а не обязательное условие.

Могут быть разные точки зрения на этот вопрос, потому что если соискатель квалифицирован и опытен, любит узнавать новое и легко обучается, то, наверное, этот минус не самый существенный.

Но для меня отсутствие навыка работы с нейросетями говорит о том, что кандидат не интересуется новостями и тенденциями в IT-сфере. На мой взгляд, есть вероятность того, что он работает со старым стеком технологий, не внедряя последние достижения в той области, где он работает. И совершенно неважно, чем он занимается: IT-маркетингом, программированием или QA. Если кандидат не знает слов: ML, ChatGPT, DALL-E, не знает, кто такой Сэм Альтман, возникает вопрос: «А точно ли человек из мира IT?».

На мой взгляд, это уже база и отсутствие опыта с нейросетями может быть существенным недостатком. LinkedIn отмечает, что вакансии, связанные с ИИ, выросли на 74% за последний год. Специалисты без знаний в этой области могут оказаться в невыгодном положении по сравнению с теми, кто владеет этими навыками.

Следите за новыми постами
Следите за новыми постами по любимым темам
572 открытий5К показов