هوش مصنوعي يك مهارت موردنياز براي ماندن در بازار كار
هوش مصنوعي در حال تبديل شدن به مهارتي ضروري براي كارفرمايان و تامين‌كنندگان بودجه پژوهشي است.
هوش مصنوعي در حال تبديل شدن به مهارتي ضروري براي كارفرمايان و تامين‌كنندگان بودجه پژوهشي است. داده‌ها نشان مي‌دهد كه تعداد آگهي‌هاي شغلي حوزه علوم كه در آنها «هوش مصنوعي» به عنوان يك مهارت موردنياز ذكر شده، به سرعت در حال افزايش است؛ اين درحالي است كه تعداد كلي فرصت‌هاي شغلي علمي كاهش يافته است.
داده‌هاي گردآوري‌شده توسط وب‌سايت كاريابي اينديد (Indeed) نشان مي‌دهد كه در امريكا، تعداد آگهي‌هاي شغلي حوزه علوم كه در آنها «هوش مصنوعي» به عنوان يك مهارت موردنياز ذكر شده، به سرعت در حال افزايش است؛ بنابراين بايد بدانيم كه در عصر هوش مصنوعي كارفرماها چه چيزي از كارمندان مي‌خواهند. به گزارش نيچر، يكي از نمونه‌ها، موسسه كوادرام
(Quadram Institute) در شهر نورويچ بريتانياست كه در زمينه علوم غذايي و زيست‌شناسي روده تخصص دارد. با وجود تمركز اصلي اين موسسه بر اين حوزه‌ها، به گفته دنيل فيگز، مديرعامل موسسه، پژوهشگران بايد با يادگيري ماشيني و هوش مصنوعي نيز آشنايي داشته باشند. به گفته او، بخش قابل‌توجهي از فعاليت‌هاي پژوهشي در حوزه كاري كوادرام به يادگيري ماشين و غربالگري پرظرفيت مربوط مي‌شود و داده‌هاي حاصل از اين فرآيندها نيز اغلب با ابزارهاي هوش مصنوعي تحليل مي‌شوند. فيگز مي‌افزايد: اگر فردي، بسته به موقعيت شغلي، فاقد تمام اين مهارت‌ها باشد، اين موضوع يك علامت هشدار محسوب مي‌شود.
تقاضا براي هوش مصنوعي
آگهي‌هاي شغلي حوزه علوم در امريكا و بريتانيا از سال ۲۰۲۰ نشان مي‌دهند كه تقاضا براي مهارت‌هاي هوش مصنوعي پس از همه‌گيري كرونا جهشي چشمگير داشته و همچنان بالاتر از سطح سال ۲۰۲۰ است؛ اين درحالي است كه استخدام نيروي علمي پس از رسيدن به اوج خود در سال ۲۰۲۲، روندي نزولي در پيش گرفته و اكنون حتي از سطح پيش از همه‌گيري نيز پايين‌تر قرار گرفته است. با اين حال، به جاي نگراني از اينكه سامانه‌هاي هوش مصنوعي جايگزين مشاغل علمي شوند، پژوهشگران مي‌توانند با يادگيري نحوه استفاده و تفسير ابزارهاي هوش مصنوعي، يك گام جلوتر باشند. آنها نيز لازم نيست همه‌چيز را بدانند. رجينا برزيلاي، دانشمند علوم رايانه در موسسه فناوري ماساچوست (MIT) در كمبريج، دوره‌اي تخصصي براي آموزش مهارت‌هاي هوش مصنوعي به دانشمندان برگزار مي‌كند. او اين موضوع را به آشپزي تشبيه مي‌كند: براي اينكه در آشپزخانه احساس راحتي كنيد، لازم نيست همه دستورهاي غذايي دنيا را ياد بگيريد، اما بايد يك درك بسيار ابتدايي داشته باشيد. او همچنين اين وضعيت را مشابه استفاده از رايانه مي‌داند: براي استفاده از رايانه لازم نيست دانشمند علوم رايانه باشيد. مجله نيچر با ۹ نفر از استخدام‌كنندگان و پژوهشگران گفت‌وگو كرده تا مشخص كند در عصر هوش مصنوعي، مهم‌ترين مهارت‌ها براي دانشمندان در حوزه‌هاي مختلف چه خواهد بود.
بايدها و نبايدها
براي افزايش دانش هوش مصنوعي
بايد بتوانيد در فعاليت‌هاي روزمره كاري خود با فناوري‌هاي هوش مصنوعي آزمايش انجام دهيد و كار كنيد و بايد در يك دوره هوش مصنوعي و يادگيري ماشيني شركت كنيد. همچنين بايد از هوش مصنوعي بخواهيد براي يك پروژه كدنويسي كند، سپس كد را خط به‌خط بررسي كنيد و ياد بگيريد چگونه كار مي‌كند. نبايد پروژه‌اي مبتني بر ابزارهاي هوش مصنوعي پيشنهاد دهيد، بدون اينكه بتوانيد نشان دهيد مهارت لازم براي اجراي آن را داريد. نبايد هر چيزي را كه يك چت‌بات ارايه مي‌دهد، بدون بررسي باور كنيد و نبايد تلاش كنيد همه‌چيز را يك‌باره ياد بگيريد.
كنجكاو باشيد
استخدام‌كنندگان بارها به نيچر گفته‌اند كه به جاي مهارت‌هاي فني مشخص، بيشتر به دنبال نامزدهايي هستند كه كنجكاو باشند و تمايل به يادگيري بيشتر درباره هوش مصنوعي داشته باشند و بتوانند اين ويژگي را در رزومه خود نشان دهند. معاون پژوهشي كلينيك مايو در روچستر ايالت مينه‌سوتا، مي‌گويد: اينكه فرد حاضر باشد آستين‌ها را بالا بزند و وارد اين حوزه شود، چه از طريق آموزش غيررسمي و چه با صرف چند ساعت براي استفاده از محتواي آموزشي متن‌باز، اهميت بيشتري دارد. كلينيك مايو در ماه مه تقريبا ۳۰ موقعيت پژوهشي باز داشت. به گفته او، اين ويژگي از داشتن مهارت‌هاي مشخص مهم‌تر است، زيرا اين حوزه با سرعت زيادي در حال تغيير است. اگر معيار استخدام اين باشد كه افراد حتما بتوانند از ابزارهاي هوش مصنوعي خاصي مانند اوپن كلاو (OpenClaw) يا آلفاژنوم (AlphaGenome) استفاده كنند، اين معيار خيلي زود منسوخ خواهد شد. كريستوفر والش، مديرعامل شركت نوپاي TileBio در گلاسگو بريتانيا كه از هوش مصنوعي براي تحليل تصاوير پزشكي استفاده مي‌كند نيز با اين ديدگاه موافق است. او مي‌گويد: اين روزها يادگيري اطلاعات جديد با استفاده از مدل‌هاي زباني بزرگ واقعا آسان است، به شرطي كه منابع را بررسي و صحت آنها را تاييد كنيد، بنابراين توصيه من اين است كه صرفا كنجكاوي لازم براي انجام اين كار را داشته باشيد. برويد و براي يادگيري چيزهاي جديد آمادگي داشته باشيد. فكر مي‌كنم اين اولين قدم است. بسياري از موسسات آموزشي، در كنار برنامه‌هاي درسي علوم، دوره‌هاي آموزش هوش مصنوعي نيز ارايه مي‌كنند.
با نحوه «فكر كردن» هوش مصنوعي
آشنا شويد
يكي از مشكلات استفاده از ابزارهاي هوش مصنوعي اين است كه كاربران ممكن است بيش از حد به نتايجي كه اين ابزارها توليد مي‌كنند اعتماد كنند، بدون اينكه داده‌ها را به صورت انتقادي بررسي كنند. والش مي‌گويد: اغلب اوقات، هوش مصنوعي نتايجي به شما مي‌دهد كه فكر مي‌كند مي‌خواهيد ببينيد، براساس چيزي كه گفته‌ايد. به گفته او، هوش مصنوعي «مردم را راضي مي‌كند»؛ يعني تمايل دارد پاسخ‌هايي ارايه دهد كه با انتظار كاربر همخوان باشد. به گفته برزيلاي، يكي از مواردي كه بايد با دقت بررسي شود، احتمال‌هايي است كه هوش مصنوعي اعلام مي‌كند؛ زيرا اين احتمال‌ها ممكن است با واقعيت مشاهده شده مطابقت نداشته باشند. براي مثال، اگر يك مدل هوش مصنوعي بگويد احتمال اينكه يك تصوير راديولوژي سلول‌هاي سرطاني را نشان دهد ۸۰درصد است، بايد پرسيد: آيا مي‌توانم به اين احتمال ۸۰درصد اعتماد كنم؟ اين موضوع مستلزم آن است كه مشخص شود آيا برآورد احتمال ارايه شده توسط مدل، با داده‌هاي آزمايشي به‌روز كاليبره شده است يا خير؛ يعني آيا برآوردهاي مدل با توزيع واقعي داده‌ها مطابقت دارند يا خير. براي مثال، مدل‌هاي غربالگري سرطان اغلب براساس موارد تاريخي ارزيابي مي‌شوند، بنابراين وقتي از اين مدل‌ها براي تحليل جمعيت‌هاي جديد استفاده مي‌شود، آستانه‌هاي خطري كه مدل براساس آنها تصميم‌گيري مي‌كند، ممكن است ديگر با واقعيت مطابقت نداشته باشند.
بدانيد چه چيزهايي را مي‌دانيد
در عصر هوش مصنوعي، به نظر مي‌رسد بيشتر طرح‌هاي پژوهشي مملو از ايده‌هايي درباره نحوه استفاده از اين فناوري هستند. با اين حال، مديران استخدام مي‌گويند نويسندگان اين طرح‌ها اغلب نشان نمي‌دهند كه تيم آنها تجربه لازم براي اجراي ايده‌هاي مطرح شده را دارد. صرفا نوشتن اينكه «براي دستيابي به اهداف خود از هوش مصنوعي استفاده خواهيم كرد» بدون ارايه جزييات و تجربه عملي، چندان قابل اعتماد نيست. تاليسيـا كوآلو، رييس بخش پژوهش پيشگيري و تشخيص زودهنگام در سازمان پژوهشي سرطان در لندن، مي‌گويد هوش مصنوعي در بسياري از طرح‌هاي پيشنهادي كه اين سازمان دريافت مي‌كند، ديده مي‌شود. او مي‌گويد: كميته‌هاي تامين مالي بايد ببينند كه پژوهشگران اين رويكردهاي هوش مصنوعي را درك مي‌كنند و جزييات نحوه استفاده از آنها، نحوه عملكرد الگوريتم و محدوديت‌هاي آن را توضيح مي‌دهند. كوآلو مي‌گويد: ساده‌ترين و بهترين راه براي اينكه كميته‌هاي ارزيابي متوجه شوند فرد مي‌داند چگونه از روش‌هاي هوش مصنوعي استفاده كند، داشتن مقاله‌هاي علمي منتشر شده در اين حوزه است. او در غير اين صورت پيشنهاد مي‌كند افرادي با تخصص مرتبط را به اعضاي تيم پروژه اضافه كنند؛ البته هر يك از اعضاي تيم بايد تا‌حدي با هوش مصنوعي آشنا باشند. كوآلو تاكيد مي‌كند: درك الگوريتم‌ها و تكنيك‌هاي كدنويسي بسيار مهم است؛ همچنين افراد بايد بدانند چگونه براي ابزارهاي هوش مصنوعي پرامپت بنويسند، براي مثال يك پرسش را به شكل‌هاي مختلف مطرح كنند و درستي پاسخ دريافت شده را بررسي و اعتبارسنجي كنند.
كمي پايتون ياد بگيريد
زبان برنامه‌نويسي پايتون (Python) به زبان پيش‌فرض بخش بزرگي از حوزه علوم تبديل شده و بسياري از چارچوب‌هاي قدرتمند مورد استفاده براي برنامه‌نويسي هوش مصنوعي نيز بر پايه پايتون هستند. براي افرادي كه مي‌خواهند عميق‌تر وارد اين حوزه شوند، داشتن مقداري توانايي در پايتون، يك موضوع بسيار مهم است. تسلط نسبي به پايتون راه ديگري براي وارد كردن هوش مصنوعي به فعاليت‌هاي كاري فراهم مي‌كند؛ فراتر از چت‌بات‌هاي آنلاين كه بيشتر مردم از آنها استفاده مي‌كنند.
از پروژه‌هاي ساده شروع كنيد
لورا هلكس، زيست‌شناس مركز I-X، در زمينه خودكارسازي آزمايش‌ها تخصص دارد. او براي شروع پيشنهاد مي‌كند از يك ابزار هوش مصنوعي بخواهيد يك برنامه ساده بنويسد؛ براي مثال مي‌توان از سرويسي مانند كلود كد كه توسط شركت آنتروپيك در سان‌فرانسيسكو ساخته شده است، استفاده كرد. سپس بايد نتيجه را باز كنيد و تلاش كنيد بفهميد ابزار دقيقا چه كاري انجام داده است. او پيشنهاد مي‌كند از هوش مصنوعي بخواهيد يك بازي ساده مانند شبيه‌ساز تنيس روي ميز ايجاد كند. اجازه دهيد يك محصول حداقلي ايجاد كند، سپس آن را بررسي كنيد و خرابش كنيد؛ هر خط را امتحان كنيد، واقعا با آن بازي كنيد و سعي كنيد بفهميد چه اتفاقي مي‌افتد. براي اين كار لازم نيست برنامه‌نويس باشيد؛ اين روزها مي‌توانيد به راحتي كد پايتون را درك كنيد.
