Costruire una carriera nel mondo dell’IA senza background tecnico
Ti sei svegliato una mattina per scoprire che il mondo intero parlava di intelligenza artificiale e apprendimento automatico? Dalle auto a guida autonoma ad Amazon che ti dicono cosa vuoi comprare prima di capire che sapevi di volerlo – l’IA, in particolare l’apprendimento automatico, si è insinuato in ogni parte della nostra vita.
Questo nuovo mondo coraggioso di machine learning (ML) e automazione ha anche scatenato un ampio dibattito sul futuro del lavoro e sul ruolo che gli umani rivestiranno in esso, in particolare per quelle persone (come me) che non hanno un background tecnico.
Come dirigente di una società in crescita della ML che ha una laurea in antropologia e pianificazione urbana, almeno una volta alla settimana mi viene chiesto come può una persona non tecnica mettersi in piedi e alla fine costruire una carriera nell’economia emergente dell’IA.
Ecco i tre consigli che condivido con la gente:
(1) Cerca Posizioni per addestrare le macchine
L’intelligenza artificiale non nasce intelligente. I prodotti ML si affidano alle persone per addestrarlo su ciò che dovrebbe fare. Pensa a questo come un insegnante che insegna ai bambini in lingua inglese o che ti insegna come fare deadlift in palestra.
Ad esempio, la società per cui lavoro, RoadBotics , applica l’apprendimento approfondito per aiutare i governi a disporre di dati di alta qualità sulle loro condizioni stradali. Sostanzialmente alimentiamo le immagini del nostro modello ML delle superfici stradali e genera una valutazione delle condizioni da 1 a 5 in base ai disagi presenti sulla strada in ogni immagine.
In che modo il nostro modello ML è arrivato al punto in cui può prendere decisioni accurate e coerenti sulle condizioni di qualsiasi fondo stradale? La gente doveva addestrarlo! Il rigoroso regime di allenamento consiste in dozzine di persone che guardano milioni di immagini su una piattaforma basata sul web e ‘dipingono’ o etichettano digitalmente le difficoltà che sono presenti in ogni immagine. Le “immagini etichettate” risultanti vengono utilizzate come materiale di formazione per il modello ML per continuare il suo apprendimento.
Ecco un esempio di come può apparire un’immagine etichettata per l’allenamento ML.
Chi sono le etichettatrici che sono fondamentali per la formazione continua dell’IA? Persone di ogni genere – da persone con laurea in geologia a ex baristi di Starbucks. In questo mondo della formazione ML, il tuo background accademico o lavorativo conta meno perché un’azienda come RoadBotics può addestrarti rapidamente sugli oggetti che devi etichettare per addestrare la macchina.
La morale della storia è che il mondo della ML può essere creato solo da una spina dorsale critica di persone dietro l’IA che offrono formazione continua. Ciò rappresenta un’importante opportunità per coloro che non hanno un background tecnico per immergersi in alcuni dei lavori più critici che un’azienda ML sta intraprendendo.
Cerca posizioni che potrebbero essere descritte come etichettatrici di dati, annotatori di immagini o tecnici di formazione. Sebbene le tue responsabilità iniziali siano probabilmente quelle di passare ore davanti allo schermo facendo clic e scorrendo, è uno dei modi più rapidi per far entrare il piede in una società di apprendimento automatico senza un background tecnico.
(2) Diventa un traduttore tecnologico
Uno dei motivi principali per cui è vantaggioso per una persona non tecnica cercare una posizione di etichettatura dei dati è perché offre un posto in prima fila per comprendere meglio il mondo tecnico di ML.
Attraverso l’esposizione alla tecnologia di base, le etichettatrici di dati possono iniziare a comprendere il linguaggio tecnico della ML, i meccanismi di base dei processi sottostanti della ML e, infine, il modo in cui le aziende traducono tecnologie complesse (che in genere richiedono un dottorato o due per capire) e vendono prodotti per un laico come te.
E poiché molte di queste aziende utilizzano il proprio personale di etichettatura come pool di talenti per promuovere altre linee di business più rivolte ai clienti, è un modo eccellente per iniziare a costruire la propria carriera con una società ML senza precedenti tecnici richiesti.
La chiave qui è diventare un traduttore tecnologico, che sia attraverso l’immersione come etichettatrice di dati o cercando posizioni che ti consentano di fungere da comunicatore tra tecnico e non tecnico.
Spesso, questo significa che guarderai a posizioni di sviluppo commerciale, marketing o esperienza dei clienti. In questi ruoli, dovrai essere in grado di comprendere abbastanza sulla tecnologia di base dell’intelligenza artificiale per essere pericoloso, ma non devi essere un esperto. In effetti, la tua mancanza di competenza ti aiuterà a trovare modi nuovi e creativi per comunicare la potenziale complessità della tecnologia a un pubblico che vuole davvero che tu risolva i loro problemi.
Più velocemente riesci a colmare il problema tecnico e non tecnico, più veloce diventi per il tuo team in un’azienda incentrata sul settore ML. Il tuo team tecnico e ingegneristico avrà fiducia nel fatto che tu effettivamente comprendi la tecnologia di base e che puoi aiutarli a far crescere il business. E i tuoi clienti con i quali interagisci avranno fiducia nel fatto che sai davvero di cosa stai parlando e che li possono aiutare a risolvere i loro problemi.
(3) Corri verso opportunità di avvio
Quindi, dove ti rivolgi per cercare posizioni come data-labeler o come traduttore tecnico? Senza dubbio, guarda alle startup, in particolare startup supportate da venture capital.
Innanzitutto, le start-up sostenute che stanno costruendo prodotti e servizi ML richiedono i dati etichettati fondamentali che è possibile creare. Ciò significa in genere che le startup stanno cercando di assumere rapidamente la forza lavoro necessaria per generare un tesoro di dati etichettati che consentirà loro di costruire, andare sul mercato e ridimensionare più rapidamente.
In secondo luogo, la ricerca di posizioni con startup ti consentirà di entrare a livello di quella che potrebbe essere un’azienda orientata alla crescita di successo. Ora, ci sono enormi rischi associati a essere coinvolti in una startup e devi riconoscere che la maggior parte delle startup fallite non sono le Facebook del mondo. Ma entrare presto in una startup ti mette rapidamente al posto di guida per mettere il piede nella portiera, diventare un membro importante del team e svolgere un ruolo nella costruzione di un prodotto fantastico!
Infine, il mondo selvaggio delle startup presenta un’enorme opportunità per una crescita accelerata della carriera senza un background tecnico. Poiché le startup danno la priorità alla velocità e alla crescita, troverai un ambiente in cui le porte si aprono rapidamente e si formano nuove posizioni che puoi essere pronto a prendere. Forse soprattutto, ho scoperto che le startup sono luoghi in cui le tue idee possono importare: una buona startup non se ne frega se sei un tecnico o un non tecnico. Se hai unità, creatività e idee che possono aiutare l’azienda ad avere successo, guadagnerai sempre più opportunità.