Какие новые задачи и специальности появляются вокруг искусственного интеллекта?

Какие новые задачи и специальности появляются вокруг искусственного интеллекта?

Разбираемся, чем занимаются специалисты в области ИИ и какие знания стоит начинать осваивать ещё в школе.

Нейросети уже пишут тексты, решают задачи и создают программы. Но вместе с развитием ИИ появляются новые задачи: подготовить данные для обучения модели, проверить её ответы, найти причину ошибок, защитить систему от атак.

За каждой такой задачей стоят не только навыки работы с ИИ, но и фундаментальные знания — математика, программирование, статистика, компьютерные системы или глубокое понимание предметной области.

Разберём четыре направления.

Инженер, который поддерживает работу модели

Модель может хорошо работать на одних данных и постепенно терять точность, когда меняются условия. Специалист по MLOps следит за качеством модели после запуска, разбирается в причинах ошибок, обновляет модель и проверяет результат.

Здесь важны программирование, работа с данными и понимание того, как устроены компьютерные системы.

Специалист, который готовит данные для обучения

Модель учится на примерах. Если в данных не хватает важных случаев, есть ошибки в разметке или случайные закономерности, модель может научиться делать неверные выводы.

Поэтому специалисты анализируют данные, ищут пропуски и ошибки и проверяют, насколько примеры действительно соответствуют задаче. Здесь особенно важны программирование и основы статистики.

Специалист, который проверяет ответы ИИ

Связный ответ нейросети не обязательно правильный. Специалисты по оценке моделей разрабатывают задания и критерии, по которым проверяют качество ответов.

Для этого нужны знания конкретной области: математики, лингвистики, программирования и других дисциплин.

Специалист по безопасности ИИ

Нейросетевые системы могут сталкиваться с новыми видами атак. Специалисты проверяют, можно ли обмануть модель, получить доступ к закрытой информации или заставить систему выполнить нежелательное действие, а затем помогают выстроить защиту.

Здесь соединяются знания о компьютерной безопасности и устройстве нейросетей.

Что объединяет эти направления

Во всех четырёх случаях человеку недостаточно просто уметь пользоваться нейросетью. Нужно понимать задачу, проверять результат и разбираться в причинах ошибок.

Поэтому математические и предметные знания не теряют значения с развитием ИИ. Напротив, они помогают человеку понимать, где ответ модели можно использовать, а где его необходимо проверить.

Исследователи НИУ ВШЭ пришли к похожему выводу, проанализировав более 700 тысяч вакансий на HeadHunter за 2021–2025 годы: ИИ часто дополняет существующие профессиональные задачи, а профессиональная глубина помогает грамотно применять технологию и оценивать её результаты.

Для школьника это означает, что сегодня не обязательно выбирать конкретную профессию будущего. Гораздо важнее постепенно развивать базу, которая позволит осваивать новые технологии и разбираться в сложных задачах.

Как это происходит на занятиях

Например, ребёнок программирует игру. Если программа дважды начисляет очки за одно действие, ему недостаточно просто исправить ошибку. Нужно понять, при каких условиях она возникает, проверить предположение и убедиться, что исправление работает в других случаях.

Позже похожий подход появляется при работе с ИИ: ученик готовит данные, обучает модель, проверяет её на новых примерах и анализирует, от чего зависит качество результата.

Так формируется важный навык: не просто получить ответ, а понять, почему он получился и можно ли ему доверять.

На что смотреть при выборе обучения

Родителю стоит обратить внимание не только на название курса, но и на то, что именно делает ученик:

— решает ли он задачи самостоятельно;
— работает ли с данными и моделями, а не только использует готовые инструменты;
— проверяет ли результаты и ищет ошибки;
— становится ли содержание задач постепенно сложнее.

В Московской школе программистов мы обучаем детей с 2001 года. Программирование изучается вместе с математикой, а содержание занятий по искусственному интеллекту усложняется по мере подготовки учеников.

На курсе по созданию моделей ученики готовят данные, обучают и проверяют простые модели, оценивают их качество и разбирают ограничения. В результате ребёнок получает собственную модель, которую может проверить на новых данных и проанализировать.

Для знакомства со школой оставьте заявку на сайте. Перед началом обучения мы определяем текущий уровень подготовки ребёнка и подбираем подходящую программу. Знать программирование заранее не требуется: при поступлении важнее математическая подготовка, логика и способность работать с алгоритмическими задачами.

Подберите подходящую программу в МШП

Ученики 2–11 классов осваивают программирование, математику и современные ИТ-технологии на уровне, который соответствует их возрасту и подготовке.