Нейросеть ChatGPT назвала десять самых перспективных профессий будущего. Результаты эксперимента были опубликованы в технологическом издании NN.
Так, на первом месте оказалась профессия инженера-программиста искусственного интеллекта. Эта работа предусматривает разработку алгоритмов, систем машинного обучения и ИИ, обучение и оптимизацию моделей.
Профессия робототехника заняла вторую позицию. Робототехнику предстоит разрабатывать и проектировать роботов, интегрировать их в производственные процессы, проводить их диагностику и ремонт.
Третье место закрепилось за профессией специалиста по кибербезопасности. Эксперту необходимо защищать компьютерные системы и сети, проводить анализ рисков и уязвимостей, а также разрабатывать меры по усилению безопасности.
В топ также попали следующие профессии: биотехнолог, разработчик виртуальной и дополненной реальности, блокчейн-инженер, инженер устойчивости энергетики, специалист по генной терапии и генному редактированию, дата-аналитик, инженер-программист IoT (интернета вещей).
Как устроена ChatGPT и почему она так явно отличается от предыдущих моделей
Нейросеть ChatGPT впечатляет всех, поскольку ведет диалог с пользователем чрезвычайно убедительно и правдоподобно. Модель, к примеру, способна выдать разборчивые стихи, песни и тексты на нужную тему, базовый финансовый анализ, научную концепцию, персональный совет — да в целом ответить на что угодно релевантно. Конечно, полагаться на нее полностью нельзя. Скажем, есть риск в ответ на просьбу придумать некролог о диктаторе Бенито Муссолини получить рассказ о его увлечении скейтбордингом.
Новый чат-бот стал прямым потомком линии нейросетей GPT от компании OpenAI. Все три обученные на самых разных текстах языковые модели — GPT, GPT-2 и GPT-3 — натренированы делать одну вещь: генерировать продолжение текста по его началу.
До 2017 года эту задачу лучше всего выполняли так называемые рекуррентные нейросети — они помнят ранее увиденное и потому могут учитывать контекст поступающей информации. Вообще, значение контекста не одинаково в разных задачах при машинном обучении.
Например, для распознавания лиц контекст почти ничего не дает, и нейросети, которые эту задачу решают, обычно его не учитывают. Но, к примеру, для машинного перевода контекст имеет решающее значение, ведь именно от него во многом зависит смысл каждого конкретного слова в тексте. Поэтому, чтобы его правильно перевести, нейросеть должна учитывать, о чем говорилось ранее, уметь «заглядывать» в прошлое — причем чем дальше, тем лучше.
В 2017 году, с выходом определяющей для этой области компьютерных наук статьи «Все, что вам нужно, — это внимание», произошла небольшая революция: вместо довольно сложных и медленных в обучении рекуррентных нейросетей исследователи предложили новую архитектуру — так называемый трансформер. Он умеет не просто учитывать контекст, но и придавать разным его частям разный вес. Грубо говоря, это позволяет нейросети «не забывать» что-то очень важное, увиденное в далеком прошлом, под грузом новых, но не очень важных данных. Такой подход оказался крайне эффективным сначала в машинном переводе. Постепенно трансформеры захватили самые разные области машинного обучения — им нашли применение даже в обработке и генерации изображений и звука.
Оставьте первый комментарий