L’intelligenza artificiale è fondamentale per la rivoluzione tecnologica in corso, e sta diventando sempre più intelligente. La forza trainante dietro la visione del computer, l’analisi del discorso e l’elaborazione del linguaggio naturale, l’IA ha un impatto sull’industria e sulla società in numerosi modi – e continuerà a farlo in futuro.
Non è una sorpresa, quindi, che il campo dell’IA sia pieno di opportunità di carriera – così tante, infatti, che il settore ora affronta una sfida unica: ci sono troppi lavori e troppo pochi candidati qualificati. Il lato positivo è che questo significa che offre un’occupazione virtualmente garantita (e ben pagata) per coloro che hanno la merce.
Carriera nell’Intelligenza Artificiale
Come si entra nell’IA e come si presenta un percorso di carriera nell’intelligenza artificiale? Abbiamo chiesto ad alcuni dei migliori esperti del settore di condividere le intuizioni del loro viaggio per aiutare a guidare il percorso. Essi includono Satya Mallick, fondatore di Big Vision LLC e CEO ad interim di OpenCV.org; Jana Eggers, CEO di Nara Logistics; e Joanna Bryson, professore associato di informatica all’Università di Bath in Inghilterra.
Come sei entrato nel campo dell’IA?
Satya Mallick
Fondatore, Big Vision LLC/Interim CEO, OpenCV.org
Mi sono imbattuto nella computer vision (un ramo dell’IA) come studente dell’Indian Institute of Technology, Kharagpur (India) nel 1999-2000. Ho visto uno dei miei studenti più anziani fare un progetto di robotica in cui usava telecamere per aiutare i robot a “vedere”. Ho trovato l’idea così affascinante che ho deciso di fare domanda ai programmi di dottorato in computer vision e machine learning dopo il mio undergrad.
Jana Eggers
CEO, Nara Logics
Svolgevo ricerche sulla conduttività nelle materie plastiche al Los Alamos National Laboratory nei primi anni ’90, e le reti neurali e gli algoritmi genetici erano strumenti che usavo per alcuni dei miei lavori. Quando ho lasciato la ricerca e sono entrato nel mondo degli affari, sono approdato in una startup che faceva sistemi esperti per la logistica. Dopo di che, sono andato in uno dei motori di ricerca originali, Lycos. Quindi, fondamentalmente, poiché ero sempre nella tecnologia d’avanguardia, una qualche forma di IA era tipicamente lo strumento giusto per il lavoro a cui stavo lavorando.
Joanna Bryson
Professore associato, Dipartimento di Informatica
Università di Bath (Regno Unito)
La mia prima laurea era in psicologia non clinica all’Università di Chicago. Ed ero anche bravo a programmare, così ho lavorato nel dipartimento di informatica lì. Ero interessato all’IA, ma la prima volta che qualcuno la insegnava era l’anno dopo la mia laurea. Ma mi lasciarono comunque dare ripetizioni. Così ho passato cinque anni a Chicago a pagare il mio debito universitario. Ed è stato proprio nel periodo in cui abbiamo visto l’informatica decentralizzata. I PC stavano iniziando a diventare una cosa, e stavamo capendo che non tutti i computer devono sapere tutto. E avevo deciso che non avrei mai voluto essere un programmatore professionista, così sono tornato alla scuola di specializzazione per l’intelligenza artificiale. Volevo andare al MIT, ma ho scelto Edimburgo perché volevo andare all’estero ma non sapevo parlare nessuna lingua. Sono stato fortunato a quel punto, perché era l’unico posto che nel 1991 mi avrebbe dato un master in AI. Da lì, ho scoperto Rod Brooks e l’IA basata sul comportamento – l’idea che piuttosto che cercare di capire tutto, si avevano sottoparti specializzate di un robot che capivano problemi diversi. E poi alcuni di noi decisero che avremmo cercato di entrare al MIT e lavorare con Brooks.
Qual è la portata del suo lavoro nell’IA?
Mallick: Lavoro nel campo della computer vision, probabilmente il più importante sottocampo dell’IA. Nella computer vision, il nostro obiettivo è quello di rendere le macchine capaci di dare un senso al mondo attraverso l’analisi di immagini e video. Gestisco una società di consulenza sulla visione artificiale e l’apprendimento automatico chiamata Big Vision LLC e un blog popolare chiamato LearnOpenCV.com.
Nella mia società di consulenza, affrontiamo una varietà di problemi di computer vision che vanno dal rilevamento di parassiti nelle feci dei cavalli all’identificazione del modello di borse di alta moda nelle immagini caricate dagli utenti. Il nostro progetto più grande riguardava l’OCR e il rilevamento delle frodi nei documenti d’identità. Inoltre, abbiamo lavorato su applicazioni di sicurezza che coinvolgono il rilevamento delle intrusioni, applicazioni di visione per la guerra urbana, analisi sportive e dispositivi biomedici. Sono anche l’amministratore delegato ad interim di OpenCV.org che mantiene la più grande libreria di computer vision del mondo (OpenCV). Abbiamo appena lanciato una campagna Kickstarter per tre corsi AI. Sta andando molto bene.
Eggers: Nara Logics fornisce una piattaforma AI per le grandi imprese e il governo federale che si concentra sul supporto alle decisioni. Gran parte dell’apprendimento profondo si concentra sulla percezione – riconoscere le immagini, comprendere il linguaggio – noi ci concentriamo sulle decisioni della fase successiva a partire da ciò che viene percepito. La nostra piattaforma aiuta a riunire i flussi di percezione di visione, linguaggio, sensori, ecc. per supportare decisioni migliori, da cosa mostrare a un cliente (personalizzazione) a come dare priorità alle operazioni (supporto decisionale).
Bryson: Per il mio dottorato, volevo fare psicologia, ma sono finita al MIT. Così mi sono concentrata su qualcosa chiamato sistemi di IA, che è fondamentalmente su come rendere più facile la costruzione dell’IA. Ci sono molte persone che si concentrano su un algoritmo magico che batterà gli altri algoritmi, ma ho notato che avevamo già un sacco di capacità e che il vero problema era metterle insieme – il lato ingegneristico di questo. Così mi sono concentrato su questo. E ora è diventato davvero un grosso problema. L’ingegneria dei sistemi è in realtà una disciplina che rende le cose sicure, che risale a ben prima dell’IA.
Sto anche cercando di capire la cooperazione umana e l’evoluzione della cognizione – quando la usiamo e quando no – quindi mi sto concentrando molto sulla comprensione dei diversi casi in cui le persone cooperano e si aiutano a vicenda, e quando non lo fanno. In questo momento stiamo lavorando a un articolo sul perché la polarizzazione politica è ben correlata alla disuguaglianza di ricchezza. Come interagiscono insieme? Poi, naturalmente, c’è l’etica dell’IA. Sto passando tutto il mio tempo in giro a fare lavoro di politica, quindi solo parlando con le persone e cercando di collegare i punti. Penso che sia solo prendere le cose migliori che ho sentito e metterle tutte in un posto, ma altre persone lo vedono come molto innovativo.
Cosa trova più gratificante nel suo lavoro?
Mallick: Uno dei luminari nel nostro campo, il dottor Andrew Ng, ha paragonato l’IA all’elettricità. Sta trasformando diverse industrie, ed è enormemente gratificante essere parte di questa rivoluzione. Alcune delle applicazioni che abbiamo costruito eliminano la fatica dai compiti comuni, alcune ci tengono al sicuro, e altre ancora nel campo medico migliorano la salute e addirittura salvano la vita. Come praticante di questo mestiere, è profondamente soddisfacente vedere il proprio lavoro fare la differenza.
L’altra parte che dà molto significato alla mia vita è il mio lavoro come insegnante di corsi online. A OpenCV.org, siamo in missione per formare la forza lavoro globale in IA. Questo è un campo emergente, e siamo totalmente consapevoli che l’IA causerà la perdita di molti posti di lavoro attraverso l’automazione. Quindi è nostra responsabilità aiutare le persone ad aggiornare le loro competenze e insegnare loro ciò che noi impariamo attraverso la pratica del nostro mestiere.
Eggers: Permettere ai nostri clienti di usare i loro dati per vedere in avanti piuttosto che analizzare all’indietro.
Bryson: È solo intrinsecamente interessante, capire come funziona l’intelligenza. Credo che questa sia la mia più grande ricompensa interna, anche se mi piace anche essere utile.
Quali aspetti del suo lavoro sono più impegnativi?
Mallick: Le sfide nell’IA arrivano in molte forme diverse. In primo luogo, abbiamo sfide tecniche. A volte non abbiamo abbastanza dati. Altre volte, i dati sono disponibili ma sono estremamente rumorosi, o non etichettati in un modo che può essere facilmente utilizzato. In alcuni casi, le persone sottovalutano enormemente l’irriducibile incertezza di un problema – prevedere le elezioni è uno di questi problemi. In secondo luogo, abbiamo sfide etiche senza buone risposte. Per esempio, usereste un’IA che aiuta il 99% delle persone, ma è pesantemente influenzata contro l’1%? Rimuovere i pregiudizi dai dati è estremamente impegnativo.
Eggers: Demistificare l’IA per i clienti. Sono sia incuriositi che frustrati dal clamore e dalla mistica intorno all’IA. Il nostro obiettivo è portare rapidamente i nostri clienti dalla prova del concetto alla produzione.
Bryson: Sono cose strane, come la coordinazione. Perché tutto è interessante e tutto è una sfida e non sai mai quando avrai una conversazione che ti aiuterà a fare una grande differenza.
Quali sono i primi passi più cruciali per chi vuole intraprendere una carriera nell’IA?
Mallick: Per avere una carriera tecnica nell’IA, bisogna innanzitutto avere buone capacità di programmazione. Il linguaggio di programmazione Python è diventato la scelta predefinita per i ricercatori e gli ingegneri di IA. Anche se, a seconda del dominio, può essere richiesta la conoscenza di C++. Se sei già un buon programmatore, il passo successivo è quello di trovare un corso online che possa insegnarti le basi e gradualmente portarti alla padronanza. Ci sono diverse buone scelte come i corsi di OpenCV.org, Coursera, Udacity e DeepLearning.ai.
Eggers: Capire che la tecnologia è la parte più facile dell’IA. I dati e i risultati sono entrambi più critici. E sono entrambi guidati dall’organizzazione.
Bryson: Fare un’istruzione post-laurea, anche se è solo un master, per ottenere intuizioni da un’altra disciplina. Quando ero uno studente universitario, quando le persone si laureavano avevano più probabilità di entrare nelle carriere che avevano avuto nei lavori estivi che nelle loro major. Quindi, quando stai cercando un lavoro, è davvero importante che tu porti almeno alcune delle competenze necessarie e che stai dando loro qualcosa. Ma cerca qualcosa che ti porti almeno in parte a dove vuoi andare. Sporcatevi le mani facendo qualsiasi lavoro di programmazione o di analisi dei dati o altro. Se sei all’università, ci sono un miliardo di lavoretti che puoi fare solo per avere un po’ di esperienza. Questo aiuta molto.
Quanto vale l’istruzione post-secondaria? Che mi dici dei diplomi di laurea?
Mallick: Ci sono due enormi benefici di un’istruzione universitaria. In primo luogo, fornisce una struttura al processo di apprendimento. Senza questa struttura, è facile perdersi nella confusione o perdere la motivazione. Secondo, completare una laurea segnala un livello di competenza nel mercato del lavoro. Detto questo, sempre più persone si preoccupano del portfolio di lavoro che hai fatto e meno del tuo curriculum. Quando uno studente rilascia regolarmente il suo codice su GitHub, vediamo in prima persona cosa sta imparando e quanto è bravo. Se alcuni dei loro lavori sono unici e creativi, personalmente non mi interessa la loro laurea.
Eggers: In quanto ritirata dal dottorato, la mia prospettiva è che una laurea ti garantisce il rispetto – e ci sono altri modi per guadagnarsi quel rispetto. Quindi dipende davvero da te e da ciò che apprezzi. Puoi avere successo in entrambi i modi.
Bryson: Non tutti i dottorati valgono la pena di essere fatti. Specialmente in America in questo momento, ci sono molte persone che ti vendono una laurea che non è necessariamente utile. Ottenere una laurea ora significa in parte ottenere un’istruzione e in parte essere in una coorte di persone che stanno davvero cercando di capire le cose, come sono stato io a Edimburgo e al MIT. Una volta si diceva che un master è la cosa migliore da avere se vuoi andare nell’industria, ma vuoi un PhD se vuoi lavorare nei laboratori governativi o nel top drawer dei laboratori industriali – o se vuoi essere tu stesso un accademico.
Alcune lauree sono meglio di altre?
Mallick: Assolutamente sì. Una laurea di Stanford in IA vale molto di più di molte altre università perché si arriva a lavorare con i migliori ricercatori che sono all’avanguardia nella ricerca sull’IA. Anche la scelta della specializzazione fa un’enorme differenza.
Eggers: L’IA ha bisogno di tutti i gradi coinvolti. Tuttavia, la comprensione tecnica di base è fondamentale per partecipare.
Bryson: Abbiamo ottimi studenti che vengono a fare il nostro master, e spesso quelli che finiscono per essere i migliori sono quelli che vengono da una base di psicologia. Quindi la psicologia è un’ottima laurea. La matematica e la fisica ti aiuteranno a entrare nel machine learning, ma non ti danno necessariamente l’intera prospettiva su ciò che sta succedendo. Pensare alle dinamiche del cambiamento è davvero importante per capire la società. Sono prezioso perché costruisco l’IA e capisco come funziona, ma capisco anche come funziona la società.
Quali risorse – scritte o meno – le persone dovrebbero sfruttare per ottenere maggiori informazioni su una carriera nell’IA?
Mallick: Sfortunatamente, le buone risposte sono sparse in molte pagine diverse su internet. Ci sono tre grandi aree di applicazione dell’IA: la visione artificiale, l’analisi del discorso e l’elaborazione del linguaggio naturale. Ognuna richiede un percorso di apprendimento diverso. Quindi, suggerirei alle persone di cercare su Google questi termini e vedere cosa gli interessa. Ecco una lista di alcuni blog che le persone possono trovare interessanti (orientati verso la computer vision, perché questa è la mia area di competenza): LearnOpenCV.com; TowardsDataScience.com; MachineLearningMastery.com; PyImageSearch.com.
Eggers: Questo dipende da come si impara e da dove ci si vuole concentrare. Esempi: Critico è imparare come sviluppare prodotti tecnologici – il mio libro preferito per questo è Inspired di Marty Cagan. Raccomando anche la conferenza AI di O’Reilly per la quantità di materiale che copre tecnologia, ricerca, affari, etica, ecc. È possibile ottenere l’accesso ai materiali della conferenza tramite la loro piattaforma di apprendimento. Se vuoi essere più sul lato R&D dell’IA, hai risorse come arxiv per stare al passo con le ultime ricerche.
Bryson: Se hanno domande specifiche, di solito li indico a particolari post di blog o articoli. È così facile fare ricerca ora che tutti hanno accesso a Google Scholar. Anche se colpisci un muro a pagamento, probabilmente troverai che qualcuno ha messo il PDF online.
Una volta che qualcuno ottiene un lavoro nell’IA, quali sono le prospettive di avanzamento all’inizio e lungo la linea?
Mallick: L’IA è un razzo che sta decollando. Anche i lavori entry-level sono follemente lucrativi, pagando due volte o più rispetto ai normali lavori di programmazione. La ragione è un’enorme richiesta di talenti AI e non abbastanza persone con le giuste competenze. A lungo termine, questi livelli di stipendio potrebbero non essere sostenibili, ma le persone che saliranno su questa navicella spaziale nei prossimi cinque anni o giù di lì avranno carriere incredibili sia finanziariamente che in termini di qualità del lavoro.
Eggers: Non vedo l’IA diversa da qualsiasi altra tecnologia all’avanguardia. Hai la possibilità di saltare da un’azienda all’altra (il che può essere un bene e un male) perché le aziende sono sempre alla ricerca di persone con esperienza. Hai la sfida che la tua stessa azienda potrebbe essere più lenta ad andare avanti di quanto tu voglia. Fondamentalmente, c’è una linea sottile tra l’avanguardia e il bleeding edge.
Come cambierà il campo dell’IA a breve e lungo termine?
Mallick: Con il nostro attuale livello di comprensione dell’IA, possiamo risolvere molti problemi in diversi settori. Il gioco a breve termine è tutto sui dati. Le organizzazioni che acquisiscono più dati avranno sempre un enorme vantaggio su quelle che non lo fanno. Non c’è bisogno di un team di ricercatori d’élite per risolvere questi problemi – abbiamo solo bisogno di una grande quantità di dati di alta qualità e di buoni ingegneri. A lungo termine, però, abbiamo bisogno di ricercatori d’élite per le scoperte tecniche. Attualmente, gli algoritmi AI di maggior successo non imparano da soli. Vengono insegnati dagli esseri umani attraverso il minuzioso processo di raccolta ed etichettatura dei dati. Il prossimo passo avanti nell’IA avverrà quando le macchine impareranno da sole osservando il mondo, proprio come fanno gli umani oggi.
Eggers: Le aziende stanno diventando più serie riguardo all’AI che fornisce risultati rispetto ai “test”. Il cambiamento a lungo termine nel campo sarà l’allargamento dell’apertura dell’IA – una maggiore profondità di campo nel business.