Carreira em Inteligência Artificial: Um olhar sobre o caminho da carreira dos profissionais da IA

A inteligência artificial é central para a revolução tecnológica em curso, e está a ficar cada vez mais inteligente. A força motriz por trás da visão computacional, análise da fala e processamento da linguagem natural, a IA impacta a indústria e a sociedade de inúmeras maneiras – e continuará a fazê-lo até agora no futuro.

Não é surpresa, então, que o campo da IA esteja repleto de oportunidades de carreira – tantas delas, na verdade, que o setor agora enfrenta um desafio único: há muitos empregos e poucos candidatos qualificados. No lado ascendente, isso significa que oferece emprego virtualmente garantido (e bem pago) para aqueles que têm os bens.

Então como se entra na IA, e como é um caminho de carreira em inteligência artificial? Pedimos a alguns dos melhores especialistas da área que compartilhassem insights de sua jornada para ajudar a orientar o caminho. Eles incluem Satya Mallick, fundadora da Big Vision LLC e CEO interina do OpenCV.org; Jana Eggers, CEO da Nara Logistics; e Joanna Bryson, professora associada de ciência da computação na Universidade de Bath, na Inglaterra.

Como você entrou no campo da IA?

Satya Mallick
Founder, Big Vision LLC/Interim CEO, OpenCV.org

>

Trepelei na visão computacional (um ramo da IA) como graduada no Instituto Indiano de Tecnologia, Kharagpur (Índia) por volta de 1999-2000. Eu vi um dos meus idosos fazendo um projeto de robótica onde ele usava câmeras para ajudar os robôs a “ver”. Achei a ideia tão fascinante que decidi candidatar-me a programas de doutoramento em visão computacional e aprendizagem de máquinas após a minha graduação.

Jana Eggers
CEO, Nara Logics

I estava pesquisando condutividade em plásticos no Laboratório Nacional de Los Alamos no início dos anos 90, e redes neurais e algoritmos genéticos foram ferramentas que usei para alguns dos meus trabalhos. Quando deixei a pesquisa e entrei no negócio, aterrissei em uma empresa iniciante fazendo sistemas especializados para logística. Depois disso, fui a um dos motores de busca originais, o Lycos. Então, basicamente, porque eu estava sempre na tecnologia de ponta, alguma forma de IA era tipicamente a ferramenta certa para o trabalho em que eu estava trabalhando.

Joanna Bryson
Professor Associado, Departamento de Informática
Universidade de Bath (Reino Unido)

A minha primeira graduação foi em psicologia não-clínica pela Universidade de Chicago. E eu também era bom em programação, então trabalhei no departamento de ciências da computação de lá. Eu estava interessado em IA, mas a primeira vez que alguém ensinou isso foi no ano seguinte à minha graduação. Mas eles deixaram-me dar explicações na mesma. Então, passei cinco anos em Chicago a pagar a minha dívida da graduação. E foi logo no período em que vimos a computação descentralizada. Os PCs estavam começando a se tornar uma coisa, e nós estávamos descobrindo que nem todo computador precisava saber tudo. E eu tinha decidido que nunca quis ser um programador profissional, então voltei para a pós-graduação em inteligência artificial. Eu queria ir para o MIT, mas escolhi Edimburgo porque queria ir para o exterior, mas não conseguia falar nenhuma língua. Tive sorte naquele momento, porque era o único lugar que em 1991 me teria dado um mestrado em inteligência artificial. A partir daí, descobri sobre Rod Brooks e a IA baseada no comportamento – a idéia de que ao invés de tentar entender tudo, você tinha subpartes especializadas de um robô que entendia problemas diferentes. E então alguns de nós decidimos que tentaríamos entrar no MIT e trabalhar com o Brooks.

Qual é o escopo do seu trabalho na IA?

Mallick: Eu trabalho no campo da visão por computador, provavelmente o subcampo mais importante da IA. Em visão computacional, nosso objetivo é fazer com que as máquinas façam sentido do mundo através da análise de imagens e vídeos. Eu dirijo uma empresa de consultoria em visão computacional e aprendizagem de máquinas chamada Big Vision LLC e um blog popular chamado LearnOpenCV.com.

Na minha empresa de consultoria, lidamos com uma variedade de problemas de visão por computador que vão desde a detecção de parasitas nas fezes dos cavalos até a identificação do modelo de bolsas de moda high-end em imagens carregadas pelo usuário. Nosso maior projeto envolveu OCR e detecção de fraude em documentos de identificação. Além disso, temos trabalhado em aplicações de segurança envolvendo detecção de intrusão, aplicações de visão para guerra urbana, análise esportiva e dispositivos biomédicos. Também sou o CEO interino do OpenCV.org que mantém a maior biblioteca de visão computacional do mundo (OpenCV). Acabamos de lançar uma campanha Kickstarter para três cursos de IA. Ele está indo muito bem.

Eggers: Nara Logics fornece uma plataforma de IA para grandes empresas e o governo federal que se concentra no apoio à decisão. Muito do aprendizado profundo é focado na percepção – reconhecimento de imagens, compreensão da linguagem – nós focamos nas decisões da próxima etapa a partir do que é percebido. Nossa plataforma ajuda a reunir os fluxos de percepção de visão, linguagem, sensores, etc. para apoiar melhores decisões, desde o que mostrar ao cliente (personalização) até como priorizar operações (suporte à decisão).

Bryson: Para o meu doutorado, eu queria fazer psicologia, mas acabei no MIT. Então eu me concentrei em algo chamado sistemas de IA, que é basicamente sobre como facilitar a construção de IA. Há muitas pessoas que se concentram num algoritmo mágico que vai bater os outros algoritmos, mas notei que já tínhamos muitas capacidades e que o verdadeiro problema era colocá-las juntas – o lado da engenharia. Então era nisso que eu me concentrava. E agora tornou-se uma coisa muito importante. Engenharia de sistemas é na verdade uma disciplina que torna as coisas seguras, voltando bem antes da AI.

Eu também ainda estou tentando entender a cooperação humana e a evolução da cognição – quando a usamos e quando não a usamos – então estou me concentrando muito em entender o diferente em que as pessoas cooperam e se ajudam umas às outras, e quando elas não cooperam. Estamos trabalhando em um documento agora mesmo sobre por que a polarização política está bem correlacionada com a desigualdade de riqueza. Como é que eles interagem entre si? Depois, é claro, há a ética da IA. Estou a passar o meu tempo todo a fazer trabalho de política, por isso só estou a falar com as pessoas e a tentar ligar os pontos. Eu penso nisso como apenas pegar as melhores coisas que já ouvi e colocar tudo num só lugar, mas outras pessoas vêem isso como muito inovador.

O que você acha mais gratificante no seu trabalho?

Mallick: Um dos luminárias da nossa área, o Dr. Andrew Ng, comparou a IA à electricidade. Está transformando múltiplas indústrias, e é enormemente gratificante fazer parte desta revolução. Algumas das aplicações que construímos removem a Drudgery das tarefas comuns, algumas nos mantêm seguros, e ainda outras no domínio médico melhoram a saúde e até salvam vidas. Como praticante deste ofício, é profundamente gratificante ver o seu trabalho fazer a diferença.

A outra parte que dá muito sentido à minha vida é o meu trabalho como professor de cursos online. No OpenCV.org, nós estamos em uma missão de treinar a força de trabalho global em IA. Este é um campo emergente, e estamos totalmente conscientes de que a IA causará a perda de muitos empregos através da automação. Portanto, é nossa responsabilidade ajudar as pessoas a atualizar suas habilidades e ensinar-lhes o que aprendemos através da prática do nosso ofício.

Eggers: Permitindo aos nossos clientes usar os seus dados para ver para a frente versus analisar para trás.

Bryson: É apenas intrinsecamente interessante, compreender como funciona a inteligência. Acho que essa é minha maior recompensa interna, embora eu também goste de ser útil.

Quais aspectos do seu trabalho são os mais desafiadores?

Mallick: Os desafios na IA vêm de muitas formas diferentes. Primeiro, nós temos desafios técnicos. Às vezes não temos dados suficientes. Outras vezes, os dados estão disponíveis, mas são extremamente ruidosos, ou não rotulados de uma forma que pode ser facilmente utilizada. Em alguns casos, as pessoas subestimam amplamente a incerteza irredutível de um problema – a previsão de eleições é um desses problemas. Em segundo lugar, temos desafios éticos sem boas respostas. Por exemplo, você usaria uma IA que ajuda 99 por cento das pessoas, mas que é fortemente tendenciosa contra um por cento? A remoção de preconceitos dos seus dados é extremamente desafiadora.

Eggers: Desmistificando a IA para os clientes. Eles estão ambos intrigados e frustrados com a propaganda e a mística em torno da IA. Nosso foco é rapidamente levar nossos clientes da prova de conceito à produção.

Bryson: São coisas estranhas, como a coordenação. Porque tudo é interessante e tudo é desafiador e nunca se sabe quando se vai ter uma conversa que vai ajudar a fazer uma grande diferença.

Quais são os primeiros passos mais cruciais para aqueles que querem seguir uma carreira de IA?

>5066Mallick: Para ter uma carreira técnica em IA, você primeiro precisa ter boas habilidades de programação. A linguagem de programação Python se tornou a escolha padrão para pesquisadores e engenheiros de IA. Embora dependendo do domínio, o conhecimento de C++ pode ser necessário. Se você já é um bom programador, o próximo passo é encontrar um curso online que possa lhe ensinar o básico e gradualmente o mover para o domínio. Existem várias boas escolhas como cursos da OpenCV.org, Coursera, Udacity e DeepLearning.ai.

Eggers: Entendendo que a tecnologia é a parte mais fácil da IA. Os dados e os resultados são ambos mais críticos. E ambos são impulsionados pela organização.

Bryson: Fazer pós-graduação, mesmo que seja apenas um mestrado, para obter insights de outra disciplina. Quando eu estava na graduação, como as pessoas se formaram, era mais provável que entrassem nas carreiras que tinham em empregos de verão do que em suas áreas de habilitação principal. Então, quando você está procurando um emprego, é realmente importante que você traga pelo menos algumas das habilidades necessárias e que você esteja lhes dando algo. Mas procurar isso vai te levar pelo menos parte do caminho para onde você quer ir. Sujar as mãos fazendo qualquer quantidade de trabalho em programação ou análise de dados ou o que quer que seja. Se você está em uma universidade, há um bilhão de pequenos trabalhos que você pode conseguir só para ter alguma experiência. Isso ajuda muito.

Qual o valor da educação pós-secundária? E quanto aos diplomas de pós-graduação?

Mallick: Há dois grandes benefícios de uma educação universitária. Primeiro, fornece estrutura para o processo de aprendizagem. Sem esta estrutura no lugar, é fácil se perder em confusão ou perder a motivação. Segundo, a conclusão de uma graduação universitária sinaliza um nível de competência no mercado de trabalho. Dito isto, cada vez mais as pessoas se preocupam mais com o portfólio de trabalho que você tem feito e menos com o seu currículo. Quando um estudante libera seu código no GitHub regularmente, nós vemos em primeira mão o que ele está aprendendo e o quão bom ele é. Se alguns de seus trabalhos são únicos e criativos, eu pessoalmente não me preocuparia com o seu diploma universitário.

Eggers: Como desistente do doutoramento, a minha perspectiva é que um diploma de pós-graduação te dá respeito – e há outras formas de ganhar esse respeito. Portanto, realmente depende de você e do que você valoriza. Você pode ter sucesso de qualquer maneira.

Bryson: Nem todo Ph.D. vale a pena fazer. Especialmente na América neste momento, há muitas pessoas que lhe venderão um diploma que não vai necessariamente ajudá-lo. Conseguir uma graduação agora é em parte sobre conseguir uma educação e em parte sobre estar em uma coorte de pessoas que estão realmente tentando entender as coisas, como eu estava em Edimburgo e no MIT. Eles costumavam dizer que um mestrado é a melhor coisa a ter se você vai sair para a indústria, mas você quer um doutorado se você vai trabalhar em laboratórios governamentais ou na gaveta superior de laboratórios industriais – ou se você mesmo quer ser um acadêmico.

Certos diplomas universitários são melhores que outros?

Mallick: Absolutamente. Um diploma de Stanford em IA vale muito mais do que muitas outras universidades porque você começa a trabalhar com os melhores pesquisadores que estão na vanguarda da pesquisa da IA. A escolha da sua especialização também faz uma enorme diferença.

Eggers: A IA precisa de todos os graus envolvidos. No entanto, o conhecimento técnico básico é crucial para participar.

Bryson: Temos grandes alunos a vir fazer o nosso mestrado, e muitas vezes os que acabaram por ser os melhores foram os que vêm de uma base psicológica. Portanto, psicologia é um grande diploma. Matemática e física vão ajudá-lo a entrar na aprendizagem da máquina, mas não lhe dão necessariamente a perspectiva completa sobre o que está acontecendo. Pensar sobre a dinâmica da mudança é realmente importante para entender a sociedade. Eu sou valioso porque eu realmente construo IA e entendo como ela funciona, mas também entendo como a sociedade funciona.

Que recursos – escritos ou não – as pessoas devem explorar para obter mais informações sobre uma carreira em IA?

Mallick: Infelizmente, as boas respostas estão espalhadas por muitas páginas diferentes na internet. Há três grandes áreas de aplicação na IA: visão computacional, análise da fala e processamento de linguagem natural. Cada uma delas requer um caminho de aprendizagem diferente. Portanto, eu sugeriria às pessoas que pesquisassem esses termos no Google e vissem o que lhes interessa. Aqui está uma lista de alguns blogs que as pessoas podem achar interessante (tendencioso para a visão computacional, porque essa é a minha área de especialização): LearnOpenCV.com; TowardsDataScience.com; MachineLearningMastery.com; PyImageSearch.com.

Eggers: Isto depende de como você aprende e onde você quer se concentrar. Exemplos: Crítico é aprender a desenvolver produtos tecnológicos – o meu livro para isto é o Marty Cagan’s Inspired. Eu também recomendo a conferência de AI da O’Reilly por causa da respiração do material que cobre tecnologia, pesquisa, negócios, ética, etc. Você pode ter acesso aos materiais da conferência através de sua plataforma de aprendizagem. Se você quiser estar mais no lado R&D da IA, você tem recursos como arxiv para acompanhar as últimas pesquisas.

Bryson: Se eles tiverem perguntas específicas, eu normalmente aponto-os para posts ou artigos em blogs específicos. É tão fácil fazer pesquisas agora que todos têm acesso ao Google Scholar. Mesmo se você acertar um paywall, você provavelmente vai descobrir que alguém colocou o PDF online.

Após alguém conseguir um emprego na IA, quais são as perspectivas de progresso no início e no fim da linha?

Mallick: A IA é um foguete espacial que está a descolar. Mesmo empregos de nível básico são insanamente lucrativos, pagando duas ou mais vezes em comparação com empregos regulares de programação. A razão é uma enorme demanda por talento AI e não há pessoas suficientes com a experiência certa. A longo prazo, estes níveis salariais podem não ser sustentáveis, mas as pessoas que entrarem neste foguete espacial nos próximos cinco anos terão carreiras incríveis tanto financeiramente como em termos de qualidade de trabalho.

Eggers: Eu não vejo a IA como sendo diferente de qualquer outra tecnologia de ponta. Você tem a capacidade de saltar de empresa em empresa (que pode ser boa e má) porque as empresas estão sempre à procura de pessoas com experiência. Você tem o desafio de que a sua própria empresa pode ser mais lenta a avançar do que você quer. Basicamente, há uma linha tênue entre a borda principal e a borda sangrenta.

Como o campo de IA mudará a curto e longo prazo?

>

>5066>Mallick: Com o nosso actual nível de compreensão da IA, podemos resolver muitos problemas em várias indústrias. O jogo de curto prazo é todo sobre dados. As organizações que adquirem mais dados terão sempre uma enorme vantagem sobre aquelas que não o fazem. Não é preciso uma equipe de pesquisadores de elite para resolver esses problemas – precisamos apenas de uma grande quantidade de dados de alta qualidade e bons engenheiros. No entanto, a longo prazo, precisamos de pesquisadores de elite para avanços técnicos. Atualmente, os algoritmos de IA de maior sucesso não aprendem sozinhos. Eles são ensinados por humanos através do meticuloso processo de coleta e etiquetagem de dados. O próximo avanço na IA ocorrerá quando as máquinas aprenderem por si mesmas observando o mundo, muito como os humanos fazem hoje.

Eggers: As empresas estão agora a levar mais a sério os resultados da IA versus os “testes”. A mudança a longo prazo no campo será o alargamento da abertura da IA – uma maior profundidade de campo no negócio.