Поговорим сегодня об очень интересной теме. О потолках. 😉
1. Во-первых, прочитал тут на днях мысли о современных школьниках от составительницы модной олимпиады Deep Learning School:
Вспомним еще тут, что большинство из них не очень хороши в математике, и если они не будут уделять достаточно времени математике в универе, то создадут себе "потолок" в карьере. Все же, чтобы быть супер хорошим AI-разработчтков (даже инженером, не обязательно рисерчером), нужно очень хорошо разбираться в математике.
По школьникам хорошо видно, как они заучивают какие-то (простые) пути получения решений и не готовы идти глубже. Более того, налегают на программирование в ущерб математике ("Ну ее, эту вашу матешу, дайте мне нейронок"))) И это с большой вероятностью создает "потолок" в карьере. И я, наблюдая траектории студентов, с этим полностью согласен! 👍
2. Во-вторых, Павел Дуров тут 3 недели назад писал:
Если вы студент и выбираете, на чем сосредоточиться, выберите МАТЕМАТИКУ. Она научит вас неуклонно полагаться на собственный мозг, мыслить логически, разбирать задачи и решать их шаг за шагом в правильном порядке. Это основной навык, который вам понадобится для создания компаний и управления проектами
Это пост целиком. 3 миллиона просмотров и 35 тысяч рублей звездочками 😉
Заметьте, он даже не для DL (где действительно для чтения свежих статей без математики никуда), он просто для управления и стартаперства рекомендует! 😲🙂
3. В-третьих, за последнее время было довольно много статей о том, как обучение математике и программированию улучшает качество ответов моделей (например, тык, тык, тык и тык). Т.е. вы обучаете модель доказывать теоремы и лучше писать замшелые пошаговые алгоритмы, а она начинает лучше отвечать по самому широкому кругу вопросов. Странно. Какая тут может быть связь? 😂🤣😂
4. В-четвертых, замечу, что 2 из 3 топовых товарищей из этого поста с мехмата. Настоящие индейцы, (которые с 1 курса работают и с математикой не дружат) должны дружно возопить "Это совпадение!". Это четвертое наблюдение, дорогие друзья. Как говорил чукча из бородатого анекдота: "Один раз — случайность, два — совпадение, а три — тенденция, однако!" 😂
Ну и до кучи тут на днях в российской телеге активно обсуждали статью "Working with AI: Measuring the Occupational Implications of Generative AI", где товарищи из Microsoft проанализировали 200 тысяч диалогов пользователей с Microsoft Bing Copilot и сопоставили их с O*NET (Occupational Information Network) — официальной базой данных профессий США, где отражены решаемые в профессии задачи и требуемый опыт.
Был построен AI applicability score, учитывающий:
* частоту отдельных IWA (Intermediate Work Activities) в разговорах
* успешность решения задач
* насколько задача покрыта в диалоге
* и насколько важен этот IWA для конкретной профессии.
Понятно, что пока в этих измерениях есть натяжки (да и 200 тысяч диалогов не так много), но оч интересно + условно через год будут оч интересны тенденции.
Про сами профессии писать не буду, их уже обсудили. Замечу только, что список профессий с низким AI applicability score на мой вкус сильно изменится лет через 5, поскольку в массовой робототехнике очевидно зреет GPT-момент (сорян, официанты!)))
А обращу внимание на график, который мы с коллегой обсудили почти месяц назад, и про который особо не писали. Он в заголовке: AI applicability score в зависимости от уровня образования.
На нем наиболее заменимы... ну или в более мягких выражениях статьи "подвергнутся наибольшей трансформации" профессии, для которых хватает диплома бакалавра. Какая неожиданность! 😁
Ирония в том, что я наблюдаю кучу молодых программистов с неплохими входными данными, у которых диплом магистра хуже диплома бакалавра. Писать некогда было! Работа! 🤷♂️😉
Очевидно, что это тоже потолок, пробить который с падающей нейропластичностью смогут не только лишь все. Получается два потолка — связанный с выбором предметов и с глубиной их прокачки. ☝️
Всем успешного пробивания потолков! 😁
Ведь у вас-то точно все будет по-другому! 😉 Ибо praemonitus, praemunitus 😁
#neuroplasticity