Come migliorare il tuo lavoro nell’economia emergente dell’intelligenza artificiale
Per i progetti tecnologici sono necessarie competenze architettoniche di livello superiore e l’economia dell’intelligenza artificiale richiede capacità di valutazione e di pensiero logico.
L’intelligenza artificiale (AI), come nel caso del cloud computing qualche anno prima, sta stravolgendo l’economia della tecnologia dell’informazione. In molti modi, l’intelligenza artificiale ha il potere di rendere la tecnologia molto più efficiente. La sfida, tuttavia, è aiutare le persone e le organizzazioni a passare al livello successivo e ad adattarsi alla nuova realtà dell’intelligenza artificiale.
Ho avuto l'opportunità di discutere dell'evoluzione dell'economia tecnologica con il Dr. Susan Athey, recentemente nominata consulente scientifico capo di Keystone Strategy. Athey è anche professore di economia alla Stanford University ed ex capo economista di Microsoft.
"È difficile cogliere appieno quantitativamente i vantaggi di essere più agili e di essere in grado di aggiungere più funzionalità, realizzare più progetti e fare sperimentazione e innovazione che altrimenti non avresti potuto fare", ha affermato Athey. Vede opportunità future se le persone e le organizzazioni saranno adeguatamente preparate.
"È difficile e costoso costruire e implementare sistemi basati sull'intelligenza artificiale, ma il risultato netto sono infrastrutture e applicazioni tecnologiche che forniscono prestazioni più rapide ed efficienti. Gestire questi sistemi potrebbe essere un po' più semplice una volta che saranno operativi", ha affermato. "Rispetto al machine learning che ho utilizzato negli ultimi 16-17 anni nell'industria, quest'ultimo round è più facile da mantenere e richiede una codifica meno complessa."
Nel complesso, ha continuato: "Ho la sensazione che stiamo assistendo a una convergenza e finalmente vedendo il ritorno di molti investimenti che abbiamo fatto collettivamente come settore nel corso del tempo. Le persone hanno imparato come creare codice modulare. Hanno imparato un gran parte dell'ottimizzazione, che prima era molto complessa e ora è una routine di ottimizzazione generica e ad altissime prestazioni. L'algoritmo più recente può semplicemente collegarsi a quelle routine di ottimizzazione.
Come risultato di questa trasformazione, Athey ha affermato che i professionisti della tecnologia devono ripensare i propri ruoli e le proprie carriere. "Penso che la programmazione sia diventata più semplice. I miei studenti a Stanford probabilmente scrivono l'80% del loro codice utilizzando Copilot", ha affermato. "È bravo a trovare errori di sintassi e scrivere codice noioso. Conoscere una lingua particolare è meno importante. Ho programmato in circa 10 lingue diverse da quando ho iniziato la mia carriera."
Ma mentre queste tecnologie aiutano con processi di codifica più semplici, Athey afferma che competenze architettoniche di livello superiore – “struttura e come dovrebbero essere fatte le cose” – sono necessarie per i progetti tecnologici. Inoltre, l’economia dell’intelligenza artificiale richiederà anche capacità di valutazione e di pensiero logico.
"Ogni anno mettiamo a disposizione migliaia di studenti di informatica e ingegneria a Stanford. Sono tutti molto bravi a scaricare un set di dati dal web e a farci qualcosa. Formazione, ottimizzazione, previsione, classificazione, confronto del modello A al modello B e confrontando le loro prestazioni. Tuttavia, hanno pochissima formazione nel chiedersi: "Che cosa significa?" migliorarlo?'"
La sfida con i modelli di intelligenza artificiale è che "ti daranno risposte sbagliate per una parte del tempo", ha detto Athey. "Non abbiamo la scienza per sapere quando ti dà risposte sbagliate e quando ti dà risposte giuste. Ad esempio, forse non hai abbastanza giovani nei tuoi set di dati. Cerchi di avere più di loro allucinazioni. Ma questo potrebbe o meno aiutarti a imparare di più sui giovani. Devo valutare che non sto solo allucinando quelle caratteristiche dei giovani e questo non è integrato. E il modello non lo sa, non lo farà Te lo dico. Il modello non ha modo di saperlo direttamente."
Athey hanno affermato che la conclusione è che i professionisti della tecnologia di oggi e di domani gestiranno e convoglieranno i dati che alimentano le imprese guidate dall’intelligenza artificiale. "Utilizzando i nuovi tipi di intelligenza artificiale, si impara un po' sul valore dei propri dati. Qual è il valore delle fonti di dati esterne? Quali iniziative hai provato prima o che non hanno funzionato perché non avevi abbastanza dati ? Ci sono iniziative che potresti riprovare adesso?" Ha detto che parte della sfida è che i modelli di intelligenza artificiale potrebbero aver bisogno di consumare “dati storici non strutturati e disordinati”.
Dirigenti e professionisti devono essere esperti nel livello successivo di analisi che richiede molto pensiero logico. Richiede la comprensione delle statistiche e delle aspettative condizionate. È necessaria una struttura matematica. Chiedersi: "Cosa significa che questo sia giusto?" dare anche una risposta accurata?'" E in questo momento, quel livello di pensiero critico e gli strumenti per supportarlo sono ancora scarsi, ha detto Athey.