Hãy cứ học machine learning

Tương lai tươi sáng sẽ dành cho những ai tập trung vào việc tạo ra giá trị hơn là làm chủ kỹ thuật.

Có rất nhiều góc nhìn bi quan về trí tuệ nhân tạo (Artificial Intelligence) và học máy (machine learning)

Việc tuyển dụng đang đóng băng

… một số giả thuyết rằng các nhà đầu tư sẽ mất hy vọng hoàn toàn vào trí tuệ nhân tạo. Google đã ngừng tuyển dụng cho các nhà nghiên cứu học máy. Uber đã sa thải một nửa nhóm nghiên cứu trí tuệ nhân tạo của họ… sẽ có nhiều người có kỹ năng học máy hơn là những công việc học máy. - Huyền Chip

Chúng ta đang có một cuộc suy thoái.

Mọi người đang nói về một mùa đông AI.

Dễ hiểu là trí tuệ nhân tạo, học máy và khoa học dữ liệu (Data Science) là những thứ đầu tiên bị đưa lên thớt. Chúng là thứ xa xỉ đối với hầu hết các doanh nghiệp.

Nhưng điều đó không có nghĩa là tương lai không tươi sáng.

Nếu bạn tạo ra giá trị.

Mùa đông AI sẽ không ảnh hưởng đến hầu hết các công việc trí tuệ nhân tạo / học máy / khoa học dữ liệu

Mùa đông AI là khoảng thời gian có sự suy giảm về tài trợ và sự quan tâm đến nghiên cứu lĩnh vực trí tuệ nhân tạo.

Nhưng hầu hết chúng ta không làm nghiên cứu. Chúng ta đúng là cần đọc tài liệu, lấy ý tưởng và cải tiến ... nhưng chúng ta sử dụng các kỹ thuật đã có sẵn từ trước.

Ngoài ra, mức độ phổ biến của việc xây dựng các sản phẩm được hỗ trợ bởi học máy không nhất thiết phải tương quan với khối lượng nghiên cứu sắp ra mắt.

Nếu có điều gì đó bị ảnh hưởng, thì đó là việc ngày càng có nhiều nghiên cứu không được áp dụng trong thực tiễn. Thực sự là, ngành công nghiệp vẫn đang phải đuổi theo học máy với thực tế rằng nó vẫn đang cố gắng triển khai học máy với những lý thuyết đã được giới thiệu cách đây vài thập kỷ.

Các sản phẩm "được hỗ trợ bởi trí tuệ nhân tạo" hiện nay đã phổ biến hơn là bởi vì học máy đã dễ tiếp cận hơn, không phải là do nghiên cứu mới.

Bạn không cần siêu trí tuệ nhân tạo để giải quyết vấn đề

Các thuật toán cổ điển + kiến ​​thức miền + bộ dữ liệu thích hợp sẽ giải quyết hầu hết các vấn đề thực tế, chứ không phải mạng nơron sâu (deep neural network). Hầu hết chúng ta không làm về ô tô tự lái.

Theo tôi, năng lực kỹ thuật đã bị đánh giá cao quá mức ở bên ngoài các công ty công nghệ lớn, trái ngược với kỹ năng giải quyết vấn đề và kỹ năng phát triển tổng hợp.

Ngoài công nghệ, vẫn còn rất nhiều công việc thủ công / nhàm chán đáng lẽ đã phải được tự động hóa từ lâu. Và nó không yêu cầu phải có kỹ thuật đột phá.

Sử dụng học máy, nhưng hãy tập trung vào việc tạo ra giá trị hơn là thay đổi thế giới

Khi bạn giải quyết được một vấn đề (bất kỳ vấn đề nào), mọi người đều thắng.

Thung lũng Silicon đã lừa chúng ta trong việc khiến chúng ta tin rằng nên chụp ảnh mặt trăng hơn là cải thiện cộng đồng địa phương và cuộc sống của những người chúng ta biết.

Tôi yêu Uber, và nó đã thay đổi thế giới. Nhưng nếu để Uber tồn tại với chi phí 5 tỷ USD mỗi quý, có lẽ có điều gì đó đang thực sự không ổn.

Đúng là, một số công ty là những tay chơi chơi dài hạn và sẽ ảnh hưởng đến 7 tỷ người. Nhưng những cải tiến đơn giản hơn như giảm các lỗi nhập dữ liệu trong một ngành công nghiệp “nhàm chán” nào đó cũng là công việc tạo ra giá trị.

Học học máy là cách tốt nhất để chống lại nỗi sợ hãi về trí tuệ nhân tạo

Chúng ta đã từng nghe nói đến việc tự động hóa sẽ giết chết công việc, đó là bởi vì không có gì bán chạy được bằng nỗi sợ. Chứ không phải vì việc làm công nghệ đang bên bờ vực nguy hiểm.

Hãy bắt đầu nghiên cứu học máy. Sau đó, hãy thử lên ý tưởng, huấn luyện và triển khai một mô hình để giải quyết một vấn đề thực tế nào đó. Bạn sẽ nhanh chóng thấy điều này vẫn còn khó khăn như thế nào, và thấy được là chúng ta vẫn còn cách xa tới thời điểm bị trí tuệ nhân tạo qua mặt như thế nào.

Cơ sở hạ tầng vẫn còn rất kém phát triển và dữ liệu thực tế vẫn còn rất lộn xộn.

Khi bạn tải xuống file CSV từ Kaggle để  huấn luyện mô hình cho một vấn đề cụ thể, 99% công việc đã được thực hiện cho bạn.

Nếu càng có nhiều người làm việc này, họ sẽ ngủ ngon hơn vào ban đêm.

Có một lỗ hổng công cụ để làm cho học máy trở nên dễ dàng

Tính - dễ - sử dụng đã mang lại nhiều lợi ích cho việc áp dụng học máy hơn bất kỳ đột phá nào về thuật toán trong 10 năm qua.

Chúng ta gần như đã đến thời điểm mà một kỹ sư phần mềm có thể thực hiện một giải pháp học máy bằng cách sử dụng các thành phần sẵn có, nhưng vẫn chưa đủ dễ dàng.

Khi các công cụ phát triển, chúng ta sẽ thấy ít công việc học máy thuần túy hơn nhưng lại có sự gia tăng đáng kể về các kỹ sư phần mềm sử dụng học máy để giải quyết tất cả các loại vấn đề. Và nhiều công ty ngoài rìa "công nghệ" sẽ được hưởng lợi.

Nếu bạn trở thành một kỹ sư xây dựng các công cụ tuyệt vời cho học máy, tôi sẽ mãi mãi mắc nợ bạn….

- Huyền Chip

Học máy đang thúc đẩy việc tạo giá trị trên toàn thế giới, nhưng tôi nghĩ rằng chúng ta hầu như chưa làm được gì. Phải chờ cho đến khi các công cụ phù hợp xuất hiện.

Hãy học về kỹ thuật phần mềm trước

Trừ khi bạn có bằng cấp cao về một chủ đề liên quan đến trí tuệ nhân tạo, hãy tự tìm tòi và học kỹ thuật phần mềm trước. Rồi sau đó hãy chuyển sang trí tuệ nhân tạo.

Học kỹ thuật phần mềm giống như lấy bằng MBA về công nghệ (vào cái thời mà bằng MBA vẫn còn có giá trị). Bạn sẽ được tìm hiểu các nguyên tắc cơ bản, tạo ra các giải pháp toàn diện và hiểu được các đoạn code hỗ trợ học máy.

Cũng có nhiều việc làm hơn và bạn sẽ dễ dàng thay đổi nghề nghiệp hơn khi bối cảnh ngành thay đổi.

Nhiều kỹ sư phần mềm tiếp tục sự nghiệp thành công trong học máy / khoa học dữ liệu. Nhưng bạn hiếm khi thấy điều ngược lại.

Kết luận

Có rất nhiều cường điệu xung quanh trí tuệ nhân tạo. Và với bất kỳ sự nổi lên nào cũng sẽ có “sự sụp đổ”, nhưng điều đó không phải là một điều xấu nếu chúng ta chuẩn bị sẵn sàng.

Nếu chúng ta tập trung vào việc phát triển một bộ kỹ năng chung (bao gồm học máy), giải quyết các vấn đề thực tế và tạo ra giá trị, thì sẽ luôn có điều gì đó để chúng ta làm.

Các bạn có thể đọc bài viết gốc ở đây.

Happy reading!