مهندس الذكاء الاصطناعي العظيم التالي الخاص بك يعمل بالفعل من أجلك
لقد وصل مستقبل الذكاء الاصطناعي. من التكنولوجيا والتمويل إلى الرعاية الصحية وتجارة التجزئة والتصنيع، بدأت كل صناعة تقريبًا اليوم في دمج الذكاء الاصطناعي (AI) في منصاتها التكنولوجية وعملياتها التجارية. والنتيجة هي زيادة الطلب على المواهب للمهندسين الذين يمكنهم تصميم أنظمة الذكاء الاصطناعي وتنفيذها والاستفادة منها وإدارتها.
على مدى العقد المقبل، سوف تستمر الحاجة إلى مواهب الذكاء الاصطناعي في النمو. ويتوقع مكتب إحصاءات العمل الأمريكي أن الطلب على مهندسي الذكاء الاصطناعي سوف يكون كذلك بنسبة 23% بحلول عام 2030 والطلب على مهندسي التعلم الآلي (ML)، وهو مجال فرعي للذكاء الاصطناعي، من أجل تنمو بنسبة تصل إلى 22 بالمئة.
وفي صناعة التكنولوجيا، هذا الطلب على قدم وساق. زادت إعلانات الوظائف التي تتطلب مهارات في الذكاء الاصطناعي التوليدي بنسبة لا تصدق بلغت 1,848 بالمائة في عام 2023، وهو ما يمثل يظهر تحليل سوق العمل الأخير. ووجد التحليل أيضًا أن هناك أكثر من 385000 منشورًا لأدوار الذكاء الاصطناعي في عام 2023.
الشكل 1: نمو إعلانات الوظائف التي تتطلب مهارات في الذكاء الاصطناعي التوليدي، 2022-2023
للاستفادة من الإمكانات التحويلية للذكاء الاصطناعي، لا تستطيع الشركات ببساطة توظيف مهندسين جدد في مجال الذكاء الاصطناعي: إذ لا يوجد العدد الكافي منهم حتى الآن. لمعالجة النقص العالمي في المواهب الهندسية في مجال الذكاء الاصطناعي، يجب عليك تحسين مهارات مهندسيك الحاليين وإعادة مهاراتهم.
المهارات الأساسية للذكاء الاصطناعي والتعلم الآلي
يتضمن الذكاء الاصطناعي وحقوله الفرعية، مثل التعلم الآلي (ML) ومعالجة اللغات الطبيعية (NLP)، خوارزميات تدريب على مجموعات كبيرة من البيانات لإنتاج نماذج يمكنها أداء مهام معقدة. ونتيجة لذلك، تتطلب الأنواع المختلفة من أدوار هندسة الذكاء الاصطناعي العديد من المهارات الأساسية نفسها.
كود سيجنال فريق المواهب العلمية وقد أجرى الخبراء الفنيون في هذا المجال رسم خرائط موسعة للمهارات لأدوار هندسة الذكاء الاصطناعي لتحديد المهارات المطلوبة لهذه الأدوار. هذه هي المهارات الأساسية التي حددوها لدورين شائعين في الذكاء الاصطناعي: هندسة تعلم الآلة وهندسة البرمجة اللغوية العصبية.
تطوير مهارات الذكاء الاصطناعي في فرقك
أ تقرير ماكينزي الأخير يجد أن تحسين المهارات وإعادة صقلها هما من الطرق الأساسية التي تستخدمها المؤسسات لسد فجوات مهارات الذكاء الاصطناعي في فرقها. يوضح ألكسندر سوخاريفسكي، الشريك الأول في شركة ماكينزي، في التقرير: “عندما يتعلق الأمر بالعثور على مواهب الذكاء الاصطناعي، فإن الإستراتيجية الأكثر شيوعًا بين جميع المشاركين في الاستطلاع هي إعادة مهارات الموظفين الحاليين. وما يقرب من نصف الشركات التي قمنا بمسحها تفعل ذلك.
إذًا: ما هي أفضل طريقة لتطوير مهارات الذكاء الاصطناعي التي تحتاجها ضمن فرقك الحالية؟ للإجابة على ذلك، نحتاج أولاً إلى التعمق في كيفية تعلم البشر لمهارات جديدة.
مكونات تنمية المهارات الفعالة
تستخدم معظم برامج التعلم المؤسسية اليوم نموذج التعلم التقليدي في الفصول الدراسية، حيث يخدم معلم واحد، بدرس واحد، العديد من المتعلمين. يبدأ الموظف باختيار برنامج ما، غالبًا مع القليل من التوجيه. بمجرد أن يبدأوا الدورة التدريبية، من المحتمل أن يستخدم الدروس مقاطع الفيديو لتقديم التعليمات وتتبعها اختبارات لقياس مدى احتفاظهم بالمعلومات.
هناك عدة مشاكل في هذا النموذج:
- تظهر عقود من الأبحاث أن نموذج التعلم التقليدي من واحد إلى متعدد ليس الطريقة الأكثر فعالية للتعلم. عالم نفس تربوي بنيامين بلوم لاحظت أن الطلاب الذين تعلموا من خلال التدريس الفردي تفوقوا على أقرانهم بانحرافين معياريين؛ أي أن أداءهم كان أفضل من 98% ممن تعلموا في بيئات الفصول الدراسية التقليدية. إن تفوق التدريس الفردي على التعلم في الفصول الدراسية قد أُطلق عليه اسم مشكلة 2 سيجما في التعليم (انظر الشكل 2 أدناه).
- توفر اختبارات الاختيار من متعدد إشارة ضعيفة لمهارات الموظفين، خاصة بالنسبة للمهارات الفنية المتخصصة مثل الذكاء الاصطناعي وهندسة التعلم الآلي. كما أن الاختبارات القصيرة لا تمنح المتعلمين الفرصة لتطبيق ما تعلموه في سياق واقعي أو في تدفق عملهم.
- بدون توجيه يرتكز على مهاراتهم ونقاط قوتهم وأهدافهم الحالية – بالإضافة إلى احتياجات فريقهم – قد يختار الموظفون دورات أو برامج تعليمية لا تتوافق مع مستوى كفاءتهم في المهارات أو أهدافهم.
الشكل 2: تظهر مقارنة توزيعات أداء الطلاب حسب الأسلوب التعليمي وجود فرق 2 سيجما في متوسط درجات الأداء.
يتطلب تطوير إتقان أعضاء فريقك لمهارات الذكاء الاصطناعي والتعلم الآلي التي يحتاجها فريقك برنامجًا تعليميًا يقدم ما يلي:
- التدريس الفردي. تستخدم برامج التعلم الفني الأفضل في فئتها اليوم مساعدين مدعومين بالذكاء الاصطناعي يدركون السياق ويتكاملون تمامًا مع بيئة التعلم لتقديم إرشادات وملاحظات مخصصة وفردية للمتعلمين على نطاق واسع.
لن يكون استخدام الذكاء الاصطناعي لدعم تعلمهم مفاجئًا للمطورين والموظفين الفنيين الآخرين: أ دراسة حديثة يُظهر أن 81 بالمائة من المطورين يستخدمون بالفعل أدوات الذكاء الاصطناعي في عملهم، ومن بينهم 76 بالمائة يستخدمونها لتعلم معارف ومهارات جديدة.
- التعلم القائم على الممارسة. عقود من الأبحاث تظهر ذلك يتعلم الناس بشكل أفضل من خلال الممارسة النشطة، وليس تناول سلبي للمعلومات. يجب أن يركز برنامج التعلم الذي تستخدمه لرفع مستوى مهارات فريقك في الذكاء الاصطناعي والتعلم الآلي على الممارسة والاستفادة من تمارين البرمجة التي تحاكي العمل الهندسي الحقيقي للذكاء الاصطناعي والتعلم الآلي.
- أدوات تعتمد على النتائج. وأخيرًا، تضمن أفضل برامج تحسين المهارات التقنية للموظفين بناء المهارات ذات الصلة (وليس فقط تحديد المربع) وتطبيق ما تعلموه في الوظيفة. يجب أن تمنح برامج التعلم أيضًا المديرين رؤية واضحة لنمو مهارات أعضاء فريقهم وإتقانهم. يجب أن تتضمن المنصة الخاصة بك بيانات قياس الأداء، للسماح لك بمقارنة مهارات فريقك مع العدد الأكبر من المواهب التقنية، بالإضافة إلى عمليات التكامل مع أنظمة التعلم الحالية لديك.
الغوص العميق: التعلم القائم على الممارسة لمهارات الذكاء الاصطناعي
فيما يلي مثال على تمرين تدريبي متقدم من مقدمة إلى الشبكات العصبية مع دورة TensorFlow في تطوير كود سيجنال.
مثال على الممارسة: تنفيذ الطبقات في الشبكة العصبية
في هذا التمرين التدريبي، يقوم المتعلمون ببناء مهاراتهم في تصميم طبقات الشبكة العصبية لتحسين أداء الشبكة. يقوم المتعلمون بتنفيذ حلهم في بيئة تطوير متكاملة (IDE) واقعية ومحطة طرفية مدمجة في الجانب الأيمن من الشاشة، ويتفاعلون مع Cosmo، وهو مدرس ودليل مدعوم بالذكاء الاصطناعي، في اللوحة الموجودة على الجانب الأيسر من الشاشة.
وصف الممارسة: الآن بعد أن قمت بتدريب نموذج مع فترات إضافية، دعونا نعدل بنية الشبكة العصبية. مهمتك هي تنفيذ طبقة كثيفة ثانية في الشبكة العصبية لتحسين قدراتها التعليمية. تذكر: يعد تكوين الطبقات بشكل فعال أمرًا بالغ الأهمية لأداء النموذج!
خاتمة
الطلب على مهندسي الذكاء الاصطناعي والتعلم الآلي موجود هنا، وسيستمر في النمو خلال السنوات القادمة حيث أصبحت تقنيات الذكاء الاصطناعي حاسمة بالنسبة لعدد متزايد من المؤسسات في جميع الصناعات. يجب على الشركات التي تسعى إلى سد الفجوات في مهارات الذكاء الاصطناعي والتعلم الآلي في فرقها أن تستثمر في تحسين مهارات فرقها الفنية الحالية وإعادة تأهيلها بمهارات الذكاء الاصطناعي والتعلم الآلي المهمة.
