Публикувано на: 11 април, 2023*Текстът е предоставен от Bosch Digital
Ясен Митев се занимава с IT от около 12 години, като през този период е сменил различни роли в продуктови и service компании. През последните 6 години се занимава с консултиране и създаване на cloud-базирани архитектури, като през последната година е изцяло фокусиран върху създаването на Machine Learning решения в Bosch Digital. Участва в проекти за разработка на битови продукти, подпомагани от невронни мрежи. Също така помага за оптимизиране и внедряване на ML cloud среди.
Здравей, Ясен, работил си в различни IT компании, както и в телеком сектора, а сега си в Bosch Digital. В последната година специализираш повече върху създаване на Machine Learning решения. Какъв беше пътят ти до тук и защо ML?
Прекарах много години в областта на услугите – проектирайки и поддържайки инфраструктурни решения. Клиентите ми бяха големи и с много сложни инфраструктури. Това позволяваше работата ми да е разнообразна и предизвикателна. Един от големите недостатъци в IT услугите в сравнение със софтуерното инженерство е, че работата ти по-бързо става монотонна. Това правило важи независимо дали си инженер поддръжка, архитект или се занимаваш с продажби. В един такъв период на липса на предизвикателства получих и възможност да работя целодневно в сферата на софтуерното инженерство. Това беше и ролята ми в телеком сектора. С ML започнах да се занимавам благодарение на общите ми цели с Bosch Digital – да дигитализираме бизнеса и продуктите на група Bosch.
Какво е общото между Cloud консултант и ML специалист?
За да внедрим един продукт, подпомогнат от изкуствен интелект, не е достатъчно да имаме работещ модел. Трябва да си изградим цялата система около него. Обичам разделението, че в ML има два типа роли – роли, които отговарят за създаването и поддръжката на моделите (това са Data scientists) и роли, които взаимодействат с тези модели. Тук идва и ролята ми на cloud консултант. Отговорен съм да проектирам и изградя цялата инфраструктура около модела. Това включва компютърните ресурси за експерименти, data lake решението, което ще пази всичките ни данни, labeling решението и разбира се CI/CD пайплайните за модел и код.
Важно е да поясня, че Cloud консултантът може да отговаря и за коренно различна област, която да не е пряко свързана с ML.
Какви са основните предизвикателства, пред които се изправя един cloud консултант за ML решения?
Говорейки за ролята на консултант в идеалния случай ние навлизаме в проекта във фазата, в която клиентът има идея и първоначален бюджет. За мен най-предизвикателен е точно периодът на разбиране на клиентските цели и изчистването на визията за продукта. Традиционно, идеята е описана на доста общо ниво, изпълнена с buzz words и доста оптимизъм. Нормализирането на бизнес изискванията и превеждането им в технически за мен крие най-голям брой предизвикателства. Едно малко, но грешно взето решение или недогледан детайл на този етап може да ни коства много усилия при имплементацията в последствие.
След като имаме първата архитектура на средата, нещата започват да стават доста по-предвидими, но все още предизвикателни и интересни.
Все още се говори за ML и AI като за нещо абстрактно, дори малко недостъпно, но всъщност се оказва, че дори в нашето ежедневие има много продукти с наличие на AI. Ти говори по тази тема на уебинара си за DEV.BG преди няколко месеца. Може ли да дадеш примери?
Loading …
Fully Remote
СофияНапоследък покрай набирането на популярност на ChatGPT, Midjourney и другите AI продукти на пазара, забелязвам че хората, които не са в IT все по-често започват да говорят за използването на изкуствен интелект. Това ги кара все по-често да се замислят по темата и да разпознаят прилагането на AI в даден продукт от ежедневието. Погледнато от тази гледна точка AI изглежда достъпен, защото можем да го срещнем на много места – чатботовете в онлайн магазините, текстовите редактори с предричане и поправяне на текст (например в Gmail), музикалните и видео плеъри, които ни предлагат съдържание, дигиталните асистенти като Siri и пр. Списъкът е много дълъг и най-важното е, че все по-често няма да сме в състояние да разпознаем кои решения или съдържание са подпомогнати от AI.
По друг начин според мен стои въпросът с достъпността от гледна точка на производителите на продукти и услуги. Внедряването на AI в повечето случаи все още е труден и скъп процес. Когато не става дума за продукти като чатботове, търсачки и други продукти, които са внедрявани по милион пъти, внедряването на AI си остава сложен проблем, в който трябва да се решат множество задачи, които не можем да вземем off the shelf или да намерим описани в stack overflow. Необходима ни е архитектура, която да интегрира AI продукта, трябват ни данни, с които да тренираме и валидираме моделите си и разбира се специалисти в областта, които за момента са труднодостъпни и доста високо платени. Накрая дори след като имаме продукт, трябва да очакваме по-голяма сложност и по-високи разходи при поддръжката. Особено на локалния пазар тук в България, това е голямо предизвикателство, защото не е тайна, че нашата индустрия е най-слабо дигитализирана в ЕС.
В момента е много актуално използването на изкуствен/синтезиран текст, глас и изображения. Как мислиш, че това ще се отрази на хората и индустрията?
Обемът съдържание от всякакъв тип в интернет рязко ще се увеличи. За съжаление не съм оптимист, че ще се подобри средното качество на това съдържание. Ще ни е все по-трудно и ще отнема повече време да отсеем качествено съдържание по тема, която ни интересува и която може да обогати нас и работата ни. Едно отражение върху индустрията, за което още не се споменава често, е неизбежното налагане на повече регулации. От началото на годината в Китай вече е факт закон, който забранява публикуването на AI синтезирано съдържание без ясно обозначение или воден знак. ЕС също подготвя набор от закони и регулации под името The AI Act. Темата е доста дълбока и тепърва ще се разгръща активно.
Какво мислиш по темата, че AI ще замени много професии?
Това е типично твърдениe, което започва да се върти всеки път, когато в индустрията се появи нещо значимо. Преди време много колеги се бяха притеснили, че навлизането на cloud-a ще ги остави без работа, но сега улиците не са пълни с безработни IT-та. Нещо подобно очаквам да се случи и с AI – със сигурност ще бъдат отворени много повече позиции спрямо тези, които ще залязат. Единствените губещи от тази промяна ще бъдат хората, които намират оправдание да не придобият или повишат квалификация.
Как начинаещ специалист може да влезе в AI и ML сферата и какъв съвет би му дал?
Първоначално човек трябва да е наясно какво иска да прави в хоризонт от поне 5 години. За да изясни това вероятно ще е необходимо и проучване – какви професии съществуват и какво предлага пазарът. Друго нещо, което съветвам хора, стартиращи кариера, е да наблегнат на силните си страни и да видят какви готови знания и опит могат да предложат. Смятам, че тук придобитото знание в университета е изключително определящо. За мен е печеливша стратегия, когато развиваме силните си умения. Относно позициите, свързани със софтуерно инженерство, бих посъветвал хората да опреснят знанията си по математика (статистика, интегрално смятане, линейна алгебра), тъй като вероятно в един момент ще стигнем до етап, в който искаме да разберем как моделите ни работят under the hood и да направим по-прецизни настройки. Също така развиването на поне базови знания по програмиране с Python са неизбежни.
Какво е бъдещето на AI и как мислиш, че сферата ще се развие в краткосрочен план?
Мисля че AI областта получи достатъчна популярност вече и като индустрия има достатъчно дълга история. Вече спокойно можем да класифицираме повечето AI технологии като мейнстрийм на пазара. В краткосрочен план очаквам само позитивни неща – подобряване на прецизността на популярни модели, появата на все повече видове свързани продукти, подпомогнати от изкуствен интелект и все по-голям брой специалисти и предприемачи решили да развиват уменията си в областта на AI.
