Парсе вели дека работата во AI е во голема мера интердисциплинарна и зависна од соработка и иако работите во технологија, работата исто така бара силен фокус на етиката. Во разговор со Business Insider, таа ги разбива митовите за улогите во AI.
1. Работата во AI не е само кодирање
Парсе вели дека кандидатите не мора да имаат диплома по AI за да добијат работа во ова поле. Но, таа вели дека треба да знаете како да правите анализа на случајни студии, SQL прашалници и кодирање. Според неа, кандидатите можат да се обидат со обуки или лични проекти да се здобијат со вештини во тие области. „AI по природа е интердисциплинарна“, вели Парсе. „Таа црпи од различни домени, вклучувајќи математика, компјутерски науки, статистика и специфично знаење за доменот.“
Парсе вели дека околу 70% од нејзината работа е податочна наука, што вклучува преглед и анализа на збирки на податоци, а остатокот од времето го дели меѓу софтверско инженерство, податочно инженерство, архитектонски дизајн и многу математика.
Парсе исто така додава дека е важно да останете во тек со напредокот во сродните полиња бидејќи технологијата постојано се развива.
2. Улогите во AI често се високо-колаборативни
Софтверските инженери се познати по тоа што се самостојни, но не сметајте на самотија ако работите во AI. Иако некои инженерски улоги имаат тенденција да бидат независни, Парсе вели: „AI проектите ретко се изведуваат соло.“ Дел од ова е затоа што AI е нова технологија која бара соработка меѓу различни тимови и засегнати страни. На пример, Парсе посочува дека мора да се поврзе со седум или осум тимови за да изгради проект за систем на препораки на AI.
Во нејзиното искуство, процесот започнува со собирање и подготвување на податоци од тимот за податочна анализа. Потоа, податочните научници применуваат статистички методи и моделирање. Тимот за машинско учење потоа го развива и усовршува моделот. Откако моделот ќе биде подготвен, UX и UI експертите го дизајнираат корисничкиот интерфејс, а потоа софтверските инженери го градат фронт-ендот. Конечно, маркетинг тимот ја определува стратегијата за лансирање на производот.
„Проект за AI од крај до крај бара многу комуникација и соработка“, вели Парсе.
3. Потребно е да размислувате за етиката
Тимовите за приватност често се длабоко вградени во процесот кога се работи со чувствителни податоци при развојот на AI. Парсе кажува дека протоколите за приватност се обемни. Кога работите со податоци за луѓе, вработените треба да добијат дозвола за задачите. Проектите исто така бараат силни производни мерки, како што се псеудонимизација на идентитетите и обезбедување дека моделите нема „ненамерно да пресоздадат пристрасности или да создадат нееднакви резултати.“
Ова бара усогласување со правните и регулаторните барања, вели таа. Тоа исто така значи размислување за долгорочните импликации на проектите, вклучувајќи можни ненамерни последици и етички дилеми. Иако приватноста може да изгледа како очигледно разгледување за оние кои работат во AI, Парсе вели дека лесно е да се занемари како функционираат моделите. Исто така, бидејќи толку многу тимови придонесуваат за производот, може да биде лесно да се фокусираш на својата специфична задача, а не на целокупните импликации, додава таа.
Парсе додава и дека е одговорност на компаниите да ги обучуваат вработените за правилните насоки за приватност и етика. Но, исто така е важно вработените да ја земат предвид перспективата на трето лице за работата што ја извршуваат.
