Лидерство и ИИ [Артем Бондарь]

Мысли по поводу мл профессии Мой хот тейк такой: любая инженерная специализация переживает четыре стадии, и со временем проживает все быстрее: 1. Locked club (не тот, который в балаклавах). Кучка ультра-профессионалов, которая буквально изобрела этот язык/технологию/whatever и их ученики создают немыслимые для индустрии вещи. Живут где то в около академической среде и диптех компаниях. Технология максимально не user-friendly, общаются на непонятном языке, решают самые интересные задачи. Делают это не ради бизнеса а из любви к искусству, поэтому частно не становятся основными бенефициарами раскатки этой технологии. 2. Ранние внедрения. Круг разобравшийся в технологии людей растет - в область идут инженеры из смежных специализаций и несут с собой зрелые индустриальные практики. Инструментарий вокруг нее упрощается, концепции и язык этой области становятся дружелюбнее. Бизнес начинает получать большие результаты и вокруг области начинает разрастаться хайп. Золотое время для инженеров - уже и заработать на технологии можно, но и интересных задач полно. 3. Бум технологии Специализация нужна всем и их мамам. Опытным специалистам платят большие деньги, от новичков нет отбоя. Обучение встает на поток. Эффекты внедрения становятся по настоящему огромными. Инструментарий настолько отточен и удобен, что даже новички могут делать что-то адекватное. Индустрия становится зрелой. 4. Плато и новая итерация Специализация становится стандартом индустрии. Все простые задачи уже можно решать не приходя в сознание, а сложные требуют огромной глубины. Проекты средней сложности, которые были bread&butter для большинства специалистов либо упростились, либо закрываются совсем новым витком техноволны. Перед неравнодушными инженерами встает развилка: уйти в глубокую специализацию и поддерживать технологию на фундаментальном уровне, поменять специализацию, или же остаться на рынке, где спрос на твои услуги падает и доживать. Я начинал свою рабочую карьеру с системного программирования (C/ассемблер), когда специализация уже была в стадии 4. Большая часть инженеров в это время решала прикладные задачи в мобильно и веб разработке, а в фундамениальныж технологиях из клевых ребят оставались либо ультра крутые профессионалы мирового уровня, либо студенты. Классное место, чтобы поучиться, но было очевидно, что оставаться там есть смысл только если ты фанатеешь от низкоуровневого программирования и хочешь перехватить у маэстро их нелегкую ношу поддержки фундамента цифровой экосистемы. Вот с мл мне повезло: я вскочил в самом начале 2-го периода и застал превращение машинного обучения из академической дисциплины в зрелую индустрию. Кто гонял первый tensorflow и помнит caffe, тому не надо объяснять насколько все стало проще. А вот сейчас я чувствую, что мы переваливаем ко второй половине 3-его акта. Мы уже поняли основной рецепт победы в ИИ: unsupervised learning на больших обьемах данных как prior + RL на миллионе сред. И остается две крупные задачи: перестроить digital работу на базе llm (доделав по дороге этот миллион сред) и попробовать повторить успех в physical. Первое - на деле чуть другая профессия на стыке бизнеса и мл систем дизайна (то, что антропик называет FDE). Второе - это новый инженерный вызов с высокими требованиями к хардам. Гораздо выше, чем к классическим прикладным MLE. И я вижу, что все действительно крутые люди в моем окружении постепенно двигаются к одному из этих аттракторов. И мне кажется ребятам, которые только заходят в эту индустрию нужно очень четко это понимать: мы на выходе из суперцикла. И поэтому нужно очень четко выбирать за какую задачу браться. На мой взгляд ключевых сейчас ровно три: работа над фундаментальными LLM, ИИ-трансформация Энтерпрайза и выход в physical. И если physical мы в digital-first банке очевидно не двигаем, то вот первыми двумя темами залетайте к нам позаниматься. Мне кажется, мы одно из немногих мест, где мы копаем в этих вопросах действительно глубоко и без показухи.