شما مهندس هوش مصنوعی هستید یا کاربر آن؟ مقایسه ۲ مفهوم و بررسی مسیر مهندس AI شدن!
شاید عبارت مهندسی پرامپت را شنیده باشید؛ در یکی دو سال اول ظهور هوش مصنوعی، از این عبارت زیاد استفاده می‌شد. معنی آن خیلی ساده، فقط نوشتن یک پرامپت خوب است که هوش مصنوعی می‌تواند آن را هم خودش بنویسد.
حالا که این عبارت را زیاد نمی‌شنویم، شاهد این هستیم که خیلی‌ها مهندسی هوش مصنوعی را در رزومه‌شان به‌عنوان مهارت ذکر می‌کنند؛ ولی خبری از تحصیلات کامپیوتری یا تجربه‌ی مرتبط با AI در آن رزومه‌ها نیست.
درخواست‌ها برای این شغل به‌شدت افزایشی است و با درآمد بالایی که برایش پیش‌بینی شده، طرفداران زیادی پیدا کرده است؛ ولی باید با واقعیت روبرو شویم.
اغلب کارهای ساده‌ای که با هوش مصنوعی انجام می‌دهیم، مثل تغییر عکس، ساخت ویدیوهای وایرال، تولید مقاله و حتی آموزش بات‌های هوش مصنوعی زیرمجموعه‌ی مهندسی قرار نمی‌گیرند. پس مهندسی هوش مصنوعی چیست؟
خب بیایید اول ببینیم چه کارهایی مهندسی AI به شمار نمی‌آید.
کارهایی که مهندسی هوش مصنوعی نیست!
اگر کارهای زیر را انجام می‌دهید، شما صرفا یک کاربر ساده یا حرفه‌ای هوش مصنوعی هستید، نه مهندس این رشته:
- بلد هستید پرامپت‌های خوب برای ChatGPT بنویسید.
- با نانوبنانا عکس بغل کردن خودتان در کودکی را می‌سازید.
- با سورا یا Veo ویدیوهای وایرالی می‌سازید که از واقعیت قابل تشخیص نیستند.
- با گیت‌هاب کوپایلت یا کلود (Cloud) کد می‌زنید و آن را کپی و پیست می‌کنید.
- کمی درباره‌ی اصول اسکریپت‌نویسی با پایتون می‌دانید.
- با مفاهیم یادگیری ماشین آشنا هستید.
- یا یک GPT اختصاصی آموزش داده‌اید.
این کارها را اگر یک آخر هفته وقت بگذارید، یاد می‌گیرید؛ ولی مهندس شدن در رشته‌ی هوش مصنوعی سال‌ها زمان می‌برد!
تفاوت استفاده (معمولی یا حرفه‌ای) از AI با مهندسی AI چیست؟
وقتی از هوش مصنوعی برای پیداکردن جواب سوال‌ها، تولید انواع محتوا (متن، تصویر یا ویدیو)، نوشتن کد یا حتی ساخت فلوی اتومیشن استفاده کنید، در حقیقت یک کاربر معمولی یا حرفه‌ای AI هستید؛ ولی زمانی مهندس هوش مصنوعی به حساب می‌آیید که مهارت‌های زیر را بلد باشید:
- مهندسی داده: توانایی مدیریت حجم بزرگی از داده
- علم داده: توانایی ساخت مدل‌های یادگیری ماشین
- مهندسی یادگیری ماشین: توانایی پیاده‌سازی و مقیاس‌پذیری مدل‌ها
مهندس هوش مصنوعی با این مهارت‌ها، هم مدل هوش مصنوعی را می‌سازد، هم آن را به محصولی کاربردی برای مشتری تبدیل می‌کند؛ مثلا از مدلی که می‌تواند چهره‌ها را با دقت ۹۸درصد تشخیص دهد، نرم‌افزاری می‌سازد که به افراد اجازه‌ی ورود به شرکت را بدهد، یک پنل مدیریتی از ورود و خروج افراد داشته باشد و بتواند با سرعت بالا گزارش آماده کند.
چند مثال از تفاوت کاربر عادی و مهندس هوش مصنوعی
یک مهندس هوش مصنوعی محصولات AI را می‌سازد. به‌طور خلاصه در اینجا چند کار مهم این شغل را در مقایسه با کاربردهای عادی هوش مصنوعی توضیح می‌دهیم.
مهندس AI به‌جای استفاده از API، آن را می‌سازد
کاربران هوش مصنوعی API را بر می‌دارند و در سایت، اپلیکیشن یا فلوی اتومیشن قرار می‌دهند.
مهندس هوش مصنوعی APIیی را که شما برمی‌دارید، می‌سازد.
کاربر AI پرامپت می‌دهد، مهندس هوش مصنوعی آن را آموزش می‌دهد
اگر فقط کاربر AI باشید، هر چیزی که در ذهن دارید، توضیح می‌دهید و هوش مصنوعی آن را انجام می‌دهد؛ اصلا هم نمی‌دانید هوش مصنوعی چگونه درخواست شما را انجام می‌دهد.
مهندس AI دیتاست آموزشی مدل را انتخاب و پاک‌سازی می‌کند، معماری مدل را انتخاب می‌کند و بسیاری کارهای تخصصی دیگر را انجام می‌دهد تا یک مدل را آموزش دهد؛ مثل:
- پیاده‌سازی تابع‌های زیان سفارشی برای حوزه‌های تخصصی
- تنظیم ابرمولفه‌ها در هزاران آزمایش مختلف
- مدیریت عدم توازن کلاس‌ها، افزایش داده‌ها و تکنیک‌های منظم‌سازی
- دیباگ اینکه چرا مقدار validation loss از_epoch 47_ به بعد ثابت می‌ماند
- پیاده‌سازی آموزش توزیع‌شده روی چندین GPU
استفاده از AI در بازی یک از مصداق‌های مهندسی هوشی مصنوعی است.
مهندس هوش مصنوعی ریاضیات پشت جادوی AI را می‌بینند
قابلیت‌های هوش مصنوعی در چشم کاربر عادی معجزه یا جادو است؛ ولی مهندس AI دلیل پشت هر رفتار مدل‌ها را می‌داند:
- معماری ترنسفورمر با سازوکار توجه چندگانه (Multi-Head Attention)
- توزیع‌های احتمالاتی Softmax برای انتخاب واژه‌ها
- محدودیت‌های پنجره زمینه (حجم توکن‌هایی که مدل می‌تواند همزمان پردازش کند)
- اثر Temperature بر میزان تصادفی بودن و تنوع پاسخ‌ها
- موازنه بین Beam Search و Greedy Decoding در تولید خروجی
- پیچیدگی محاسباتی سازوکار توجه با مرتبه O(n²)
- اینکه چرا برخی پرامپت‌ها مسیرهای عصبی خاصی را فعال می‌کنند و به پاسخ‌های مشخصی منجر می‌شوند
چگونه می‌توان مهندس AI شد؟
میزان تقاضای شغل مهندسی هوش مصنوعی در سال ۲۰۲۵، ۱۴۳/۲ درصد (منبع: adsknews.autodesk) رشد کرده است. در آمریکا متوسط حداقل حقوق مهندس هوش مصنوعی، از سالانه ۱۳۴۰۲۳ دلار شروع می‌شود (منبع: coursera).
این اعداد وسوسه‌برانگیز باعث شده علاقه‌مندان AI به‌سمت این شغل گرایش پیدا کنند؛ ولی اگر واقعا می‌خواهید در یکی از شاخه‌های مهندسی هوش مصنوعی کار کنید، مسیر زیر را باید دنبال کنید.
تحصیل در رشته‌های مرتبط
خیلی از آگهی‌های مهندسی هوش مصنوعی، تحصیلات ارشد در رشته‌های مرتبط را جزو شرایط استخدام قرار داده‌اند:
- علوم کامپیوتر
- آمار
- ریاضیات
- مهندسی برق
- فیزیک
کسب مهارت و دانش مورد نیاز
تمام آگهی‌های مهندسی AI تحصیلات را ملزم نکرده‌اند؛ ولی نیاز به مهارت‌ها و دانش مرتبط در همه‌شان دیده می‌شود. یک مهندس نرم‌افزار بی‌‌بروبرگرد باید برنامه‌نویسی، چرخه‌ی حیات توسعه‌ی نرم‌افزار، ماژولاریت، آمار ریاضیات، داده‌های بزرگ و خدمات فضای ابری را بداند.
کسب تجربه
همزمان با آموزش و کسب دانش و مهارت مورد نیاز، باید تجربه کسب کنید. احتمالا اولین تجربه‌تان در قالب کارآموزی است و به‌تدریج موقعیت‌های بهتری پیدا خواهید کرد.
بیشتر موقعیت‌های مرتبط با این شغل در شرکت‌های بزرگ و حوزه‌های فناوری اطلاعات و خرده‌فروشی و عمده‌فروشی‌های بزرگ است.
انتخاب محل زندگی
موقعیت شغلی مهندس هوش مصنوعی را فقط شرکت‌های بزرگ تکنولوژی دارند که در همه‌جا پیدا نمی‌شوند. در ایران احتمالا باید به تهران مهاجرت کنید. این شغل موقعیت مهاجرت خوبی هم ایجاد می‌کند. اکر تحصیلات و مهارت مرتبط دارید، می‌توانید برای کار یا ادامه‌ی تحصیل به کشورهایی با تقاضای بالا برای مهندس AI مهاجرت کنید.
آینده‌ی تکنولوژی و هوش مصنوعی گره خورده است
کسب‌وکارها چاره‌ای ندارند جز اینکه هوش مصنوعی را وارد فرایندهایشان کنند؛ برای همین مشاغل مرتبط با AI در آینده پرتقاضاتر از امروز هم خواهند بود؛ ولی باید بدانید می‌خواهید چه مهارتی در این حوزه داشته باشید.
اگر می‌خواهید مهندس هوش مصنوعی شوید، به تحصیلات دانشگاهی و کسب مهارت‌های لازم فکر کنید. البته برای اینکه از هوش مصنوعی در کارتان استفاده کنید، نیازی نیست حتما مهندس آن شوید.
