В этом году нейросети могут внедриться в целый ряд профессий, рассказал "Известиям" руководитель направления продаж "Авито Работы" Роман Губанов. Профессионально овладеете нейросетями, сформируете клиентскую базу, что позволит вам выйти на 5-10 т.р. в ДЕНЬ. Но Universal потребовал от музыкальных агрегаторов запретить нейросетям учиться на их плейлистах. Команда VK Cloud перевела статью, в которой дата-сайентист рассказывает о новых специальностях, появление которых в грядущие годы связано с развитием искусственного интеллекта.
Специалист по нейросетям — что это за профессия
Важное о структуре ответов нейросети и видах текстов. От лучшего к худшему: что такое ранжирование ответов. В конце каждого параграфа есть несколько проверочных вопросов, которые помогут закрепить знания. Другой способ — подать заявку на участие в школе AI-тренеров. Для поступления нужно успешно выполнить тестовое задание. Обучение в школе бесплатное, состоит из двух частей. Курс включает лекции, практические занятия и их разбор.
Самая известная нейросеть ChatGPT составила рейтинг специальностей, которые, по ее мнению, будут наиболее востребованы в будущем. На первом месте топа — инженер-программист самого искусственного интеллекта. Он будет разрабатывать алгоритмы и системы машинного обучения, собственно обучать и оптимизировать новые модели. Второй в списке — работотехник.
Куда пойти работать AI-тренеру Работа тренера нейросети — полностью удаленная. Количество рабочих часов можно выбрать: от 20 до 40 в неделю. Заработная плата составляет: от 75 до 150 тысяч рублей. Такие вакансии сейчас размещают «Яндекс» и «Тинькофф-банк». За рубежом профессия тренера нейросетей более развита. Оплата составляет в среднем 24 доллара в час или 4,2 тысячи долларов в месяц. Плюсы и минусы новой профессии Основные преимущества работы тренером нейросетей: возможность удаленной занятости,.
Нейросети - это сложные системы, которые требуют высокой квалификации и опыта, чтобы разрабатывать и оптимизировать их. Инженеры нейросетей должны быть знакомы со многими различными алгоритмами машинного обучения и глубокого обучения, а также иметь опыт работы с большими объемами данных. Кроме того, нейросети становятся все более распространенными во многих отраслях, и компании, которые желают сохранить свою конкурентоспособность, стремятся привлечь талантливых инженеров нейросетей. В ситуации, когда нейросети используются для решения критически важных задач, таких как медицинская диагностика, финансовый анализ или управление транспортом, спрос на высококвалифицированных специалистов в этой области может быть особенно высоким. Кроме того, многие компании инвестируют в исследования и разработку нейросетей, чтобы улучшить свои продукты и услуги. Инженеры нейросетей, которые могут эффективно работать с этими новыми технологиями и применять их к решению конкретных задач, будут в большом спросе.
Нейросеть составила список самых востребованных профессий будущего
| Профессии будущего. Как нейросети открывают новые направления в edtech | Наша гипотеза состояла в том, что скорее всего именно эти профессии нейросеть вряд ли заменит. |
| Развитие нейросетей дало старт новым профессиям в России | Ямал-Медиа | Профессии, связанные с нейросетями: какой бывает работа будущего и как на нее устроиться. |
| Нейросеть составила список самых востребованных профессий будущего | В профессиях, связанных с правом и безопасностью, нейросети могут быть использованы для анализа больших объемов данных, чтобы выявлять законопреступления и определять наиболее эффективные стратегии противодействия. |
| Какие профессии связаны с нейросетями и как устроиться на работу будущего | Команда VK Cloud перевела статью, в которой дата-сайентист рассказывает о новых специальностях, появление которых в грядущие годы связано с развитием искусственного интеллекта. |
| 5 профессий, которые появились в 2023 году благодаря искусственному интеллекту | Создатель сайта Кремля предрек исчезновение ряда профессий из-за нейросетей. |
Работа и вакансии "специалист по нейросетям" в Санкт-Петербурге
Представляем 5 уникальных профессий будущего, связанных с обработкой данных и искусственным интеллектом. Узнали у нейросети, каких профессионалов искусственный интеллект настроен видеть в числе будущих коллег. Введение в ИИ и нейросети, знакомство с профессией.
Незаменимых нет: вытеснят ли нейросети творческие профессии?
«Яндекс» начал нанимать людей гуманитарных профессий для обучения своей нейросети — российского аналога ChatGPT, рассказали «Известиям» в компании. Уже сегодня к нейросетям возникают вопросы, связанные с интеллектуальной собственностью и использованием персональных данных, и по мере развития технологий эти проблемы будут неизбежно нарастать. Нейросеть выдаёт ответ, но не учитывает нововведения, которые появились в последние годы.
Нейросети наступают: специалистов каких профессий уже готов заменить искусственный интеллект
— Какие профессии заменят нейросети? 19 реальных примеров! — Заменит ли ИИ специалистов этих профессий на 100%? Сначала нейросети пришли за художниками, дизайнерами, композиторами, теперь добрались и до нас — работников телевидения. Насколько реальны и востребованы в будущем предложенные нейросетью профессии, оценил руководитель направлений "Инноваций" компании Никита Бугров. Представители новой профессии обучают нейросеть YaLM 2.0 (она же YandexGPT), чтобы та отвечала на вопросы «не хуже людей, разбирающихся в теме».
В России вырос спрос на специалистов в области ИИ в три раза
Сфера здравоохранения. Искусственный интеллект нашел применение в медицине, и, возможно, в будущем сумеет заменить консилиумы врачей при постановке диагноза. Зная, как должен выглядеть и функционировать здоровый организм, нейросеть сможет найти неполадки в работе органов и диагностировать заболевания. Эксперты считают, что с помощью искусственного интеллекта возможно будет заметить предпосылки зарождающихся заболеваний и предотвратить их, так сказать «зарубить на корню». Сфера сельского хозяйства. Несмотря на некоторое отставание в развитии, эта отрасль становится все более технологичной. В ней уже сегодня активно используются нейросети. С помощью дронов фермеры могут осматривать свои угодья, а специальные программы помогают им анализировать состояние посевов, выделяя «больные» участки. Искусственный интеллект применяется для расчета прогнозов, составления планов, сортировки урожая и т.
Конечно, это далеко не все направления, где активно используется нейросеть. Но искусственный интеллект все глубже проникает в нашу жизнь. Осваивать эту профессию — значит, смотреть в будущее и строить новый мир. Читайте также: Что такое краудфандинговая платформа? Если говорить о трудовых обязанностях специалиста по нейронным сетям, то они сводятся к разработке и созданию нейросети, проведению машинного обучения модели, проверке ее работы, исправлению ошибок и т. Таким мастерам, также как и дата-саентистам, необходимо уметь обращаться с большими массивами данных, обрабатывать их, находить связи и правила. Что должен уметь такой специалист Если говорить начистоту, то специалист по нейросетям — это совсем не та история, когда пришел с улицы и начал работать. А потом по ходу дела обучился и набрался опыта.
Чтобы освоить эту непростую профессию, конечно, необязательно заканчивать ВУЗ по профильной специальности, но необходимо иметь техническое образование с математическим уклоном. Азы можно освоить, пройдя или онлайн-курсы в хорошем университете, или офлайн на базе специализированного образовательного учреждения. Чаще всего в данную сферу уходят дата-саентисты или другие программисты, которые видят себя именно в этой отрасли. А теперь посмотрим, какими знаниями и навыками нужно обладать, чтобы стать хорошим специалистом по нейронным сетям: хорошо знать математику, статистику, основы и методы работы в IT сфере; уметь визуализировать полученную информацию, создавать инфографику, дашборды в наглядном и понятном формате; знать основные языки программирования особенно Python и уметь с ними работать; создавать модели машинного мышления, проверять их работу и вносить коррективы; применять модели машинного мышления для решения реальных задач; знать фреймворки TensorFlow, PyTorch, Keras и т. Кроме того, тем, кто хочет продвинуться в этой профессии, необходимо воспитывать в себе следующие качества: Внимательность.
Маркетинговые профессии В маркетинге нейросети могут быть использованы для анализа данных и определения наилучших стратегий маркетинга. Они могут использоваться для анализа поведения потребителей, чтобы определить, какие продукты и услуги наиболее популярны, и предсказать, какие маркетинговые кампании будут наиболее эффективными. Профессии в области права и безопасности В профессиях, связанных с правом и безопасностью, нейросети могут быть использованы для анализа больших объемов данных, чтобы выявлять законопреступления и определять наиболее эффективные стратегии противодействия.
Они также могут быть использованы для обнаружения мошенничества и кибератак. Технические профессии В технических профессиях нейросети могут быть использованы для различных задач, таких как оптимизация процессов производства, улучшение качества продуктов, предсказание отказов оборудования и управление техническим обслуживанием. Они также могут быть использованы для создания инновационных технологий, таких как автоматизированные системы управления транспортом или роботизированные производственные линии.
Для каких задач применяют ML и нейросети Есть много прикладных задач, которые решаются с помощью эксперта, простых правил и специально подобранных алгоритмов.
Когда данных становится много, у нас появляется возможность извлекать из них полезные знания, обходя ограниченность простых подходов. С помощью ML можно рассчитывать риски — например, предсказать, выплатит ли человек кредит, или рассчитать будущие цены на квартиры. Есть отдельная группа задач, для которых нейросети особенно хороши: находить похожие картинки, звуки и посты, генерировать изображения и тексты. Конечно, искать похожие аудио можно и без нейросетей — приложение Shazam прекрасно работало даже в первых версиях.
Но обучение алгоритмов с помощью нейросетей дает дополнительные возможности. Творчество нейросети Midjourney Как разрабатываются нейросети В этой части статьи будет немного хардовой информации, связанной с математикой и ML. Если вы ничего не поймете или захотите понять больше, советуем пройти наш курс по математической логике для программистов Нейросеть — это формула, которая из одного массива чисел делает другой массив. Формула большая и длинная, может быть с миллионами параметров, но собирается из довольно простых операций — арифметики, элементарных функций синусы, косинусы, экспоненты и даже более простые, вроде взятия степени и суперпозиции.
Выше пример одной из решаемых задачек: классификация изображений на условные тысячу классов. Входной массив здесь — просто массив пикселей картинки, выходной — вектор с вероятностями, что изображено на картинке. Выходной массив может быть и картинкой например, как в задачах pix2pix на улучшение картинок или дорисовывание. Входной массив может быть не картинкой, а последовательностью слов — так, например, происходит в генерации картинок по тексту.
С отдельными элементами входного массива обычно не работают: действия собирают в слои и применяют операцию ко всему массиву сразу. Котика на картинке распознают независимо от того, в какой части картинки он находится. Саму формулу пишут не как аналитическую формулу, а вычислительным графом — это рецепт для калькулятора, в каком порядке и что делать с входным и промежуточным массивами. Очень популярная, старая и довольно простая моделька.
Она может показаться сложной, но операции — простые, а концепция вычислительного графа позволяет работать со сложными формулами. В этих слоях скрываются числа, они же — веса — коэффициенты в большой формуле. Сначала параметры инициализируют небольшими случайными числами, а затем улучшают с помощью градиентного спуска. Так система самообучается.
Обвязку к этому движку обычно делают на Python. Но на них сейчас нейросети почти не пишут, кроме низкоуровневых сетей для устройств. Знания Python достаточно, чтобы писать крутые вещи. Есть библиотеки, позволяющие упростить процесс разработки.
Крутые обертки и сборники моделей — одна из причин, почему сейчас стало популярно разрабатывать нейросети. Например, проект Hugging Face — это платформа для разработки и использования моделей и приложений на основе искусственного интеллекта, особенно в области обработки естественного языка Natural Language Processing. Интерфейсы моделей отвязаны от математики, это простые и конкретные инструкции, что именно сделать, чтоб получить результат. А вот при использовании фреймворков PyTorch, Jax и TensorFlow для работы с данными и машинного обучения придется плотнее взаимодействовать с математикой.
Как попасть в индустрию Нейросетями можно заниматься как прикладной технологией в коммерческой разработке, так и использовать их в качестве инструмента для исследований в научных лабораториях. В 2016 году, чтобы попасть в лабораторию, занимающуюся нейросетями, ничего особенного знать и уметь не требовалось. Сейчас порог входа в исследовательские лаборатории, где применяют эту технологию, увеличился. Нужно соответствовать высоким требованиям: знать математику, хорошо кодить, иметь научные публикации.
Такой уровень экспертизы есть у небольшой части людей. Вакансий публикуется больше не в области исследований, а в прикладных проектах. Прикладными проектами может заниматься обычный разработчик. Для этого нужно уметь кодить, решать задачи и использовать системный подход.
Нужно учиться делать базовые вещи максимально аккуратно. А все остальное получится в свое время.
Чаще всего это компании в IT-сфере и финансовой.
Прямо сегодня технологиям на основе искусственного интеллекта предприятия готовы доверить довольно многие задачи. В первую очередь — переводы, техподдержку, подготовку аналитики, создание несложных текстов, дизайна. Ну а что в будущем?
Кто может остаться без работы из-за этого научно-технического прогресса? По мнению опрошенных Зарплатой. Копирайтеры, дизайнеры, переводчики, администраторы, бухгалтеры и специалисты по кадрам и документам уже сейчас должны задуматься - нет, не об увольнении и бедности, а о том, в какую сторону развивать свою карьеру.
Назван список профессий, по которым сильнее всего ударит ИИ. Программисты в безопасности
Здесь вы узнаете про профессию специалиста по нейросетям, как пройти курсы, и сколько они зарабатывают! Профессию тренера нейросетей можно назвать работой будущего. Нейросеть сделала это за 5 минут с хорошей ла локальные компании от глобальных, рассказала про количество производственных площадок. В ближайшие годы ИИ сможет заменить профессии, связанные с работой с повторяющимися рутинными операциями. Чтобы не поддаваться популистским уверениям, что роботы и нейросети отберут хлеб у трудящихся, и адаптироваться к новым технологиям, полезно в рамках своей профессии определить. «Как правило, специалистов, знающих как работать с нейросетью или для ее развития ищут работодатели из ИТ-сферы: 19% или каждая пятая вакансия с начала 2023, за год спрос на таких специалистов в этом секторе вырос на 94%.
Незаменимых нет: вытеснят ли нейросети творческие профессии?
Трейдеры на бирже Причина всё та же: аналитика — это конёк ИИ. Бухгалтеры ИИ легко может выполнять работу с цифрами в больших объёмах. Главное — правильно обучить его и… контролировать. Графические дизайнеры Уже сейчас нейросети типа Midjourney и Stable Diffusion помогают работникам искусства и графическим дизайнерам выполнять заказы на более высоком уровне. Операторы службы поддержки Наверняка вы уже не раз общались с ботами — по телефону, в приложении банка, в чате "Телеграм". И процесс внедрения ИИ в сферу работы с клиентами будет только развиваться. Как видите, большинство профессий, в которых нейросеть быстрее и умнее людей, в любом случае не обойдётся без человека — обучить, написать программу и даже вовремя отключить ИИ способен только разум человека. Плюс к этому не следует забывать, что нейросеть — это машина, которая не знает чувств, эмоций и моральных устоев. ИИ прежде всего хороший помощник человека, а не наоборот.
И продолжает учиться, снижая ошибочное распознавание речи, а как следствие, улучшает качество работы». Учитывая тенденции в AI-сфере, можно предполагать, что edtech-рынок, как мировой, так и российский, будет только расширяться — следом за новыми нейросетями и их возможностями будут появляться новые профессии и курсы по их освоению, а уже существующие программы по созданию ИИ родят еще большее число инструментов, которые пригодятся промпт-инженерам. Впервые за долгое время фактически сравнялась динамика двух основных сегментов — ДПО и детского образования. Smart Ranking пообщался с компаниями сегмента и узнал перспективы рынка, его тренды, драйверы и барьеры. Аналитика25 Апрель 2024 Корпобучение привлекает инвесторов. Softline вложится в edtech-стартапы по обучению сотрудников Академия Softline в партнерстве с Softline Venture Partners запустила инвестиционную программу: небольшие edtech-компании и стартапы получат миллиард рублей на развитие своих проектов. Преимущество будет на стороне тех компаний, которые ориентируются на B2B, — Академия Softline включит их решения в свой портфель.
Так, сегмент корпоративного обучения может стать самой привлекательной нишей для инвесторов в 2024 году. Их суммарная выручка составила более 3 млрд рублей, как показало исследование Smart Ranking. Несмотря на перспективность направления, заходить в сегмент пока готовы не все — участников рынка отпугивают госстандарты и сложные бизнес-модели. По оценке Smart Ranking, сумма сделки может составить не менее 7 млрд рублей. Покупка школ закономерна: «Сбер» стремится усилить экосистему крупными образовательными проектами. На рынке грядет рост конкуренции и битва экосистем. Новости15 Апрель 2024 Создатель инфобизнесменов.
Тренд на более раннее освоение профессии и улучшение имиджа колледжей и техникумов приводит к тому, что количество студентов СПО в России приближается к показателям высшего образования. Однако многие отмечают, что работать с аудиторией 15—17-летних учеников в онлайне очень сложно. Аналитика04 Апрель 2024 Крупные онлайн-школы, обучающие цифровым профессиям, осваивают новое направление — нутрициологию. Об открытии направления «Здоровье» в марте также заявил Skillbox.
В случае с Ироновым человек, без участия людей, он заполняет бриф, описывает свою компанию.
Дальше у нас отдельная система, нейросеть, она интерпретирует бриф, то есть она из текста брифа достает некоторые образы, которые могут подходить под визуальное представление этой компании, как она может быть представлена в виде какого-то емкого символа либо знака. И дальше это по такой цепочке передается, появляются эти визуализации этих образов, они обогащаются разными шрифтовыми комбинациями, дальше подключаются отдельные алгоритмы, которые подбирают цветовые сочетания комплиментарные. В общем, там сложная-сложная штука. Но по факту это точно то же самое, что происходит при работе с живым человеком. То есть интерпретируется некоторый текстовый ввод, так же как к вам приходит человек и что-то говорит, и вы как-то это трансформируете.
Мы все эти шаги условно творческих мытарств алгоритмизировали, перевели в какие-то отдельные процессы? И клиент на выходе получает опыт, очень сопоставимый с опытом общения с живым дизайнером. Только наш дизайнер не капризничает, не болеет. Коротнева: Не уходит в отпуск. Кулинкович Да, да, да.
Гребенников: Скажите, а стоимость разработки логотипа… Логотип, предположим, я пришел за логотипом, искусственным интеллектом и обычным дизайнером в студии Артемия Лебедева отличается? Есть какой-то прайс на искусственный интеллект и обычного дизайнера? Кулинкович: Да, конечно, отличается. Когда вы приходите лично в брендинговое агентство или дизайн-студию, помимо непосредственного конечного дизайнера, который сидит и визуализирует ваш логотип, в это вовлечено очень много людей на самом деле. Это юристы, которые помогают составлять договор; менеджеры, которые позволяют клиенту и дизайнеру услышать друг друга, перевести с одного языка на другой, и много-много всего.
Соответственно, когда вы работаете с живыми людьми, чаще всего дизайн — это операционный процесс, где клиент хочет, чтобы его услышали и некоторое врем поиграли с ним вот в эту игру «Согласование видения», да? Это все умножается на стоимость часов специалиста. И разные компании, конечно, по-разному, диапазон очень большой, но он может доходить до очень больших сумм. То есть если вы просто придете в большую дизайн-компанию, то разработка логотипа с нуля, где вас будут слышать, слушать долго и до победного, она может быть супердорогой, неподъемно дорогой для малого и среднего бизнеса. Поэтому Иронов и другие генеративные технологии — это не просто про скорость, это про такую демократизацию дизайна, что если у вас не слишком много денег для того, чтобы играть во все эти чаепития и подписания договоров дорогостоящее, то вы можете пойти и получить из коробки сопоставимый по качеству результат.
Просто процесс будет происходить несколько иначе. Вам нужно будет принять, что ваши какие-то правки и пожелания интерпретируются не прямым методом, а косвенным, в результате работы некоторых алгоритмов. Там могут быть шероховатости, а могут быть, наоборот, источники классных открытий в результате этого. Гребенников: Вот вы говорите про открытия. А бывало так, что пришли две разные компании, диапазон полгода-год, и искусственный интеллект выдал одинаковый логотип на совершенно разные задачи, которые перед вами ставили?
Такое происходит и с живыми людьми, то есть можно увидеть очень много примеров того, как дизайнеры думают похоже, скажем так. Гребенников: Назовем это так, хорошо. Кулинкович: Ну да. Просто на самом деле очень часто, когда у вас большой объем работы, вы сделали 1 000 логотипов, наивно полагать, что в мире все ваши логотипы абсолютно аутентичны, потому что каждый день в мире сотни и тысячи дизайнеров генерят новые логотипы, а набор примитивов, из которых логотипная графика состоит, он довольно ограничен, потому что есть базовые формы: треугольник, прямоугольник, квадрат и так далее, которые так или иначе комбинируются. Если мы говорим условно, что даже у стран, которых ограниченное количество, есть очень похожие флаги, которые можно часто путать друг с другом, что уж говорить про логотипы, которых сотни тысяч генерируется каждый год.
Соответственно, мы видим, что действительно могут появляться одинаковые работы, как у живых людей, так и нейросеть может генерировать одинаковые работы, и мы в этом не видим проблемы, потому что это было долгое время ранее. Если где-то в Сингапуре еще существует похожая птицефабрика с таким же крестиком, таким же цветом и с таким же соотношением сторон исполнен, то едва ли эти бизнесы будут друг друга локтями толкать. Поэтому мы на это смотрим совершенно нормально компенсируем это объемом, то есть проблема плагиата существенна, когда у вас стоимость каждой итерации очень большая, а дизайнер уходит на следующую итерацию, неделю молчит, пыхтит и так далее. Но когда вы можете еще одним щелчком сгенерировать еще 100 альтернатив, то, в целом, это перестает быть проблемой. Но я предлагаю переходить от проекта Николай Иронов к другим генеративным технологиям, потому что летом прошлого года буквально весь интернет взорвала сеть Midjourney, которая создавала крутые классные визуальные картинки, и все были в полном восторге.
Но вместе с этим восторгом действительно возник вопрос о том, что «Зачем мне условно в штате держать дизайнера, если я могу загрузить свой достаточно вариант брифа, и нейросеть выдаст мне несколько классных вариантов: совершенно удивительных и визуально привлекательных. Сергей, давайте поговорим немножко про это. Во-первых, как вы думаете, какие перспективы развития у этих нейросетей? Насколько действительно хорошо они генерируют визуальные изображения, и какие риски это несет для творческих профессий? Кулинкович: Спасибо за вопрос.
Поскольку возможна какая-то профдеформация, и мы довольно давно находимся от в этой области генеративного дизайна. Просто сейчас из-за того, что искусственный интеллект как понятие тиражируется и как-то ассоциируется с нейросетевыми технологиями, и это сейчас на всех полосах газет и всяких изданий, на это все прожекторы устремлены, на самом деле генеративный дизайн существовал ранее просто в других жанрах. И он как тогда, так и сейчас создавая новые возможности, новые рабочие места, то есть сейчас есть отдельные ребята, которые используют эту технологию для того, чтобы решать подобные задачи за деньги. Midjourney и другие ребята, они создают под себя, как Иронов, который создал новый рынок, который мы сделали, так и другие ребята. Они берут и просто используют это как инструмент.
Раньше инструментом была кисть, к которой просто нужно было применить к ней механическое какое-то воздействие, и сколько-то лет опыта. Но, в целом, она выдавала такие же результаты. Сейчас вместо этой кисти что-то другое. Завтра будет еще что-то другое. Но, в целом, какого-то такого слома я не наблюдаю.
Просто появилась новая возможность делать то, что раньше требовало большого количества часов, быстро. Но фактически это просто расширяет, как сказать, перераспределяет усилия людей. То есть сейчас мы видим, что появляются новые профессии. Они такие, околодизайнерские: наполовину дизайнерские, наполовину технические. Люди, которые занимаются промт-инжинирингом, которые учатся взаимодействовать с этим инструментом, задавать ему правильные вопросы и получают правильные ответы.
Но по факту это тот же дизайн, просто инструментом дизайнера является уже не кисть, уже не какие-то программы редактирования графики. А просто нейросеть. Поэтому ничего не меняется на самом деле, просто трансформируются инструменты производства. И это было и 100 лет назад, когда происходили какие-то переходы от ручного труда к фабричному, так и сейчас. Так я себе это представляю.
Гребенников: Правильно, если простым языком сказать, когда нам говорили, что появилось телевидение, то театр умрет. Точно так же, как не умер театр, не умерло телевидение после появления интернета, точно так же и с появлением искусственного интеллекта, мне кажется, у дизайнера просто появилось больше инструментов для того, чтобы творить. Кулинкович: Да. Совершенно верно. Более того, интересный эффект, что тот крафт, ручная такая работа, которая… Вот этот рынок объединял в себе большое количество профессионалов и сейчас кажется, что пришли нейросети и этот рынок разрушили.
И, конечно, вода из этого моря утекла в моменте. Но при этом останутся мастера, как в случае с театрами, есть гениальные постановки, которые собирают огромные залы и оказываются суперактуальными и, возможно, даже более редкими и более неожиданными, чем они были ранее. Потому что ранее это был такой массовый продукт, то сейчас это штучный. Поэтому, когда все говорят, что нейросети убивают работу дизайнера, здесь, наоборот, я это вижу, как создание каких-то интересных локальных ниш, которые, наоборот, создают возможности. Они как бы преумножают варианты применения каких-то творческих усилий.
Коротнева: Сергей, вопрос о том, появится ли новая профессия на стыке дизайна и около какой-то научной истории Data Science. Вы уже сказали про профессию промт-инжиниринг. Кулинкович: Разные люди это называют по-разному. Мы в студии называем это «нейровод» — человек, который выбирает финальный вариант, потому что вариантов очень много, выбрать из них конечный — это и есть одна из самых сложных задач. У нас есть специальные нейроводы.
Которые делают дизайн мозгами Николая, но принимают ответственность за принятие финального решения. Гребенников: Сергей, такой вопрос. Николай — это все-таки когда-то был реальный человек или полностью вымышленный персонаж? Кулинкович: Это полностью вымышленный персонаж. С этим есть очень интересная история, потому что, когда мы начали получать работы, которые сопоставимы по качеству с живыми людьми, мы решили, это не просто прикол.
Мы решили проверить, насколько… либо это наш глюк, либо это действительно похоже на то, что делает живой человек. Поэтому мы придумали Николая Иронова и начали под его именем отдавать эти работы нашим клиентам, которые не знали о том, что это генеративный дизайн, для того чтобы обойти вот этот блок предрассудков по поводу того, что если дизайн был синтезирован, значит, он какой-то не такой, какой-то недостаточно человеческий, недостаточно качественный. И мы воспользовались вот этой секретностью и анонимностью. Более того, мы даже засекретили его внутри компании, завели ему там карточку в бухгалтерии, завели ему e-mail, Facebook и так далее, поддерживали какую-то социальную даже жизнь от его имени, придумали ему фоторобот. Мы скормили тоже генеративной системе портреты всех сотрудников студии, которые на тот момент были, и сделали усредненное лицо, загрузили его карточку в наш интернет и, собственно, прожили, пока шла разработка, мы жили с этим образом Николая Аронова.
И дальше отдавали клиентам работы, подписанные этим именем. И только когда эти работы начали массово тиражироваться, появляться на объектах какого-то реального мира, на этикетках с напитками, на вывесках в кафе, только тогда мы раскрыли карты и сказали, что это не человек. Коротнева: Очень любопытно про Николая Иронова. Но вернемся к нашим сетям, которыми мы пользуемся уже с прошлого года. Пытаемся как-то с ними играться, вдохновляться.
Мне кажется, я поэтому и хочу ваше профессиональное мнение спросить, что нейросеть, в частности Midjourney, работает примерно в одном и том же направлении — накладывает один и тот же паттерн? Я имею в виду сюрреализм, абстракция, киберпанк. Как-то так она работает. Или нет? Или она может работать во всех художественных направлениях, креативить совершенно разное?
Кулинкович: Ее так научили.
По прогнозам специалистов, к 2025 году ИИ будет широко использоваться в контент-маркетинге для анализа трендов, генерации контента и оптимизации контент-стратегий, что улучшит эффективность маркетинговых кампаний. Медиаменеджер Уже применяют: Hootsuite в Канаде. Это дополнение позволяет получить более конкретное представление о том, каким образом ИИ будет влиять на различные профессии в ближайшем будущем.
Маркетолог назвал профессии, которые могут исчезнуть из-за нейросетей
Эта специальность ИИ занимается созданием изображений, используя технологии искусственного интеллекта и нейросетей. Это связано с тем, что нейросеть хоть и обладает интеллектом, но все же является программой, а потому нуждается в четких командах. Нейронные сети стремительно внедряются почти во все области жизни, и работа человека становится будто бы «ненужной». На модуле по Deep Learning студентов знакомят с продвинутыми технологиями по работе с нейросетями, например трансформерами — архитектурой нейронных сетей, которая лежит в основе ChatGPT. Но Universal потребовал от музыкальных агрегаторов запретить нейросетям учиться на их плейлистах. Специалист по нейронным сетям создает саму модель, помогает ей обучаться и следит за ее работой.