Какие специалисты нужны в современном обществе

Начнем с того, какие специалисты нужны в современном обществе. 
Последние десятилетия  в России  было множество экспериментов. Начиная с образования и до реформирования структуры самого государства. Очень многие прожекты, оказались полнейшей фикцией. Многие  начинания, просто разорили  промышленность и  жизнеобеспечение самого государства. Но жизнь не стоит на месте, а это значит, что пришло время создавать все заново. Кто же будет это  делать? Инопланетяне нам не подходят, так как  контактов с их  разумом у нас еще не существует. Но с чего  лучше начать.  Опять составлять проекты, писать горы ненужных бумаг, засорять мозги  второстепенными постулатами, а порой просто вредными чужими идеями, направленными на разрушение  основ государственности.
Начинать следует с конституции и  сопровождающих ее законов. Что  нужно государству:


1.Гарантии внутренней стабильности.
Как этого добиться:

Обеспечить достойный образ жизни граждан.               
Что подразумевают под этим  вопросом?  Это стабильное обеспечение граждан работой,а следовательно их доходов. Что для этого требуется.
Рабочие места в Государственном и частном секторах.
Чем будут заняты  работающие. Конечно,  здесь необходимо определить, на что способен тот или иной  гражданин.
Есть ли у него к этому виду деятельности склонность.
Будет ли его деятельность эффективной…               
 Начнем с  обычных рабочих. В СССР их готовили ПТУ.                Токари, сварщики, сантехники, цветоводы,  автослесари, монтеры, дорожные рабочие, сельскохозяйственные рабочие, портные, парикмахеры, повара, работники для заводов для выполнения рутинных операций, и  т. д.
Для создания  нового  оборудования и технологий, нужны рабочие, имеющие  определенную подготовку. Это уже не ПТУ, а техникумы.
Техник, знает теорию и умеет все чему его учили делать руками.  Например, выпускник IT отрасли. Умеет разрабатывать и корректировать программные продукты. Это не обязательно уже существующие, в процессе  практической работы  могут возникнуть новые виды программ. Еще в царской России и во всем мире идеи чего- то нового и эффективного, рождались именно на этом уровне, и только потом обрабатывались и создавались на их базе новые направления и технологии.
Кто может знать, как готовить этих специалистов?  Обычные образовательные школы, конечно, нет, и время нас в этом убедило многократно. Каждая отрасль  должна сама готовить своих  специалистов, а школа, заниматься профориентацией в течение всего школьного курса. Сущность и Система образования (греч.) – целое, состоящее из взаимосвязанных частей Совершенно напрасно недооцениваете образование сейчас. В 90-е все думали, что образование не важно, надо «челноком» быть и все будет. Сейчас во всех отраслях нехватка квалифицированных кадров. Образование есть и будет ценностью, которое нельзя отнять и этот капитал работает всегда. Но каким должен быть специалист  которого ждет государство и каким  должен быть обучающий:
- Специалист должен знать особенности технологии отрасли и отдельной специальности в ней, иметь практические профессиональные навыки, поскольку он готовится к проведению как теоретического, так и практического обучения. В соответствии с Основными положениями государственного стандарта про¬фессионального образования преподаватель специальных дисциплин,    осуществляющий теоретическое и практическое (производственное) обучение, должен иметь уровень квалификации по преподаваемой профессии, превышающий планируемый для выпускников учреждений профессионального образования.  Широта цели определяет отличие профессионально-педагогического образования не только от педагогического, но и от других видов   образования (гуманитарного, экономического, сельскохозяйственного и т. д.).
По сравнению со специалистами народного хозяйства (например, строителями, агрономами и т. д.) преподаватель специальных дисциплин должны иметь профессиональные навыки по рабочим профессиям и уметь передать их будущим выпускникам по преподаваемым  профессиям. Или проще: «Научи тому, что умеешь сам».
Для получения  устойчивых знаний и понимания того что  делать, обучаемый должен  получить достаточный объем  теоретической подготовки. Например, при подготовке работника по группе специализаций «Машиностроение» основное внимание уделяется вопросам изготовления, обслуживания, ремонта оборудования. Вопросам, связанным с проектированием оборудования.

Для работников отрасли связи,  это глубокие познания в области электротехники, электроники, программирования, схемотехники. К практическим вопросам подготовки, можно отнести, умение  проводить техническое обслуживание, ремонт, модернизацию  цифрового оборудования. Вопросу проектирования , должны сводиться к созданию отдельных узлов  оборудования и программных продуктов для нескольких алгоритмов работы узла оборудования. При практической подготовке  следует  уже с начальных курсов  проводить электромонтажную практику. Причем, при создании электронных схем, вначале  обучаемый должен используя  программы схемотехники на персональном компьютере, разработать саму электрическую схему узла. Используя виртуальные измерительные приборы, снять выходные характеристики. При этом подбирается  элементная база пассивных и активных элементов схемы. Если возникают проблемы с выходными характеристиками,  используя встроенные электронные справочники, подбирает конкретные диоды, транзисторы, тиристоры и микросхемы.
Завершив  создание электрической схемы, обучаемый  проверяет виртуально с помощью программы ее работоспособность. Если возникают проблемы, на экране - эти проблемы устраняются.
Следующим этапом   должна быть разработка печатной схемы. Для этого  так же существуют множество  программных продуктов.  Готовую  схему с учетом реальных размеров элементов и выводов, распечатывают на листе бумаги. Далее выполняется сама печатная плата. 
Вытравив плату и подготовив ее к «набивке»,приступаем к размещению элементов  на самой плате.
После  пайки  монтажной стороны,  включаем плату  и снимаем реальные характеристики. Делаем сравнение  виртуальных показаний  на стенде ПЭВМ и реальны.
Это начальная практическая подготовка.
После  получения  специальных знаний на втором курсе обучения, и знакомства со структурой сетевого оборудования, обучаемый должен уметь  выбирать  типы оборудования, комплектующие автоматного зала, понимать  суть основных и дополнительных услуг. Разбираться в протоколах систем сигнализации. Определять какие протоколы будут использоваться, на каком этапе.  Разрабатывать алгоритмы этих протоколов. Параллельно  обучаемый получает практическую подготовку по  различным машинным языкам программирования, используемым в  оборудовании связи.
Изучение  конкретного оборудования связи, происходит на  третьем и четвертом курсах обучения.
Лаборатории  учебного заведения должны быть оснащены  самым современным оборудованием, полученным  в лизинг от производителя и разработчика.
Рабочие программы , должны  иметь насыщенный объем, а не ознакомительный.
На  коллоквиумах- т.е.  по  завершению  модуля обучения, должны проводиться практические ,фронтальные занятия по  вопросам определения неисправных узлов и устранения неисправностей. 
На зачетном занятии по модулю, (части изучаемого курса), для оценки даются индивидуальные  задания, и отводится время на его выполнение.  После завершения учебного года и курса - обязательно  проводится производственная практика. Если  учебное заведение располагает  оборудованием,  включенным в рабочую, учебную сеть, практика проводится  в учебной лаборатории преподавателями специалистами. Это предпочтительный вариант. Время проведения такой практики , не менее трех месяцев.
Скорость изменений вокруг нас сильно возросла. Происходит фундаментальный сдвиг и отход от условий, при которых были разработаны нынешние системы образования — формируется новая образовательная среда. В эту среду не всегда легко копируются старые материалы и методики, и, напротив, в ней появляются другие потенциалы. Однако успех создания и применения новых технологий зависит от осознания образовательной парадигмы: цель образования — не только усвоение суммы знаний, а развитие  творческой личности.

 .
На что способен искусственный интеллект сегодня и каков его потенциал

 
Алгоритмы ИИ уже превосходят способности человека во многих сферах, где речь идет об обработке данных. Они способны брать на себя и «творческие» функции. Однако остается ряд нерешенных проблем, в том числе этических.
Три типа искусственного интеллекта:
На сегодняшний день искусственный интеллект ученые определяют, как алгоритмы, способные самообучаться, чтобы применять эти знания для достижения поставленных человеком целей. Системы машинного обучения (основной подраздел ИИ) автоматизировали процессы во всех жизненно важных областях, включая банкинг, ретейл, медицину, безопасность, промышленность.

Выделяют три вида искусственного интеллекта:
слабый (Narrow AI),
сильный (AGI)
и супер - ИИ (Super AI).

Первый вид используются повсеместно (включая голосовых ассистентов, рекламу в соцсетях, распознавание лиц, поиск романтических партнеров в приложениях и так далее); эти системы слабого ИИ единственные доступные на сегодня.

Сильный  ИИ максимально приближен к способностям человеческого интеллекта и наделен по классическому определению Тьюринга самосознанием; по мнению экспертов, AGI сформируется примерно к 2075 году, а спустя еще 30 лет придет время для супер-ИИ.

Супер - ИИ мог бы не просто стать подобным людям, но и превзойти лучшие умы человечества во всех областях, при этом перепрограммируя самого себя, продолжая совершенствоваться и, вероятно, разрабатывая новые системы и алгоритмы самостоятельно.

На что способен искусственный интеллект уже сейчас:
Оценить динамику может каждый, кто пользуется автоматическими переводчиками.
Еще лет пять назад Google Translate более-менее сносно справлялся с отдельными наборами фраз и предложениями, тогда как сегодня программа переводит большие смысловые блоки, нейросети учитывают контекст, оперируют огромными массивами статистических данных. Сейчас можно читать статьи на хинди, китайском, арабском, не зная языка.

ИИ -  давно используется в финансовой сфере для оценки платежеспособности заемщика. Есть вам отказали в выдаче кредита на первом этапе ; вас отсеял именно искусственный интеллект.
В США в некоторых штатах ИИ применяют в судебной системе для оценки продолжительности тюремных сроков для обвиняемых.

Алгоритмы помогают врачам ставить диагнозы. Например, «СберМедИИ» (входит в экосистему «Сбера») и Лаборатория по искусственному интеллекту Сбербанка совместно разработали приложение AI Resp:
нейросеть анализирует голос пациента, дыхание и кашель, чтобы определить вероятность коронавирусной инфекции.
Ранее Лаборатория по ИИ и «СберМедИИ» представили онлайн-сервис «КТ Легких», определяющий локализацию и степень поражения легких для диагностики вирусной пневмонии, в том числе COVID-19, по снимкам компьютерной томографии. Также при использовании этого сервиса ИИ позволяет выявлять онкологические заболевания на ранней стадии при анализе КТ грудной клетки и может помогать врачам при диагностике.

На данный момент разработано несколько значимых технологий в сфере искусственного интеллекта.

GPT-3 из области естественной обработки языка (NLP), самая сложная и в то же время гибкая нейронная сеть, способная генерировать статьи почти по любой теме, которые на первый взгляд трудно отличить от созданных человеком.

Индустрия 4.0.

На что способна нейросеть GPT-3
Нейросеть AlphaFold 2, ставшая прорывом в медицинской науке, способна определять трехмерную структуру белка с высокой точностью всего за несколько часов, в сравнении с традиционными методами.
Алгоритмы AutoML (автоматизированное машинное обучение) сделали ИИ доступным малому и среднему бизнесу благодаря интеграции с облачными системами (например, MLSpace от SberCloud, Microsoft Azure или AutoML от Google).

Используя среду разработки, предприятия могут написать свои алгоритмы, к примеру, для обработки обращений клиентов или улучшения прогнозирования спроса.
Искусственный интеллект превосходит людей по IQ и креативности: в викторинах он набирает на 40% больше баллов, по вопросам SAT (тест для оценки знаний абитуриентов США) — на 15% больше баллов, чем средний абитуриент колледжа.

Роль ИИ в экономике

PwC прогнозирует увеличение мирового ВВП на $15,7 трлн к 2030 году благодаря развитию искусственного интеллекта. К этому времени Китай станет ведущей мировой державой в сфере ИИ с увеличением ВВП на 26%, Северная Америка будет следующей с ростом ВВП на 14,5%, за ней последует рост на 11–12% в крупнейших экономиках Европы. Развивающиеся страны получат наименьшую выгоду, поэтому есть риск усиления цифрового неравенства.

Влияние пандемии на внедрение ИИ в бизнесе
Кризис только ускорил внедрение ИИ, и этот импульс сохранится в дальнейшем, показывают опросы: большинство компаний (52%) стали быстрее внедрять ИИ из-за пандемии, 86% респондентов утверждают, что ИИ становится «основной технологией» в их компании.

Почти три четверти бизнес-лидеров положительно оценивают роль ИИ после пандемии и сопутствующего кризиса. Большинство руководителей (74%) не только ожидают рост эффективности бизнес-процессов, но и создание новых бизнес-моделей (55%), новых продуктов и услуг (54%) — благодаря внедрению ИИ.

По мнению экспертов Оксфордского университета, к 2026 году ИИ напишет эссе, которое сойдет за написанное человеком, заменит водителей грузовиков к 2027 году и станет выполнять работу хирурга к 2053 году.
Также ИИ превзойдет людей во всех задачах в течение 45 лет и автоматизирует все рабочие места в течение 120 лет.

Консалтинговая компания Accenture утверждает, что ИИ способен увеличить прибыль компаний в среднем на 38%. По словам экспертов и представителей бизнеса, ИИ помогает компаниям прогнозировать и выявлять проблемы, а также восполняет нехватку навыков сотрудников, хотя до построения бизнес-стратегии искусственным интеллектом еще далеко.

Большинство опрошенных компаний инвестируют в ИИ (90%) и согласны с тем, что данные технологии способствуют развитию бизнеса, выяснили MIT Sloan Management Review и BCG. Тем не менее, компании так и не научились извлекать из ИИ реальную выгоду. И это не единственный проблемный момент в сфере искусственного интеллекта.

Основные вызовы технологии ИИ
Бизнес-процессы

Чтобы компания извлекала прибыль, недостаточно вложить средства в алгоритм и получить первые успешные результаты после запуска пилотного проекта. Внедрение ИИ — это многоуровневый процесс, включающий культурные изменения в компании, найм и обучение специалистов по data science, автоматизацию и построение бизнес-процессов с учетом алгоритмов, и на этом весь список не заканчивается.

«Говоря о внедрениях, необходимо приложить усилия в пропорциях 10–20–70.
То есть, примерно 10% усилий должно уйти на создание алгоритма, 20% на построение технологии и 70% на организацию бизнес-процессов.
Компания должна быть на определенном уровне технологической зрелости для того, чтобы внедрение ИИ приносило пользу», — говорит Леонид Жуков, генеральный директор Института Искусственного Интеллекта AIRI, старший управляющий директор Лаборатории по искусственному интеллекту Сбербанка.

Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.

Такие гиганты как Alibaba, Amazon, Facebook, Google массово используют глубокие искусственные нейронные сети, например, Long-Short-Term Memory, чтобы предсказать спрос пользователей и дольше удерживать их на своих платформах, заставляя переходить по большему количеству рекламных объявлений.

Нехватка специалистов
ИИ развивается с высокой скоростью, и то, что называлось полгода назад state-of-the-art (высшим уровнем развития), сегодня может оказаться средней разработкой. Если раньше в сфере искусственного интеллекта была занята узкая прослойка специалистов, сейчас при таком огромном спросе попросту не хватает квалифицированных кадров, способных справиться с постоянно развивающейся технологией, отмечает Жуков.


Экономика образования
В России открылась первая аспирантура в сфере искусственного интеллекта
Спрос на ИИ-специалистов вырос на 74% за 2016–2019 годы, сейчас две из пяти компаний, использующих ИИ на продвинутом уровне, отмечают острую нехватку специалистов, трудности с наймом также возглавляют список проблем в области ИИ.

Проблемы машинного обучения
Качество данных — второе по значимости препятствие для внедрения ИИ, после нехватки специалистов. Для успешных результатов алгоритмам необходимы качественные «вводные», включая размеченные и чистые данные. Неправильно заданные паттерны могут провоцировать систему делать ложные выводы: например, ошибочно сигнализировать о мошеннической транзакции, или осудить невиновного.

На качество влияет и степень предвзятости, или bias, включая гендерные и расовые предрассудки, которым может быть подвержен человек, работающий с алгоритмом.


Социальная экономика

Семь смертных грехов искусственного интеллекта
Количество данных. Помимо качества, компьютеру все еще требуется большой объем данных и ресурсов для выполнения простейших задач. Отличать собак от кошек ИИ научится за три дня, задействуя 10 млн изображений и 16 000 компьютеров, в то время как ребенку хватило бы пары фотографий и нескольких минут. Если бы модель GPT-3 обучали читать и писать статьи не на суперкомпьютере, а на обычном ПК, весь процесс занял бы примерно 500 лет.

«На данный момент перед исследователями ИИ стоят несколько вызовов. Это умение искусственного интеллекта ставить перед собой новые задачи на основе имеющихся знаний; способность обучаться, не забывая полученные знания; и умение учиться разбивать цель на подцели. Преодоление этих проблем приблизит ученых к созданию таких машин, которые смогут лучше понимать человека и помогать достижению все более амбициозных целей», — отмечает Михаил Бурцев, директор по фундаментальным исследованиям Института Искусственного Интеллекта AIRI, заведующий Лабораторией нейронных систем и глубинного обучения МФТИ.

Применение в другом контексте. Хотя искусственный интеллект сегодня способен выполнять различные функции — от распознавания кошек и собак до предсказания поломок на нефтяных платформах, — это все еще узконаправленные задачи. ИИ пока что не умеет применять полученные навыки в непривычных условиях.

Влияние на климат
Проблема потребления энергии искусственным интеллектом напрямую связана с количеством ресурсов, задействованных в обработке данных. Обучение же одной NLP-модели (подобной GPT) требует столько же энергии, сколько автомобиль за весь его срок службы, и производит в пять раз больше CO2.

Во всем мире центры обработки данных потребляют около 200 ТВт•ч электроэнергии в год — больше, чем некоторые страны. В то же время, есть и противоположный эффект — ИИ поможет снизить выбросы парниковых газов на 1,5–4% к 2030 году, согласно отчету Европейского парламента.


Использование ИИ в науке

Машинное обучение стало ключевым инструментом исследователей из разных областей, однако потенциал ИИ в науке еще предстоит раскрыть, отмечает Леонид Жуков. Стимулирование новых открытий с помощью ИИ актуально, например, в области создания новых материалов при помощи вычислений или в прогнозировании изменений климата для разработки стратегий повышения устойчивости к изменениям окружающей среды. Например, в рамках стремления к достижению углеродной нейтральности, ученые из группы поиска новых материалов Института AIRI совместно со Сбербанком разработали прототипы моделей, позволяющих оптимизировать контроль качества на производстве солнечных батарей.

В перспективе машинное обучение может активнее применяться для охраны дикой природы в малодоступных регионах и подсчете особей, понимания сложной органической химии и в исследовании темной материи.