Выдающийся инженер и руководитель направления предварительного обучения моделей Gemini в Google DeepMind Владимир Файнберг опубликовал подробный гайд о том, как пробиться в ИИ-индустрию. Его главный совет звучит максимально старомодно: пахай как проклятый.
Выдающийся инженер и руководитель направления предварительного обучения моделей Gemini в Google DeepMind Владимир Файнберг опубликовал подробный гайд о том, как пробиться в ИИ-индустрию. Его главный совет звучит максимально старомодно: пахай как проклятый.
По наблюдениям Файнберга, элитные студенты и доктора наук побеждают в конкурсе не просто из-за связей, а потому что обладают тремя ключевыми чертами, которые быстрее всего ведут к успеху в ИИ-разработке:
Осознанность целей (Intent). Они изначально выбрали для фокуса высокоэффективную и ценную область задач.
Математическая зрелость (Mathematical maturity). Навык обобщенного решения задач -это ключевой инструмент для работы в неопределённых сферах.
Выдержка (Grit). Они уже прошли через огромные трудности и колоссальную нагрузку, под которые тебя загоняют технически сложные курсы.
«Вот совет, который я бы дал самому себе, если бы сегодня только поступал в колледж: сделайте всё возможное, чтобы примкнуть к этой элите», — написал инженер. Он призвал «брать самые сложные курсы, основанные на доказательствах», «писать код, очевидно», и «агрессивно использовать ИИ-инструменты, но только для того, что вы уже сами умеете делать».
Чтобы развить нужные навыки, придётся жертвовать вечерами и выходными. Заменить этот опыт нечем, утверждает Файнберг.
Новичкам часто кажется, что они попали в ловушку: лаборатории ищут людей с опытом работы над LLM, но получить этот опыт за пределами самих лабораторий невозможно из-за стоимости вычислений. Файнберг подсказывает лазейку: «Выход из этого замкнутого круга — работать на стыке того, чем занимаются передовые лаборатории. Они тратят своё время на создание LLM. А что требуется для запуска этих моделей? Каковы точки соприкосновения для их результатов? Именно в этих направлениях лаборатории расширяют сферу своей деятельности. Это те немногие специфические области, которые не требуют обучения самих LLM, но тем не менее критически важны для бизнеса».
Помимо сухой математики, Файнберг советует развивать софт-скиллы и учиться корпоративной этике: «Будьте тем коллегой, успеха которого искренне хотят окружающие. Ищите возможности подсветить сильные стороны своей команды, конкретно и чётко хвалите соавторов перед руководством и выбирайте проекты, где ваш личный успех ведет к успеху остальных».
С этими выводами, по словам инженера, неофициально согласились его коллеги из Anthropic и OpenAI — критерии отбора сотрудников во всех топовых лабораториях практически идентичны.
При этом Файнберг уверен, что развитие ИИ не обесценит труд учёных и разработчиков, как этого многие боятся. Напротив, ценность исследователей будет только расти. «Думать о том, как выстроить системы вокруг этих LLM, чтобы выполнять свою работу эффективнее, — вот что будет отличать вас от других в будущем. И я думаю, это применимо абсолютно к любой сфере».
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.