Apakah lingkungan kecerdasan buatan lebih "feminin"?
Dulu, ketika anak perempuan sedang mencari pekerjaan, orang tua paling sering berkata: "Ya, anak perempuan, pekerjaan itu stabil, kamu tidak perlu banyak uang, jenis yang dekat dengan rumah dan kandang adalah yang terbaik, jangan berpikir tentang perkelahian seperti anak laki-laki setiap hari. "
Namun, situasinya telah berubah. Untuk lulusan sarjana Cina pada tahun 2014, data Mycos menunjukkan bahwa dalam arah ketenagakerjaan utama talenta berkualitas tinggi seperti perusahaan perorangan swasta, penelitian ilmiah pemerintah, lembaga publik dan usaha patungan, sarjana Lulusan perempuan memiliki statistik pekerjaan yang sedikit lebih tinggi daripada laki-laki.
Artinya, jumlah wanita kerah putih di tempat kerja bisa melebihi jumlah pria di masa mendatang. Di sisi lain, dalam lingkungan industri AI saat ini masih didominasi oleh kaum pria. Lolita Taub (Lolita Taub) adalah seorang pemodal ventura di sebuah perusahaan modal ventura teknologi startup yang berbasis di Madrid dengan nilai pasar 50 juta. Dia juga anggota dari Cognitive Computing Alliance. Dalam sebuah wawancara dengan media, dia percaya bahwa hal itu mencegah wanita untuk masuk. Di bidang AI, "ada tiga yang paling membuat saya terkesan: ejekan, kurangnya dorongan, dan prasangka." Banyak teman saya mengatakan kepada saya bahwa mereka hampir tidak memasuki industri teknologi karena apa yang mereka dengar saat mereka tumbuh adalah " Teknologi tidak cocok untuk anak perempuan ". Ada juga kurangnya dorongan. "
Namun kenyataannya, kecerdasan buatan didasarkan pada penyimpanan dan analisis informasi. Ia memiliki logika dan rasionalitas yang kuat. Mudah menggantikan industri yang membutuhkan banyak perhitungan dan analisis. Lebih personal, lebih sensual, lebih peduli, dan lebih personal. Pekerjaan yang mengandalkan komunikasi interpersonal dan keterampilan komunikasi, seperti psikolog, food taster, dll, tidak akan mudah digantikan oleh kecerdasan buatan dalam waktu singkat. Era kecerdasan buatan mengedepankan tuntutan yang semakin tinggi terhadap kemampuan inovasi masyarakat, kemampuan caring, kemampuan empati, dan kemampuan komunikasi interpersonal. Prestasi perempuan pada indikator di atas tidak akan kalah dengan laki-laki, bahkan memiliki kelebihan dalam kepedulian, empati, dan keterampilan interpersonal. Ada pandangan bahwa lingkungan kecerdasan buatan akan lebih "feminin", yang terutama mencakup tiga aspek: pengalaman pemikiran kontemporer, pemikiran emosional dari Internet, dan pemikiran Internet yang terdesentralisasi. Semua ini memberikan peluang baru bagi perkembangan perempuan.
Sejalan dengan prinsip Lady first, Xiaoxin akan memilih wanita hari ini. Posisi AI mana yang paling cocok dengan "kelembutan kesatria" Anda sambil mengikuti perkembangan zaman.
Posting teknis, kami tidak melakukan algoritme atau data
Analisis data mining
Apakah Anda harus menjadi programmer jika tertarik dengan teknologi?
Faktanya, banyak gadis telah mengabaikan posisi teknis di luar pos analisis penambangan data Fancy. Karena dalam banyak kasus, programmer bekerja secara kolaboratif dengan analis data mining, dan keduanya dapat digambarkan sebagai cahaya industri AI.
Tugas utama posisi analisis data mining adalah menganalisis data untuk memahami perilaku kompleks, tren, dan kesimpulan, menemukan wawasan tersembunyi, dan membantu perusahaan membuat keputusan bisnis yang lebih cerdas.
Misalnya, saat membuat robot obrolan AI, orang di posisi ini perlu menggunakan data untuk mengeksplorasi minat dan kebiasaan penggunaan pengguna, dan merencanakan produk robot yang lebih populer dalam berbagai aspek seperti kepribadian. Pada saat yang sama, dengan menggunakan data ini, Anda juga dapat menemukan populasi target dan menyesuaikan biaya penelitian dan pengembangan.
Penambangan data adalah tren utama di masa depan, jadi tidak perlu khawatir tentang persyaratan pekerjaan. Dan klasifikasi pekerjaan ini akan semakin disempurnakan dengan popularitas data besar. Sifat perempuan yang halus dan sensitif lebih cocok untuk pekerjaan ETL.
Posisi ini membutuhkan data yang sangat sensitif dan dapat secara efektif menangkap inti permasalahan, yang sangat cocok untuk wanita muda yang sadar akan detail dan memiliki gambaran besar. Gadis AA yang saat ini sedang bergelut di posisi tersebut mengatakan bahwa analisis data tidak hanya membutuhkan penguasaan alat seperti python atau R, tetapi juga tes kemampuan ekspresi bahasa dan kemampuan berpikir logis, bahkan terkadang kemahiran dalam ekspresi visual. jalan. Selain itu, untuk melakukan analisis data, kita harus membiarkan data berbicara dan membiarkan data mengambil keputusan. Alasan sangat penting.
Faktanya, data mining tidak hanya bahasa dan alat yang sederhana seperti bahasa, tetapi juga teknologi yang mencakup banyak disiplin ilmu, seperti teknologi database, statistik, pembelajaran mesin, komputasi kinerja tinggi, pengenalan pola, jaringan saraf, visualisasi data, dan ekstraksi informasi. , Pengolahan gambar dan informasi dan analisis data spasial, dll. Jadi, alih-alih mempelajari suatu bahasa, Anda benar-benar dapat memainkan data besar dengan beberapa alat.
Waktu terbaik untuk menanam pohon adalah sepuluh tahun yang lalu dan sekarang, jika Anda tertarik dengan bidang ini, para gadis dapat mempersiapkannya sekarang.
Anotasi data (manajemen data)
Selain penggalian dan analisis data, profesional pelabelan data juga merupakan posisi penting dalam pemrosesan data, yang sangat cocok untuk wanita muda yang sabar.
Yang disebut pelabelan data adalah manajemen data. Tanggung jawab utama adalah mendapatkan data mentah, membersihkan data, dan menggunakan mesin untuk mengumpulkannya. Dapat dikatakan sebagai bagian yang sangat penting dari pelatihan mesin.
Menurut persyaratan pelabelan, bingkai objek target dalam gambar, seperti bingkai kendaraan, pelat nomor, pejalan kaki, jalan, gedung, kapal, teks, bagian tubuh manusia, dll. Dalam gambar dan tandai dengan tag yang sesuai, dan keluarkan dalam format XML yang sama seperti ImageNet data.
Cathy, yang terlibat dalam operasi data, pekerjaan sehari-hari adalah memberi tag pada foto yang berbeda untuk mengajari mesin mengenali gambar: Misalnya, jika saya ingin mengajari mesin tentang apa itu kucing, saya akan menandai materi gambar yang hanya berisi kucing ke perpustakaan, lalu Dalam pengenalan gambar berikutnya, mesin dapat mengenali kucing dalam gambar target berdasarkan gambar di Curry. "Cathy mengatakan bahwa orang lain dapat meningkatkan AI, tetapi itu adalah hal yang sangat memuaskan.
Li Feifei, pencipta ImageNet, juga menyadari kekuatan anotasi yang disempurnakan dan saat ini sedang mengerjakan proyek yang disebut "VisualGenome". VisualGenome memiliki kotak yang lebih banyak dan lebih sempit, anotasi kata benda yang lebih detail, serta hubungan posisi dan hubungan tindakan. Saat ini ada 108.000 gambar di VisualGenome.
Namun, setiap praktisi memiliki pendapatnya sendiri tentang masalah pelabelan data yang tidak-tidak-tidak-tidak-tidak-tidak-tidak.
Jangan lakukan R&D, kami melakukan pendaratan AI
Manajer produk AI
Saat ini, ketika semua perusahaan AI besar memiliki departemen R&D mereka sendiri, bakat di lapisan aplikasi kecerdasan buatan menjadi sangat langka. Cara mencapai implementasi AI membutuhkan bakat dengan pengetahuan lintas industri, yaitu, manajer produk aplikasi AI.
Artikel "Mengapa Wanita Menjadi Manajer Produk Terbaik" mengatakan, "Ketika saya mulai mempersiapkan pidato utama ini, saya menemukan bahwa saya memiliki kesempatan untuk bekerja dengan banyak tim produk teknis selama lebih dari 35 tahun, jadi saya memiliki visi yang luas. Oleh karena itu, saya menulis daftar semua "manajer produk unggulan" yang saya kenal, dan saya segera menyadari bahwa lebih dari separuh daftar saya adalah wanita. "
Penulis artikel Marty Cagan percaya: "Saya melihat bahwa salah satu alasan utama kegagalan manajer produk lain yang cakap adalah kesombongan. Hal ini sangat bergantung pada hubungan antara manajer produk dan anggota tim lainnya, terutama kepemimpinan perusahaan. Untuk manajer produk, Anda harus memperlakukan ketidaksepakatan sebagai komunikasi normal, bukan pelanggaran bagi kedua belah pihak.
Banyak wanita memiliki keseimbangan diri, yang memungkinkan mereka mendengar apa yang dikatakan orang lain daripada melihat perspektif yang berbeda sebagai tantangan bagi mereka. Ini memungkinkan mereka untuk berkomunikasi secara efektif dengan mereka yang berkuasa. Kesadaran diri yang seimbang ini juga terwujud dalam hal berjalan dengan baik, wanita lebih bersedia memberikan kehormatan kepada tim, namun ketika keadaan tidak berjalan baik, mereka juga dapat bertanggung jawab.
"
Hambatan yang saat ini dilampaui oleh industri AI adalah kendala dalam penerapan teknologi. Kecerdasan buatan adalah mesin yang memungkinkan, dan tidak disertai dengan skenario bisnis. Untuk mencocokkan skenario bisnis AI, yang dibutuhkan adalah para remaja putri yang memiliki pengetahuan atau latar belakang pekerjaan di industri lain dan memiliki pemikiran yang berbeda.
HR: Kami adalah mata emas dalam mengidentifikasi bakat AI
HR perusahaan AI
Apakah Anda terisolasi dari industri AI jika Anda tidak ingin terlibat dalam teknologi?
Tahukah Anda, di era AI, semakin banyak posisi yang berada di tepi AI, termasuk posisi SDM yang sangat tradisional.
Menurut survei, personel administrasi, sumber daya manusia, dan pegawai negeri adalah tiga "posisi yang lebih bersedia" yang dipilih oleh perempuan yang diwawancarai. Secara khusus, posisi personel administrasi dan sumber daya manusia menjadi semakin populer di kalangan wanita di tempat kerja, masing-masing menyumbang 17,17% dan 13,6%, jauh lebih tinggi daripada posisi lain.
Sekarang HR dan headhunter yang kompeten di industri AI pada dasarnya jarang. Bukan hal yang mudah untuk dapat menilai secara kasar kemampuan dan posisi pewawancara yang sesuai berdasarkan resume dan penelitian sebelumnya atau pengalaman proyek.
Pertama-tama, posisi R&D adalah posisi yang sangat "pribadi". Tidak seperti posisi engineering, seseorang dapat menilai 70% hingga 80% dengan melihat resume dan pengalaman proyek. Personel R&D dari level yang berbeda mungkin memiliki cara yang sangat berbeda untuk menyelesaikan masalah yang sama, dan mengevaluasi pro dan kontra dan kesesuaiannya.Jika Anda bisa melakukannya dengan baik, Anda sudah bisa lulus dari PhD.
Kedua, penelitian adalah pekerjaan yang tidak dibayar begitu cepat, ternyata banyak "batu giok yang belum dipotong" dengan potensi yang sangat baik. Tidak ada latar belakang pendidikan yang glamor dan kertas mengkilap, tetapi kemampuan berpikir dan belajar penelitian sangat baik. . Cara cepat menyaring sekelompok orang seperti itu melalui beberapa pengalaman terkait sebelumnya dan beberapa pertanyaan sederhana akan menguji SDM lebih banyak lagi.
Nona Lisa menemukan banyak kesulitan dalam merekrut talenta AI dalam pekerjaan HR-nya: "Sebelum merekrut insinyur, tekanannya mungkin masih berada di sisi profesional tim proyek. Kami terutama melanjutkan penyaringan. Tetapi kemudian kami menemukan bahwa ini adalah masalah. Masalahnya adalah sulit bagi kemampuan penelitian dan pengembangan seseorang untuk dicerminkan oleh beberapa pengalaman proyek atau penguasaan alat. Jika Anda ingin menilai, lebih penting untuk menguji kemampuan belajar dan gaya berpikirnya di sisi SDM. "
Lisa percaya bahwa sebagai SDM di industri AI, tidak hanya perlu memahami pengetahuan terkait sumber daya manusia, tetapi yang lebih penting, perlu memiliki pemahaman yang lebih dalam tentang semua aspek pengembangan AI. "Ini membutuhkan pengetahuan atau latar belakang pekerjaan di industri AI, jadi kami Departemen ini sekarang memiliki beberapa wanita muda dengan latar belakang Ilmu Komputer, termasuk direktur kami yang juga seorang PhD Ilmu Komputer. "
Namun, perkembangan karir anak perempuan yang memasuki industri SDM tidak sesederhana itu. Dulu pernah ada "Kosa Kata Pura-pura SDM". Mari kita lihat jika Anda tidak memahami banyak hal:
Peta strategi, balanced scorecard, MBO, Gantt chart, pemikiran terstruktur (mind map), pengembangan organisasi, evolusi organisasi, perubahan organisasi, optimalisasi struktur organisasi (sistem linier, sistem fungsional linier, sistem desentralisasi analog, unit bisnis Sistem, perusahaan cabang, sistem matriks, komite, multi-dimensi), rekayasa ulang proses (pengoptimalan) berdasarkan peningkatan efisiensi, redistribusi fungsi, model tiga pilar, diagram alur operasi, model laba, perkiraan permintaan, pasokan bakat, bakat berdasarkan perencanaan strategis Inventaris, diagram simetri bakat, rantai nilai Porter, metode Lockheed, model implementasi strategi, pohon keputusan, teknologi simulasi Monte Carlo, SWOT, efek Parkinson
Baca intinya
Secara umum, robotika dan kecerdasan buatan cenderung menghadirkan dua aspek yang sama sekali berbeda: yang tradisional adalah wajah maskulin, matematika, logika, dan industri yang besar dan berat, dan yang lainnya adalah kemanusiaan yang ringan dan lembut. Perawatan dan aplikasi manusiawi yang kaya tampaknya menjadi keahlian para peneliti wanita. Mengabaikan aspek apa pun, pukulan terhadap sains ini akan sangat menghancurkan. Di sini, pembaca inti akan memberi Anda matriks perencanaan karier:
Kesalahpahaman yang memabukkan: Anda sangat baik, tetapi tidak ada area permintaan untuk posisi itu.
Hutan belantara yang terbengkalai: area di mana Anda tidak ahli dan tidak membutuhkan pekerjaan
Karier yang manis: Anda sangat pandai di bidang di mana posisi itu juga dibutuhkan
Terobosan kemacetan: Anda tidak pandai, tetapi area dimana posisi sangat dibutuhkan.
Padahal, baik laki-laki atau perempuan, semua perubahan harus melalui proses kebangkitan diri dan pengenalan diri.
Saya berharap bagan matriks ini dapat mendorong siswa untuk berpikir, membandingkan dan menganalisis, dan akhirnya menyusun rencana karir yang sesuai untuk mereka.
Tinggalkan komentar Suka Kirim lingkaran teman
Mari kita bahas mil terakhir pendaratan AI
Penulis: Angin domba
Link referensi:
Jika Anda perlu mencetak ulang, silakan tinggalkan pesan di latar belakang dan ikuti spesifikasi pencetakan ulang
- Mobil convertible satu kunci untuk "menikmati alam liar" Wrangler versi konvertibel listrik dijual seharga 479,99 juta
- "Piala Asia" Qatar 3-1 Jepang memenangkan kejuaraan untuk pertama kalinya, Ali mengejutkan duri untuk memecahkan rekor mencetak gol tunggal
- Dapatkah Anda menerima lebih dari 1 juta tumpahan minyak Model X? Tesla tertunda selama sebulan dan akhirnya "menjawab"