هر روز که می‌گذرد ردپای هوش مصنوعی در زندگی روزمره پررنگ‌تر می‌شود و مشاغل هوش مصنوعی بیشتر از قبل در بازار کسب‌وکار جا باز می‌کنند.
اگر اهل فیلم‌های علمی-تخیلی باشید حتماً با تصویر ترسناکی از آینده که در آن جهان تحت سیطره ربات‌هاست آشنایید. اما آیا واقعاً آینده جهان همین‌قدر تیره‌وتار است؟
واقعیت این است که مسیر رسیدن هوش مصنوعی (artificial intelligence) از آزمایشگاه‌های دانشگاه‌ها و موسسات علمی بزرگ به زندگی روزمره، بسیار پرپیچ‌وخم بوده و سال‌ها طول کشیده تا نمودهای از هوش مصنوعی را در زندگی معمولی شاهد باشیم. بااین‌حال، هنوز بخش زیادی از ظرفیت‌های هوش مصنوعی در زندگی روزمره آزاد نشده است.
جمله مشهوری از اندرو ان‌جی، از به‌نام‌ترین متخصصان یادگیری ماشین و هوش مصنوعی، نقل می‌شود که احتمالاً شما هم آن را شنیده‌اید: «من حوزه‌ای را نمی‌شناسم که نتوان از فناوری هوش مصنوعی در آن استفاده کرد».
بنابراین دیر یا زود هوش مصنوعی راهش را به حوزه‌های مختلف زندگی باز خواهد کرد و مشاغل هوش مصنوعی افزایش خواهد یافت.
هوش مصنوعی و ارتش ذخیره نیروی کار
ارتش ذخیره نیروی کار مفهومی است که بیش از همه با نام کارل مارکس، جامعه‌شناس آلمانی، پیوند خورده است. از نظر مارکس با افزایش جمعیت و صنعتی شدن بازار کار، نیروی کار زیادی خواهیم داشت که همواره بیکارند. این نیروی کار حاضرند با دستمزدی بسیار پایین جای نیروی کار شاغل را بگیرند.
نگرانی‌های مارکس مربوط به تغییراتی بود که انقلاب صنعتی در محیط کار پدید آورده بود. جالب است بدانید که انقلاب هوش مصنوعی نیز به نگرانی‌های مشابه و البته شدیدتری درباره آینده کسب‌وکار دامن زده است.
به نظر برخی از کارشناسان حوزه فناوری اگر هوش مصنوعی وارد بازار کار شود بسیاری از مشاغل به‌صورت خودکار خواهند شد و این باعث می‌شود نیروی کار شاغل در بخش‌های مختلف شغلشان را از دست بدهند و ما با افزایش بی‌سابقه بیکاری مواجه شویم. برای مثال، بنابر پیش‌بینی Faethm AI، فقط در سال جاری بیش از 1.4 میلیون شغل در بریتانیا می‌تواند خودکار شود.
اما شاید این، همه داستان ورود هوش مصنوعی به بازار کار و افزایش مشاغل هوش مصنوعی نباشد. مهمترین نکته که در این دیدگاه نادیده گرفته می‌شود، مشاغل جدیدی است که با ورود هوش مصنوعی به بازار کار پدید می‌آید. در واقع، می‌توان گفت که فناوری‌های متکی به هوش مصنوعی قرار نیست جای نیروی کار را بگیرد، بلکه قرار است هوش مصنوعی و نیروی کار انسانی در تعامل با هم بهره‌وری را بالا ببرند؛ در این حالت، نیروی کاری که اکنون شاغل است بیکار نمی‌شود و با بازآموزی و مهارت‌افزایی می‌تواند به کارش ادامه دهد.
نکته جالب‌تری که باز دیدگاه بدبینانه به آینده هوش مصنوعی نادیده می‌گیرد این است که برخی از مشاغلی که با ورود هوش مصنوعی پدید آمده است، جزء پردرآمدترین مشاغل جهان‌اند. بد نیست دوباره این واقعیت را یادآوری کنیم که هنوز هوش مصنوعی در آغاز راه است و با گسترش نفوذش مشاغل جدید پردرآمد بسیاری پدید خواهد آمد. در اینجا برای مثال به پنج شغل مربوط به هوش مصنوعی که در سال‌های اخیر پردرآمد بوده‌اند و تقاضای زیادی داشته‌اند اشاره می‌کنیم.
معرفی 5 شغل در حوزه هوش مصنوعی
مهندس داده
مهندسی داده از مهمترین و پردرآمدتری شاخه‌های هوش مصنوعی است. داده‌کاو‌ها با جمع‌آوری، تحلیل و تفسیر داده‌های بزرگ سروکار دارند. آن‌ها در تحلیل‌هایشان از یادگیری ماشین و تحلیل‌های پیش‌بین(Predictive analysis) استفاده می‌کنند.
آن‌ها همچنین روی توسعه الگوریتم‌های کار می‌کنند که قادرند داده‌ها را جمع‌آوری و پاکسازی کنند. مهندس داده برای سیستم‌های کسب‌وکار اکوسیستمی فراهم می‌کند تا این سیستم‌ها به‌صورت کارآمدی با هم تعامل داشته باشند.
مهمترین وظیفه مهندس داده این است که داده‌های بزرگ یک سازمان یا شرکت را به‌صورت کارآمدتری مدیریت کند. مهندس داده باید اطلاعات خوبی درباره داده‌ها و نحوه پردازش آن‌ها داشته باشد.
مهندسی داده و داده‌کاوی را می‌توان از مهمترین مشاغل هوش مصنوعی به حساب آورد. بنابر آمارهای کسب‌وکار در آمریکا حقوق سالانه مهندس داده عددی بین 110 تا 160 هزار دلار است. حقوق مهندسان داده بر اساس میزان تجربه، تحصیلات و توانایی‌هایی فنی آن‌ها تعیین می‌شود.
مهندس یادگیری ماشین
مهندسان یادگیری ماشین کارشان ساختن و مدیریت نرم‌افزاهای خودران است. سال به سال نیاز شرکت‌های فناوری به مهندس یادگیری ماشین در حال افزایش است. این مهندسان در حوزه‌های مختلفی فعالیت می‌کنند. یادگیری ماشین از جذاب‌ترین بخش‌های هوش مصنوعی است. یادگیری ماشین را می‌توان قلب هر پروژه AI دانست. امروز دیگر مهم نیست در چه حوزه‌ای از هوش مصنوعی فعال باشید، آشنایی با مبانی یادگیری ماشین از ضروریات کار کردن در همه شاخه‌های هوش مصنوعی است.
همان‌طور که از نام این موقعیت شغلی برمی‌آید، مهندس یادگیری ماشین باید بتواند پلتفرم‌های برای مدیریت پروژه‌های یادگیری ماشین طراحی کند.
معمولاً شرکت‌های به‌دنبال متخصصان یادگیری ماشینی هستند که تجربه زیادی داشته باشند یا تحصیلاتشان در حوزه ریاضی یا علوم کامپیوتر باشد. در همه این مشاغلی که ما در اینجا از آن‌ها صحبت می‌کنیم داشتن دانش کافی در زبان‌های برنامه‌نویسی از ضرورت‌ها و پیش‌نیازهای اساسی است.
بنابر آمارها، درآمد سالانه مهندس یادگیری ماشین عددی بین صد‌وبیست تا صدوپنجاه هزار دلار است.
توسعه‌دهنده هوش تجاری
مهمترین وظیفه توسعه‌دهنده هوش تجاری تلفیق هوش مصنوعی در توسعه کسب‌وکار است. آن‌ها ازطریق بررسی و تحلیل مجموعه‌داده‌های بزرگ و پیچیده روندهای تجاری را پیش‌بینی می‌کنند. همچنین توسعه‌دهنده هوش تجاری با آماده‌سازی، توسعه و شکوفا کردن راه‌حل‌های هوش تجاری به افزایش سود شرکت کمک می‌کند. دو هدف مهمی که شرکت‌ها با استخدام توسعه‌دهنده هوش مصنوعی دنبال می‌کنند افزایش سود و کارآمدی کسب‌وکار است. در سال‌های اخیر به‌خاطر توانایی متخصصان این حوزه در تعامل با داده‌های پیچیده، درخواست شرکت‌ها برای استخدام متقاضیان این عنوان شغلی افزایش یافته است.
بازه درآمد سالانه توسعه‌دهنده هوش تجاری صدهزار تا صدوبیست‌هزار دلار است.
پردازش زبان طبیعی
بسیاری از کاربردهای هوش مصنوعی که امروز محبوب و مشهورند به‌نوعی با مسئله زبان در ارتباط‌اند. از چت‌بات‌ها تا دستیارهای مجازی و پیش‌بینی متن در گوشی‌های هوشمند، همگی ابزارهای هوش مصنوعی هستند که تلاش دارند جایگزین زبان انسانی شوند.
با گسترش روزافزون یادگیری ماشین، می‌توان گفت بخش زیادی از پردازش زبان طبیعی به حوزه‌ای بدل شده است که مدل‌ها و الگوریتم‌های یادگیری ماشین را در حوزه زبان به کار می‌گیرد.
بازه درآمد سالانه متخصص پردازش زبان طبیعی در آمریکا بسیار متغیر است و حداقل صدوسی هزار دلار تا حداکثر دویست هزار دلار است.
چالش‌های ورود به بازار هوش مصنوعی در ایران
با اینکه بازار مشاغل هوش مصنوعی در جهان رو به گسترش است، در ایران هنوز در بخش‌های مختلف، ازجمله نیروی متخصص کافی، خلاهایی وجود دارد.
حتماً شما هم وقتی پای حرف‌های علاقه‌مندان به هوش مصنوعی می‌نشینید این گلایه را می‌شنوید که برای شروع یادگیری هوش مصنوعی سردرگم‌اند. با یک سرچ ساده فارسی در گوگل می‌توان مطالب بسیاری را یافت که می‌خواهند نقشه راهی پیش پای علاقه‌مندان به این حوزه بگذارند. اما گاهی اوقات حجم زیاد مطالب این چنینی بیش از آنکه کمکی به تازه‌واردان بکند، ذهن آن‌ها را آشفته‌تر می‌سازد.
برای پرهیز از این مسئله، می‌توان به سراغ مقالاتی رفت که علاوه بر آنکه نقاط اشتراک همه نقشه‌راه‌های یادگیری هوش مصنوعی را در خود دارند، تصویری کلی نیز از شاخه‌های هوش مصنوعی ارائه می‌دهند.
