Kas yra dirbtinio intelekto įgūdžiai? Paprastas vadovas.

Smalsu, nervinatės ar tiesiog pervargote nuo madingų žodžių? Tas pats. Frazė „DI įgūdžiai“ mėtoma kaip konfeti, tačiau ji slepia paprastą idėją: ką galite padaryti – praktiškai – kad sukurtumėte, naudotumėte, valdytumėte ir kvestionuotumėte DI, kad jis iš tikrųjų padėtų žmonėms. Šiame vadove visa tai išsamiai paaiškinama, pateikiant pavyzdžius, palyginimo lentelę ir keletą sąžiningų pastabų, nes, na, žinote, kaip tai yra.

Straipsniai, kuriuos galbūt norėsite perskaityti po šio:

🔗 Kokias pramonės šakas sutrikdys dirbtinis intelektas
Kaip dirbtinis intelektas keičia sveikatos priežiūros, finansų, mažmeninės prekybos, gamybos ir logistikos sektorius.

🔗 Kaip įkurti dirbtinio intelekto įmonę
Žingsnis po žingsnio veiksmų planas, kaip sukurti, paleisti ir auginti dirbtinio intelekto startuolį.

🔗 Kas yra dirbtinis intelektas kaip paslauga?
AIaaS modelis, teikiantis keičiamo dydžio DI įrankius be sudėtingos infrastruktūros.

🔗 Ką veikia dirbtinio intelekto inžinieriai
Pareigos, įgūdžiai ir kasdieniai darbo eigos, susijusios su šiuolaikiniais dirbtinio intelekto vaidmenimis.

Kas yra dirbtinio intelekto įgūdžiai? Trumpas, žmogiškas apibrėžimas 🧠

Dirbtinio intelekto įgūdžiai – tai gebėjimai, leidžiantys kurti, integruoti, vertinti ir valdyti dirbtinio intelekto sistemas, taip pat gebėjimas atsakingai jas naudoti realiame darbe. Jie apima technines žinias, duomenų raštingumą, produkto supratimą ir rizikos suvokimą. Jei galite paimti sudėtingą problemą, susieti ją su tinkamais duomenimis ir modeliu, įgyvendinti arba parengti sprendimą ir patikrinti, ar jis pakankamai teisingas ir patikimas, kad žmonės juo pasitikėtų – tai yra esmė. Norėdami sužinoti politikos kontekstą ir sistemas, kurios lemia, kurie įgūdžiai yra svarbūs, žr. ilgalaikį EBPO darbą dirbtinio intelekto ir įgūdžių srityje. [1]

Kokie yra geri dirbtinio intelekto įgūdžiai ✅

Gerieji daro tris dalykus vienu metu:

1. Siuntos vertė.
   Jūs paverčiate neaiškų verslo poreikį veikiančia dirbtinio intelekto funkcija arba darbo eiga, kuri taupo laiką arba uždirba pinigus. Ne vėliau – dabar.

2. Saugus mastelio keitimas
   Jūsų darbas atlaiko patikrinimą: jis pakankamai paaiškinamas, atsižvelgia į privatumą, yra stebimas ir tvarkingai degraduojamas. NIST dirbtinio intelekto rizikos valdymo sistema pabrėžia tokias savybes kaip galiojimas, saugumas, paaiškinamumas, privatumo stiprinimas, sąžiningumas ir atskaitomybė kaip patikimumo ramsčius. [2]

3. Elkitės gražiai su žmonėmis.
   Kuriate kartu su žmonėmis: aiškios sąsajos, grįžtamojo ryšio ciklai, atsisakymo galimybės ir išmanūs numatytieji nustatymai. Tai ne burtai – tai geras produktas su šiek tiek matematikos ir trupučiu kuklumo.

Penki dirbtinio intelekto įgūdžių ramsčiai 🏗️

Įsivaizduokite juos kaip sluoksnius, kuriuos galima sudėti vieną ant kito. Taip, metafora šiek tiek nestabili – kaip sumuštinis, kuris vis papildomas priedais – bet ji veikia.

1. Techninis branduolys

   • Duomenų laužymas, Python ar panašūs, vektorizavimo pagrindai, SQL

   • Modelio parinkimas ir tikslus derinimas, greitas projektavimas ir įvertinimas

   • Paieškos ir orkestravimo modeliai, stebėjimas, stebimumas

2. Duomenys ir matavimas

   • Duomenų kokybė, ženklinimas, versijų kūrimas

   • Metrika, atspindinti rezultatus, o ne tik tikslumą

   • A/B testavimas, neprisijungus ir internetu atliekami vertinimai, nukrypimų aptikimas

3. Produktas ir pristatymas

   • Galimybių vertinimas, investicijų grąžos atvejai, vartotojų tyrimai

   • Dirbtinio intelekto UX modeliai: neapibrėžtumas, citatos, atsisakymai, atsarginiai variantai

   • Atsakingas siuntimas esant apribojimams

4. Rizika, valdymas ir atitiktis

   • Politikos ir standartų interpretavimas; kontrolės priemonių susiejimas su mašininio mokymosi gyvavimo ciklu

   • Dokumentacija, atsekamumas, reagavimas į incidentus

   • Rizikos kategorijų ir didelės rizikos naudojimo būdų supratimas reglamentuose, tokiuose kaip ES Dirbtinio intelekto įstatymo rizika pagrįstas metodas. [3]

5. Žmogaus įgūdžiai, kurie sustiprina dirbtinį intelektą

   • Darbdavių apklausose analitinis mąstymas, lyderystė, socialinė įtaka ir talentų ugdymas ir toliau užima aukštas vietas kartu su dirbtinio intelekto raštingumu (WEF, 2025). [4]

Palyginimo lentelė: įrankiai, skirti greitai praktikuoti dirbtinio intelekto įgūdžius 🧰

Tai nėra išsamu ir taip, formuluotės yra šiek tiek netolygios tyčia; tikri užrašai iš lauko dažniausiai atrodo taip...

Maža pastaba: kainos nuolat keičiasi, o nemokami lygiai skiriasi priklausomai nuo regiono. Laikykite tai paskatinimu, o ne kvitu.

1-as gilinimasis: techniniai dirbtinio intelekto įgūdžiai, kuriuos galite sudėti kaip LEGO kaladėles 🧱

• Pirmiausia – duomenų raštingumas : profiliavimas, trūkstamos vertės strategijos, duomenų nutekėjimo problemos ir pagrindinė funkcijų inžinerija. Tiesą sakant, pusė dirbtinio intelekto yra išmanusis valymo darbas.

• Programavimo pagrindai : Python, užrašinės, paketų higiena, atkuriamumas. Pridėkite SQL sujungimams, kurie vėliau jūsų nepersekios.

• Modeliavimas : žinokite, kada paieškos ir papildytos generacijos (RAG) srautas pranoksta tikslųjį derinimą; kur tinka įterpimai; ir kuo skiriasi vertinimas generatyvinėse ir nuspėjamosiose užduotyse.

• Raginimai 2.0 : struktūrizuoti raginimai, įrankių naudojimas / funkcijų iškvietimas ir kelių posūkių planavimas. Jei jūsų raginimų negalima išbandyti, jie nėra paruošti gamybai.

• Vertinimas : neapsiribojant BLEU ar tikslumo scenarijų testais, konkuruojančių atvejų vertinimu, pagrįstumu ir žmogaus atliekama peržiūra.

• LLMOps ir MLOps : modelių registrai, kilmės duomenys, „canary“ leidimai, atšaukimo planai. Stebimumas nėra neprivalomas.

• Saugumas ir privatumas : paslapčių valdymas, asmeninių duomenų šalinimas ir pakartotinis atpažinimas greitam įskiepijimui.

• Dokumentacija : trumpi, nuolat atnaujinami dokumentai, kuriuose aprašomi duomenų šaltiniai, numatytas naudojimas, žinomi gedimų režimai. Ateityje jums padėkos.

Stebėkite kūrimo procesą : NIST dirbtinio intelekto RMF išvardija patikimų sistemų savybes: validžios ir patikimos; saugios; patikimos ir atsparios; atskaitingos ir skaidrios; paaiškinamos ir interpretuojamos; užtikrinančios didesnį privatumą; ir sąžiningos, o žalingas šališkumas yra valdomas. Remdamiesi šiomis savybėmis, formuokite vertinimus ir apsaugos priemones. [2]

2-oji giluminė apžvalga: dirbtinio intelekto įgūdžiai ne inžinieriams – taip, jūsų vieta čia 🧩

Jums nereikia kurti modelių nuo nulio, kad jie būtų vertingi. Trys keliai:

1. Dirbtinį intelektą naudojantys verslo operatoriai

   • Sudarykite procesų žemėlapį ir nustatykite automatizavimo taškus, kurie leidžia žmonėms išlaikyti kontrolę.

   • Apibrėžkite rezultatų metrikas, kurios būtų orientuotos į žmogų, o ne tik į modelį.

   • Atitiktį paverskite reikalavimais, kuriuos inžinieriai gali įgyvendinti. ES Dirbtinio intelekto įstatymas taiko rizika pagrįstą požiūrį ir numato įsipareigojimus didelės rizikos naudojimo atvejais, todėl projektų vadovams ir operacijų komandoms reikia dokumentacijos, testavimo ir stebėjimo po pateikimo rinkai įgūdžių, o ne tik kodo. [3]

2. Dirbtinį intelektą išmanantys komunikatoriai

   • Naudotojų mokymas, mikrokopijavimas dėl neaiškumų ir eskalavimo keliai.

   • Ugdykite pasitikėjimą paaiškindami apribojimus, o ne slėpdami juos po spindinčia vartotojo sąsaja.

3. Žmonių lyderiai

   • Įdarbinkite darbuotojus, turinčius papildomų įgūdžių, nustatykite priimtino dirbtinio intelekto įrankių naudojimo politiką ir atlikite įgūdžių auditus.

   • PEF 2025 m. analizė rodo, kad kartu su dirbtinio intelekto raštingumu auga analitinio mąstymo ir lyderystės poreikis; žmonės dabar daugiau nei dvigubai dažniau tobulina dirbtinio intelekto įgūdžius nei 2018 m. [4][5].

3-ioji giluminė apžvalga: Valdymas ir etika – nepakankamai įvertintas karjeros skatintojas 🛡️

Rizikingas darbas nėra popierizmas. Tai produkto kokybė.

• Žinokite rizikos kategorijas ir įsipareigojimus , taikomus jūsų sričiai. ES Dirbtinio intelekto įstatymas įteisina pakopinį, rizika pagrįstą požiūrį (pvz., nepriimtina ir didelė rizika) ir tokias pareigas kaip skaidrumas, kokybės valdymas ir žmonių priežiūra. Ugdykite įgūdžius, kaip susieti reikalavimus su techninėmis kontrolės priemonėmis. [3]

• Pritaikykite sistemą , kad jūsų procesą būtų galima kartoti. NIST dirbtinio intelekto rizikos valdymo sistema (RMF) suteikia bendrą kalbą rizikai nustatyti ir valdyti visame gyvavimo cikle, kuri puikiai tinka kasdieniams kontroliniams sąrašams ir ataskaitų suvestinėms. [2]

• Remkitės įrodymais : EBPO stebi, kaip dirbtinis intelektas keičia įgūdžių paklausą ir kuriose pareigose pastebimi didžiausi pokyčiai (atlikdama didelio masto internetinių laisvų darbo vietų analizę įvairiose šalyse). Remdamiesi šiomis įžvalgomis planuokite mokymus ir įdarbinimą ir venkite pernelyg apibendrinti vienos įmonės anekdotą. [6][1]

4-oji giluminė analizė: Dirbtinio intelekto įgūdžių rinkos signalas 📈

Nejauki tiesa: darbdaviai dažnai moka už tai, kas reta ir naudinga. 2024 m. „PwC“ atlikta daugiau nei 500 milijonų darbo skelbimų 15 šalių parodė, kad sektoriuose, kuriuose dirbtinis intelektas yra labiau veikiamas produktyvumo augimas spartesnis ~4,8 karto , o didėjant jo naudojimui, atsiranda didesnių atlyginimų požymių. Laikykite tai kryptinga, o ne lemtinga, tačiau tai yra postūmis tobulinti įgūdžius dabar. [7]

Pastabos apie metodą: apklausos (kaip ir WEF) atspindi darbdavių lūkesčius įvairiose ekonomikose; laisvų darbo vietų ir darbo užmokesčio duomenys (EBPO, PwC) atspindi stebimą rinkos elgseną. Metodai skiriasi, todėl juos skaitykite kartu ir ieškokite patvirtinimo, o ne vieno šaltinio tikrumo. [4][6][7]

5-oji giluminė apžvalga: kokie yra dirbtinio intelekto įgūdžiai praktikoje – kasdienybė 🗓️

Įsivaizduokite, kad esate į produktą orientuotas universalistas. Jūsų diena galėtų atrodyti taip:

• Rytas : peržiūrimi atsiliepimai iš vakarykščių žmonių atliktų vertinimų, pastebimi haliucinacijų šuoliai nišinėse užklausose. Jūs pakoreguojate paiešką ir pridedate apribojimą raginimo šablone.

• Vėlyvas rytas : bendradarbiaujame su teisininkais, kad surinktume numatomo naudojimo santrauką ir paprastą rizikos aprašymą jūsų išleidimo pastaboms. Jokių dramų, tik aiškumas.

• Popietė : nedidelio eksperimento, kurio metu pagal numatytuosius nustatymus pateikiamos citatos, o patyrę vartotojai gali aiškiai atsisakyti šios funkcijos. Jūsų rodiklis yra ne tik paspaudimų skaičius, bet ir skundų dažnis bei užduočių sėkmė.

• Dienos pabaiga : trumpas nesėkmingo atvejo, kai modelis pernelyg agresyviai atsisakė, tyrimas. Jūs švenčiate tą atsisakymą, nes saugumas yra savybė, o ne klaida. Tai keistai malonu.

Greitas sudėtinis atvejis: vidutinio dydžio mažmenininkas 38 % sumažino el. laiškų „kur mano užsakymas?“ skaičių, įdiegęs paieškos funkcijas papildantį asistentą su žmogaus atliekamu užsakymo perdavimu ir savaitines raudonosios komandos pratybas jautrioms užklausoms spręsti. Pergalė buvo ne tik modelis; tai buvo darbo eigos dizainas, vertinimo disciplina ir aiškus incidentų atsakomybės nustatymas. (Sudėtinis pavyzdys iliustracijai.)

Tai yra dirbtinio intelekto įgūdžiai, nes juose techniniai sprendimai derinami su produkto vertinimu ir valdymo normomis.

Įgūdžių žemėlapis: nuo pradedančiojo iki pažengusio 🗺️

• Fondas

  • Raginimų skaitymas ir kritika

  • Paprasti RAG prototipai

  • Pagrindiniai vertinimai su užduotims skirtais testų rinkiniais

  • Aiški dokumentacija

• Vidutinio lygio

  • Įrankių naudojimo orkestravimas, kelių posūkių planavimas

  • Duomenų srautai su versijų kūrimu

  • Neprisijungus ir internetu atliekamo vertinimo dizainas

  • Modelių regresijų incidentų atsakas

• Išplėstinis

  • Domeno adaptacija, apgalvotas tikslinimas

  • Privatumo išsaugojimo modeliai

  • Šališkumo auditai su suinteresuotųjų šalių peržiūra

  • Programos lygmens valdymas: ataskaitų suvestinės, rizikos registrai, patvirtinimai

Jei dirbate politikos ar vadovavimo srityje, taip pat stebėkite besikeičiančius reikalavimus pagrindinėse jurisdikcijose. Oficialūs ES Dirbtinio intelekto įstatymo aiškinamieji puslapiai yra gera pradžia ne teisininkams. [3]

Mini portfolio idėjos, padėsiančios įrodyti savo dirbtinio intelekto įgūdžius 🎒

• Darbo eiga prieš ir po : parodykite rankinį procesą, o tada – dirbtinio intelekto padedamą versiją su sutaupytu laiku, klaidų dažniu ir žmonių atliktais patikrinimais.

• Vertinimo sąsiuvinis : nedidelis testų rinkinys su kraštutiniais atvejais ir skaitymo failas, kuriame paaiškinama, kodėl kiekvienas atvejis yra svarbus.

• Raginimų rinkinys : daugkartinio naudojimo raginimų šablonai su žinomais gedimų režimais ir jų šalinimo priemonėmis.

• Sprendimo atmintinė : vieno puslapio aprašas, kuriame jūsų sprendimas susiejamas su NIST patikimumo ir dirbtinio intelekto savybėmis – galiojimu, privatumu, sąžiningumu ir kt. – net jei ir netobulas. Pažanga siekiant tobulumo. [2]

Paplitę mitai, šiek tiek sugriauti 💥

• Mitas: Turite būti matematiko daktaro laipsnį turintis specialistas.
  Realybė: tvirti pagrindai padeda, tačiau produkto suvokimas, duomenų higiena ir vertinimo disciplina yra lygiai taip pat svarbūs.

• Mitas: DI pakeičia žmonių įgūdžius.
  Realybė: darbdavių apklausos rodo, kad tokie žmonių įgūdžiai kaip analitinis mąstymas ir lyderystė auga kartu su DI diegimu. Derinkite juos, o ne mainykite. [4][5]

• Mitas: Atitiktis žudo inovacijas.
  Realybė: rizika pagrįstas, dokumentuotas požiūris linkęs pagreitinti išleidimą, nes visi žino žaidimo taisykles. ES Dirbtinio intelekto įstatymas yra būtent tokia struktūra. [3]

Paprastas ir lankstus įgūdžių kėlimo planas, kurį galite pradėti jau šiandien 🗒️

• 1 savaitė : pasirinkite nedidelę problemą darbe. Stebėkite dabartinį procesą. Parengkite sėkmės metriką, kuri atspindėtų naudotojų rezultatus.

• 2 savaitė : prototipas su talpinamu modeliu. Pridėkite paieškos funkciją, jei reikia. Parašykite tris alternatyvius raginimus. Registruokite gedimus.

• 3 savaitė : suprojektuokite lengvą vertinimo diržą. Įtraukite 10 korpusų su kietais kraštais ir 10 įprastų korpusų. Atlikite vieną žmogaus instaliacijos testą.

• 4 savaitė : pridėti apsauginius barjerus, kurie atitiktų patikimo dirbtinio intelekto savybes: privatumo, paaiškinamumo ir sąžiningumo patikrinimus. Dokumentuoti žinomas ribas. Pateikti rezultatus ir kitą iteracijos planą.

Tai nėra žavinga, bet ugdo įpročius, kurie stiprina. NIST patikimų savybių sąrašas yra patogus kontrolinis sąrašas, kai sprendžiate, ką testuoti toliau. [2]

DUK: trumpi atsakymai, kuriuos galite pavogti susitikimams 🗣️

• Taigi, kas yra dirbtinio intelekto įgūdžiai?
  Gebėjimai kurti, integruoti, vertinti ir valdyti dirbtinio intelekto sistemas, kad jos saugiai teiktų vertę. Jei norite, galite naudoti būtent šią formuluotę.

• Kuo skiriasi dirbtinio intelekto (DI) ir duomenų įgūdžiai?
  Duomenų įgūdžiai teikia pagalbą DI: renkant, valant, sujungiant ir atliekant metrikos tyrimus. DI įgūdžiai taip pat apima modelio elgseną, koordinavimą ir rizikos kontrolę.

• Kokių dirbtinio intelekto įgūdžių iš tikrųjų ieško darbdaviai?
  Darbdavių apklausose [4] vis labiau atsiskleidžia praktinis įrankių naudojimas, sklandus greitas atsakymų teikimas ir informacijos paieška, gebėjimas vertinti ir minkštieji dalykai – analitinis mąstymas bei lyderystė.

• Ar man reikia tiksliai suderinti modelius?
  Kartais. Dažnai paieška, greitas dizainas ir UX pakeitimai leidžia pasiekti didžiąją dalį darbo su mažesne rizika.

• Kaip laikytis reikalavimų nesulėtinant darbo?
  Pritaikykite supaprastintą procesą, susietą su NIST dirbtinio intelekto RMF, ir patikrinkite savo naudojimo atvejį pagal ES dirbtinio intelekto įstatymo kategorijas. Sukurkite šablonus vieną kartą, naudokite juos amžinai. [2][3]

TL;DR

Jei klausėte, kas yra dirbtinio intelekto įgūdžiai , štai trumpas atsakymas: tai technologijų, duomenų, produktų ir valdymo gebėjimai, kurie paverčia dirbtinį intelektą iš prašmatnios demonstracijos patikimu komandos draugu. Geriausias įrodymas nėra sertifikatas – tai maža, įdiegta darbo eiga su išmatuojamais rezultatais, aiškiomis ribomis ir tobulėjimo keliu. Išmokite matematikos tiek, kad būtumėte pavojingi, rūpinkitės žmonėmis labiau nei modeliais ir turėkite kontrolinį sąrašą, kuriame atsispindėtų patikimo dirbtinio intelekto principai. Tada kartokite, kiekvieną kartą vis geriau. Ir taip, pabarstykite keletą jaustukų savo dokumentuose. Keista, bet tai padeda pakelti moralę 😅.

Nuorodos

1. OECD – Dirbtinis intelektas ir įgūdžių ateitis (CERI) : skaitykite daugiau

2. NIST – Dirbtinio intelekto rizikos valdymo sistema (AI RMF 1.0) (PDF): skaitykite daugiau

3. Europos Komisija – ES dirbtinio intelekto įstatymas (oficiali apžvalga) : skaitykite daugiau

4. Pasaulio ekonomikos forumas – 2025 m. darbo vietų ateities ataskaita (PDF): skaitykite daugiau

5. Pasaulio ekonomikos forumas – „Dirbtinis intelektas keičia darbo vietos įgūdžių rinkinį. Tačiau žmonių įgūdžiai vis dar svarbūs“ : skaitykite daugiau

6. OECD – Dirbtinis intelektas ir besikeičianti įgūdžių paklausa darbo rinkoje (2024 m.) (PDF): skaitykite daugiau

7. „PwC“ – 2024 m. pasaulinis dirbtinio intelekto darbo vietų barometras (pranešimas spaudai) : skaitykite daugiau

Raskite naujausią dirbtinį intelektą oficialioje dirbtinio intelekto asistentų parduotuvėje

Apie mus