Creo que en siete años, muchas cosas que solo los doctorados de ML pueden hacer hoy, se habrán convertido en productos básicos. Son como aplicaciones de programación de red a finales de los 90, que solían ser algo así como un arte negro, pero una gran parte de las cuales prácticamente se ha vuelto omnipresente en forma de desarrollo de aplicaciones web, de modo que se espera que todos los graduados universitarios de CS tengan esos ¡habilidades! Se habrán puesto a disposición herramientas, marcos e infraestructura estandarizada mucho mejores que permitirán a los desarrolladores de software ordinarios implementar capacidades basadas en aprendizaje automático bastante complicadas en su código. Además, los algoritmos claramente superiores se habrán dado a conocer, después de que un número cada vez mayor de compañías experimente con ML para problemas prácticos. Un estudiante de ML en ese momento no necesitará estudiar las técnicas que terminaron en el basurero de la historia. Por lo tanto, será más fácil aprender ML, al igual que es mucho más fácil aprender sobre sistemas de comunicación o gráficos de computadora o bases de datos hoy, ahora que esos campos han madurado y las numerosas ideas subóptimas que fueron probadas por los investigadores en las últimas décadas han sido abandonado. Un desarrollador de software de hoy que hace la pregunta “¿debería entrar en las bases de datos?” Suena bastante extraño. [Por supuesto, cualquier desarrollador de software decente debería poder hacer bases de datos, ¿verdad?] Lo mismo será cierto para el aprendizaje automático.
¡Además, todas las frutas bajas, en términos de aplicar el aprendizaje automático a problemas comercialmente relevantes, desaparecerán! Muchas startups de ML ya habrán tenido éxito, y las nuevas ideas de startups comenzarán a sonar repetitivas.
Así que las cosas no serán como hoy, donde el CEO de Nvidia visita sesiones de póster de CVPR y personalmente hace ofertas a investigadores de ML fuertes, donde Mark Zuckerberg visita personalmente a NIPS (NIPS y la visita de Zuckerberg), y donde los reclutadores de Google y Amazonas están enviando correo no deseado tu bandeja de entrada todas las semanas. Tampoco la industria del capital de riesgo seguirá tan entusiasmada con la IA: algunos comenzarán a aburrirse con lanzamientos repetitivos, otros estarán decepcionados y apagados por la exagerada promesa de hace unos años. ¡La descarga de Torch y la ejecución de una demostración de segmentación de persona en vivo ya NO harán que su startup sea adquirida por XXX millones de dólares!
- ¿Vale la pena trabajar en dos trabajos: un trabajo "real" y un salario mínimo a tiempo parcial?
- ¿Qué laboratorios de ISRO requieren ingenieros informáticos y en qué trabajan?
- ¿Cuánto tiempo le tomará a un ingeniero de software salir de la universidad, con un salario anual de 115K, para pagar una casa de más de 2 millones de dólares?
- ¿Sería suficiente un portafolio fuerte y un diploma nacional superior o superior que sea equivalente a dos años en UNI para abrir algunas puertas y, con suerte, obtener un trabajo de desarrollo web junior?
- ¿Cómo convertirse en un físico teórico en la India? ¿Qué exámenes necesito para aprobar?
Por otro lado, a diferencia de los sistemas de comunicación en los que casi se ha alcanzado el límite fundamental de la capacidad de Shannon, o los gráficos por computadora en los que ya podemos crear escenas increíblemente realistas (y puedes hacer las cosas más avanzadas con OpenGL y Vulkan): El “límite superior” (si existe) de ML está muy, muy lejos. Ciertamente, no habremos alcanzado la inteligencia a nivel humano en siete años. Por lo tanto, seguirá siendo un área activa de investigación, y un gran tema para realizar estudios de posgrado. La atracción filosófica e intelectual de la “singularidad” seguirá existiendo y continuará atrayendo a las mejores mentes para estudiar ML e IA. Los desarrolladores de software inteligentes, así como los investigadores, seguirán descubriendo nuevas ideas de inicio y productos, a pesar de que la situación de financiación se habrá endurecido.
Así que creo que ML en 2023 seguirá siendo una gran carrera profesional, pero se verá muy diferente de lo que hace hoy: tanto problemas de investigación importantes como perspectivas (¿quién sabe, poca información podría haberse vuelto genial otra vez?) Y qué? los desarrolladores de software que se especializan en ML lo hacen.