10X инженер

В 1959 году была представлена первая коммерчески успешная копировальная машина — Xerox 914. Это была довольно сложная штука. Чтобы надежно ее эксплуатировать, нужно было обучить небольшой отряд техников и операторов. Самая известная проблема заключалась в том, что машина могла перегреться и загореться. Это было настолько распространено, что в комплекте поставлялся специальный огнетушитель.

Несмотря на все недостатки нового горячего устройства, его приняли. Даже полюбили. Если не за функциональность, то за имидж. Если у вас в офисе стоял Xerox, вы считались компанией, стремящейся быть на переднем крае инноваций.

Оператор Xerox

Даже с выходом новых моделей для работы с копировальной машиной все равно требовался оператор. Это была полноценная работа с обучением. В начале 90-х, когда копировальные машины Xerox впервые появились у нас, я помню, что операторы даже получали молоко, потому что их работа считалась довольно вредной.

Но затем что-то случилось. Операторы Xerox внезапно пропали. Сегодня, если вам нужна копия, вы просто подходите к ближайшему принтеру и делаете это сами. Почему? Потому что технологии продолжают совершенствоваться. И так происходит со многими технологиями.

Инструменты и миссия

Копировальная машина Xerox — всего лишь инструмент.

Знаете, что еще является инструментом? — Машинное обучение. Искусственный интеллект.

Вроде очевидно. Но похоже не всем. И эти не все — меня раздражают. Они находятся ровно на другом конце спектра, от людей, которые закатывают глаза при словах про Искусственный интеллект.

Вот как я это вижу. Инструменты помогают людям с их миссией. Без миссии и человека инструменты не имеют никакой ценности. Более того, человек, посвятивший себя инструменту, а не миссии — сам теряет ценность.

Нет специалистов по молоткам. Есть плотники. Поэтому, выбирая путь развития своих навыков, сосредоточьтесь на своей миссии.

Позвольте привести более конкретный пример. Несколько месяцев назад я готовил дипломный проект по машинному обучению. Задача была проста: использовать алгоритм машинного обучения для предсказания температуры стали в ковше после цикла нагрева с использованием графитовых электродов.

Пример того, как это выглядит на практике.

Датасет был разделен на партии металла с несколькими циклами нагрева для одной партии. Я проконсультировался с другом, который является начальником участка на сталелитейном заводе, и он сказал, что наиболее полезным подходом было бы выделить один цикл нагрева и создать модель, которая предсказывала бы температуру в зависимости от времени нагрева в этом одном цикле. Если сталевары одобряют этот подход, значит он правильный, верно?

Нет.

Оказалось, что код-ревьювер моего проекта имел другое мнение. Он настаивал на том, чтобы мы не делили датасет на отдельные циклы и работали с партией в целом. Я знал, что спорить с человеком, который может мгновенно принять или отклонить мой проект, не стоит, поэтому сделал, как он сказал.

Когда я рассказал эту историю своему другу, он подтвердил, что с профессионалами по молоткам трудно спорить. Даже если вы самый опытный плотник.

Не становитесь специалистом по молоткам

Это касается всех инструментов. Они эволюционируют. Становятся проще и удобнее в использовании. Я недавно потратил полтора года на изучение всего, что можно узнать о текущем состоянии машинного обучения и ИИ.

И я не думаю, что это было на 100% правильно потраченное время. Я учился становиться специалистом по молоткам. Вместо этого я должен был учиться становиться плотником или инженером нефтегазовой отрасли с рычагом.

Сейчас в области профессионального образования существует огромный вакуум. Потребность в инструментах машинного обучения и новых ИИ в нефтегазовой отрасли очевидна. Но им нужен только ограниченный набор тех навыков, которые сегодня впихиваются всем подряд. Я убежден, что нефтегазовый инженер с базовыми знаниями о том, как сделать простую линейную регрессию или градиентный бустинг, гораздо ценнее, чем выпускник CS с 10-летним опытом различения собак и маффинов.

И теперь моя миссия — сократить этот разрыв.

Вот мой совет для любого инженера-нефтяника, только что выпустившегося из университета или имеющего 10 лет стажа:

  • Не ждите и не бойтесь — сейчас невероятно просто изучить машинное обучение.
  • Помните о своей миссии — не становитесь специалистом по молоткам, как бы круто они ни выглядели и ни звучали, практически все бесполезные нашему делу пустозвоны.
  • Будьте предельно практичны — применяйте свои знания немедленно, у вашей компании есть все необходимые данные, просто они не знают, как их использовать. Если вы пообещаете результат, они поделятся ими.

Когда я начинал, не было надежного способа заставить модель чата выдавать текст без галлюцинаций. Теперь есть RAG, векторные базы данных и langsmith. Все происходит так быстро, что только успевай.

Желаемая всеми начальниками идея «а можно ли задавать вопросы PDFкам», которую большинство понимают и пытаются использовать как продающую точку для своих ИИ-амбиций, может быть реализована в 10 строках кода, 5 из которых — это импорты общедоступных библиотек. Это безумие.

Не ждите и не бойтесь. Делайте это сейчас. И станьте 10x версией нефтегазового инженера. Это так просто.