در مقاله ویروسی دهه پیش رو ، لئوپولد اشنبرنر پیش بینی می کند که هوش عمومی مصنوعی (AGI) تنها در چند سال آینده به واقعیت تبدیل خواهد شد. اما دقیقاً AGI چیست و چه تفاوتی با هوش مصنوعی امروزی دارد؟

AGI به نوعی از هوش مصنوعی اشاره دارد که توانایی درک، یادگیری و به کارگیری دانش در طیف وسیعی از وظایف در سطحی قابل مقایسه یا حتی فراتر از هوش انسانی را دارد.

برخلاف هوش مصنوعی باریک که در کارهای خاص (مانند تشخیص تصویر یا بازی شطرنج) برتری دارد، AGI می‌تواند هر کار شناختی را که انسان می‌تواند انجام دهد، با موقعیت‌های جدید سازگار شود و قابلیت‌های خود را در طول زمان بدون دخالت انسان بهبود بخشد.

ظهور AGI اساساً نحوه تفکر و تعامل ما با فناوری را تغییر خواهد داد. برای مهندسان، این به معنای آماده شدن برای جهانی است که در آن سیستم های هوشمند می توانند وظایف خود را به طور مستقل انجام دهند و به مهارت ها و رویکردهای جدیدی برای توسعه نرم افزار نیاز دارند.

در اینجا برخی از زمینه های کلیدی کاری وجود دارد که می توانید اکنون بر روی آنها تمرکز کنید تا به شما برای آماده شدن برای عصر AGI کمک کند.

1. تسلط بر یادگیری ماشینی و یادگیری عمیق

مهندسان با تخصص در این زمینه ها در خط مقدم توسعه AGI خواهند بود. یادگیری ماشینی و یادگیری عمیق بلوک های سازنده AGI هستند، زیرا سیستم ها را قادر می سازند از داده ها یاد بگیرند، الگوها را شناسایی کنند و تصمیم بگیرند.

برای آماده شدن برای AGI، باید فراتر از اصول اولیه یادگیری نظارت شده بروید و حوزه های پیشرفته تری مانند یادگیری تقویتی را تحلیل کنید، جایی که عوامل با تعامل با محیط خود یاد می گیرند، و یادگیری بدون نظارت، که به سیستم ها اجازه می دهد تا الگوهای پنهان در داده ها را بدون راهنمایی صریح پیدا کنند. شبکه‌های عصبی، به‌ویژه شبکه‌های عصبی عمیق، نقشی حیاتی در قادر ساختن AGI برای تعمیم وظایف مختلف ایفا خواهند کرد.

چرا باید این مهارت ها را یاد بگیرید؟ AGI به سیستم هایی نیاز دارد که بتوانند به طور مستقل سازگار شوند و بهبود یابند. تسلط بر این مهارت ها به شما کمک می کند تا درک کنید که چگونه می توانید مدل هایی ایجاد کنید که می توانند داده های پیچیده و بدون ساختار را مدیریت کنند و در زمان واقعی تصمیم بگیرند، که برای AGI ضروری است.

طرز تهیه

دوره‌ها را بگذرانید: دوره‌های پیشرفته را در پلتفرم‌هایی مانند freeCodeCamp، Coursera، edX یا Udacity که بر یادگیری تقویتی ، شبکه‌های عصبی و یادگیری عمیق تمرکز دارند، در نظر بگیرید.

ساخت پروژه ها: مدل های یادگیری ماشین خود را بسازید و انواع مختلف داده ها را آزمایش کنید. شرکت در مسابقات Kaggle نیز می تواند به شما کمک کند تا مهارت های خود را ارتقا دهید.

عناوین شغلی برای تماشا: مهندس یادگیری ماشین، دانشمند تحقیقاتی هوش مصنوعی.

2. مهندسی نرم افزار با تمرکز بر ادغام هوش مصنوعی

نقش‌های مهندسی نرم‌افزار سنتی برای ادغام اجزای هوش مصنوعی به طور یکپارچه تکامل خواهند یافت. این به معنای توسعه چارچوب هایی است که به AGI اجازه می دهد تا در سیستم های موجود گنجانده شود یا سیستم های کاملاً جدیدی ایجاد شود که بر اساس قابلیت های AGI طراحی شده اند.

این چه شکلی است؟ مهندسان ممکن است API هایی ایجاد کنند که به AGI اجازه می دهد با نرم افزارهای دیگر ارتباط برقرار کند، میکروسرویس هایی ایجاد کنند که استقرار AGI مدولار را امکان پذیر می کند، یا پلتفرم هایی را طراحی می کنند که یادگیری مداوم را برای سیستم های AGI تسهیل می کند.

برای مثال، ادغام AGI در یک پلتفرم خدمات مشتری می‌تواند شامل ایجاد رابطی باشد که در آن AGI پرس‌و‌جوهای پیچیده را مدیریت می‌کند در حالی که عوامل انسانی روی وظایف ظریف‌تر تمرکز می‌کنند.

طرز تهیه

مطالعه: نحوه طراحی و پیاده سازی اجزای هوش مصنوعی در نرم افزار را از طریق دوره ها و تجربه عملی بیاموزید. درک خدمات هوش مصنوعی مبتنی بر ابر مانند AWS SageMaker یا Google AI Platform نیز مفید خواهد بود.

تمرین: روی پروژه‌هایی کار کنید که در آن مدل‌های هوش مصنوعی را در برنامه‌های موجود ادغام می‌کنید، مانند گفت ن یک ربات چت به یک سرویس وب یا ترکیب تجزیه و تحلیل پیش‌بینی‌کننده در یک برنامه تلفن همراه.

عناوین شغلی برای تماشا: توسعه دهنده Full Stack با تخصص هوش مصنوعی، مهندس نرم افزار هوش مصنوعی.

3. اخلاق ناوبری و حکمرانی هوش مصنوعی

از آنجایی که AGI می‌تواند چالش‌های اخلاقی و حاکمیتی مهمی ایجاد کند، نقش‌هایی که بر پیامدهای اخلاقی، سیاست‌گذاری و انطباق با مقررات تمرکز می‌کنند، بسیار مهم خواهد بود. این شامل اطمینان از عملکرد سیستم های AGI در چارچوب های قانونی و اخلاقی است. تجربه بخش دولتی و خصوصی ارزشمند خواهد بود.

نگرانی های اخلاقی کلیدی شامل مواردی مانند دقت، پاسخگویی و شفافیت است. شما می توانید از توسعه مهارت های تفکر انتقادی و درک نحوه تفسیر داده ها و آمار بهره مند شوید. این مهارت ها می تواند هنگام همکاری با سیاست گذاران مفید باشد.

چگونه یاد بگیریم

بخوانید: ادبیاتی را در مورد چگونگی شکل گیری سیاست در سطح نهادی و دولتی کاوش کنید.

دوره‌ها را بگذرانید: برای درک عمیق‌تر نتایج مدل، دوره‌های آمار و اخلاق را در نظر بگیرید. در اینجا یکی از اصول اخلاقیات هوش مصنوعی و ML برای شروع آورده شده است.

عناوین شغلی برای تماشا: تحلیلگر اخلاق هوش مصنوعی، مشاور سیاست گذاری برای هوش مصنوعی، مسئول سازگاری برای سیستم های هوش مصنوعی.

4. تعامل انسان و رایانه (HCI)

HCI به سرعت به طراحی تعامل انسان و هوش مصنوعی تبدیل خواهد شد. همانطور که سیستم های AGI رایج تر می شوند، نیاز به تعامل با انسان ها به روش های شهودی و بدون درز دارند. شرکت‌ها به رابط‌هایی نیاز خواهند داشت که انسان‌ها بتوانند به طور مؤثر با سیستم‌های AGI تعامل داشته باشند که توسط مهندسانی ساخته شده است که روان‌شناسی شناختی و طراحی UX/UI برای سیستم‌های هوش مصنوعی را درک می‌کنند.

مهندسان باید رابط‌هایی طراحی کنند که در آن AGI بتواند تصمیمات خود را توضیح دهد، در صورت نیاز توضیح بخواهد، و احساسات و زمینه انسانی را درک کند.

به عنوان مثال، AGI در مراقبت‌های بهداشتی ممکن است نیاز داشته باشد که توضیحاتی را در مورد تشخیص‌های خود به پزشکان ارائه دهد، در حالی که تخصص پزشک و احساسات بیمار را در نظر می‌گیرد. ایجاد مهارت در طراحی رابط های بصری و تعاملات بین انسان ها و سیستم های هوشمند به شما کمک می کند تا در یکپارچه سازی AGI بسیار موفق باشید.

طرز تهیه

دوره ها را بگذرانید: طراحی HCI و UX را با تمرکز بر سیستم های هوش مصنوعی مطالعه کنید. پلتفرم هایی مانند Interaction Design Foundation و Coursera دوره های مرتبط را ارائه می دهند.

ساخت پروژه ها: طراحی رابط کاربری برای برنامه های کاربردی مبتنی بر هوش مصنوعی را آزمایش کنید. این می تواند شامل توسعه عوامل مکالمه یا ایجاد داشبوردهایی باشد که فرآیندهای تصمیم گیری هوش مصنوعی را تجسم می کند.

عناوین شغلی برای تماشا: طراح تعامل برای هوش مصنوعی، پژوهشگر تجربه کاربر برای سیستم‌های هوش مصنوعی.

5. تقویت سیستم های خودمختار و رباتیک

اگر AGI به ربات‌های خودمختار بیشتری منجر شود، مهندسانی که می‌توانند ربات‌هایی با قابلیت‌های AGI طراحی، بسازند و برنامه‌نویسی کنند، مورد تقاضا خواهند بود. این شامل درک اینکه چگونه AGI می تواند عملکرد رباتیک را افزایش دهد، می شود.

AGI این پتانسیل را دارد که سیستم‌های خودران و روباتیک را با توانمند ساختن ماشین‌ها برای یادگیری و تطبیق در زمان واقعی متحول کند. این امر می‌تواند منجر به خودروهای خودران، پهپادها و روبات‌های پیشرفته‌تر شود که می‌توانند وظایف پیچیده‌تری را بدون دخالت انسان انجام دهند.

AGI می‌تواند به ربات‌ها اجازه دهد تا محیط‌های بدون ساختار را درک کرده و مسیریابی کنند، از تجربیات بیاموزند و به طور مؤثرتری با انسان‌ها همکاری کنند. برای مثال، یک ربات مجهز به AGI می‌تواند با سازگاری مستقل با شرایط متغیر و هماهنگی با تیم‌های انسانی، در امداد رسانی به بلایا کمک کند.

کار بر روی سیستم‌های خودمختار، چه در رباتیک، چه در وسایل نقلیه خودران یا هواپیماهای بدون سرنشین، می‌تواند تجربه عملی را با سیستم‌های بسیار مستقل فراهم کند. این مهارت ها به مدیریت و بهینه سازی عوامل مستقل مبتنی بر AGI قابل انتقال خواهند بود.

طرز تهیه

دوره‌ها را بگذرانید: در دوره‌های رباتیک که سیستم‌های مستقل، بینایی کامپیوتر و ادغام هوش مصنوعی را پوشش می‌دهند، شرکت کنید.

ساخت پروژه ها: روی پروژه های رباتیک کار کنید، مانند ساخت یک وسیله نقلیه خودران یا برنامه ریزی یک ربات برای انجام کارهای پیچیده.

عناوین شغلی برای تماشا: مهندس رباتیک، متخصص اتوماسیون.

6. توسعه سخت افزار پیشگام برای AGI

ما به مهندسانی نیاز داریم که روی سخت افزار تخصصی کار کنند که بتوانند AGI را پشتیبانی کنند. فناوری‌هایی مانند تراشه‌های محاسباتی نورومورفیک یا محاسبات کوانتومی ممکن است برای قدرت محاسباتی AGI ضروری باشند.

محاسبات نورومورفیک شامل طراحی تراشه هایی است که ساختار و عملکرد نورون ها و سیناپس های مغز انسان را تکرار می کند. این تراشه‌ها می‌توانند سیستم‌های هوش مصنوعی کارآمدتر و قدرتمندتر را با پردازش اطلاعات به روش‌هایی که به نحوه عملکرد مغز انسان نزدیک‌تر است، فعال کنند. همچنین، محاسبات کوانتومی می تواند قدرت پردازشی مورد نیاز برای محاسبات پیچیده AGI را فراهم کند.

طرز تهیه

مطالعه: در مورد محاسبات نورومورفیک و محاسبات کوانتومی از طریق دوره های تخصصی و مقالات تحقیقاتی بیاموزید. به‌روز ماندن از پیشرفت‌های شرکت‌هایی مانند IBM و Intel که روی تراشه‌های نورومورفیک کار می‌کنند نیز می‌تواند مفید باشد.

ساخت پروژه ها: طراحی سخت افزار را آزمایش کنید، مانند کار با FPGA (آرایه های دروازه قابل برنامه ریزی میدانی) یا کاوش در پلتفرم های محاسباتی کوانتومی مانند IBM Q.

عناوین شغلی برای تماشا: مهندس سخت افزار برای هوش مصنوعی، مهندس محاسبات کوانتومی.

7. امنیت آینده: امنیت سایبری برای AGI

سیستم های AGI چالش های امنیتی جدیدی را معرفی خواهند کرد. مهندسان با تخصص در امنیت سایبری برای محافظت از سیستم‌های AGI در برابر تهدیدات امنیت ملی، تضمین حریم خصوصی داده‌ها و ایمن کردن فرآیندهای تصمیم‌گیری مبتنی بر هوش مصنوعی در برابر دستکاری، تقاضای بالایی خواهند داشت. همچنین نگرانی هایی در مورد حفظ حریم خصوصی داده ها وجود دارد، زیرا سیستم های AGI احتمالاً اطلاعات حساس را در دامنه های مختلف مدیریت می کنند.

طرز تهیه

دوره‌ها را بگذرانید: در دوره‌های امنیت سایبری متمرکز بر هوش مصنوعی و امنیت یادگیری ماشین شرکت کنید. پلتفرم هایی مانند freeCodeCamp، Cybrary و Coursera دوره های مرتبط را ارائه می دهند. در اینجا یک کتاب راهنما وجود دارد که حاوی اطلاعات مفیدی نیز می باشد.

تمرین: در چالش‌های امنیت سایبری، مانند مسابقات Capture the Flag (CTF) شرکت کنید تا مهارت‌های عملی در ایمن سازی سیستم‌های محاسباتی را توسعه دهید.

عناوین شغلی برای تماشا: متخصص امنیت هوش مصنوعی، تحلیلگر امنیت سایبری برای هوش مصنوعی.

8. مهندسی داده: سوخت رسانی AGI با اطلاعات

مدیریت سیستم های داده در مقیاس بزرگ برای AGI بسیار حیاتی خواهد بود، زیرا برای یادگیری و کارکرد موثر به مقادیر زیادی داده نیاز دارد. مهندسان داده نقش مهمی در ساخت و نگهداری زیرساختی خواهند داشت که AGI را با اطلاعات مورد نیاز تغذیه می کند.

مهندسان داده به تخصص در فناوری‌های کلان داده مانند Hadoop و Spark و سیستم‌های پردازش بلادرنگ داده مانند Apache Kafka نیاز دارند. آنها همچنین باید از کیفیت و یکپارچگی داده ها اطمینان حاصل کنند، زیرا سیستم های AGI برای عملکرد مؤثر به شدت به داده های دقیق و جامع متکی هستند.

مهندسان داده چگونه با سیستم های AGI کار خواهند کرد؟ مهندسان داده خطوط لوله داده ای را طراحی خواهند کرد که می توانند مقیاس عظیم داده های مورد نیاز AGI را مدیریت کنند. این شامل همه چیز می شود، از جذب داده، ذخیره سازی، پردازش، و اطمینان از کیفیت بالای داده ها و قابل استفاده برای مدل های AGI. آن‌ها همچنین باید سیستم‌هایی را برای به‌روزرسانی مداوم داده‌ها پیاده‌سازی کنند که AGI را قادر می‌سازد تا در زمان واقعی یاد بگیرد و تطبیق یابد.

طرز تهیه

دوره‌ها را بگذرانید: دوره‌هایی را در مورد فناوری‌های کلان داده، معماری خطوط لوله داده و پردازش داده‌ها در زمان واقعی بگذرانید. پلتفرم‌هایی مانند freeCodeCamp، Udemy و Coursera دوره‌هایی را در مورد ابزارهایی مانند Apache Kafka ، Spark و Hadoop ارائه می‌دهند.

پروژه ها: روی پروژه هایی کار کنید که شامل پردازش داده ها در مقیاس بزرگ و توسعه خط لوله است. مشارکت در پروژه های کلان داده منبع باز نیز می تواند راهی عالی برای کسب تجربه باشد.

عناوین شغلی برای تماشا: مهندس داده، معمار کلان داده.

9. زیرساخت ساختمان برای AGI

AGI به زیرساخت های قوی و مقیاس پذیر در مقیاسی که قبلاً دیده نشده نیاز دارد. مهندسان با تجربه در محاسبات ابری، سیستم های توزیع شده و زیرساخت به عنوان کد (IaC) در ساخت سیستم هایی که از AGI پشتیبانی می کنند بسیار مهم خواهند بود.

سیستم‌های AGI احتمالاً در مقیاس جهانی عمل خواهند کرد و به مقادیر زیادی قدرت محاسباتی و ذخیره‌سازی داده نیاز دارند. مهندسان باید زیرساخت های مبتنی بر ابر را طراحی کنند که بتواند به صورت پویا مقیاس شود، حجم بالایی از داده را مدیریت کند و از تأخیر کم برای پردازش بلادرنگ اطمینان حاصل کند. آنها همچنین باید امنیت و قابلیت اطمینان این سیستم ها را در نظر بگیرند.

طرز تهیه

دوره‌ها را بگذرانید: پلتفرم‌های رایانش ابری مانند AWS، Google Cloud یا Microsoft Azure را مطالعه کنید. یادگیری در مورد سیستم های توزیع شده و ابزارهای IaC مانند Terraform و Ansible نیز مفید خواهد بود.

دریافت گواهینامه ها: کسب گواهینامه ها در معماری ابر (مانند معمار راه حل های تایید شده AWS) می تواند به تقویت دانش شما کمک کند. freeCodeCamp دوره‌های رایگان زیادی دارد که به شما کمک می‌کند برای گواهی‌های AWS مطالعه کنید – مانند این .

ساخت پروژه ها: روی راه اندازی و مدیریت زیرساخت های ابری برای برنامه ها، آزمایش مقیاس پذیری و تعادل بار کار کنید.

عناوین شغلی برای تماشا: مهندس زیرساخت ابری، معمار سیستم برای هوش مصنوعی.

10. همکاری بین رشته ای در عصر AGI

کار در نقش‌هایی که شامل همکاری بین رشته‌ای است، مانند نقش‌ها در آزمایشگاه‌های تحقیقاتی یا نوآوری، می‌تواند به مهندسان توانایی تفکر گسترده و ادغام دانش از زمینه‌های مختلف را بدهد. دانش در زمینه‌های دیگر می‌تواند به شما توانایی مهندسی محصولاتی را بدهد که به افراد در جایگاهی که برایتان مهم است کمک کند.

ترکیب مهارت‌های حوزه‌هایی مانند زیست‌شناسی (برای بیوانفورماتیک یا زیست‌شناسی مصنوعی با AGI) و روان‌شناسی (برای درک تعامل انسان و هوش مصنوعی) در عصر AGI حیاتی خواهد بود. مهندسانی که می توانند به طور گسترده فکر کنند و در بین رشته ها همکاری کنند، برای مقابله با مشکلات پیچیده ای که به دیدگاه های متنوع نیاز دارند، مجهزتر خواهند بود. به عنوان مثال، ترکیب AGI با علوم اعصاب می تواند رابط های مغز و کامپیوتر را ارتقا دهد.

طرز تهیه

شبکه‌سازی: با شرکت در کنفرانس‌های بین‌رشته‌ای و پیوستن به جوامع آنلاین مرتبط، با متخصصان حوزه‌های مختلف درگیر شوید.

دوره‌ها را بگذرانید: در دوره‌ها یا کارگاه‌های آموزشی در زمینه‌های مکمل مانند زیست‌شناسی، روان‌شناسی یا علوم محیطی شرکت کنید تا درک خود را گسترش دهید. اگر کنجکاو هستید در اینجا یک دوره آموزشی در مورد بیوانفورماتیک وجود دارد.

ساخت پروژه‌ها: در پروژه‌های بین‌رشته‌ای، مانند توسعه مدل‌های هوش مصنوعی که بینش‌هایی از حوزه‌های دیگر را در بر می‌گیرد، همکاری کنید.

عناوین شغلی برای تماشا: مهندس بیوانفورماتیک، دانشمند داده های محیطی.

11. آموزش و آموزش برای نیروی کار آماده AGI

همانطور که AGI صنایع را متحول می کند، نیاز روزافزونی به برنامه های آموزشی وجود خواهد داشت که به مهندسان نحوه کار با سیستم های AGI را آموزش می دهد.

برنامه های آموزشی و آموزشی باید طیفی از موضوعات را پوشش دهد، از تکنیک های هنوز توسعه نیافته AGI، پروتکل های ایمنی، سیاست گذاری تا همکاری های بین رشته ای. آمادگی برای ایجاد یا هدایت آموزش در AGI به معنای تبدیل شدن به یک یادگیرنده مداوم است. همچنین، آموزش باید بر یادگیری مادام العمر تأکید کند، زیرا فناوری AGI به سرعت به تکامل خود ادامه خواهد داد.

طرز تهیه

ایجاد محتوا: اگر یک معلم هستید، دوره‌ها یا کارگاه‌هایی را با تمرکز بر موضوعات مرتبط با AGI در نظر بگیرید. برای اطمینان از مرتبط بودن و به روز بودن محتوا، با کارشناسان صنعت همکاری کنید.

در برنامه‌ها ثبت‌نام کنید: در برنامه‌های آموزشی پیشرفته هوش مصنوعی یا AGI، از طریق دانشگاه‌ها یا ابتکارات صنعتی شرکت کنید. با شرکت در سمینارها و کنفرانس ها از روندهای نوظهور مطلع شوید.

عناوین شغلی برای تماشا: توسعه دهنده برنامه درسی هوش مصنوعی، متخصص آموزش فناوری های هوش مصنوعی.

12. شکل دادن به مقررات در جهانی مبتنی بر AGI

مهندسانی که بر روی فناوری نظارتی (RegTech) کار می کنند، بینشی در مورد انطباق و حاکمیت به دست خواهند آورد، که با تکامل AGI در چارچوب های قانونی بسیار مهم خواهد بود. درک چگونگی هدایت و شکل دادن به مقررات حیاتی خواهد بود.

مقررات می تواند حوزه هایی مانند حریم خصوصی داده ها، شفافیت، پاسخگویی و استفاده از AGI در صنایع مختلف را پوشش دهد. مهندسان شاغل در این زمینه باید با سیاست گذاران، کارشناسان حقوقی و رهبران صنعت همکاری کنند تا دستورالعمل هایی را ایجاد کنند که نوآوری را با مسئولیت متعادل می کند.

طرز تهیه

مطالعه: از مقررات و چارچوب های قانونی فعلی هوش مصنوعی مطلع باشید. اگر علاقه مند هستید، به دنبال یک گواهی یا مدرک در قانون یا سیاست عمومی با تمرکز بر حاکمیت هوش مصنوعی باشید.

شبکه‌سازی: به گروه‌های صنعتی مانند IEEE یا اتاق‌های فکری بپیوندید که روی خط‌مشی و اخلاق هوش مصنوعی تمرکز دارند. درگیر شدن در بحث با سیاست گذاران می تواند بینش ارزشمندی را در مورد چشم انداز نظارتی ارائه دهد.

عناوین شغلی برای تماشا: مهندس تنظیم مقررات، متخصص انطباق برای هوش مصنوعی.

13. تحقیق و توسعه (R&D) در مناطق مرتبط با AGI

در نهایت، مهندسانی که در تحقیقات پیشرفته در AGI، محاسبات شناختی، یا آزمایشگاه‌های پیشرفته هوش مصنوعی مشارکت دارند، به طور مستقیم به مرزهای فناوری AGI کمک می‌کنند و آن‌ها را در دنیایی که AGI یک واقعیت است، می‌شناسند. این نقش ها فرصتی را برای شکل دادن به آینده AGI و کشف احتمالات جدید در هوش مصنوعی ارائه می دهد.

با پیوستن به موسسات تحقیقاتی، دانشگاه ها یا شرکت های فناوری که بر توسعه AGI تمرکز دارند، در تحقیق و توسعه مشارکت کنید. مشارکت در پروژه های AI منبع باز یا انتشار مقالات در مورد موضوعات مرتبط با AGI نیز می تواند به شما کمک کند تا خود را در این زمینه تثبیت کنید.

طرز تهیه

تحقیق: با خواندن مقالات آکادمیک، شرکت در کنفرانس‌ها و پیروی از رهبران فکری در این زمینه، از آخرین پیشرفت‌های AGI مطلع شوید.

همکاری: با محققان دانشگاهی یا صنعتی در پروژه های AGI کار کنید. شرکت در هکاتون ها یا مسابقات تحقیقاتی نیز می تواند تجربه عملی را فراهم کند.

عناوین شغلی برای تماشا: AGI Research Scientist، Cognitive Computing Engineer.

عناوین شغلی آینده

انتقال به دنیای AGI احتمالاً شاهد ترکیبی از این نقش‌ها خواهد بود، جایی که مهندسان ممکن است نیاز داشته باشند که نه تنها یک بلکه چندین حوزه از فناوری و علم را درک کنند. مهم است که مهارت های فنی خود را رشد دهید، اما همچنین سازگاری و یادگیری مداوم را تمرین کنید.

مراقب نقش‌هایی باشید که ممکن است مستقیماً به AGI اشاره نکنند، اما در هوش مصنوعی، یادگیری ماشین و فناوری‌های مرتبط اساسی هستند. همانطور که نقش بعدی خود را انتخاب می کنید، از قبل فکر کنید که چگونه می توانید تمرکز خود را تنظیم کنید و آینده کار خود را برای دوران AGI ثابت کنید.

مراحل عملی

به طور مداوم بیاموزید: با به روز رسانی منظم مهارت ها و دانش خود از طریق دوره ها، گواهینامه ها و پروژه های عملی، یادگیری مادام العمر را در اولویت قرار دهید.

شبکه: با متخصصان در زمینه های مختلف ارتباط برقرار کنید تا از روندها و فرصت های در حال ظهور مطلع شوید.

انطباق: انعطاف پذیر باشید و در برابر چالش های جدید باز باشید، زیرا عصر AGI از مهندسان می خواهد که با فناوری ها و محیط های در حال تغییر سریع سازگار شوند.

مراقب نقش‌هایی باشید که ممکن است مستقیماً به AGI اشاره نکنند، اما در هوش مصنوعی، یادگیری ماشین و فناوری‌های مرتبط اساسی هستند. همانطور که نقش بعدی خود را انتخاب می کنید، از قبل فکر کنید که چگونه می توانید تمرکز خود را تنظیم کنید و آینده کار خود را برای دوران AGI ثابت کنید.

خبرکاو