Разрабатывает и тестирует алгоритмы, лежащие в основе машинного интеллекта, в области, которая сейчас стремится автоматизировать растущую долю собственного исследовательского процесса.
Локальный гид: Also called: Исследователь машинного обучения · Ученый ИИ
Исследователь искусственного интеллекта: Разрабатывает и тестирует алгоритмы, лежащие в основе машинного интеллекта, в области, которая сейчас стремится автоматизировать растущую долю собственного исследовательского процесса.
140 910 долларов США в годМедианная заработная плата (США, 2024 г.)
~19% (Северная Америка)Женщины в новых докторских диссертациях по искусственному интеллекту
Исследователь ИИ разрабатывает, обучает и оценивает алгоритмы, которые позволяют программному обеспечению распознавать изображения, генерировать язык, планировать и принимать решения — обычно это форма машинного обучения, когда модель улучшает выполнение задачи, обрабатывая большие объемы данных, а не следуя правилам, написанным человеком. В эту работу входят университетские лаборатории, изобретающие новые архитектуры, корпоративные исследовательские группы, масштабирующие проверенные, и специалисты, которые посвящают свою карьеру одному узкому сегменту, например тому, как модель обучается на очень небольшом количестве данных.
Эта область моложе, чем предполагает большинство людей: фраза «искусственный интеллект» была придумана в 1955 году для летнего семинара 1956 года в Дартмутском колледже, и с тех пор работа дважды циклически переживала период бума и «зимы» — периоды, когда финансирование прекращалось после того, как ранние обещания не были выполнены. Сегодняшний доминирующий подход, глубокое обучение, десятилетиями оставался в меньшинстве, прежде чем единственный конкурс 2012 года по распознаванию изображений и статья 2017 года о «внимании» изменили всю дисциплину вокруг все более крупных нейронных сетей, обученных на все большем количестве данных.
Исследования ИИ являются необычными среди профессий на этом сайте, поскольку их предметом и инструментом являются одни и те же технологии. Инструменты, созданные на основе собственных результатов, теперь составляют обзоры литературы, предлагают эксперименты и пишут код для обучающих запусков, а несколько лабораторий открыто пытаются автоматизировать некоторые части самого исследовательского процесса. Что выдерживает это давление, а что нет, вот вопрос, на который остальная часть этого профиля пытается ответить честно, а не обнадеживающе.
Inside the profession
Исследования ИИ — это дисциплина контролируемых сюрпризов: предложить идею легко, но настоящая работа — показать, что результат реален, полезен, а не является артефактом данных, вычислений или счастливого семени.
День экспериментов, а не вдохновения
Исследователи читают статьи, сравнивают проекты, пишут и отлаживают обучающий код, проверяют неудачные запуски и объясняют результаты коллегам. Многообещающее улучшение может исчезнуть после более сильных базовых показателей, большего количества случайных начальных значений или изменения набора оценок. Это ремесло — экспериментальная строгость: изолировать то, что вызвало эффект, документировать негативные последствия и сопоставлять утверждения статьи с доказательствами, а не с наиболее привлекательным повествованием.
Работа охватывает разные учреждения
Университетские исследователи изучают долгосрочные вопросы и обучают студентов; отраслевые лаборатории могут проводить дорогостоящие эксперименты и превращать результаты в продукты; инженеры-исследователи создают системы, которые делают возможным и то, и другое. Теория, компьютерное зрение, язык, робототехника, обучение с подкреплением, безопасность и научный искусственный интеллект требуют разных методов. Общая валюта — это результат, который другие люди могут проверять, воспроизводить или развивать, а не только название должности.
Публикация – это неформальные ворота
Докторская степень остается обычным путем к независимым исследованиям, основанным на математике, программировании и лаборатории консультанта. Тем не менее, практические ворота — это запись тщательной работы: документы, код, наборы данных, тесты и сотрудничество, которые выдерживают скептическое рассмотрение. Сильные инженеры и исследователи в области физики, нейробиологии или статистики могут поступить через резидентуры и вклады в открытый исходный код, но передовые роли обычно требуют продемонстрированной глубины исследований.
Поле автоматизирует собственный рабочий процесс
Инструменты ИИ теперь обобщают литературу, проект кода эксперимента и гиперпараметры поиска; некоторые системы пытаются выполнить большую часть исследовательского цикла. Они могут сделать правдоподобную работу более дешевой в производстве. Это повышает ценность исследовательского вкуса, оценки и ответственности: решение того, какой вопрос имеет значение, обнаружение скрытого недостатка и отстаивание публичного утверждения. Автоматизация меняет отношение проведения экспериментов к их оценке, а не обязанность проверять.
How the work branches
Университеты и промышленные лаборатории
Ученый-исследователь
Устанавливает или продвигает программу исследований посредством экспериментов, статей и сотрудничества.
Лаборатории моделей и систем
Инженер-исследователь
Создает системы обучения, оценки и данных, которые позволяют исследовательским идеям проверяться в больших масштабах.
Согласование и оценка
Исследователь безопасности искусственного интеллекта
Исследования моделируют сбои, неправильное использование, надежность и методы более безопасного поведения или управления.
Сочетает в себе восприятие, управление, моделирование и аппаратные эксперименты для систем, действующих в мире.
Наука и инженерия
Научный исследователь МО
Применяет или разрабатывает методы обучения в области биологии, климата, материалов, физики и других областей исследований.
How it reads by country
США — передовые лаборатории и университеты
Плотная концентрация крупных лабораторий, облачных вычислений и университетов создает высокооплачиваемые, но избирательные возможности. Доступ к вычислительным ресурсам и мощная сеть публикаций могут определить, какие вопросы станут выполнимыми.
Южная Корея — прикладные исследования и крупные платформы
Корпоративные исследовательские центры, университеты и компании по производству электроники поддерживают работу в области языка, зрения, робототехники и чипов. Давление на продукт может приблизить исследователей к развертыванию.
Япония — робототехника, промышленность и научно-исследовательские институты
Робототехника, производство и давно существующие исследовательские институты создают уникальные направления исследований. Сотрудничество между корпоративными лабораториями и университетами остается важным.
Германия — институты и прикладная наука
Университетские группы, научно-исследовательские институты и промышленные работодатели поддерживают исследования в области ИИ, тесно связанные с производством и инжинирингом. Структуры финансирования часто вознаграждают совместные проекты.
Великобритания — исследовательские кластеры и политическое внимание
Университетские исследования и лондонские лаборатории создают концентрированную экосистему наряду с видимыми сообществами, занимающимися безопасностью искусственного интеллекта и политиками. Конкуренция за талантливые кадры очень острая.
Сингапур — международный исследовательский центр
Университеты, государственные исследовательские программы и многонациональные лаборатории набирают сотрудников со всего мира. Региональные приложения, многоязычные данные и трансграничное сотрудничество являются общими темами.
Из архива
Самостоятельно размещённые изображения Commons CC/PD для этой профессии.
Локальный гид: profile
Локальный гид: Resists AI50
Локальный гид: Pay90
Локальный гид: Barrier to entry92
Локальный гид: Autonomy68
Локальный гид: Demand90
Локальный гид: Impact96
Локальный гид: How exposed it to AI?
Умеренный
Значительная часть рутинной работы исследователя ИИ — сортировка литературы, первый вариант кода эксперимента, поиск гиперпараметров, составление раздела сопутствующей работы — уже выполняется сравнительно быстро для системы ИИ, а многоагентные исследовательские системы, созданные специально для автоматизации большей части цикла, являются активным проектом в нескольких крупных лабораториях. Что не было автоматизировано, так это оценка того, является ли результат реальным, принятие решения о том, какой вопрос стоит задать, и ответственность, когда опубликованное утверждение оказывается неверным.
Статический проход по Исследователь искусственного интеллекта с опубликованными баллами.
Устойчивость к ИИ (50) — Редакционный запас.
Оплата (90) — Относительная метка.
Вход (92) — Лицензии в одном числе.
Строка места — Место крутой двери — вход самая громкая отметка. Оплата и устойчивость к ИИ стоят за опубликованным порогом; это всё ещё не балл судьбы.
Второй учебный проход по Исследователь искусственного интеллекта с опубликованными входом и ИИ — не то же, что тройка выше.
Читать только вход (92) — Вход — крутизна лицензий и экзаменов в этом атласе, не прогноз найма.
Читать только ИИ (50) — Выше устойчивость к ИИ — больше редакционного запаса до автоматизации.
Оплату отложить (90) — Оплата — относительная полоса. В этом проходе ещё не в строке места.
Написать место вход-ИИ — 92 · 50
Исследователь искусственного интеллекта: вход 92 рядом с ИИ 50 (оплата 90 в стороне). Учебная пара, не судьба.
Только редакционные учебные метки. Не карьерный совет.
Какая напечатанная оценка закрывает вход
Редакторские оценки этой страницы. Не решение о найме.
Как читать оценки до решения
Что означают оценки устойчивости к ИИ, оплаты и входа на этой витрине?
Это редакционные учебные оценки по шкале 0–100, уже напечатанные в профиле и во входном месте. Для «Исследователь искусственного интеллекта» это устойчивость к ИИ 50, оплата 90, вход 92. Это связка, не рейтинг судеб и не предложение работы.
Низкая устойчивость к ИИ — повод избегать эту профессию?
Нет. Эта витрина уже читает скромную устойчивость при лишь средней оплате как осторожность, а не приговор. Шкала ИИ и входное место дают взвесить те же три опубликованные оценки дважды — всё ещё обучение, не прогноз, кого заменят.
Эта страница говорит, нужна ли лицензия?
Она печатает срок обучения 10 лет и оценку входа 92/100. Шаги лицензии и экзамена — на странице пути и, если есть, на местной экзаменационной парте. Этот обзор не выдаёт и не отказывает в лицензии.
Как читать оценку оплаты рядом с реальными зарплатами?
Оценка оплаты — 90/100: относительный учебный балл, не договор. Типичные цифры также в быстрой ответе и в тизере рынка. Сравните их; ни одну не считайте офертой.
Чем на самом деле занимается исследователь ИИ изо дня в день?
Большую часть дней мы тратим на чтение последних статей, написание и отладку обучающего кода, ожидание и анализ результатов длительных экспериментов, а также обсуждение результатов с коллегами. Вопреки распространенному мнению, большая часть работы заключается в диагностике того, почему модель неэффективна или результат не воспроизводится, а не в мозговом штурме новой архитектуры с нуля.
Нужна ли мне докторская степень, чтобы стать исследователем искусственного интеллекта?
Для независимой исследовательской роли в университете или ведущей отраслевой лаборатории, по сути, да: докторская степень остается настоящим дипломом в этой области, поскольку здесь нет лицензионного экзамена. Сильные инженеры без такового все чаще поступают через отраслевые программы резидентуры или публичные записи о работе с открытым исходным кодом и цитируемые препринты, но такие звания, как «ученый-исследователь», по-прежнему сильно склоняются к обладателям докторских степеней.
Подвержены ли исследования ИИ риску со стороны ИИ?
Частично это очевидно: обобщение литературы, шаблонный код эксперимента и первые проекты разделов, связанных с работой, уже регулярно выполняются с помощью ИИ, а лаборатории открыто экспериментируют с системами, которые предлагают и проводят свои собственные эксперименты. Гораздо труднее сформулировать, что на самом деле означает результат, и взять на себя ответственность за опубликованное заявление.
Сколько зарабатывают исследователи ИИ?
Это сильно варьируется в зависимости от работодателя и стажа. Медиана в США для более широкой категории «ученых, занимающихся компьютерными и информационными исследованиями», в 2024 году составляла 140 910 долларов, но новые доктора философии, присоединяющиеся к исследовательской лаборатории крупной технологической компании, часто начинают намного выше этой суммы, и, как сообщается, небольшому числу старших исследователей в передовых лабораториях искусственного интеллекта в ходе конкурса найма на 2024–2025 годы предлагались семи- или восьмизначные пакеты услуг.
В чем разница между исследователем искусственного интеллекта и инженером по машинному обучению?
Границы постоянно размываются, но грубое различие сохраняется: результатом исследователя обычно является статья, новый метод или понимание того, почему что-то работает, оцениваемое экспертной рецензией; Результатом работы инженера обычно является работающая система в производстве, судя по тому, поставляется ли она и выдерживает ли она реальное использование. Многие люди делают и то, и другое на протяжении всей карьеры.
Какие языки программирования и инструменты используются в исследованиях ИИ?
Доминирует Python в сочетании со структурой глубокого обучения — PyTorch сейчас является наиболее распространенным в исследованиях, а JAX популярен для крупномасштабных работ, связанных с Google. Помимо кода, исследователи полагаются на общие вычислительные кластеры GPU или TPU, инструменты отслеживания экспериментов, такие как Weights & Biases и arXiv, где большинство новых результатов распространяются в виде препринтов за несколько месяцев до официального рецензирования.
Можете ли вы стать исследователем ИИ, не имея опыта работы в области информатики?
Да, проще, чем в большинстве технических областей. Физика, математика, нейробиология и статистика напрямую влияют на исследования в области ИИ, и некоторые влиятельные фигуры, в том числе физик Джон Хопфилд, чья модель нейронной сети 1982 года получила Нобелевскую премию по физике 2024 года, пришли в эту область из других мест. Сильная количественная и программная основа имеет большее значение, чем конкретная специализация.
Что сегодня является самым большим препятствием в исследованиях ИИ?
Все чаще речь идет о вычислительной мощности и деньгах, а не идеях. Обучение пограничной модели может стоить десятки миллионов долларов только за счет вычислений, что концентрирует наиболее ресурсоемкие исследования в нескольких хорошо финансируемых лабораториях и почти по необходимости подталкивает исследователей университетов и небольших лабораторий к более эффективным методам обработки данных и вычислений.
Встроить этот рейтинг
Вставьте этот код в свой блог или на сайт — рейтинг всегда актуален.
