„GenAISA“ projekto naujienlaiškis #2: Naujojo „GenAISA“ aukštojo mokslo kurso apžvalga

Europa žengia į lemiamą skaitmeninės transformacijos etapą. Generatyviam dirbtiniam intelektui (DI) vis labiau įsitvirtinant įvairiose pramonės šakose, sparčiai auga naujų DI pagrįstų kompetencijų ir naujų darbo vietų paklausa. „GenAISA“ konsorciumas reaguoja į šį poreikį kurdamas 2 išsamias generatyvinio DI aukštojo mokslo (AM) ir profesinio mokymo (VET) programas, skirtas suteikti besimokantiesiems žinių ir praktinių įgūdžių, reikalingų besikeičiančioje darbo rinkoje. Šiame naujienlaiškyje trumpai pristatysime aukštojo mokslo programą, kurią sudaro 5 kursai, o kitame naujienlaiškyje – profesinio mokymo programą.

Šiame naujienlaiškyje pateikiama išsami informacija apie šiuo metu kuriamą mokymo medžiagą ir parodoma, kaip ji tiesiogiai dera su dviem pagrindinėmis kylančiomis profesijomis:

• Greitasis inžinierius
• Generatyvaus dirbtinio intelekto programų kūrėjas

Abu profiliai buvo oficialiai identifikuoti ir aprašyti projekto pareigybių planavimo darbo pakete, o išsamios kompetencijos ir pareigos pateiktos papildomoje medžiagoje.

Mokymo medžiaga būsimiems dirbtinio intelekto specialistams

„GenAISA HE“ kursas yra sukurtas remiantis penki mokymo moduliai, kiekvienas iš jų pritaikytas konsorciumo nustatytiems realiems darbo reikalavimams. Toliau pateikiama modulių apžvalga ir kaip jie atitinka dvi kylančias dirbtinio intelekto profesijas.

1. Įvadas į generatyvinį dirbtinį intelektą

Ši tema supažindina studentus su generatyviojo dirbtinio intelekto pagrindais, atsekdama jo evoliuciją nuo ankstyvųjų GAN ir VAE iki šiandieninių transformatorių ir difuzijos pagrindu veikiančių sistemų. Joje taip pat aptariami etiniai, socialiniai ir skaidrumo iššūkiai, susiję su šiuolaikiniu dirbtiniu intelektu (šališkumas, patikimumas, duomenų kilmė, paaiškinamumas).

Ryšys su darbo profiliais:

• Greitieji inžinieriai Norint sukurti veiksmingas užduotis, reikia tvirto pavyzdinio elgesio, apribojimų ir kalbinių modelių pagrindų.
• Generatyviųjų dirbtinio intelekto programų kūrėjai Norint pasirinkti tinkamą architektūrą kiekvienai užduočiai, reikia suprasti modelių tipus.

2. NLP, vaizdų ir vaizdo įrašų generavimas generatyviojoje dirbtinėje intelektinėje technologijoje

Šioje temoje daugiausia dėmesio skiriama šiuolaikinių „GenAI“ sistemų multimodalinėms galimybėms – kaip jos apdoroja kalbą, kaip generuoja vaizdus ar vaizdo įrašus ir kaip žmonės sąveikauja su šiomis sistemomis. Studentai nagrinėja praktinio naudojimo atvejus, tokius kaip teksto konvertavimo į vaizdus įrankiai, pokalbių asistentai ir multimodalinis samprotavimas.

Ryšys su darbo profiliais:

• Greitieji inžinieriai Sužinokite, kaip kalba ir vaizdiniai ženklai veikia modelio išvestį, ugdydami įgūdžius greitam optimizavimui ir testavimui.
• Generatyviųjų dirbtinio intelekto programų kūrėjai Įgykite įžvalgų apie multimodalinius API ir sužinokite, kaip juos integruoti į programas.

3. Generatyviniai dirbtinio intelekto modeliai

Techniškesnis modulis, apimantis GAN, VAE, difuzijos modelius, latentinę difuziją ir hibridines architektūras. Jis remiasi pažangiausiomis apžvalgomis ir svarbiais leidiniais apie gilųjį generatyvinį modeliavimą, suteikdamas studentams struktūrizuotą supratimą apie tai, kaip generatyvinės sistemos yra diegiamos ir tobulinamos.

Ryšys su darbo profiliais:

• Greitieji inžinieriai nauda suprantant modelio apribojimus, šališkumo mechanizmus ir gedimų režimus.
• Generatyviųjų dirbtinio intelekto programų kūrėjai įgyti esminių žinių apie modelio veikimą, tikslinimą ir optimizavimo darbo eigą.

4. Giluminio mokymosi pagrindai generatyviniam dirbtiniam intelektui

Ši tema supažindina studentus su gilaus mokymosi pagrindais – nuo neuroninės architektūros komponentų iki įterpimo ir optimizavimo metodų. Ji parengia besimokančiuosius suprasti arba įdiegti dirbtinio intelekto sistemas naudojant šiuolaikines sistemas.

Ryšys su darbo profiliais:

• Greitieji inžinieriai ugdyti analitinius įgūdžius, reikalingus modelio rezultatų stipriosioms ir silpnosioms pusėms įvertinti.
• Generatyviųjų dirbtinio intelekto programų kūrėjai įgyti techninius pagrindus, reikalingus darbui su API, atlikti tikslų derinimą ir integruoti modelius į programas.

5. Generatyviosios dirbtinio intelekto transformacijos valdymas

Generatyviam dirbtinio intelekto diegimui reikalingas organizacijos pasirengimas, vadovavimo įgūdžiai, valdymas ir etiškas sprendimų priėmimas. Šiame modulyje pateikiami praktiniai metodai, procesų modeliai ir atsakingo dirbtinio intelekto projektavimo ir diegimo sistemos. Jame taip pat aptariama dirbtinio intelekto transformacija versle ir pramonėje, taip pat pokyčių lyderystė. Turinys pagrįstas naujausiais tyrimais ir atvejų analizėmis iš įvairių sektorių.

Ryšys su darbo profiliais:

• Greitieji inžinieriai turi suprasti DI projektavimo procesų, atitikties, saugos ir valdymo pagrindus, kad galėtų kurti atsakingas užduotis.
• Generatyviųjų dirbtinio intelekto programų kūrėjai integruojant modelius į produktus, reikia išmanyti dirbtinio intelekto projektavimo ir kūrimo procesus, saugumą ir pokyčių valdymo praktiką.

Mokymo susiejimas su realiomis darbo galimybėmis

Aukštojo mokslo ir profesinio mokymo kursas buvo sąmoningai sukurtas atsižvelgiant į dvi sparčiai augančias profesijas, nustatytas projekto darbo profilių ataskaitoje:

Greitasis inžinierius

Vidutinio lygio dirbtinio intelekto specialistas, kuris kuria, testuoja ir optimizuoja LLM ir kitų generatyvinių sistemų užduotis.
Svarbiausi įgūdžiai: NLP, greitas optimizavimas, testavimo metodologijos, kritinis mąstymas, šališkumo ir saugumo suvokimas.
Tipiniai karjeros keliai: Dirbtinio intelekto produktų komandos, švietimo technologijos, klientų patirties automatizavimas, teisinių/medicininių užklausų dizainas.

Generatyvaus dirbtinio intelekto programų kūrėjas

Techninis vaidmuo, orientuotas į generatyvinių dirbtinio intelekto modelių integravimą į realias programas, užtikrinant saugumą, našumą ir patogumą naudoti.
Svarbiausi įgūdžiai: API integracija, modelių orkestravimas, serverio/priešsistemių kūrimas, dirbtiniam intelektui pritaikytas „DevOps“, atitikties reikalavimus atitinkantis programavimas.
Tipiniai karjeros keliai: Dirbtinio intelekto programinės įrangos kūrimas, SaaS, įmonių moksliniai tyrimai ir plėtra, skaitmeninė sveikata, kūrybinės industrijos.

Žvilgsnis į priekį

Aukštojo mokslo mokymosi medžiaga šiuo metu yra tobulinimo etape, integruojant realaus pasaulio pavyzdžius ir projekto partnerių parengtas atvejais pagrįstas užduotis. Kai ji bus baigta, ji bus prieinama kaip atviri švietimo ištekliai per GenAISA internetinė mokymosi platforma, užtikrinant prieinamumą visose Europos akademinėse ir mokymo ekosistemose.

Kitame etape konsorciumas atliks bandomuosius šių medžiagų testavimus pasirinktose aukštosiose mokyklose, rinkdamas pedagogų ir besimokančiųjų atsiliepimus, kad užtikrintų kokybę, įtraukumą ir realaus pasaulio aktualumą.