Будущее рынка труда в эру искусственного интеллекта
Прогноз сделан для США, Австралии и Германии. Вполне ожидаемо: роль человека в экономике резко снизится, ускорится цифровая трансформация, массовое применение технологий машинного обучения уничтожит миллионы рабочих мест с рутинными задачами. В США избыток офисных работников вырастет с 1,4 миллиона в 2020 году до 3,0 миллиона в 2030 году.
Реальность, однако, будет сложнее: хотя ИИ устранит одни рабочие места, он создаст множество других. Теперь тоже ожидаемое, но не менее важное: для новых вакансий будут нужны компетенции, которых и сегодня остро не хватает. Не будет хватать и дальше. Для рынка США к 2030 году прогнозируется дефицит инженеров, специалистов в области математики и компьютеров.
Вывод: решить проблему подготовкой молодых специалистов не удастся. Уже в ближайшие годы потребуется массовая переподготовка в области современных технологических компетенций. Хорошая новость: Россия здесь отстает не более, чем другие технологически развитые страны.
https://info.faethm.ai/future-of-jobs

Говорят, новые идеи считаются признанными, когда они включаются в учебники. Что ж, поздравляю, в психометрике официально прописался новый раздел. В этом году вышло 4-е издание респектабельного Modern Psychometrics с участием небезызвестного (скандал с Facebook и Cambridge Analytica помните?) и очень энергичного Михала Косински. В результате, там появились две главы про использование в психометрике цифрового следа и AI технологий. Интересен опыт анализа пользовательских логов, лайков и языка, данных с сенсоров мобильных устройств и фотографий. Эти главы довольно практичны: помимо принципиальных вопросов, здесь даются оценки валидности разных подходов и обсуждаются прикладные детали. Кстати, такие тонкости будут интересны не только узкому кругу психодиагностической тусовки, но датасаетистам и айтишникам, занятым разработкой приложений персонализации рекомендаций по здоровью, подбору товаров, настройке персонализированных услуг, образовательной среды, маркетинговых кампаний и рекламы.

Полицейские ML системы предиктивной аналитики будут развиваться несмотря ни на этические скандалы, ни на опыт дорогостоящих фейлов.
Хороший обзор с объяснением логики развития таких технологий от Дмитрия Серебренникова:
https://nplus1.ru/material/2021/09/16/predictive-policing

МВД России заинтересовано в создании предикативной ИИ системы.
https://www.kommersant.ru/doc/4965333
Изучение практик и технологий - дело, конечно, полезное. Но, успех в разработке ИИ определяют не конкретные ML алгоритмы и инструменты (они общедоступны, надо только следить за обновлениями), а квалификация data science команды и качество датасетов. А вот тут есть вопросы.

Последние пять месяцев с головой погрузился в мир данных образовательной среды. Настало время отдышаться и подвести первые итоги. Лучший способ – создать образовательный проект для формирования культуры данных в образовательной организации, благо и заказ на это имеется. Будем обобщать свой и чужой опыт, обсуждать новые технологии и стратегии анализа данных в образовании. Личный опыт показал, что в шкалах и вузах есть много людей, понимающих ценность данных и желающих быть более data-driven. Задача проекта - помочь «гуманитариям» преодолеть барьер в понимании статистики и технологий анализа данных, дать почувствовать, что анализировать данные не только полезно, не только возможно, но и очень-очень круто!
Запускаем канал, в котором будем делится планами, анонсами мероприятий, публиковать наши разработки и новости из мира Data-Driven Education.
https://news.1rj.ru/str/DataEd

Университет 2035 решил возглавить разработку стандарта цифрового следа. Зачем нужен ЦС - в общем понятно. Зачем нужен стандарт - не совсем, тем более в таком ограниченном виде. Кто заинтересован - и так собирает все что можно, не заглядывая ни в какие стандарты. Но, момент знаковый, очевидно и цифровая психодиагностика в ходе обучения скоро выйдет из подполья.
https://rg.ru/2021/10/19/v-rossii-poiavilsia-standart-sbora-cifrovogo-sleda-v-obrazovanii.html

Вот и государственный заказ на психодиагностику по соцсетям и аудио- и видеозаписям подоспел. Гензаказчик - Аналитический центр при Правительстве России, а координировать проект будет Институт системного программирования РАН. Сумма гранта невелика (36 млн руб.), собрать нужные данные, построить и валидировать модель на эти деньги вряд ли получится. Но, то что занялись этим - уже радует. В России уже есть несколько стартапов, которые продвинулись в этом направлении, их наработки могли бы сэкономить 2-3 года работы.
https://www.cnews.ru/news/top/2021-11-26_vlasti_reshili_uznatkak

Хайповое интервью, о том, как соцсети могут читать сообщения, как наш телефон нас подслушивает и т.п. У этого интервью одна проблема, автор расписывает все как реализованные технологии, типа «берем и делаем», а не как направления поисков и экспериментов (обычно не дающих результатов прикладного значения). Не похоже, что автор сам что-то руками такое делал. Скорее, реклама его компании. Хотя, надо отметить, все названные способы построения личностного профиля пользователя реально разрабатываются.
https://habr.com/ru/company/ua-hosting/blog/475130/

Может ли цифровая копия умершего навредить или помочь живым?

Канадец Джошуа Барбо много лет не мог свыкнуться со смертью любимой девушки. Однажды он узнал о проекте, который с помощью искусственного интеллекта помогает создавать цифровые копии людей. Джошуа решил попробовать и «побеседовал» со своей умершей возлюбленной. Результат превзошёл все ожидания: Барбо, по его собственным словам, наконец смог отпустить подругу и ему стало намного легче.

Но случай Барбо не единственный. Сегодня чат-боты на основе нейросетей научились здорово походить на настоящих людей: они копируют черты характера, выражения, радость, гнев или грусть. Отношения между нами перешли на другой уровень: люди начали влюбляться в ботов, ссориться с ними и даже специально абьюзить.

Машинам всё равно. А вот люди уже начинают страдать.

ГК «Ростех» заявила о намерении разработать программу предиктивной аналитики митингов и беспорядков, в том числе, предсказания их динамики. В качестве входных данных будут использованы публикации СМИ и соцсетей, данные камер наружного наблюдения и т.д. В основе предполагается машинное обучение, но на каких датасетах будут обучаться алгоритмы - не сообщается. https://www.kommersant.ru/doc/5099759