Engenheiro de aprendizagem automática — tarefas, uma a uma

Construir um modelo para o problema

Duas forças, e só uma delas é o que este sítio costuma chamar automatização. As ferramentas automatizaram mesmo a busca — escolher arquitetura e hiperparâmetros passou a ser um trabalho que se configura e não que se executa. A força maior é diferente na natureza: imensos problemas que antes exigiam treinar alguma coisa resolvem-se agora chamando um modelo que outro treinou. A tarefa não se tornou fazível por uma máquina; o produto dela tornou-se comprável.

As quatro direções deste sítio não distinguem esses dois mecanismos, e a diferença importa a quem planeie a partir desta página: uma tarefa que se tornou comprável pode deixar de o ser quando o preço, a licença ou a capacidade do fornecedor mexem, de uma forma que uma tarefa que uma máquina aprendeu a fazer não pode. Também nada diz sobre os domínios em que um modelo comprado não é opção — os estreitos, proprietários, limitados por latência ou regulados — que não são raros.

Decidir o que conta como bom que chegue

A correção de um sistema aprendido não se consegue definir, só medir — por isso o instrumento de medida é a entrega, e tem de ser construído por alguém que saiba quanto custa aqui um erro. Um teste de referência que o modelo já viu não mede nada, o que faz de construir um conjunto de teste honesto um trabalho adversário e não de recolha de dados. Esta é a tarefa que ficou mais rara à medida que os modelos melhoraram, porque quanto mais difícil é a coisa julgada, mais difícil é julgá-la.

Um juízo sobre a natureza do trabalho, não uma medição de como está dotado de pessoas. Há muitas equipas que não fazem isto de todo e põem em produção com o resultado de referência publicado pelo fornecedor: isso é exatamente a falha aqui descrita, não uma prova em contrário — mas quantas são não é coisa que alguém conte.

Conseguir dados de que a coisa consiga aprender

A etiquetagem assistida por modelos e a geração sintética tiraram daqui quase todo o volume, e isso é real: o que antes precisava de uma equipa durante semanas é muitas vezes uma primeira passagem numa tarde. O que não se transferiu foi saber que exemplos o método de recolha nunca teve hipótese de conter — uma ausência é invisível para qualquer ferramenta que só lê o que lá está.

Nada aqui mede quanto tempo isto leva a uma equipa concreta, e a resposta difere numa ordem de grandeza entre uma equipa com um ativo de dados existente e outra a começar do zero. Usar um modelo para etiquetar dados que treinam um modelo tem além disso modos de falha conhecidos que este juízo não pesa.

Quando deixa de funcionar em silêncio

A deteção melhorou mesmo: as ferramentas de monitorização trazem à superfície um desvio de distribuição melhor e mais cedo do que uma pessoa a olhar para painéis. Decidir o que fazer com isso não se moveu, porque as opções trocam umas pelas outras em termos de negócio — voltar a treinar custa dinheiro e pode piorar, desligar tem um custo visível hoje, e não fazer nada também é uma decisão.

Nada diz sobre se as equipas de facto monitorizam. Um modelo a correr sem vigilância durante um ano é comum e este juízo não o capta — onde ninguém olha, esta tarefa não é conduzida por pessoas, simplesmente não é feita.

Desenhar as entradas à mão

Esta acabou em grande medida antes do período que este sítio mede. A aprendizagem de representações substituiu as características desenhadas à mão em visão, fala e texto ao longo da década de 2010, e o padrão estendeu-se desde então aos problemas tabulares e de sequências. Está na página porque continua a ser o que grande parte do material de formação ensina, por isso as pessoas chegam à espera de que seja o ofício.

Não é evidência sobre a janela de 2022-2026 de todo; é mais antiga do que isso e está aqui registada para orientação. O desenho de características específicas de um domínio continua além disso a sustentar carga nalguns contextos regulados onde uma entrada inexplicável não é permitida, coisa que este juízo não separa.

Responder pelo que ele faz às pessoas

É trabalho novo, e chega da regulação e não da capacidade: vários mercados ligam já deveres aos sistemas usados em contratação, crédito, educação e serviços públicos, entre eles a exigência de que quem implementa um garanta que os dados de entrada dele são pertinentes e suficientemente representativos para o fim. Um dever com essa forma tem de cair sobre uma pessoa que perceba o que o modelo de facto consumiu, e o sítio tem um registo verificado exatamente dessa cláusula a entrar em vigor — ligado à página de quem implementa, `business-systems-owner`, porque é quem a cláusula nomeia.

O registo para que este raciocínio aponta não está ligado a esta profissão, e é de propósito: a obrigação nomeia quem implementa, e ligá-la aqui afirmaria que ela cai sobre os engenheiros quando na maioria das organizações ainda ninguém lhes disse que cai. Por isso isto é inferência sobre onde o trabalho vai ficar, e não evidência de que já está lá. Os requisitos diferem além disso muito consoante o mercado e consoante o fim para que o sistema é usado.