Yapay zeka (AI) mühendisleri için eğitim büyük ölçüde farklılık gösterir, bu da normların ve gerekliliklerin henüz belirlenme sürecinde olduğunu gösterir. Genel olarak, AI mühendislerinin görevi, farklı alanlarda operasyonların verimli ve güvenli bir şekilde yürütülmesini sağlamak için AI modellerini tasarlamak, dağıtmak ve sürdürmektir. Bunun için makine öğrenimi (ML), istatistik ve programlama alanında bir geçmişe sahip olmak gerekmektedir. Bir AI mühendisi, hangi verileri toplamak gerektiğini ve scikit-learn gibi ML kütüphanelerini nasıl kullanacağını bilmelidir.
AI mühendisliğiyle ilgili akademik ve profesyonel sertifika programlarının ortak özelliklerinden biri, kurslarda öğrenilen becerileri belirli problemlere uygulama fırsatı sunmasıdır. Örneğin, bir AI programı, bir öğrenciye drone gibi IoT (nesnelerin interneti) yetenekli cihazların bellek sınırlamalarıyla başa çıkma yöntemini tasarlama fırsatı verebilir. IBM, MIT, Duke Üniversitesi ve John Hopkins Üniversitesi tarafından sunulan AI mühendisliği ile ilgili profesyonel sertifika programlarını tamamlamak için genellikle Python programlama becerisi ve lineer cebir ve olasılık konularında iyi bir anlayışa sahip olma gereklilikleri bulunmaktadır.
Yapay zeka mühendisliği alanında akademik programlardan biri olan Carnegie Mellon Üniversitesi’ndeki (CMU) Yapay Zeka Mühendisliği Yüksek Lisansı (MSAIE), üniversitelerin bu alanlardaki dersleri derinleştirip çeşitlendirdiğini göstermektedir. Aynı zamanda, CMU Yazılım Mühendisliği Enstitüsü’ndeki (SEI) yapay zeka mühendisliği araştırmacıları, projeler aracılığıyla yapay zeka mühendisliği bilgisini nasıl uygulayacaklarını göstermektedir.
Öğrenciler Kendi İlgi Alanlarına Göre Eğitilirler
CMU şu anda MSAIE programını Pennsylvania’daki Pittsburgh ana kampüsünde sunmaktadır. CMU-Afrika, üniversitenin Kigali, Ruanda’daki Afrika kampüsü ise benzer bir derece olan Master of Science in Engineering Artificial Intelligence (MSEAI) programını sunmaktadır. Kigali programı, daha genelleştirilmiş bir yapıya sahip olup Afrika ülkelerinde çalışmayı amaçlayan öğrenciler için tasarlanmıştır. “Afrika ülkeleri, Batı ülkelerinin teknoloji altyapısına sahip değiller. Kigali programındaki öğrenciler, sınırlı kaynakların olduğu bölgelerde, sınırlı enerji gibi kaynakların olduğu alanlarda yapay zeka algoritmalarını oluşturmayı ve uygulamayı öğreniyorlar. Programın odak noktalarından biri, teknolojinin daha geniş bir şekilde dağıtılmasını sağlamaktır,” diyor CMU Mühendislik Fakültesi’nden dekan yardımcısı Shelley Anna.
Kigali programı, 2021-2022 akademik yılında başlamış olup her yıl 21 öğrenci kabul etmektedir. Pittsburgh kampüsünde ise 2022-2023 akademik yılında 33 öğrenci kaydolmuştur. Öğrenciler yedi mühendislik disiplininde dağılmış durumdadır: biyomedikal, kimya, sivil ve çevre, elektrik ve bilgisayar bilimi, bilgi güvenliği, malzeme bilimi ve makine. Pittsburgh’daki öğrencilerin dokuzu makine mühendisliğinde, yedisi kimya ve sivil çevre mühendisliğinde bulunmaktadır. Diğer mühendislik disiplinlerinde ise üç ila beş arasında öğrenci bulunmaktadır. Pittsburgh programı, disipline bağlı olarak üç ila dört dönem sürmektedir.
Pittsburgh programındaki öğrencilerin çoğunluğu lisans derecesini bir mühendislik alanında tamamlamıştır. Öğrencinin lisans derecesini aldığı mühendislik disiplininde devam etme zorunluluğu yoktur. İlk üç dönemde, Pittsburgh öğrencileri, Mühendisler için Makine Öğrenmesine Giriş, AI Mühendisleri için Sistemler ve Aracı Zincirler, Mühendisler için Derin Öğrenmeye Giriş ve Güvenilir ve Etik AI Mühendisliği gibi zorunlu müfredat dersleri almaktadır.
Pittsburgh öğrencileri yaz stajları yapmaları için teşvik edilmektedir. Ayrıca, profesörlerin sınıf projeleriyle ilgili şirketlerle iş birliği yapmasıyla öğrenciler kurumsal dünyayla da temas ederler. Genellikle, şirketler, profesörle birlikte öğrenciler için projeler önerir veya birlikte projeler geliştirir. İşverenler, Pittsburgh programının ilk mezunlarına karşı şimdiden ilgi göstermektedir.
Mevcut Profesyoneller Disiplinler Arası Çalışmaktadır
“SEI’deki yapay zeka mühendisliği görevleri oldukça geniştir. Araştırmacılar, AI çıktılarını denetlemek ve yorumlamak için denetleme ve yorumlama desenleri gibi temel AI uygulama zorluklarını araştırabilirler. Mühendisler, prototip AI sistemlerini tasarlayabilir, geliştirebilir ve sahaya sürebilirler- teknoloji uygulamalarının hazırlıklarını test ederler. Araştırmacılar ve mühendisler birlikte, yapay zeka mühendisliği uygulamalarının ilerlemesi için kaynakları ortaya çıkarırlar,” diyor Gardner. Ancak SEI, yazılım mühendisliğinde olduğu gibi, yapay zeka mühendisliğini de bir mühendislik disiplini olarak kurma çabası içindedir. SEI’nin kamu ilişkileri müdürü Richard Lynch, 1980’lerden itibaren yazılım mühendisliği için yaptıkları gibi, yapay zeka mühendisliği için de çaba harcadıklarını belirtmektedir. “Yapay zeka mühendisliğinin üç temel direği hakkında önemli belgeler yayınladık. Bunlar, yapay zekanın insan odaklı, ölçeklenebilir, sağlam ve güvenli olması gerektiğidir. Ayrıca, yapay zeka yetenekli bir işgücünün nasıl geliştirileceği konusuyla da ilgileniyoruz,” diyor Lynch. SEI araştırmacılarının Savunma Bakanlığı ajanslarıyla yakın iletişimi, bilgi, beceri ve yetenekleri yapay zeka mühendisliği alanında kazanmanın yollarının işyerinde eğitim içermesi gerektiği konusunda ortak bir anlayışa yol açmıştır. Örneğin, askerler, savaş alanında tehditleri tespit etmek için yapay zeka destekli sistemleri kullanabilirler. Bu tür bir çalışmayı gerçekleştirebilmek için öncelikle veri toplamanın sistemdeki nesne tespitçilerinin sonuçları nasıl etkileyeceğini öğrenmeleri gerekmektedir.
“Gelişigüzel AI hakkında paylaşılan haberler, farklı beceri seviyelerine sahip insanların, farklı disiplinlerden insanların görüşlerini duymamızı sağlıyor. Bu tartışma, insanları bu alana çekiyor. Ayrıca, gelecekteki ve mevcut yapay zeka mühendislerini mevcut etik kurallara nasıl uyacağımızı ve yeni endişeleri nasıl ele alacağımızı tartışmaya teşvik ediyor,” diyor Gardner.
