Johnson & Johnson — глобальная медицинская компания, работающая в сфере инновационных лекарственных препаратов и медицинских технологий. Её команды разрабатывают решения в области онкологии, иммунологии, неврологии, специализированной офтальмологии, интервенционной медицины и ортопедии, объединяя науку и технологии для решения сложных задач в сфере здравоохранения. Компания также уделяет особое внимание равенству в вопросах здоровья, экологической устойчивости, многообразию и инклюзивности, помогая медицинским специалистам, пациентам и сообществам по всему миру.
Старший научный сотрудник по безопасности ИИ — Johnson & Johnson, гибридный формат, Мадрид
Руководите исследованиями безопасности ИИ для фармацевтической R&D-платформы Johnson & Johnson, уделяя внимание проверяемым средствам контроля, противодействию атакам и архитектурам, ориентированным на безопасность. Гибридная работа в Мадриде или Барселоне.
Описание
- Устанавливать детерминированные и объяснимые средства контроля для агентных рабочих процессов.
- Создавать машиночитаемые политики поведения агентов, использования инструментов, доступа к данным и информационных потоков.
- Внедрять контролируемое с возможностью аудита исполнение действий агентов с высоким уровнем воздействия, включая маршруты согласования человеком.
- Предоставлять понятные интерфейсы политик, позволяющие владельцам создавать, тестировать и поддерживать средства контроля.
- Разрабатывать непрерывные подходы к red team-тестированию, объединяющие модели угроз ИИ со сценариями сбоев фармацевтических исследований и разработок.
- Интегрировать adversarial-тестирование в GenAI Platform для моделей, агентов, инструментов и полноценных рабочих процессов.
- Определять методы оценки, правила вынесения решений и пороговые требования к доказательствам для свойств безопасности.
- Исследовать и прототипировать архитектуры, ориентированные на безопасность и основанные на многоуровневых технических средствах контроля.
- Оценивать вмешательства в данные до обучения и методы после обучения, такие как обучение с учителем, оптимизация предпочтений и настройка безопасности.
- Преобразовывать научные, качественные, конфиденциальные и регуляторные обязательства в проверяемые спецификации систем.
- Устанавливать меры ответственности и требования к доказательствам для заявлений о безопасности ИИ.
- Поддерживать прослеживаемые и реконструируемые решения о средствах контроля для аудиторских доказательств.
- Сотрудничать с научными сотрудниками R&D, командами платформенной инженерии, безопасности, конфиденциальности, юристами и специалистами по качеству.
- Руководить научной работой небольшой кросс-функциональной команды и представлять ее результаты в публикациях и вкладе в стандарты.
- Разрабатывать прототипы, определять техническое направление и совместно с инженерными партнерами переводить результаты в платформу.
Требования
- Требуется степень PhD в области компьютерных наук, ИИ/машинного обучения, прикладной математики или близкой технической дисциплины.
- Не менее одного года исследовательского или отраслевого опыта после защиты PhD в разработке и внедрении ИИ/машинного обучения, автономных агентов или систем, критичных для безопасности.
- Продвинутые практические знания агентного ИИ, включая базовые модели, генерацию с дополнением поиска, оркестрацию инструментов, память, планирование, многоагентные фреймворки и связанные с ними режимы отказа.
- Исследовательский или прикладной опыт в области безопасности и выравнивания ИИ, включая обучение с учителем, оптимизацию предпочтений, настройку безопасности, adversarial-оценку, интерпретируемость или масштабируемый надзор.
- Экспертность как минимум в одной области: политики как код и авторизация; adversarial-машинное обучение и red teaming ИИ; контроль информационных потоков или доступа к данным; происхождение и цепочка данных; либо формальная спецификация и верификация.
- Сильные инженерные навыки в области ИИ, включая прототипирование методов оценки и контроля, проведение воспроизводимых экспериментов и создание готового к промышленной эксплуатации кода.
- Отличные навыки письменной и устной коммуникации.
- Научная строгость в описании поведения моделей и агентов, неопределенности, ограничений, условий отказа и подтверждающих доказательств.
- Наличие публикаций или иным образом признанных работ в ведущих профильных журналах или на конференциях будет преимуществом.
- Опыт адаптации базовых моделей для научных областей и оценки их свойств безопасности будет преимуществом.
- Практический опыт работы с движками политик, языками авторизации или формальными спецификациями политик будет преимуществом.
- Знакомство с MITRE ATLAS, рекомендациями OWASP для LLM, NIST AI RMF, ISO/IEC 42001 или Законом ЕС об ИИ будет преимуществом.
- Опыт классификации и обезличивания данных, а также машинного обучения с сохранением конфиденциальности будет преимуществом.
- Опыт внедрения ИИ в биологических науках или другой регулируемой сфере с высокими рисками будет преимуществом.
- Знакомство с GxP, целостностью данных и валидацией компьютеризированных систем с поддержкой ИИ будет преимуществом.
- Опыт оценки сторонних технологий безопасности, оценки или контроля ИИ будет преимуществом.
- Опыт создания повторно используемых возможностей безопасности ИИ, внедренных несколькими командами, будет преимуществом.
Преимущества
- Ежегодный бонус с целевым размером, определяемым уровнем оплаты и местоположением, на основе индивидуальных и корпоративных результатов.
- Оплачиваемый отпуск.
- Не менее 12 недель отпуска по уходу за ребенком.
- Отпуск в связи с утратой близкого человека.
- Отпуск для ухода за близкими.
- Отпуск для волонтерской деятельности.
- Компенсация расходов на благополучие.
- Программы финансового, физического и психологического здоровья.
- Награды за годовщины работы и признание достижений.
- Страховое покрытие для сотрудников и, в некоторых местоположениях, имеющих право на него иждивенцев.