Искусственный интеллект — главный тренд Кремниевой долины

Все, над чем сейчас работают в Кремниевой Долине, появляется в Москве года через 3–5. Здесь тестируют будущее. Поэтому, приезжая сюда учиться, мы как бы поднимаем занавес и заглядываем наперед. Когда будущее придет в Россию, мы уже будем к нему готовы.

Искусственный интеллект (ИИ) – самый главный тренд. Все алгоритмы, которые хоть что-то начали делать самостоятельно, сразу называются ИИ. Например, чтобы пройти в инкубатор, у тебя должно быть несколько криптохештегов – блокчейн, ИИ и все популярные нынче слова.

Computer Vision

Все большие компании: Google, Facebook, Apple, Amazon в течение последних 5–10 лет работают над автоматизацией процессов, чтобы алгоритмы могли выполнять какие-то значительные куски работы. И они настолько преуспели в этом, что теперь некоторые алгоритмы умеют не только выполнять то, что ты у них просишь, но и получили компьютерное зрение.

Компьютер – это кусок кода, единицы и нули, нули и единицы. Картинка для компьютера – это тоже символы, он не понимает, что там изображено. В Google был огромнейший проект, в котором они сначала попросили людей рассортировать разные картинки и отметить, что на них происходит. А потом передали эти данные компьютеру и научили его понимать и отличать содержание разных картинок. На самом деле пока никто в полной мере не понимает, как это происходит.

Сначала компьютеру дали 100 фотографий котов, потом 100 фотографий собак, а затем – 1000 неразобранных фотографий. И компьютер правильно их разложил. Здесь у нас коты, здесь собаки. Тут улица, тут у нас лес и так далее.

У Google есть доступ ко всей информации мира. И их технология, используя эту информацию, стала понимать не только ключевые слова, но и само изображение. Компьютер становится все умнее и умнее. Раньше он понимал только описание к изображению. Теперь он умеет распознавать детали. Даже если на фото показан коричневый кот на скейтборде на коричневом паркете, он сможет разобрать эту картинку.

Система работает так. Сначала компьютер распознает что-то большое, например, кота. Это первый уровень. Потом ищет дальше: сравнивает объект со своей базой данных и делает это очень-очень быстро. Находит второй уровень — скейтборд. Третий — паркет. А в результате выдает ответ: не просто “кот” или “паркет”, а собранным предложением: “кот катается на скейтборде по паркету”. Это огромный прорыв в технологии Computer Vision.

Machine Learning

Раньше компьютер понимал только текст. Сначала только слова, потом — как слова складываются в предложения и что это за предложения. Теперь он понимает картинки. Если он понимает картинки, значит, он понимает и видео. Потому что 2/3 информации, которая сейчас создается, это не текст.

Когда Интернет только появился он был, как электронная газета. Потому что, когда приходит новая технология, мы сначала используем ее точно также, как использовали старую.

Еще одно важное слово, которое надо знать: Machine Learning (ML) — машинное обучение. Если ИИ — это большая категория, которая описывает вообще все, что делают программы. То ML — это конкретный процесс, который означает, что машина может обучаться и выполнять работу.

Все большие компании работают над этими сферами. У Google и Facebook лучше получается работа с картинками и визуальными файлами. У Twitter — работа с текстами.

Принцип Open source

Большинство ML-алгоритмов имеют — Open source — открытый код, доступный для всех. Ты можешь его взять и использовать для своей базы данных картинок, текстов и т.д.

В Долине люди понимают, что строят будущее. Подход открытого кода определяет успех. Логика такая:

«Если я буду создавать проект у себя в лаборатории, то у меня будет ресурс только моих работников. Пусть даже самых умных на планете. Но если я открою свой код и ко мне начнут приходить тысячи людей, которым тоже это интересно, и они будут работать над этим, то у меня будет много ресурсов и много обратной связи».

Вокруг успешных проектов с открытым кодом создается сильное сообщество со всего мира. Самые разные эксперты и ученые хотят вкладывать свои знания и помогать развиваться. При таком подходе становится неважно мальчик ты или девочка, прошел на работу в Google или нет. На форуме или в социальной сети ты можешь помогать развивать кусок кода или создавать программу. Если ты привносишь что-то хорошое,остальные участники сообщества тебя поддерживают, твоя карма вырастает, у тебя появляется возможность вносить еще больше и находить нужных людей, получать ресурсы.

Даже очень засекреченные технологии типа Apple активно участвуют в конференциях, митапах, хакатонах, чтобы сотрудничать. Потому что они понимают: из-за того что мы разные, вместе мы можем создать что-то большее, чем каждый из нас по отдельности. Здесь люди не прячут свои идеи, а наоборот, рассказывают их как можно большему количеству людей, чтобы понять суть и вырастить свою идею, исходя из фидбэка сообщества.

Существует очень крутой Open AI институт, который основали Илон Маск и Сэм Альтман. Все разработки этого института полностью открыты. А работа над проектами построена по принципам гибкой методологии Agile.


О том, как строится работа по Agile я писал здесь.

От победы в викторине к большому кризису

Есть такая американская игра Jeopardy, тоже самое, что в России “Умники и умницы” или “Своя игра”. В 2011 году суперкомпьютер IBM Watson обыграл сильнейших игроков этой игры. Его специально отключили от сети Интернет и загрузили в него кучу справочник и книг. Но самое сложное было — научить компьютер понимать вопросы, задаваемые на естественном языке. Вопросы в игре ставятся в форме загадки. Иногда логика ответа простая, но иногда компьютер не понимал сути вопроса.

Как объяснить компьютеру, что такое предлог, что такое основное слово, как они между собой взаимодействуют. Три года у IBM ушло на то, чтобы компьютер научился понимать тонкости языка. Следующее, чему он научился: понимал ответы соперников на вопрос. Соперник отвечает неправильно и тогда у Watson’а появляется шанс ответить.

Компьютер работает по тем же принципам, что и с обработкой картинки коричневого кота на коричневом паркете. Сначала есть гипотеза — первый слой. Потом он обрабатывает дополнительные сведения — второй слой. Еще данные — третий слой. И затем он дает ответ. Сейчас Watson считается самым умным компьютером, хотя есть уже много других ИИ.

Такой метод работает во всех алгоритмах, которые работают над распознаванием текстов. Сегодня ИИ может даже анализировать эмоциональное состояние, в котором сказана та или иная фраза или написан текст. Это следующий шаг, который уже начинает пугать людей.

Эти алгоритмы начинают выполнять рутинную монотонную работу. Чем совершеннее алгоритмы, тем больше работы они смогут забирать на себя. Компания McKinsey — международная консалтинговая компания, недавно сообщили, что до 2030 года 800 млн работ будут автоматизированы. Но появится много новых профессий. К тому же 2030 году приблизительно 10% людей будут работать в профессиях, которых раньше не существовало вообще. 30% должны будут переквалифицироваться, потому что они потеряют работу из-за автоматизации.

Это приведет к кризису, возможно, даже в ближайшие 5 лет.

Что дальше?

В какой бы сфере не работали предприниматели, им стоит обратить внимание на чат-боты. С их помощью упрощают и автоматизирую некоторые процессы. Их сейчас внедряют абсолютно во все индустрии.

Предприниматели Долины собирают все-все цифры, которые могут собрать и анализировать. Говорят, что сейчас мы живем в эпоху диджитализации наших данных. Мы уже меряем наши шаги, GPS трекает наши перемещения — мы на этапе оцифровки нашей жизни.

Второй этап — что-то понять из этих данных. И именно в этом нам помогут алгоритмы.

Алгоритм не бывает уставшим, он не пьет, у него нет выходного, у него не болеет ребенок. У него есть ряд преимуществ, недоступных человеку. Но где алгоритм никогда не заменит человека, так это в креативности и в сервисном бизнесе. Потому что людям нужно человеческое общение.

Люди создают ИИ не для того, чтобы заменить простых сотрудников программой. Алгоритмы нужны, чтобы освободить руки и приумножить возможности.


Любое использование статьи разрешается только при указании прямой ссылки на источник.

Автор: Руслан Гафаров
Читайте также
Радислав Гандапас с курсом "Эмоциональный интеллект" в Уфе
Узнай, как это было?
Как мы подводим итоги месяца по работе команды
Инструменты американских компаний мы внедряем в свою команду, а о самых эффективных рассказываем в блоге. Например, каждый месяц, кроме подсчета зарплаты, мы анализируем индекс лояльности каждого члена команды и другие показатели. В этой статье подробно рассказали, как это происходит.
Кого нанимают, продвигают и увольняют в Valve
Директор по VR/AR из Google однажды сказал нам: «Корпоративная культура компании – это не то, какие футболки носят сотрудники, как устроены офисы и есть ли бесплатная еда». Это то, каких сотрудников нанимают, продвигают и увольняют в компании. Мы спросили об этом в Valve.