— Здравствуйте, Константин. Давайте начнем с классического образования. Где и на кого вы учились после школы? 

После школы я поступил в Сибирский государственный университет телекоммуникаций и информатики (СибГУТИ) на факультет «Экономика и управление по отраслям». На тот момент казалось, что быть экономистом очень хорошо и перспективно. Ну и родители подсказали.

— С чего началась и как развивалась карьера?

Начинал я менеджером по продажам в компании «Телетрейд». Но быстро понял, что продаю услугу по законному отъему денег у доверчивых людей, и ушел из компании. 

Изначально хотелось связать жизнь с финансовыми рынками, числами и красивыми графиками, но в своем городе найти работу мечты не удалось. В итоге устроился менеджером по продажам в компанию «Лабатон», она занималась продажей и сервисным обслуживанием офисной техники. Спустя некоторое время я стал ее директором и учредителем.

— Как она изменилась с тех пор?

Та компания, в которую я устраивался, и текущая — это, как говорится, две большие разницы. Я начал развивать оказание IT-услуг, создание инфраструктурных проектов. Добился высокой степени автоматизации компании, и это сказалось на численности и составе персонала — его стало заметно меньше. Сейчас в компании работает 5 человек.  

— Что за IT-проекты, расскажите, что делаете и для кого?

Один из первых наших проектов был для Новосибирского монтажного техникума. Для них была внедрена инфраструктура на базе MS Windows 2008R2: два доменных контроллера, DHCP. Файрвол — Allied Telesis, фильтрация контента — UserGate Web Filter. 

Cтуденты техникума — это довольно агрессивная среда в плане информационной безопасности, так что мы реализовали групповые политики, сильно ограничивающие действия студентов. Для разных студентов — разные политики.

Сейчас мы запускаем свой сервис облачного видеонаблюдения с сильной видеоаналитикой. Например, распознаванием лиц и объектов, подсчетом посетителей, распознаванием автомобильных номеров.

Даже продажи многофункциональных печатающих устройств с системами управления документами (доступ к МФУ по карте, квотирование печати, подсчет затрат на печать) становятся иногда емкими ИТ-проектами, потому что включают развертывание инфраструктуры на базе MS Windows Server 2016, MDS и программного обеспечения для автоматического распознавания текста и таблиц.

— Вы сильно изменили профиль компании. Наверное, многому приходилось учиться в процессе?

Да, постоянно приходилось что-то осваивать. Например, я прошел группу курсов Microsoft на получение сертификата MSCA — Microsoft Certified Solutions Associate (этот статус подтверждает наличие основных базовых навыков работы с технологиями Microsoft - прим. ред.).

В 33 года я прошёл курс повышения квалификации в НГТУ «Программист за 1 год». Помимо программистских навыков, в 2015 году получил степень MBA в Московской бизнес-школе, где также прошёл много небольших курсов, в том числе по интернет-маркетингу, HTML и CSS. 

— Ваша компания была на «Цифровом прорыве» в Казани. Какой проект там представляли?

Мы показывали там проект для «Газпрома» — прогнозирование ширины стенки трубы нефтепровода, исходя из показаний датчиков дефектоскопа. В финале в Казани мы заняли седьмое место в своей категории, а на региональном этапе до этого были победителями. Для участия построили прогнозную модель аварийности в ЖКХ. Взаимодействие с моделью производилось через web-сервис, созданный нами. И в финале, и на региональном этапе конкурса я был лидером команды и специалистом по машинному обучению.

— Интересный опыт! А какие у вас повседневные рабочие обязанности?

Я директор. Директор – человек, который может компанию вырастить, сделать прибыльной или убить. Чтобы принимать правильные решения, необходимо анализировать рынок, пытаться его прогнозировать. Не все проходит гладко — были две неудачные попытки запустить новое направление на пустом рынке.  Последствия были печальны, компания понесла финансовые потери, пришлось распустить персонал.

Также для тестирования тех или иных бизнес-идей необходимо задействовать инструменты интернет-маркетинга. Сайты я делаю сам. Часто и инструменты продвижения выбираю, и настраиваю их самостоятельно. Ну и конечно, на мне управление персоналом: планирование, организация, мотивация, контроль.

— Хм, вас можно назвать профессионально состоявшимся человеком. Зачем тогда вы пошли учиться в GB?

Мне работать до пенсии еще 29 лет. За 29 лет изменится вся наша жизнь — как трудовая, так и личная. Когда я учился в 2000 году на первом курсе, самым современным средством коммуникации был пейджер. А сейчас уже мало кто вспомнит, что это вообще такое.

Я хотел бы возглавить изменения, происходящие в нашей жизни. Мне нужны были знания в области искусственного интеллекта, ведь он будет внедряться в личной и корпоративной жизни все больше и больше. Именно поэтому я выбрал именно это направление для обучения. GeekBrains я предпочел из-за фундаментального подхода к обучению, здесь одинаково хорошо даются азы и продвинутая часть материала.

— Раньше самостоятельно что-то изучали в области искусственного интеллекта? 

Я начинал самостоятельно изучать статистику, комбинаторику, теорию вероятностей. Прошел курс Python для Data Science на Coursera. Последний хоть и позиционировался для всех, но математику там давали очень поверхностно, упор делался уже на прикладную часть. Обучение шло долго и не очень результативно. Но статистику я хорошо освоил.

— Что было самым интересным во время обучения в GeekBrains, какие задания нравилось выполнять?

Больше всего нравилось выполнять задания, привязанные к жизни. Например, прогнозирование цены квартиры, исходя из определенных параметров.

— Руководители компаний обычно заняты весь день. Как удавалось совмещать работу и учёбу?

Иногда обучение проходит иногда вечерами, но чаще я просыпался на 1,5 часа раньше и слушал лекции или выполнял задания. Из-за разницы во времени я почти никогда не слушал преподавателей в реальном времени. Только в записи.

— Какие приёмы помогали справляться с нагрузкой?

Самые продуктивные часы – это утренние часы. Старайтесь сложные задания или лекции выполнять именно в часы наивысшей продуктивности. Если задача не решается вообще, оставьте её на день, решение обязательно придет.

— Что и как из новых знаний вы применяете в своей компании?

Сейчас я использую методы машинного обучения в анализе внутренних и внешних данных компании для прогнозирования спроса на продукцию и услуги. Создаю системы для автоматического сбора информации.

У нас небольшая компания, и когда дело касается сбора информации, ее анализа и построения прогноза, я все делаю сам. Собираю информацию, анализирую движение товаров у поставщиков (благо у многих есть API). Соотношу эту информацию с отгрузками в своей компании. 

Есть ещё один проект, который пока не реализован в полной мере. Я собираю информацию о продаже коммерческой и некоммерческой недвижимости и обобщаю её. Веду мониторинг количества вакансий в регионе, а также мониторинг экономических показателей региона. Имея всю эту информацию, можно искать зависимости с целью прогнозирования спроса. 

Машинное обучение я также использую на финансовых рынках для статистических арбитражных стратегий, прогноза цен активов, исходя из большого количества факторов.

Вообще, при появлении нового бизнес-процесса в компании я в первую очередь думаю, как его реализовать без или с минимальным участием человека. И в этом мне очень помогают инструменты ИИ.

Начать свое дело

Пять лет назад я решил основать собственный бизнес. До этого с момента окончания вуза я работал программистом 1С, прошел путь от рядового сотрудника до руководителя проектов. За несколько лет в этой сфере я изучил подводные течения рынка, проблемы и потребности клиентов. Из-за медлительности исполнителей, лишней функциональности ПО и банальных сбоев системы крупные компании за одну ночь могли лишиться миллионной прибыли. Со временем у меня сформировалась идея, как автоматизировать типовые процессы в финансовом учете. Чтобы заняться этим, надо было перестать быть наемным сотрудником — лоббирование идей часто отнимает больше сил, чем их воплощение. 

Я хотел начать собственный бизнес, связанный с 1С, не столько из-за финансов, сколько из желания предоставлять качественные услуги и идти в ногу со временем. Поэтому и получилось развить свое дело, нанять штат специалистов, сотрудничать с крупными клиентами. Этот же подход и высшее образование программиста всегда помогали мне следить за трендами в IT и управлении бизнесом. Я заинтересовался технологиями интеграции машины и человека, мобильными приложениями, интерфейсами и автоматизацией.

Понять, чему учиться дальше

Этот интерес привел меня к тому, что пару лет назад я увлекся разработкой приложений на iOS. Изучая материалы в интернете, наткнулся на портал GeekBrains. Посмотрел несколько вебинаров, изучил блог и описания курсов. В итоге начал обучение по профессии «iOS-разработчик». Вскоре отметил, насколько качественно и быстро сегодня можно получить специальность в IT.

В итоге получилось несколько мобильных приложений для клиентов. Одно из них для сети кофеен — помогает принимать товар с завода через мобильный, быстро отмечать информацию о расхождениях, а также фотографировать брак, данные о котором тут же отправляются в базу завода.

Наша компания специализируется на автоматизации финансового и управленческого учета, бухгалтерском и управленческом аутсорсинге. Поэтому мне хотелось разобраться, куда движется сфера финансов. Основные тренды сводились к оптимизации и автоматизации процессов. Так я погрузился в блокчейн-технологии, а затем и в Data Science. 

В стратегию бизнеса на ближайшие пять лет я включил внедрение в делопроизводство машинного обучения. Мне это интересно не только как человеку из IT — я действительно вижу в этом возможность для бизнеса перейти на качественно новый уровень.

Мы занимаемся корпоративным сопровождением — у наших клиентов (каждый — от 20 пользователей) ежедневно возникают вопросы и задачи. И большинство из них — типовые, которые можно легко сортировать и решать без участия человека. Это может здорово сэкономить время и ресурсы, необходимые для расширения клиентской базы, улучшения качества услуг. А в итоге — увеличить прибыль. 

Я начал читать книги и статьи. Но в этой области без фундаментального образования не обойтись. А в GeekUniversity как раз стартовал факультет искусственного интеллекта. Я планировал отправить на обучение нескольких сотрудников, но захотелось сначала попробовать самому. Так в апреле 2019 года я снова стал студентом, на этот раз в онлайне.

Просыпаться и заниматься

Имея свой бизнес, невозможно выделять время на обучение каждый вечер. Так что я сдвинул режим сна и стал заниматься по утрам. Теперь ложусь в 23 часа и встаю в 5. Есть очевидный плюс: когда занимаюсь, голова свежая и никто не беспокоит. Вебинары просматриваю на удвоенной скорости — удобно при дефиците времени.

Больших сложностей в обучении нет, мне хватает 4–8 часов в неделю, в том числе на практические задания. Но иногда требуется намного больше — особенно когда берешься за задачи «со звездочкой». Скорее всего, дальше будет сложнее, так как пока мы прошли только вводную часть. Но польза от обучения уже есть. По подаче и актуальности курс мне нравится. Уже думаю над тем, кого из сотрудников наградить поступлением в GeekUniversity.

И сразу использовать знания 

Изученные возможности я уже внедряю в бизнес. В компании мы запустили процессы DevOps. Много времени уходит на организацию совместной разработки и загрузки изменений в продакшн у клиента. Особенно когда клиент работает с раннего утра до 23 часов — тогда возможность внести изменения в его базу есть только ночью. Внедрение Git и сопутствующих технологий позволило автоматизировать процесс и разгрузить разработчиков.

На Python пишем нагрузочные тесты для веб-сервисов. Получается хорошо — благодаря простому и удобному синтаксису, а также богатым библиотекам. 

По мотивам курса по Linux и облачным вычислениям меняем свою инфраструктуру. Мы разрабатываем свой сервис для корпоративной поддержки клиентов, поэтому задача по организации базы для этого сервиса очень кстати.

Вообще мне кажется, что технологии искусственного интеллекта и машинного обучения рано или поздно проникнут во все сферы и любой бизнес. И это не страшилка о том, что роботы заменят людей, — напротив, спрос на человеческие ресурсы только вырастет.

Но что произойдет точно, так это улучшится качество услуг. В 1С вижу огромный потенциал для развития как на стороне клиентов, так и на нашей — у интегратора. Сейчас много времени тратится на однотипную работу. Внедрение машинного обучения в работу по обращениям пользователей — наш следующий шаг. Далее — онлайн-отслеживание ошибок на стороне клиента.

Искусственный интеллект — одна из самых захватывающих тем фантастики XX века — делает невероятные успехи. Мы постоянно используем ИИ в повседневной жизни, зачастую сами того не подозревая. Тем не менее и сегодня искусственный разум не сходит со страниц фантастических романов и экранов кинотеатров. Кто-то из авторов рисует страшные картины порабощенного машиной человечества, а другие, напротив, видят в ИИ верного помощника и друга человека. 

Где истина и что такое на самом деле искусственный интеллект? Превзойдет ли он когда-нибудь возможности человеческого разума? Или это уже произошло? GeekBrains готов ответить на самые популярные вопросы об искусственном интеллекте и перспективах его использования.

Что такое искусственный интеллект?

Искусственный интеллект (сокращенно — ИИ) — размытое понятие, и общепринятого определения у него до сих пор нет. В середине XX века, когда на Дартмутском семинаре впервые прозвучал этот термин, авторы вкладывали в него значение, существенно отличающееся от современных. Тогда ученые полагали, что искусственный интеллект — это система, которая будет способна переводить тексты с одного языка на другой, распознавать объекты по фото или видео, улавливать смысл произнесенных фраз и адекватно на них отвечать. Нынешние ИИ умеют все это! Но можем ли мы считать, что цели достигнуты и искусственный интеллект уже создан?

Вряд ли. Ведь чем дальше мы продвигаемся по пути создания искусственного разума и чем более впечатляющих успехов достигаем, тем больше требований выдвигаем к ИИ. 

Некоторые ученые строят сложные теории на стыке философии и информатики, пытаясь определить, что же такое ИИ и каковы должны быть характеристики системы, чтобы считать ее разумной. Не вдаваясь в подробности, можно сказать, что интеллект определяется как способность к обучению, осознанию и применению знаний на практике. Следовательно, от искусственного интеллекта мы тоже вправе ожидать умения учиться, осознавать свои знания и использовать их. С первой и последней задачами современные ИИ вполне справляются!

Летом 1956 года в Дартмуте ученые собрались на семинар, посвященный вопросам искусственного интеллекта (там и был сформулирован этот термин), а уже в следующем году появилась концепция первой искусственной нейросети — перцептрон. В 1960 году Фрэнк Розенблатт создал на основе этой концепции компьютер «Марк-1». Первый в мире нейрокомпьютер учили распознавать буквы латинского алфавита. Но несовершенство техники 60-х и сложность процессов не позволили довести технологию до ума, а ее разработчик вскоре погиб. О нейрокомпьютерах забыли на 20 лет.

Лишь в 1980-е концепции нейросетей снова принялись изучать всерьез. Техника уже была достаточно мощной, да и критиков поубавилось: умная электроника быстро делала успехи. То, что два десятилетия назад казалось мечтой, стало выглядеть вполне реальным и достижимым. Впрочем, чтобы найти правильные подходы к обучению нейросетей, потребовалось еще 20 лет. Только в середине 2000-х ученые нащупали верный путь и искусственные нейросети начали свое победное шествие по планете.

Но прежде чем описывать их успехи, разберемся, как устроены эти сети.

Описание искусственного нейрона

Искусственные нейронные сети создавались как математическая модель человеческого мозга. Для этого ученым Уоррену Мак-Каллоку и Уолтеру Питтсу пришлось выработать теорию деятельности человеческого мозга. 

В нем отдельные нейроны представляют собой живые клетки со сложным устройством. У каждого нейрона есть дендриты — разветвленные отростки, способные обмениваться сигналами с другими нейронами через синапсы, а также один аксон — более крупный отросток, отвечающий за передачу импульса от нейрона. Часть синапсов отвечает за возбуждение нейрона, часть — за торможение. От того, какие сигналы и через какие синаптические связи придут на «вход» нейрона, будут зависеть и те импульсы, которые он передаст другим нейронам. 

Для искусственного нейрона физический носитель не нужен. По большому счету, он представляет собой математическую функцию. Ее задача — получить информацию (например, сигналы от множества других искусственных нейронов), обработать ее определенным образом, а затем выдать результат на «аксон» — выход. В искусственной сети нейроны принято делить на три типа:

• входные — каждый из этих нейронов получает на «вход» элемент исходной информации (например, одну точку изображения, если сеть распознает фотографии);
• промежуточные — обрабатывают информацию;
• выходные — выдают результат (при распознавании фото результатом может быть идентификатор изображенного объекта).

Сама нейросеть создается слоями, как пирог. Один из внешних слоев содержит входные нейроны, другой — выходные, а между ними могут располагаться один или несколько промежуточных. Каждый нейрон промежуточной сети соединен с множеством нейронов из двух окружающих слоев. Общение между нейронами обеспечивается с помощью весов — числовых значений, которые каждый нейрон вычисляет на основе данных, полученных от предыдущего слоя сети. 

Создавая искусственные нейронные сети, ученые ориентировались на устройство человеческого мозга. Поэтому принципы поведения рукотворных нейронов не так уж сильно отличаются от настоящих, живых. Может быть, и разум, который сможет развиться на основе таких нейросетей, будет приближен к человеческому?

Отличие искусственного интеллекта от естественного

Вопрос, чем ИИ отличается от естественного интеллекта, на самом деле лежит скорее в философской плоскости, чем в строго научной. И дело даже не в том, что мы не можем представить себе, на что будет похож (или не похож) искусственно созданный разум. Вообразить мы как раз способны что угодно — и писатели-фантасты многократно это доказали. Дело в том, что ни один искусственный интеллект, существующий на сегодняшний день, не достиг достаточно высокого уровня развития, чтобы состязаться с человеком на равных.

Существует точка зрения, высказанная философом Джоном Серлом еще в 1980-е годы. Он ввел термины «сильный ИИ» и «слабый ИИ». Сильный искусственный интеллект, по мнению ученого, может осознавать себя и мыслить подобно человеку. Слабый на это не способен. 

Сегодняшние ИИ, если классифицировать их по Серлу, однозначно относятся к слабым, поскольку ни у одного из них пока не зародилось самосознания. Наши искусственные нейросети распознают лица и рисуют странные, невероятные картины, читают рукописный текст и даже складывают стихи — но они и создавались исключительно для этих целей. Ни одна из этих нейросетей не способна передумать и выбрать для себя другую «специальность». Они делают лишь то, чему их обучили, и в некотором смысле их можно считать запрограммированными на выполнение этих задач. Подлинного понимания, что стоит за этими вещами, у них нет. Серл утверждал, что построение сильного ИИ в принципе невозможно.

Еще один философ, Хьюберт Дрейфус, также полагал, что компьютерные системы никогда не смогут сравняться с человеком — так как в своей разумной деятельности он опирается не только на усвоенные знания, но и эмпирический опыт. Компьютеры им не обладают по определению — следовательно, не судьба им развить собственный разум.

Но эти самоуверенные утверждения были сделаны во времена, когда нейросети делали только первые шаги. Сегодня, глядя на их успехи в обучении, нетрудно поверить в реальность ИИ, который сможет стать равным человеку, а то и превзойти его.

 Как сравнить человеческий и компьютерный интеллекты?

Постойте, а как мы вообще можем определить, достиг ли искусственный интеллект человеческого уровня или нет?

Можно предположить, что один из критериев — наличие чувств и эмоций, а также креативность. Если машина начала испытывать страх или любовь, если она вдруг решила написать стихотворение или нарисовать картину — разве это не будет проявлением разума?

Вполне возможно. Однако чувства есть и у животных, и у птиц. При этом на вопрос об их разумности (тем более — равенстве их разума человеческому) мы чаще отвечаем отрицательно. К тому же, чувства можно и запрограммировать — в большинстве они являются реакцией на конкретные внешние раздражители. Наконец, у нас попросту нет данных о том, смогут ли компьютеры когда-нибудь испытывать эмоции, сравнимые с человеческими. Но должны ли их чувства быть похожими на наши?

Может, более надежный критерий — самосознание? Если машина задается вопросом «Кто я?» — это и есть момент появления разумности? Но самосознание присутствует и у животных. При этом большинство людей вполне способны прожить свой век, не вникая в глубокие философские вопросы.

Существуют ли более точные и строгие методы для сравнения интеллектов? Ведь есть же коэффициент IQ, с помощью которого можно оценить умственные способности человека. Почему бы не использовать его для машины?

 У компьютерных программ есть IQ?

Измерить интеллект даже у человека невероятно сложно — к когнитивным и мыслительным способностям нельзя приложить линейку. Более того, IQ — показатель не абсолютный, а относительный. Некоторые ученые вообще считают, что тесты IQ измеряют не интеллект как таковой, а способность проходить такие тесты. Ее можно натренировать и получить блестящий результат — но интеллект при этом, разумеется, не изменится. Так что показатель IQ — не более чем число, которое связано с интеллектом, но не может дать его объективную оценку. 

В некоторых IQ-тестах преобладают задачи на наблюдательность или логику, в других — на комбинаторику, в третьих — на математическое мышление. Результат будет зависеть от того, что дается человеку легче и в чем он компетентнее. Значение имеют скорость прохождения тестов и специализация задач. 

ИИ тоже можно «натаскать» на решение определенных классов задач, и на IQ-тест у машины уйдет куда меньше времени, чем у человека. Так что нейросеть сможет набирать немыслимые для гениальных людей баллы, но при этом будет не способна ответить на простейшие вопросы, к которым ее при обучении не подготовили.

Так существуют ли вообще критерии, по которым можно объективно судить о машинном интеллекте? Одним из первых исследователей, попытавшихся выработать их, стал известный британский математик Алан Тьюринг. 

Что такое тест Тьюринга?

В 1950 году Тьюринг опубликовал статью «Вычислительные машины и разум», в которой обсуждал вопросы теоретической возможности мышления у машин. Это было не первое исследование на тему искусственного интеллекта и даже не первая подобная работа Тьюринга, но именно она стала отправной точкой серьезных научных дискуссий и споров. 

Тьюринг начал с определений, чтобы уточнить вопрос о том, может ли машина думать, — он показался ему слишком размытым. Что за машина имеется в виду? Что вообще означает «думать»?.. Было очевидно, что такой вопрос изначально несет в себе иррациональное зерно, которое не позволит дать на него правильный ответ. Результатом размышлений ученого стал тест Тьюринга — эксперимент, в котором человеку («судье») предлагается общаться с двумя собеседниками: человеком и компьютером. Задача судьи — понять, кто есть кто. Если в результате он не уверен, который из его собеседников — программа, или ошибся в оценке, считается, что машина прошла тест.

Суть теста Тьюринга не в создании «машины-обманщика», способной притвориться человеком. Он помогает убедиться в том, что конкретная машина или программа обладает разумом, который трудно отличить от человеческого. Такой компьютер Тьюринг назвал «интеллектуальным» — этому определению уже более 60 лет, и оно остается актуальным.

Процессоры для ИИ

Технологии ИИ не ограничиваются программными решениями. Сегодня активно разрабатываются электронные чипы, в которые поддержка ИИ встроена на аппаратном уровне. Микропроцессоры такого типа называют нейронными процессорами. Они применяются в беспилотных автомобилях и летательных аппаратах (дронах), промышленных роботах и автоматах, а также для решения специализированных задач — распознавания голоса или изображений, создания поисковых систем и машинных переводчиков.

Среди таких девайсов — тензорный процессор Google (TPU), созданный специально для систем машинного обучения. В свободной продаже этого устройства пока нет: его использует только сама компания Google — для оптимизации поисковой выдачи и обработки фотографий. TPU оперирует 8-битными числами (что чрезвычайно мало для точных вычислений), и имеет чуть более десятка команд (другие современные процессоры могут располагать сотнями). Но это не мешает тензорному процессору эффективно выполнять расчеты, связанные с искусственным интеллектом и нейросетями. Процессор быстро развивается — Google каждый год выкатывает новую версию. 

Тензорный процессор Google Tensor Processing Unit 3.0 (TPU)

Есть и другие разработки подобных чипов. Многие из них — узкоспециализированные: к примеру, предназначены ускорять программы ИИ для компьютерного зрения.

Рынок технологий искусственного интеллекта

Технологии искусственного интеллекта применяются практически во всех сферах человеческой деятельности, так что у искусственного интеллекта большое будущее. Рынок продуктов, использующих ИИ, стремительно растет.

Мировой рынок

К 2022 году прогнозируемый объем рынка ИИ достигнет 52 миллиардов долларов. Возможно, это не такая уж большая цифра — к примеру, рынок компьютерных игр к этому же году превысит 130 миллиардов, а рынок смартфонов уже в 2018 был в 10 раз больше — 520 миллиардов. 

Но рынок ИИ показывает беспримерно высокий рост — по некоторым оценкам, он увеличивается примерно на 30 % ежегодно (аналогичные показатели для игр и смартфонов — около 5 %). Если такие темпы внедрения технологий сохранятся еще несколько лет, можно ожидать, что скоро искусственный интеллект будет буквально повсюду.

Свой вклад в развитие ИИ вносят крупнейшие мировые IT-компании: Google, IBM, Intel, Nvidia. Среди стран лидируют США, Китай и Великобритания. 

В России

Если в 2017 году проектов с использованием ИИ в России было всего несколько десятков, то в 2018 — уже сотни. По прогнозам экспертов, к 2020 году объем рынка достигнет 28 миллиардов рублей (примерно 450 миллионов долларов). Активнее всего новые технологии используются в финансовой сфере, а также телекоммуникациях, ритейле и энергетике. Некоторые компании нанимают команды специалистов, занимающихся исключительно вопросами разработки и внедрения систем ИИ.

Несмотря на то, что рост рынка идет в целом даже быстрее, чем в мире, есть проблемы. Главной бедой остается нехватка специалистов по машинному обучению. Значит, самое время заняться изучением ИИ, чтобы получить востребованную специальность и высокооплачиваемую работу.

Влияние искусственного интеллекта на рынок труда

Уже сегодня существуют области, где ИИ может заменить человека. Например, приложения могут отвечать клиентам по телефону или в чате на несложные вопросы. Это позволяет оптимизировать нагрузку операторов call-центров и даже сократить их штат. 

На производстве ИИ способен управлять автоматикой и промышленными роботами. Искусственная нейросеть, постоянно контролирующая показатели множества датчиков, сумеет быстрее человека среагировать на нештатную ситуацию и предпринять правильные меры — отключить конвейер или остановить механизмы. Во многих случаях такие системы могут заранее предсказать неполадки и предотвратить ЧП. 

ИИ будет вытеснять людей с рабочих мест. Он обходится дешевле и допускает меньше ошибок. Не умеет лениться, прокрастинировать и зависать в фейсбуке, не нуждается в отдыхе, сне и отпуске, не грустит и не устает. Идеальный работник.

В первую очередь искусственные нейросети потеснят человека в выполнении рутинных операций, возьмут на себя сложные расчеты, оценку рисков, сбор информации, моделирование ситуаций по заданным параметрам. ИИ можно задействовать на опасных и вредных производствах.

Но люди по-прежнему будут нужны там, где роботы еще долго не сумеют составить им конкуренцию. И речь не только о творческой сфере. ИИ пока способен выполнять только узкоспециализированные задачи, на которые его натренировали, поэтому заменить людей могут в той же мере, что калькулятор — математика. При этом развитие технологий ИИ открывает огромный рынок труда для специалистов, связанных с машинным обучением и обслуживанием интеллектуальной техники.

Где используется ИИ?

Говоря кратко — почти везде! 

Не так уж много осталось сфер человеческой деятельности, совсем не затронутых технологиями ИИ. Рассмотрим только самые важные области, где ИИ уже используется.

ИИ в интернете

Всякий раз, когда вы произносите «Окей, Гугл» или «Привет, Сири», вы обращаетесь к искусственному интеллекту в вашем смартфоне. Он способен распознать в сигнале с микрофона обращенную к нему речь. Он записывает ваш вопрос и пересылает на серверы Google или Apple. Там к делу подключается второй ИИ, который распознает речь и переводит вопрос в понятный компьютеру формат. А затем третий выполняет поиск ответа по гигантским базам данных. Наконец, ответ возвращается на ваш смартфон, где ИИ, генерирующий человеческий голос, озвучивает его для вас. И все это за доли секунды.

ИИ на транспорте и в логистике

Впечатляющее применение искусственных нейросетей — беспилотные автомобили. За последнее десятилетие разрабатывать машину, которая была бы способна самостоятельно перемещаться по дорогам, взялись многие автопроизводители — General Motors, Nissan, BMW, Honda, Volkswagen, Audi, Volvo, а также компании Google и Tesla. Беспилотники пока не стали массовым явлением на улицах наших городов, но они явно делают успехи. 

Компания Amazon с 2013 года разрабатывает идею доставки товаров и почтовых отправлений с помощью дронов. Впервые посылка прибыла к получателю с беспилотным летательным аппаратом еще в декабре 2016. В некоторых регионах дронами доставляют еду, лекарства и даже портативные дефибрилляторы. Система пока не идеальна, но она продолжает развиваться. К сожалению, дроны могут служить и противозаконным целям: зафиксированы случаи доставки запрещенных предметов в тюрьмы с помощью беспилотников, а также использование дронов для перевозки наркотиков.

ИИ в финансах

В финансовой сфере ИИ применяют для прогнозирования рисков, выявления мошенничества. Корпорация MasterCard, создавшая международную платежную систему, несколько лет назад внедрила сервис Decision Intelligence. Он призван повысить точность подтверждения подлинных транзакций и снизить вероятность ложных отклонений платежей — это ошибочное срабатывание встроенной системы безопасности, которая не позволяет совершить корректную транзакцию, принятую за мошенническую. Подобные ошибки наносят вред как продавцу, теряющему клиента, так и покупателю, не получающему товар. Убытки получаются даже выше, чем ущерб от мошенничества. 

Система, работающая на искусственной нейросети, использует информацию из множества источников, чтобы на лету оценивать, насколько транзакция «нормальна». Учитывается не только надежность и история транзакций продавца, но даже типичность покупки для покупателя и его местоположение, а также время суток. Все это помогает надежнее защитить людей от мошенничества и минимизировать ложные срабатывания.

ИИ в медицине

В здравоохранении ИИ развивается в первую очередь в области диагностики заболеваний. Искусственные нейросети научились распознавать раковые опухоли на рентгеновских снимках, КТ, маммографии и МРТ. Опытному врачу на изучение снимка требуется около 20 минут, а нейросети — считаные секунды. Так что пациент может узнать результаты обследования практически мгновенно. Особенно приятно, что такие разработки ведутся и в России.

Диагностирующие ИИ способны выявлять не только рак, но и ранние стадии болезни Альцгеймера, пневмонию и другие заболевания. 

В обороне и военном деле

В 2018 году стало известно, что в армии США разрабатывается ИИ, способный распознавать человеческие лица в темноте и даже сквозь стены — с помощью тепловизора. Ожидается, что технология поможет выявлять главарей банд в местах военных действий. 

Другой ИИ — ALPHA — создан для управления беспилотными истребителями и ведения воздушного боя. В одном из сражений на симуляторах компьютер победил, управляя одновременно четырьмя самолетами против двух противников-людей. 

Разрабатываются также системы прицеливания для танков, способные заметить закамуфлированные цели.

В военно-промышленном комплексе ИИ поможет повысить обороноспособность стран, но может стать и оружием террора.

В бизнесе и торговле

В ритейле ИИ производит революцию. Искусственные нейросети улучшают качество сервиса и обеспечивают индивидуальный подход к каждому потребителю. Умные технологии выявляют мошенничества с банковскими картами, дают персональные советы и помогают подобрать товар.

Согласно данным TAdviser, в 2018 году свыше трети всех доходов ритейла было получено благодаря рекомендациям на основе ИИ! 

ИИ в спорте

Здесь ИИ-технологии используют для прогнозирования результатов матчей — такие системы созданы компаниями UBS, Commerzbank и Microsoft. Учитывается опыт команды и отдельных игроков. Порой прогнозы оказываются верными, но зачастую искусственный интеллект серьезно просчитывается. Человеческий фактор способен опровергнуть любые предсказания.

ИИ в культуре

Машина не может заниматься творчеством, потому что у нее нет воображения! Или все же может?

Как ни странно, искусственные нейросети способны проявить креативность, и даже достигают определенных высот в сфере культуры. 

Музыка

Как звучала бы флейта, если бы была ситаром? Синтезатор NSynth Super от Google использует нейронную сеть, чтобы создавать совершенно новые звуки на основе разных инструментов.

Проект Sony Flow Machines идет дальше. Анализируя подборку песен, электронный композитор вырабатывает собственную оригинальную мелодию. В 2016 году компания представила сингл Daddy's Car, основанный на музыке The Beatles. 

Alice, разработанная в рамках стартапа Popgun, умеет «подыгрывать» человеку, создавая музыкальные импровизации. Американская певица Тэрин Саузерн выпустила альбом в соавторстве с нейросетью Amper. А проект Endel способен по нажатию одной кнопки создавать композиции, созвучные настроению пользователя. 

Живопись

Нейросеть DeepDream создавали с прицелом на распознавание лиц, а у нее обнаружились способности к сюрреалистической живописи. Разработчики открыли сайт, на котором любой желающий может в сотрудничестве с ИИ создать удивительное полотно. Нейросеть пишет картины в разных стилях.

Правда, придумывать сюжеты она пока не умеет — просит помощи человека. 

Видео

С помощью ИИ, разработанных Google и Facebook, можно «заставить» человека на экране произнести любые слова, изобразить весь спектр эмоций. И отличить такие ролики от настоящих бывает непросто. Нейросети могут даже заменить одного актера на другого в отснятом кино. А это открывает возможности не только для кинематографистов, но и для создателей фальшивок. 

Литература

Нейросеть от Facebook умеет писать стихи, идеально выдерживая размер и ритм, подбирая хорошие рифмы. Читатели лишь в половине случаев сумели распознать сгенерированные компьютером строки, но до настоящих поэтов ИИ далеко. Машина пока не научилась передавать эмоции и вкладывать смысл в стихотворные произведения.

Яндекс тоже запустил «Автопоэта», который создавал стихотворения из поисковых запросов пользователей. Некоторые невозможно читать без улыбки. Трудно поверить, что их сочинила нейросеть, лишенная чувства юмора!

А компания Narrative Science разработала электронного журналиста. Пока статьи, написанные ИИ, просты по содержанию, но руководство компании с оптимизмом смотрит в будущее и верит, что к 2025 году до 90 % текстов в интернете будут написаны с помощью машинного интеллекта.

В 2016 году книга «День, когда компьютер напишет роман» вышла в финал японской литературной премии имени Хоси Синъити. Это произведение почти полностью создал искусственный интеллект.

Игры

В компьютерных играх нейросети используются для управления противниками и игровыми ботами. Но ИИ можно научить играть и «по другую сторону экрана» — то есть считывать визуальную информацию с экрана и управлять игровым персонажем, как это делает человек. 

В 2016 году между ИИ даже проводился чемпионат по Doom. А система Deep-Q-Network обучена играть на классических аркадных автоматах Atari. Зачастую она показывает результаты до 30 % выше, чем у опытных игроков.

В XX веке считалось, что искусственный интеллект можно будет считать достаточно мощным и развитым, когда он сумеет обыграть чемпиона мира по шахматам. Этот этап компьютеры прошли уже давно — еще в 1997 году Deep Blue одержал победу над Гарри Каспаровым (причем это была алгоритмическая программа, а не искусственный интеллект). 

После этого внимание публики обратилось к более сложным тактическим играм, например го. Сложность вычислений хода здесь на порядок выше, чем в шахматах, поэтому создать алгоритмы, которые перебирали бы возможные варианты, практически невозможно. Но обученные нейросети сумели справиться и с этой игрой. Уже в 2015 году разработанная Google сеть AlphaGo выиграла матч у профессионального игрока в го. 

Перспективы развития искусственного интеллекта

Научные исследования ИИ ведутся более полувека, но до сих пор далеко не все понимают суть технологии. В фантастических романах и фильмах писатели и режиссеры изображают, каким опасным может быть искусственный интеллект. И у многих представление об искусственном разуме формируется именно таким.

Ответим рационально на вопросы, связанные с далекими перспективами развития ИИ.

Цель ИИ — поместить человеческий разум в компьютер?

Нет, это не так. Даже теоретически подобная ситуация не так уж невероятна. Искусственные нейросети создаются по образу человеческого мозга, хотя и в очень упрощенном виде. Может быть, однажды станет возможно просканировать все разделы мозга живого человека, составить «карту» его нейронов и синаптических связей и воспроизвести ее копию в компьютере. От такой скопированной нейросети можно ожидать не только разумного поведения — она буквально будет двойником человека, сможет осознавать себя, принимать решения и совершать поступки, как он. Скопируются даже воспоминания. Теоретически, можно будет поместить такую нейросеть в искусственное тело (в робота), и тогда человек — копия его сознания — сможет жить практически вечно.

На практике осуществить такой перенос будет невероятно сложно: нет технологий, которые позволили бы «прочитать» живой мозг и создать его «карту». И мы пока очень далеки от создания искусственной нейросети, которая была бы столь же мощной, как мозг.

ИИ стремится достичь человеческого уровня интеллекта?

Цель ИИ — помогать людям и брать на себя сложные или рутинные задачи. Для этого ему вовсе не обязательно поддерживать беседы на философские темы или сочинять поэмы. 

Тем не менее, если искусственный интеллект однажды сможет достичь уровня человеческого мышления, это будет важной вехой для цивилизации. Мы получим дельного и умного помощника — и сможем по праву гордиться тем, что это творение наших рук.

Когда искусственный интеллект достигнет человеческого уровня?

Мы успешно создаем сравнительно небольшие нейросети, способные распознать голос или обработать изображение. Никакой ИИ пока не обладает такой же пластичностью, как наш мозг. 

Человек может сегодня заниматься музыкой, а завтра взяться за программирование на C++ — благодаря невероятной сложности мозга. В нем 86 миллиардов нейронов и бесчисленное количество синаптических связей между ними. 

Искусственным нейросетям пока далеко до этих показателей: у них от нескольких тысяч до миллионов нейронов. Есть технические ограничения на размеры нейросетей: даже суперкомпьютеры не «потянут» нейросеть, сопоставимую по масштабам с человеческим мозгом. Не говоря о том, что ее обучение будет нетривиальной задачей. 

Скорость компьютеров позволяет им обладать интеллектом?

«Мощность» интеллекта связана не со скоростью вычислений, а со сложностью нейронной сети. Человеческий мозг пока превосходит по мощности любую искусственную нейросеть, несмотря на то что скорость процессов в нем существенно ниже, чем в компьютерах. 

Искусственные нейронные сети состоят из отдельных нейронов, которые группируются в слои. Два внешних слоя служат «входом», на который подается исходная информация, и «выходом», с которого считывается результат. Между ними могут располагаться от одного до нескольких десятков, а то и сотен, промежуточных слоев из нейронов. Причем каждый нейрон в слое соединен с множеством других в предыдущем и следующем слоях. 

Чем сложнее устроена сеть, чем больше в ней слоев и нейронов, тем более масштабные и серьезные задачи она может выполнять. 

Может ли нейросеть развиваться естественным путем?

Разберемся, вероятно ли, что ИИ сможет получать опыт и обучаться естественно, как ребенок. Человеческий разум формируется под воздействием множества факторов. Мы получаем информацию о внешнем мире благодаря органам восприятия — наблюдая, осязая, пробуя на вкус. Взаимодействуя с окружающей средой, получаем жизненный опыт, знания о свойствах мира, социальные навыки. Наш мозг постоянно совершенствуется и физически меняется, наращивая новые синаптические связи и «прокачивая» существующие.

Если мы сумеем создать нейронную сеть, достаточно сложную, чтобы она могла развиваться подобным образом, и снабдим ее «органами чувств» — видеокамерой, микрофоном и подобным, — возможно, спустя время она сможет приобрести «жизненный опыт». Но это дело далекого будущего.

Риск для человеческой цивилизации — есть ли он?

Риски, связанные с новыми технологиями, всегда существуют. Вопрос — в чем они заключаются. 

Может оказаться, что искусственные нейросети, достигнув определенного порога, выйдут на «плато» эффективности и не будут развиваться дальше. Или не оправдают надежд, если окажется, что ИИ в принципе не способен справиться с тем или иным классом задач, например творческого характера. Это может обернуться потерями трудозатрат и финансовых вложений.

Если же под риском понимать техногенные катастрофы или восстание машин — пока это нам вряд ли грозит. Говоря простыми словами, современные нейросети не способны обратиться против создателей — как нейроны в мозге, управляющие движением руки, не способны осознать себя как личность и нанести удары по собственному телу.

Тем не менее мы должны помнить, что ИИ — наша разработка. Мы их проектируем, создаем, обучаем, вкладываем «мысли». Значит, и ответственность за их поведение — на нас. 

Четвертая революция

Как бы мы ни относились к искусственному интеллекту, придется принять тот факт, что он уже существует. Отказаться от него — значит сделать шаг назад в развитии. Ведь ИИ — это важная часть нашего прогресса. Многие ученые связывают с искусственными нейросетями начало четвертой промышленной революции и заявляют о том, что грядет новая эпоха — когда рядом с нами появится рукотворный разум, всегда готовый прийти на помощь. 

Все новое пугает и вызывает недоверие — это нормальная человеческая реакция, и многие люди с опаской относятся к ИИ. Про ужасы, которые принесет нам искусственный разум, не говорил разве что ленивый фантаст. Но подобное в свое время сочиняли о каждом технологическом новшестве. Люди боялись паровозов, потому что они «распугают коров, отравят птиц дымом, а при скорости свыше 15 миль в час пассажиров разорвет на части». Вероятно, потомки тоже будут посмеиваться над нашими страхами, о которых узнают из фильмов и книг XX и XXI веков.

С 3 по 8 июня 2019 мы проводили GeekChange — отвечали на горячие вопросы об IT на протяжении 12 онлайн-встреч и еще четырех часов живого общения в офисе Mail.ru Group. GeekChange — это все, что вы хотели знать об IT и не побоялись спросить.

Онлайн-часть мероприятия собрала порядка 7 тысяч участников со всей России. В московский офис встретиться с нами приехали более 700 человек!

Зачем мы это устроили, как все прошло и чем закончилось — сейчас расскажем и покажем.

Слово организаторам

Послушаем двух очаровательных девушек из команды, которая затеяла жаркую движуху в начале лета.

Анна Пимкина, event-менеджер GeekBrains:

«GeekChange — наш способ ответить на самые важные и частые вопросы от желающих работать в IT: с чего начать, каков порог вхождения, есть ли возрастные ограничения, какие перспективы.

Мы рассказывали о направлениях IT, о том, как к ним подступиться, какие инструменты использовать. Где можно — добавляли практическую часть, чтобы участники «пощупали» и примерили на себя специальности.

Эксперты по каждому направлению рассказывали не только о технической стороне работы, но и о soft skills — личностных качествах и умениях, востребованных в сфере IT. Потому что будущий профи — это человек со своими сомнениями, трудностями в обучении, навыками концентрации и потребностью в отдыхе.

Приятно отслеживать статистику по нашим видео и замечать, что многие сейчас досматривают и пересматривают записи вебинаров. :) Конечно, кто-то хотел отдельный практикум по своей теме, но всего в одном GeekChange не уместить. Зато мы продолжаем готовить вебинары и мастер-классы, которые помогут вам углубиться в конкретные специальности.

Главное, что мы хотели показать на GeekChange: меняться можно при любых исходных условиях. GeekBrains тоже постоянно меняется, так что мы понимаем своих студентов и готовы поддержать их на любом этапе развития: от старта карьеры в IT до повышения квалификации или смены направления. Мы счастливы, что люди доверяют нам обучать их профессии.

Сейчас мы собираем обратную связь: будем признательны, если ответите на несколько вопросов о своем участии. Это поможет готовить будущие мероприятия — делать их еще более содержательными и удобными по формату».

Любовь Поспелова, продакт-менеджер GeekUniversity и направления «Программирование» в GeekBrains: «Мы устроили встречу в офисе, чтобы „развиртуализировать“ общение со студентами и посетителями сайта GeekBrains. Предварительно узнали, что интересно пользователям, и вокруг этих тем организовали активности в трех зонах мероприятия:

• «Руководство по эксплуатации» — общение с преподавателями GeekBrains на темы разработки и обучения;
• «Демоверсия» — первая примерка новой специальности;
• «Crush-тест» — проверка мотивации, разбор стереотипов и развеивание сомнений, связанных с работой в IT.

Чтобы людям было где спокойно посидеть и отдохнуть между встречами, мы открыли лаундж на втором этаже. Получилась зона «Перезагрузка».

Что касается содержания встречи, смысл был в том, что гости получали информацию из первых рук — от наших преподавателей, деканов и методистов, которые создают и улучшают программы обучения. А еще мы пригласили коллег из Ростелекома и других IT-компаний — они рассказали о трендах отрасли и о том, кого ждут на работу сейчас и через год».

Впечатления преподавателей и методистов

Каждый блок в программе мероприятия затрагивал очень обширную тему, так что было любопытно, на чем преподаватели и методисты делали акценты в своих выступлениях и почему. Еще хотелось узнать, как все это воспринимали слушатели, какие были вопросы и насколько живым и продуктивным получилось общение. И, конечно, какие впечатления остались от встречи у спикеров.

Александр Скударнов — методист направлений Big Data, ИИ, Android и тестирование. Выступал в блоке «Какой я программист?»:

«Нашей задачей было показать новичкам карту возможностей развития в IT. Мы разделились по направлениям. Иван Овчинников, разработчик Java и C++, рассказывал про десктоп-разработку. Алексей Кадочников (frontend-разработчик) — о мобильной и веб-разработке, информационной безопасности, DevOps. Я говорил про искусственный интеллект, Big Data и тестирование. Немного затронул разработку игр.

Процитирую свое выступление: „Если бы у нас был урок географии, мы перечисляли бы названия континентов и общие сведения о них, может, затронули парочку известных стран“. Так что отдельных IT-профессий мы коснулись в общих чертах, чтобы слушатели представляли, о чем дальше спрашивать наших коллег.

Вопросы были животрепещущими. Ивана спросили, как сменить работу и год не бросать учиться на программиста, если тебе за тридцать. Возможно, это крик души нашей целевой аудитории. :) Другой вопрос — сколько времени занимает поиск первой работы и что делать, если постоянно отказывают.

Обычно самые интересные беседы со слушателями начинаются после выступления, когда у тебя есть больше пяти минут, чтобы понять вопрос человека и попытаться помочь хотя бы советом. Так было и в этот раз.

По моим ощущениям, люди пришли подготовленными — знали, кого хотят послушать и о чем спросить. Я не успел обойти все локации, но было приятно видеть, как наших преподавателей окружали и штурмовали вопросами.

Люблю общаться со студентами, чтобы понимать, как они учатся и как я могу упростить им этот процесс. Встретил нашу студентку с факультета искусственного интеллекта в роли волонтера! Вообще, у нас много инициативных ребят. Очень здорово, когда люди параллельно с учебой находят время участвовать в жизни GeekBrains. Они инвестируют свое время не только в образование, но и в сообщество».

Алексей Кадочников, преподаватель и методист образовательных программ GeekBrains. Выступал в блоке «Какой я программист?»:

«В первую очередь мы говорили о трендах программирования. Большинство начинающих разработчиков не знают, за что хвататься: какие технологии сейчас наиболее перспективны, а что уже теряет актуальность. Поэтому мы рассмотрели популярные направления: плюсы и минусы каждого при изучении и с точки зрения работы. Еще мы поговорили об актуальных языках программирования: где востребован тот или иной и что можно делать с его помощью.

Вопросов от слушателей было так много, что мы успели ответить только на четверть, если не меньше. Правда, встречались похожие: «А не исчезнет ли эта технология завтра?», «Что делать, если я выучусь, а через год уже буду никому не нужен?». На такие вопросы отвечать было легко, потому что мы преподаем только самое актуальное, что должно оставаться востребованным еще минимум несколько лет.

Гостей особенно интересовали новые направления: искусственный интеллект и язык программирования Go.

Впечатления от встречи очень крутые. Люди были так приветливы — это, наверное, самая дружелюбная аудитория, которую я видел за последние пару лет!

В онлайн-режиме к нам подключились порядка 800 человек — очень много для мероприятия, где люди задают вопросы, а тебе надо отвечать. Конечно, не все гости из интернета подробно слушали каждое выступление: многие приходили и уходили.

Наш вебинар шел дольше, чем планировалось: мы так прониклись темой и общением, что трудно было остановиться».

Александр Синичкин, преподаватель GeekBrains и Python Team Lead в компании Usetech. Блок «Открой для себя Python» в зоне «Демоверсия»:

«В своем блоке я рассказал, для каких задач лучше всего подходит Python. Понятно, что это язык общего назначения, но есть ниши, где он сегодня просто незаменим: искусственный интеллект, машинное обучение, анализ больших данных.

Еще я показал несколько практических примеров, как использовать Python для автоматизации и решения повседневных задач.

Слушатели вели себя очень заинтересованно — после выступления я еще долго отвечал на их вопросы. Пожалуй, самый интересный и необычный вопрос был о том, можно ли, изучив машинное обучение, легко и безболезненно перейти в веб-разработку. Я ответил, что нельзя, и объяснил почему.

Больше всего меня впечатлило количество людей, которым хотелось послушать про Python.

Была во время моего выступления и очень забавная ситуация: я собирался показать аудитории свой мини-сайт, но вдруг выяснилось, что он заблокирован Роскомнадзором!»

Илья Афанасьев, декан факультета «Разработка игр» GeekUniversity. Блок «Играем по-взрослому: все что вы хотели знать о геймдеве» в зоне «Демоверсия»:

«Было много новичков, поэтому акцент я сделал на темах, интересных людям с нулевой подготовкой: какие есть движки, для чего они нужны, каковы зарплаты и перспективы у разработчиков. Не могу сказать, что ввести людей в курс дела очень просто. Мы с Иоанном Павловским — куратором профессии «Гейм-дизайнер» в GeekBrains — старались сформировать у людей базовые представления о реальном геймдеве.

Вопросов на нас посыпалось много, причем были среди них очень конкретные и непохожие друг на друга. Начиная с того, есть ли смысл программисту изучать новый язык ради перехода на движок Unity, и заканчивая техническими моментами, связанными с оптимизацией и структурированием проекта.

Общались долго и содержательно! Единственный недочет, который организаторы, надеюсь, учтут, — было шумно и тесно. Ребята меня просто окружили и скушали.

Многим приходилось сидеть за моей спиной, так что я зачастую не сразу замечал их руки и вопросы. Считаю, что в будущем на этап обсуждений стоит выделить не менее часа, чтобы аудитория могла общаться в комфортной обстановке и никуда не спешить».

Сергей Ширкин, декан факультета искусственного интеллекта GeekUniversity и Data Scientist в компании Dentsu Aegis Network Russia. Блок «Погружение в лабиринты искусственного интеллекта»:

«Людей было много, около трети из них — программисты. Тех, кто работал с ИИ, — примерно десятая часть, остальные — заинтересованные новички, которые что-то читали по теме.

Я рассказывал о технологиях прогнозирования: как можно предсказать событие или величину с помощью инструментов на Python. В качестве примеров приводил свои проекты по кредитному скорингу (вернет ли человек кредит) и прогнозированию рейтинга телепередач (чтобы канал правильно расставлял рекламу).

Когда я закончил выступление, человек двадцать остались, чтобы задать дополнительные вопросы. В результате мы беседовали еще примерно полтора часа!

Помимо студентов и школьников на GeekChange пришли люди, которым 30–50 лет. Они спрашивали, не поздно ли начинать карьеру разработчика в этом возрасте. Мне хотелось не просто их обнадежить, но привести реальные примеры: рассказал, что у нас есть успешные студенты и выпускники, которым под шестьдесят.

Программисты Java и R спрашивали, обязательно ли учить Python для работы с ИИ. Считаю, что да. Все основные инструменты Data Science — на Python, и рынок ждет специалистов, знающих этот язык».

Дополнительные активности

Не одними только лекциями и мастер-классами интересовались посетители GeekChange. На площадку «Crush-тест» гости приходили, чтобы поделиться своими сомнениями и страхами с методистами и психологами, получить рекомендации.

Ток-шоу «Разговор на горячие темы»

В кинозале консультанты GeekBrains Настя Стасенко и Дима Романов отвечали на самые неудобные вопросы про зарплату, возможные преграды на пути к трудоустройству, оплату обучения, сам учебный процесс. Народу набилось больше 100 человек — встал внеочередной вопрос: куда рассаживаться. Запас свободных стульев в Mail.ru практически иссяк, а люди все приходили и приходили. :)

Воркшоп «Учимся учиться без боли и слез»

Анна Полунина, методист образовательных программ GeekBrains по направлению «Дизайн»:

«Я рассказала о мотивации в образовательном проекте и о том, как ставить цели. Это вещи, с которых начинается любое образование.

Участники получали короткие практические задания на постановку целей: например, формулировали, зачем они идут учиться. А я старалась показать, как на этой основе выстроить краткосрочные цели, которые соответствовали бы желаемым целям и результатам.

Мы исходили из того, что, когда планируешь работу или учебу, нет универсальных алгоритмов. Есть долгосрочные цели, которые разбиваются на краткосрочные и далее ведут к результатам. Чем конкретнее и яснее сформулирована цель, тем проще выбрать подходящий формат обучения и проверить, достигнут ли результат. Постановка целей по SMART осталась за скобками — ей пришлось бы посвятить отдельное занятие.

Тема нашла отклик у слушателей: в основном спрашивали про лень и способы ее побороть. Приятно было видеть так много классных заинтересованных ребят, у которых горели глаза! Люди пришли не просто постоять и посмотреть, а с конкретными и насущными вопросами».

На площадке «Crush-тест» разбирали и другие психологические проблемы, связанные с обучением и сменой работы. Как мягко пройти период изменений, рассказала Антонина Осипова, практик телесной осознанности и преподаватель факультета психологии МГУ им. М. В. Ломоносова.

Розыгрыш призов

Выиграть обучение в GeekBrains можно было в викторине, онлайн и на встрече в офисе. За интересные вопросы на офлайн-части участники получали сувениры от GeekBrains и удобный перекус — натуральный попкорн Holy Corn. Судьбу остальных призов решил в офлайне генератор случайных чисел.

Всего мы разыграли:

• пять билетов на Geek Picnic — один из крупнейших в Европе фестивалей, посвященных современным технологиям, науке и творчеству;

• семь книг издательства «МИФ» об изменениях, осознанности и IT;

• два курса обучения в GeekUniversity.

P. S.

Спасибо, что провели время с GeekBrains и наполнили мероприятие вопросами, на которые было интересно отвечать!

Главное — по итогам GeekChange многие из вас нашли свое направление в IT. Одни решили продолжать обучение самостоятельно, другие присоединились к сообществу наших студентов. В любом случае надеемся, что GeekChange подарил вам заряд мотивации и смелости для развития в IT. Будем рады видеть вас снова!

Партнеры

В январе на YouTube была представлена короткометражка «Объект Дельта». Ранее фильм получил несколько наград на фестивалях Top Shorts и Los Angeles Film Awards. В нем исследователи тестируют искусственный интеллект, чтобы узнать, способен ли он осознать себя живым.

Так как это короткометражка, рассказать сюжет без спойлеров не получится. Поэтому лучше один раз увидеть, чем сто раз прочитать пересказ.

Финал нельзя назвать непредсказуемым, но он заставляет задуматься, так ли велика разница между человеком и осознающим себя ИИ. Это вопрос, ставящий нас перед моральной дилеммой.

Сильный интеллект

Большинство этических проблем, о которых задумывается человечество, — это вопросы отдаленного будущего. Сейчас разработчики готовы представить только слабый ИИ, который может выполнять ряд задач, способен к творчеству и даже кое в чем обходит нас. Но речь пока идет о машинном обучении и зависимости от человека.

Сильный искусственный интеллект — совсем другое дело. Он умеет мыслить, осознавать себя, учиться новому, воспринимая реальность, и решать не только те задачи, что заложил в него программист. Именно с сильным интеллектом связывают потенциальные этические проблемы. Так как эта разработка ближе к области фантастики, чем к реальности, поднимаются эти вопросы чаще в фильмах.

Этично ли подвергать ИИ опасности, если он чувствует страх и боль?

Роботов создают не из любви к искусству. Глобальная цель разработок заключается в том, чтобы однажды искусственный интеллект снял с человечества часть рутинных и опасных задач. Звучит здорово, но только для людей.

Допустим, искусственный интеллект научился чувствовать. Но спектр эмоций включает не только эмпатию по отношению человеку, радость, удивление, но и страх, боль. И это в корне меняет дело.

Например, новый российский закон закрепляет нормы ответственного обращения с животными, так как домашние питомцы могут «испытывать эмоции и физические страдания». Впрочем, это и без закона было понятно, и только садисту придет в голову швырнуть милого песика в костер. Но в таком случае и ИИ отправлять тушить пожар нельзя — ведь он чувствует страх и боль. Даже нелюбовь в этом случае — уже негуманна.

О жертве такого обращения — фильм Стивена Спилберга «Искусственный разум». Мальчика-андроида Дэвида научили любить, но не смогли ответить взаимностью. А он свое чувство пронес через две тысячи лет, и смотреть на это больно.

Этично ли оставлять ИИ в одиночестве, если он чувствует тоску?

Вспомните «ВАЛЛ-И»: над этим мультфильмом пролито немногим меньше слез, чем над «Королем львом», а персонаж — всего лишь робот. Когда люди оставляли его, этической проблемы не возникало: он был в компании других механических машин. И о сильном ИИ речи не шло — чувства ВАЛЛ-И прокачал сам. Но факт остается фактом: механический уборщик тоскует, потому что одинок и ему некого взять за руку.

Этично ли использовать ИИ как раба?

Даже если вы щадите чувства робота и обращаетесь с ним, как с любимым родственником, создавался он все же как помощник, который должен снять с вас часть работы. Возьмем домашнего робота, который исполняет функции домработницы. Сотруднице из плоти и крови вы бы платили зарплату, предоставляли выходные, придерживались определенного распорядка дня. За что работает робот? За пищу и кров? Они ему не нужны. Деньги он мог бы использовать для развлечений, раз уж у него есть чувства. Но в чем тогда смысл существования робота, если он просто ворует рабочее место у человека? Вопросов снова больше, чем ответов.

В «Бегущем по лезвию» некоторые репликанты рабами быть не хотят, но их мнение мало кого интересует. В итоге творения, которые превосходят своих создателей по большинству характеристик, либо выполняют опасную или неприятную работу, либо уничтожаются.

Кстати, если в «Бегущем по лезвию» люди и репликанты все же находятся по разные стороны баррикад, то в «Степфордских женах» андроидами заменяют живых женщин.

Способен ли ИИ нанести вред человеку?

И все же людей больше волнует не то, навредят ли они роботам, а потенциальная опасность, которая исходит от ИИ. О том, что искусственный интеллект может пойти против человечества, заявляли и Илон Маск, и Билл Гейтс, и сооснователь Google Сергей Брин. Киноиндустрия щедро подкидывает иллюстрации к сюжетам восстания машин: «Терминатор», «Я, робот», «Мстители: Эра Альтрона».

Три закона робототехники, которые должны предотвратить этот сценарий, были придуманы Айзеком Азимовым в 1942 году. Но даже их доскональное соблюдение не всегда дает стопроцентную защиту.

Нулевой закон гласит: «Робот не может причинить вред человечеству или своим бездействием допустить, чтобы человечеству был причинен вред». В «Я, робот» искусственный интеллект ВИКИ решил ради блага людей лишить их всяческих свобод. В «Сингулярности» ИИ «Кронос», созданный защищать человечество, осознает, что люди сами виноваты в своих бедах, — значит, их надо уничтожить.

Еще вопрос — как «подружить» логику и гуманизм? В аварийных ситуациях робот должен выбрать, кого спасать. Но математических алгоритмов тут недостаточно. В фильме «Я, робот» андроид спас из тонущей машины мужчину, оставив задыхаться одиннадцатилетнюю девочку, — хотя человек, скорее всего, поступил бы наоборот.

В какой этической системе должен действовать ИИ?

Этот вопрос и люди-то для себя решить не могут: в одних странах действует мораторий на смертную казнь, в других можно лишиться жизни за преступление, которое кажется из другой части мира незначительным. Пересекая государственную границу, человек вынужден принимать новую этическую систему, потому что она поддерживается законом.

Что в этой ситуации делать с роботами, непонятно. Запрограммировать его «быть за все хорошее и против всего плохого» не получится, потому что позитивные и негативные этические оценки не универсальны.

Как не сделать из ИИ расиста и других «-истов»?

Избежать ложных представлений при обучении не получается уже сейчас. Чат-бот от Microsoft должен был анализировать речь молодежи в Twitter. Вместо этого нейросеть уже через сутки стала отъявленным расистом. Такое «мировоззрение» она сформировала из-за адресованных ей сообщений с неполиткорректным контентом.

Сильный интеллект также должен учиться, используя для этого контекст. Дурная компания легко «научит его плохому». Впрочем, человек тоже подвержен влиянию.

Защитники угнетенных

Проблемы этики относительно сильного ИИ пока существуют в теории и в кинематографе, но специальность адвоката по робоэтике уже называют одной из профессий будущего. Именно таким юристам предстоит создавать этические кодексы для изменившегося мира. Но сейчас вакансий для подобных специалистов нет.

Так что если вы хотите связать будущее с ИИ, обратите внимание на факультет искусственного интеллекта GeekUniversity. Пока рабочих мест в этой отрасли больше, чем претендентов на них. Как знать, может, именно вам удастся создать сильный ИИ и снять все этические вопросы благодаря совершенству разработки.

20 января на YouTube состоялась премьера короткометражки «Объект Дельта»

Сюжет довольно простой: «Исследователю искусственного интеллекта досталась важная задача: протестировать осознавшую себя машину и выяснить, действительно ли она живая». 

Авторы — видеоэссеисты Иван Рассадин (канал Cat&Play), Александр Рыбаков (канал ...and Action!) и Алексей Луцай (канал «Луцай»).

Фильм взял награды за лучшую фантастику и лучшую операторскую работу на фестивале короткометражного кино Top Shorts в ноябре 2018. Картина вошла в финал израильского Near Nazareth Festival, а Los Angeles Film Awards отметил работу особым упоминанием за оригинальный сценарий.

Рекомендуем к просмотру всем, кому интересен искусственный интеллект и проблемы с ним связанные.

• Режиссёр, сценарист — Иван Рассадин. 
• Сценарист — Дмитрий Поллак.
• Оператор, монтажёр — Александр Рыбаков.
• Композитор — Алексей Луцай.
• Автор обложки — Илья Бавер.

Будем рады услышать ваши впечатления и вопросы в комментариях. Что вас смутило в фильме, а что порадовало? Какие вопросы вы бы задали создателям? Или… какие вопросы вы бы задали ИИ?

Это перевод статьи Ланса Ына (Lance Ng) What Microsoft and Google Are Not Telling You About Their AI. Автор предлагает критически посмотреть на возможности ИИ-систем и оценить разницу между декларируемыми и реальными на сегодня возможностями искусственного интеллекта.

Что искусственный интеллект умеет делать сам, а что берет на себя человек?

Фред и Барни из комедийного мультсериала «Флинтстоуны» на своем «высокотехнологичном» автомобиле

Компания iFlytek — ведущий китайский разработчик AI. В сентябре 2018 года ее обвинили в том, что она выдавала труд людей-переводчиков на конференции в Шанхае за машинный перевод.

Об этом сообщил один из переводчиков-синхронистов, нанятых организаторами мероприятия. Он заметил, что iFlytek использовала его переводы, чтобы «на лету» создавать субтитры, которые выводились на экран вместе с логотипом IT-компании. Все выглядело так, будто перевод выполнял созданный компанией искусственный интеллект.

iFlytek также вела онлайн-трансляцию с конференции и для чтения перевода вслух использовала синтезированный компьютерный голос вместо голосов синхронистов. Переводчик зафиксировал происходящее на камеру, выложил фото и видео в соцсети и обвинил компанию в жульничестве.

Этот случай вызвал ажиотаж в СМИ и спровоцировал интернет-дискуссию о маркетинговой и PR-стратегии компании, которая позиционирует себя как лидера в сфере разработки AI.

«Самая умная» компания Китая

Может, вы впервые слышите об iFlytek, но в рейтинге Массачусетского технологического института за 2017 год она заняла 6-е место среди высокотехнологичных компаний мира. Ее поставили выше всех других предприятий Китая — сразу вслед за Google. Причем она обогнала Intel (13-е место), Apple (16) и Facebook (26). Microsoft оказалась 27-ой.

В самом Китае iFlytek всегда считали IT-элитой. Ее рыночная капитализация на пике достигла 12–13 миллиардов долларов. Доля компании в китайском рынке распознавания речи превышает 70 %.

Как минимум, компания может объявить, что произошло досадное недоразумение. Максимум — ее можно обвинить в том, что ради пиара и прибыли она обманывает публику относительно эффективности своей технологии AI-перевода.

Вы можете подумать, что «это ж китайцы»! Мол, они вечно подделывают товары, и почему бы в ситуации с ИИ им поступать иначе.

Тогда давайте посмотрим на PR-ходы двух крупнейших технологических компаний Запада — Google и Microsoft.

Скрытый человеческий труд, который выдают за работу AI

Есть в Австралии малоизвестная компания Appen, которая стоит около 1,2 миллиарда долларов США. Последние четыре года она была на гребне волны интереса к ИИ — делала на этом баснословные деньги.

В 2014 году доход Appen составлял всего 51 миллион австралийских долларов (AUD). Это значит, что за три года доход компании вырос на 324 %! Чистая прибыль после уплаты налогов показала еще более впечатляющий рост — на фантастические 884 % относительно скромных 1,6 миллиона AUD в 2014 году.

«Аppen в большом плюсе по итогам 2017 года. Ее стоимость перевалила за миллиард долларов!» — Slator.com

Стоимость акций Appen в австралийских долларах (AUD) на 28 августа 2018 года. Источник: Slator

С января 2015 года, то есть с момента выхода на рынок, акции Appen подорожали примерно на 2700 % — в 27 раз! И что же такого делает компания-суперзвезда?

Она продает данные и валидацию результатов поисковой выдачи компаниям-разработчикам ИИ.

Доля выручки от валидации результатов достигает 86 % дохода Appen. В штате компании 394 сотрудника на полной занятости, однако основную часть работы выполняют более миллиона фрилансеров по всему миру! Их задача — вручную проверять результаты выдачи поисковиков по заданным критериям. Одна выдача — одна проверка.

Благодаря этой работе фрилансеров результаты выдачи поисковика становятся все более релевантными запросу. По условиям контракта Appen не имеет права разглашать, кто пользуется ее услугами, но некоторые аналитики полагают, что главные клиенты компании — это Microsoft (Bing) и Google. Вместе они приносят Appen более половины ее дохода, а это, вероятно, более 300 миллионов долларов только за 2018 год.

Вы правда думали, что умная выдача Google — исключительно результат работы алгоритмов и сложного ПО, которое собирает информацию по интернету? Не-а. На самом деле в этом участвует более миллиона живых людей.

На месте Microsoft и Google я бы тоже не признавал факт сотрудничества с Appen. Твой бизнес и твои продукты выглядят гораздо круче, пока аудитория думает, что за ними стоят передовые технологии автоматизации и искусственный интеллект, а не ручной труд.

Игра в Го – вовсе не святой Грааль в мире ИИ!

С тех пор как в марте 2016 года программа AlphaGo победила Ли Седоля — чемпиона мира по древней игре Го, один из основателей Google Deepmind Демис Хассабис начал публично называть Го «святым Граалем AI-исследований».

У аудитории возникла иллюзия, будто Google Deepmind поняла про ИИ самое главное и скоро машины так поумнеют, что захватят мир по известному апокалиптическому сценарию.

Это попросту неправда.

Вершиной разработок в сфере ИИ станет такая универсальная система, которая сможет учиться и вырабатывать навыки с нуля, как человек по мере взросления.

Пока все исследователи признают, что самое сложное направление развития ИИ — это обработка естественного языка (Natural Language Processing). К проектам данного типа относится создание чат-ботов и систем машинного перевода.

Несмотря на всю сложность Го и неограниченное количество возможных ходов в этой игре, она не является «святым Граалем мира ИИ». На самом деле, старший разработчик из команды создателей AlphaGo сам сказал об этом в известном документальном фильме, где был показан весь путь к победе над игроком Ли.

Джулиан Шриттвизер (на фото он в красном): «Конечно же, для нас AlphaGo — это просто компьютерная программа»

«…AlphaGo — это очень-очень простая программа. Ей далеко до полноценного ИИ…»

— Джулиан Шриттвизер, старший разработчик в Google DeepMind и участник проекта AlphaGo. Документальный фильм AlphaGo, ~ 56 мин 28 с от начала

Интересно, что в июле 2018 года специалисты DeepMind сами проверили разработанный ими ИИ на уровень IQ. И хотя результат не располагал к вольному толкованию, его сильно приукрасили в прессе и социальных медиа.

«…ИИ очень плохо справлялся с тестовыми задачами, если они хотя бы незначительно отличались от тех, на которых его обучали.

IQ-тест разработанного командой ИИ в итоге показал, что на сегодняшний день даже самая продвинутая система искусственного интеллекта не может найти подход к проблемам, на решение которых ее не «натаскивали» специально. Это значит, что до создания ИИ общего назначения еще очень далеко»

— «DeepMind создала IQ-тест для AI, и он показал не лучшие результаты», Международный экономический форум

Реальность такова, что компании стремятся преувеличить достоинства своих ИИ-решений, чтобы привлечь инвесторов и завоевать доверие потребителей.

Доискаться правды в этой ситуации бывает нелегко.

Большинство компаний-разработчиков AI мало что сообщают о созданных ими алгоритмах и системах, ведь у них есть право на защиту интеллектуальной собственности.

Но когда инвесторы вкладываются в новое перспективное направление, им стоит тщательно анализировать, соответствуют ли заявления разработчиков действительности.

ИИ ставит рекорды

В начале года искусственный интеллект впервые побил рекорд человека в понимании материала. Этот показатель оценивается специальным тестом, который создали в Стэнфордском университете. В него обычно входит упражнение на чтение или прослушивание информации, после которого испытуемый должен ответить на вопросы по тексту. Результат оценивается в баллах: они показывают процент вопросов, на которые даны верные ответы.

До января 2018 года рекорд в 82,3 балла принадлежал человеку. Искусственный интеллект от Alibaba улучшил его на 0,14 балла, а днем позже нейросеть от Microsoft обогнала «коллегу» еще на 0,21 балла. Попытки заставить искусственный интеллект пройти этот тест были и ранее. Свои нейросети испытывали Facebook, Tencent и Samsung, однако им не удалось превзойти человека.

Перед тестом искусственному интеллекту предоставили материал из тысячи статей Википедии. Затем нейросеть отвечала на вопросы человека. Примечательно, что ИИ от Alibaba мог улавливать нюансы мимики собеседника и — в зависимости от его выражения лица — корректировать ответ.

В том же январе нейросеть от Microsoft продемонстрировала хорошее понимание и в другом вопросе. ИИ попросили нарисовать птицу с черными крыльями и коротким клювом, и результат удовлетворил заказчика.

Искусственный интеллект в целом достойно показывает себя в творчестве. Правда, пока не создает принципиально нового, а использует плоды человеческих талантов. Бот сервиса CableTV.com написал песню в стиле певицы Тейлор Свифт, которую высоко оценили даже фанаты исполнительницы. ИИ изучил 50 баллад артистки и на их основе сгенерировал композицию о любви.

На изучение жанра black metal у нейросети других разработчиков ушло больше времени, зато результатом стал полноценный альбом из пяти песен. Невыносимый шум превратился в характерные для направления мелодии после 5 миллионов циклов обучения.

В августе система OpenAI Five сразилась с командой людей в Dota 2 и одержала верх. Против нейросети играли профи с перцентилем в 99,95 % — это означает, что они успешнее 99,95 % геймеров. К слову, ИИ в успехе не сомневался: он оценивал шансы на победу в 95 %.

Неплохие результаты нейросеть показывает и в более серьезных отраслях. Разработка Medical Brain от Google, представленная в этом году, на основе введенных в нее показателей здоровья человека может спрогнозировать ход болезни, вероятность ремиссии или смерти. Правда, пока точность оставляет желать лучшего. Врачи посчитали, что вероятность смерти пациентки с раком груди в ближайшие от вердикта дни составляла 9,3 %, а Medical Brain выдал цифру в 19,9 %. Женщина скончалась через несколько суток. Планируется, что в будущем разработка сможет помогать медикам в постановке диагнозов и лечении, чтобы избежать врачебной ошибки.

В голландской полиции нейросетям передали анализ данных. Алгоритмы берут на себя рутинную работу: сопоставляют факты, проверяют улики и выдвигают наиболее вероятные версии преступлений. Впрочем, основную работу все еще выполняют люди.

В американских школах боты следят за соцсетями учеников, чтобы выявлять тех, кто представляет опасность. Разработка ищет в публичных сообщениях маркеры, которые могут свидетельствовать о проблемах. Есть информация, что благодаря этому удалось предотвратить самоубийство одного из школьников. Однако сама идея подобной слежки выглядит пугающе. Хоть и не настолько, как нейросети, которые могут следить за человеком сквозь стены.

Разработка на основе радиосигналов способна определять положение тела объекта и даже распознавать его лицо. Предполагается, что первая функция будет использоваться для спасательных операций, а вторая — для поиска преступников. Но очевидно, что разработки не подчиняются законам робототехники, и любая технология может быть использована не только для защиты человека.

Проблемы искусственного интеллекта

По мнению Илона Маска, человечеству необходимо контролировать искусственный интеллект — однажды он может взбунтоваться. Причем самая большая опасность ИИ в том, что он бессмертен. Сооснователь Google Сергей Брин считает, что стоит задуматься, может ли искусственный интеллект манипулировать людьми. Основатель компании Microsoft Билл Гейтс ранее заявлял, что через несколько десятилетий нейросети могут стать причиной для беспокойства, так как начнут конфликтовать с целями человеческих систем.

Пока не приходится опасаться, что боты захватят мир — рано говорить о создании сильного ИИ, который будет мыслить и осознавать себя. Но искусственный интеллект уже принимает решения и вырабатывает выигрышные стратегии — причем ученые не всегда понимают, как именно. Алгоритмы видоизменяют данные, на которых они учатся, и формируют нежелательные связи.

В эту ловушку попала компания Microsoft с нейросетью, созданной для общения в Twitter. Ее представили в марте. Чат-бот должен был проанализировать речь молодежи и научиться разговаривать на ее языке. Вместо этого ИИ нахватался расистских идей менее чем за сутки и стал транслировать их в беседе. Общество приняло это без восторга, и разработчикам пришлось заморозить проект.

Вина в таком поведении бота лежит и на людях, и на ИИ. С одной стороны, нейросеть «научили плохому» тролли из интернета: бот запрограммирован говорить, как люди — и вопросы возникают скорее к тем, кто общался с ИИ. С другой стороны, исследователи не отрицают, что нейросеть впитывает расовые и гендерные стереотипы из текстов, по которым обучается. Впрочем, и здесь претензии стоит переадресовать тем, кто пишет такие послания. Однако несовершенство системы налицо, и отрицать его нельзя.

Есть и другие ошибки. В Калифорнии алгоритм уволил сотрудника IT-компании. У разработчика истек контракт, и система заблокировала его пропуск и компьютер. С рабочего места его вывели охранники, которые получили сообщение о том, что программист здесь больше не работает. Как выяснилось, это произошло из-за того, что в кадрах не внесли в алгоритм информацию о продлении контракта. Руководство не собиралось увольнять разработчика, и он был восстановлен в должности. Однако мужчина в течение трех недель оставался без зарплаты.

Стоит ли бояться ИИ

Впрочем, эти ошибки — не аргументы против искусственного интеллекта, а причины работать над ним более тщательно. Еще стоит смириться с тем, что боты лишат кого-то рабочих мест. Они уже взяли на себя часть рутинных задач, и тренд на автоматизацию производства не снижается.

По прогнозам, в Великобритании в 2037 году к программам перейдут задачи от сотрудников, которые сейчас занимают 20 % рабочих мест. По предварительным подсчетам, всего в мире ИИ заменит 7 миллионов человек. Но есть и хорошие новости: нейросети займутся рутинным трудом и при этом создадут 7,2 миллионов рабочих мест для высококвалифицированных сотрудников, которые в том числе возьмут на себя взаимодействие с искусственным интеллектом.

Похоже, выигрышная стратегия сейчас — не сражаться с нейросетями, а работать с ними. Специальность инженера по искусственному интеллекту входит в число технологических профессий будущего. Помимо программных инженеров будут востребованы специалисты по работе с данными, исследователи и многие другие. Дело найдется и для гуманитариев: копирайтеры будут писать диалоги для чат-ботов.

В США в топ работодателей, связанных с ИИ, входят Amazon, NVIDIA, Microsoft, IBM. В России с нейросетями работают Сбербанк, Яндекс, VisionLabs, HeadHunter, N-Tech.Lab и многие другие. К тренду присоединяется все больше организаций, поэтому число вакансий постоянно растет.

Пока таких рабочих мест больше, чем претендентов на них, и именно сейчас устроиться в компанию мечты достаточно просто. Однако 93 % нанимателей ищут сотрудника, уже работавшего по специальности. На факультете искусственного интеллекта GeekUniversity обучение совмещено с получением практического опыта. Год разработки позволит добавить в портфолио реальные проекты и откроет вам доступ к 39 % вакансий — с фильтром «опыт от 1 до 3 лет». Учиться никогда не поздно, но лучше начать прямо сейчас: оставьте заявку и присоединяйтесь.