Научный конгресс Университетского консорциума исследователей больших данных
Во второй день конференции по ИИ «Гравитация» состоялся научный конгресс Университетского консорциума исследователей больших данных. Программа состояла из тематических секций, в которых команды университетов и бизнеса представляли практики и кейсы в области больших данных и ИИ по различным отраслям. Кроме того прошла серия дискуссий на темы, связанные с AI и Big Data в гуманитарных науках, искусстве, образовании, управлении талантами, социальной сфере, анализе данных и в других направлениях.
Дмитрий Завалишин принял участие в дискуссии на тему «ИИ как инструмент поддержки принятия решений». Вопросы дискуссии затронули аспекты эмоционального интеллекта в ИИ, роль образования в развитии отрасли, ситуацию на рынке труда и особенности ведения IT-проектов.
1. Сможет ли искусственный интеллект освоить эмоциональный?
Дмитрий Завалишин: В 2000 году я занимался разработкой Яндекс.Маркета. Уже тогда в этом проекте была задействована система на основе искусственного интеллекта, примитивная, по сравнению с сегодняшними. Однако в рамках этой технологии мы четко понимали, как сделать так, чтобы у нее был очень простой эмоциональный интеллект. Сегодня это совершенно точно возможно.
Тем не менее, очень важно учитывать два аспекта. Во-первых, вопрос оценки эмоциональности – очень комплексный, оценивать ее категорией «умеем-не умеем» нельзя. Например, если вы начинаете разговаривать с чат-ботом, то его эмоциональный интеллект можно оценивать не в терминах «да-нет», а в том, сколько вам потребуется времени, чтобы понять, что это все-таки робот. Если 3–5 секунд чат-бот еще продержится, то 12 уже может и нет.
Во-вторых, важно учитывать направление диалога. Где-то распознать робота будет проще, а где-то сложнее. Все будет зависеть от темы. Эмоциональный интеллект в этом смысле вообще завязан на самом предмете разговора.
В этом вопросе мы снова возвращаемся к стандартной проблеме работы с искусственным интеллектом. Я слышал одну историю, не знаю, правдивая она или нет. Одна компания создавала систему управления вентиляцией в метро на основе ИИ. Поставили камеру, камера смотрела на людей. Когда вентиляция снова в какой-то момент не сработала, стали разбираться, в чем дело. Оказалось, что система обучалась не на людях, а на части часов, которые были в поле зрения этой камеры. Этот пример подсвечивает типовую проблему – если система обучается на одном датасете, то на другом она работать не сможет. Кроме того, мы на самом деле не знаем, на что в конце концов обучится нейросеть. И это, опять-таки, – одна из ключевых проблем в том числе и по отношению к эмоциональному интеллекту.
Так что, возвращаясь к вопросу, искусственный интеллект однозначно сможет освоить эмоциональный – это лишь вопрос времени. Этот процесс сопряжен с некоторыми сложностями и неотрывно связан с другими проблемами в области ИИ.
2. Университет и бизнес: две точки формирования спроса и предложения на цифровые кадры
Дмитрий Завалишин: Университет, кадры и бизнес – проблема историческая и очень большая. Мне кажется, она от области не зависит.
Выскажу жёсткую мысль: выпускники никому не нужны. Всем нужны специалисты с опытом. Зачастую, когда набираются люди в команду, мы не спрашиваем у них диплом и чему их учили. Важен только вопрос: «А что вы сделали?». В этом смысле это источник ответа.
Если студенты в процессе обучения будут вовлекаться в проекты и непосредственно в них работать, то это сразу маркер того, что они будут пользоваться спросом на рынке труда. Именно поэтому самый простой ответ, который можно тут дать – крайне важно очень быстрое вхождение в реальные проекты.
Однако здесь возникает другая проблема, связанная с тем, что сфера ИИ является одной из самых быстроразвивающихся, что неизбежно вызывает большое отставание. С другой стороны, эта проблема имеет и плюсы, так как на рынке не всегда возможно найти специалиста, который идеально подходит под задачи и при найме возникает мысль: «Он занимался чем-то близким, хорошо, наверное с ним можно работать».
Поэтому короткий ответ на вопрос: студентам важно включаться в существующие бизнес-задачи и участвовать в проектах, нарабатывая реальный опыт.
3. Искусственный интеллект и большие данные меняют современные подходы управления разработкой современных бизнес-сервисов. Современные проблемы IT-бизнеса
Дмитрий Завалишин: давно думаю над этим вопросом. Невозможно представить себе инженера, который строит мост и при этом не делает технико-экономического обоснования для этого. А видели ли вы когда-нибудь программиста, который делает технико-экономическое обоснование языка программирования? Я не видел ни разу.
К сожалению, отрасль, в которой мы с вами находимся – не инженерная. В ней есть все – прыжки через костер на Ивана Купала, приметы плевать через левое плечо три раза и посыпать солью от сглаза, но инженерии нет. Это как раз таки проблема, которая возникает на пересечении ВУЗов и производства. Схемы, выстроенные правила, инструменты, которым можно научить в инженерии, переходят в бизнес. Такого нет в нашей отрасли.
Мы на самом деле вынуждены жить в режиме «не науки» и «не инженерии», а в системе несистематизированного шума, который не может быть предметом обучения. Мне кажется, что в этом направлении нам следует двигаться.
Возможно, я сейчас подниму провокационную тему, но мне кажется, что тут также встает вопрос государственного регулирования отрасли. Я думаю, многие знают, что такое CMMI. Вполне нормально зафиксировать некоторые стандарты на государственном уровне. Например, что компании должны соответствовать CMMI 4 – это может стать драйвером формирования «инженерного» подхода к разработке для индустрии.
Помимо этого, я твердо уверен, что это также позитивно повлияет на экономику нашей деятельности. Приведу пример. На днях мне поступил звонок от потенциального клиента с просьбой найти специалистов на год для умирающего проекта. Я объяснил, что этот подход неправильный, так как программист начнет писать код, потом уволится, а вы потом полгода-год будете искать другого специалиста. Клиент мне говорит: «Я уже в этом месте и сижу, так уже произошло». И эта проблема, к сожалению, встречается довольно часто.
4. Может ли фундаментальное образование удовлетворить масштабные запросы рынка
Дмитрий Завалишин: приведу пример нашей работы с Яндексом. К нам пришли с тремя проектами, которые мы сплели между собой на «синюю изоленту». Возникает вопрос: «Почему компания Яндекс не сделала этого сама?». Потому что ML заниматься интересно, а связывать проекты «изолентой» неинтересно, неприятно и сложно.
Мне кажется, если зайти в живой, реальный проект, которому больше 3 лет, можно только ужаснуться происходящему. Все сшито на живую нитку, постоянно что-то отваливается, вокруг бегают ребята, которые все подпирают палками. Новые дыры появляются ежедневно, причем многие из этих дыр – именно системные, которые появлялись из-за разработки на бегу, а вторая половина дыр связана с ошибками из-за нехватки ресурсов.
Недавно я посмотрел уровень безработицы в стране – у нас бешеная нехватка людей. Возвращаясь к вопросу о фундаментальном образовании. Никаким образом не хочу умалить роль образования, но думающих людей нужно немного. Например, когда мы проектируем самолет, то думающих людей надо 20, а инженеров, которые правильно спроектируют винты и детали нужно 1000. Соотношение трудоемкой ручной работы к интеллектуальной – катастрофическое.
Если мы возвращаемся к реальным проектам, то все проблемы, о которых я говорил ранее – не про интеллектуальный труд. Там не надо думать, нужно просто спокойно и аккуратно работать, выполняя четкие инженерные правила.
Мне кажется, что в этом месте у нас образовался провал. Радует то, что такая проблема не только в России, ситуация такая по всей планете. Недавно хакерам удалось украсть данные из проектов американских ВУЗов. Я их посмотрел – те же проблемы, что и у нас. Все сделано из тех же палок, на том же уровне промышленной некомпетентности.
В этом смысле скажу такую вещь – нам не хватает среднего специального образования по нашей тематике. ВУЗы – это хорошо, они нам нужны, но техникумы, которые производят «обычных» людей, которые выполняют инженерную работу в области программирования, необходимы нам даже больше. В этом смысле, как уже упоминалось моими коллегами, «10% от 10%» — это про ВУЗы, а все остальное – это аккуратная работа напильником по четким правилам.
5. Можно ли строить карьеру исходя из рекомендаций ИИ?
Дмитрий Завалишин: до 1986 года я был абсолютно уверен в том, что буду заниматься проектированием радиоэлектроники. Тем не менее, в 90-е гг. я проработал вполне хорошим журналистом. Я также неплохо играю на гитаре, и вы в принципе сейчас могли бы сидеть на моем концерте.
Есть три важных критерия: счастье человека, экономика человека и экономика государства. Эти критерии на самом деле противоречивы. Если бы я сейчас жил концертами, я был бы счастлив, но с экономикой у меня все было бы плохо. Эти вещи противоречат друг другу, и в целом невозможно даже приблизиться к ответу на вопрос, какая из них важнее, потому что люди многоплановые. Мы сложные, нам хочется по-разному реализовываться. Соответственно вопрос профориентации существует и позволяет показать человеку спектр того, что перед ним открывается. Но этот вопрос также еще и эмоциональный.
Все же знают, что в школе есть учителя, которые зажигают на уроках. Дети начинают интересоваться предметом, а потом идут в какую-то сферу, потому что учитель про нее интересно и завораживающе рассказал.
Отвечая на вопрос, я бы сказал, что карьеру можно строить на основе рекомендаций ИИ. Но это вопрос спектра. Существует очень много примеров в фантастике про такие профориентационные инструменты.
Что можно сделать по этому направлению? Совершенно точно в человеке нужно отслеживать те или иные свойства, которые применимы к определенному классу профессий или направлений. В этом смысле мы, наверное, способны с помощью ИИ заниматься анализом и каким-то образом определять тот спектр, которым следует заинтересоваться. Однако признаться, я не знаю экспертов, которые этой тематикой занимаются.
Если рассуждать с точки зрения страны, то нам скорее важны два критерия: счастье человека и экономика страны. Экономика человека нам не важна. Если человеку хватает на еду и транспорт до работы, то это все, что интересует государство с точки зрения целостной картины. В рамках этих критериев в общем-то традиционные задачи более-менее решаются. Наверное нам действительно надо этим заниматься, потому что мы сейчас в целом живем в мире конкуренции экономик разных стран. Соответственно нам также нужно двигаться и в эту сторону.
- Сайт мероприятия
- Новость на сайте РАНХиГС
- Фотографии с мероприятия в РАНХиГС
*Премия — крупнейшее в России ежегодное мероприятие, посвящённое популяризации наиболее значимых университетских проектов в области искусственного интеллекта и внедрению прорывных технологий в ведущие отрасли экономики РФ. В рамках Премии также проводится ежегодный Конгресс Университетского консорциума исследователей больших данных, где участники представляют исследовательские и прикладные проекты в области анализа данных и ИИ.
