4 причины, почему искусственный интеллект нужен даже гуманитариям, и ответы на самые стыдные вопросы о технологии будущего

Стать (или остаться) востребованным профи

«Нейронная сеть написала сценарий для фильма», «ИИ превратит ваши фотографии в картины импрессионистов», «Беспилотные трамваи и поезда вышли на маршруты в Англии и Китае» — ещё недавно такие новости показались бы нелепыми шутками, однако сегодня это реальность. Она вызывает не только восторг, но и страх — остаться без работы, пасть жертвой восстания машин. Но вместо того чтобы бояться, лучше учиться и адаптироваться. Рассказываем, зачем осваивать ИИ и почему никогда не поздно заняться этим.

В какой-то момент вы понимаете, что у вас очень большой объем данных, и вам нужно принять решение, как будут вести себя ваши потребители, если они придут и не будет любимого вина на полке. Нужно найти ответ на вполне прикладной вопрос: что нам поставить на полку, если какой-то продукт выбывает? Для этого вы начинаете просто использовать эти алгоритмы. Они могут усложниться, но нет такого, что начало использования искусственного интеллекта чем-то выделяется.

В ситуации, когда мы используем обезличенную информацию, очищенную от большого количества переменных, машина справится сильно лучше человека. Например, если нужно по снимку с помощью нейронных сетей найти какие-то потемнения в легких. Машина не устает, она умеет постоянно повторять с предсказуемым результатом одно и то же действие. Она может обратить внимание на паттерн, который врач просто в силу отсутствия опыта не может сделать.

Говоря о точке входа в профессию, нужно тоже понимать, куда ты хочешь попасть как с точки зрения отрасли, так и с точки зрения роли. Есть классический треугольник: одна сторона связана с инженерией, другая – с математикой, а третья — с бизнесом. Ты можешь быть неплох в математике, хорошо понимать, как устроен бизнес. Очевидно, что тогда ты будешь неплохим дата-аналитиком, и когда тебе скажут: «Посчитай нам RTO [показатель допустимого времени для восстановления данных – прим. ред.]» или какой-то другой бизнес-показатель, продуктовый показатель, ты будешь в этом хорошо ориентироваться. Но когда тебе нужно будет настраивать процесс поднятия данных, перелив их на какую-то витрину, в таблицы, чтобы ты мог этим пользоваться, у тебя компетенций не хватит. Тут нужны люди, которые связаны с инженерией данных, то есть немного другая роль.

Роль влияния отрасли будет усиливаться. Этот путь уже прошла разработка. Долгое время у нас был просто разработчик, который делал все: мог принтер перезагрузить, сайт собрать. Потом произошло разделение труда. С одной стороны, упрощение задач, и не нужно разбираться во всем, потому что есть готовые библиотеки, готовые решения, есть люди, которые кусок этой цепочки раньше или позже уже обработали, и ты можешь просто взять и использовать их решение. Такая же вещь будет происходить – и уже потихонечку происходит – во всем, что связано с большими данными. Понимание того, как в целом устроена отрасль, в которой ты работаешь, что в ней лучше подойдет, будет все больше и больше цениться.

Если человек имеет желание работать в сфере, связанной с большими данными, то, заканчивая или ещё поступая в ВУЗ, он не до конца понимает, как будет выглядеть мир, в котором он окажется. Когда мы поступали, страна сильно изменилась, как и сама отрасль. Сейчас будет то же самое, это регулярно происходит. Таково мое личное мнение, но я здесь неспециалист, я первый раз живу.

Прокачка навыков

Часть основных концепций работы искусственного интеллекта (ИИ) была придумана еще в середине прошлого века. Но воплотились они относительно недавно, когда появились мощности для обработки больших массивов данных, а также стала внедряться работа с Big Data. При этом сам термин «искусственный интеллект» для многих все еще остается чем-то из области научной фантастики: разговор о нем часто неминуемо приводит к рассуждениям об опасностях, которые технологии несут человечеству. Однако на деле искусственный интеллект активно применяют во многих отраслях: промышленности, медицине, ретейле, образовании и так далее.

В ближайшем будущем, мне кажется, постепенно войдут в нашу жизнь метавселенные. Сейчас это очень популярно, туда идут деньги. А мы понимаем, что любые исследования состоят из двух вещей: можно ли на этом заработать, и готовы ли мы с точки зрения технологий. Тот же самый перцептрон [разработанная в 1958 году модель восприятия информации мозгом – прим. ред.], на основе которого сформулирована концепция нейросетей, это были 60-70-е годы прошлого века. Все достаточно давно было описано – логика принятия решений, почему да как это устроено. Но стало популярно в последние полтора десятка лет просто потому, что вычислительные мощности стали доступны. Для метавселенных у нас это есть, мы с этим будем много сталкиваться.

С точки зрения замены человека для принятия решений и впоследствии его отстранения от этого занятия, возможно, в каких-то областях оно будет возможно, и то в любом случае будет «рубильник». Где-то я читал новость, что люди пытались сделать робота-чиновника или нейросеть для принятия решений. Но это пока эксперименты, потому что мир слишком сложный. Люди не всегда поступают рационально, откровенно говоря, чаще даже нерационально. Все мы знаем историю про детекторы лжи, полиграф. И до сих пор продолжаются разработки паттернов, которые будут более точно определять, говорит человек правду или нет. Более того, пока даже нет единого мнения в научном сообществе, насколько это хорошо работает, потому что люди очень разные, они по-разному реагируют. Вам могут сказать название города, вы отреагируете, а у вас он связан с какими-то воспоминаниями. Машина посчитает, что у вас есть какой-то эмоциональный всплеск.

Второе, что скоро случится, это генеративный контент. Различные картинки, музыка, какие-то совмещения фотографий – сейчас же популярны сервисы, которые позволяют совместить две картинки или по текстовому описанию эту картинку получить. Это достаточно легко, наглядно, понятно, как этим пользоваться, и не требует отдельного регулирования. Уже сейчас можно сделать презентацию, заменив все иллюстрации сгенерированными. В одной из последних версий PowerPoint была добавлена возможность, когда вы просто набрасываете фотографии, и вам предлагается несколько вариантов, как их разместить.

При определенном усложнении этого паттерна, но с той же логикой, можно говорить, что вы сделали искусственный интеллект, который занимается покупкой этих самых проекторов. Все остальное, то есть различные сложные способы принятия решения, например, Random Forest, применяется для решения все той же задачи.

Еще есть отрасль. Понятно, что в медицине, в финансах и в ритейле будут разные требования к людям. У нас сейчас в X5 Retail Group есть кафедра промышленного анализа данных в ритейле в МФТИ, где мы готовим специалистов, которые максимально быстро включатся в наши задачи. Но если выпускников этой магистратуры отправить не в ритейл, а в какой-нибудь биотех, то лучше взять людей с улицы, говоря про начальные позиции, либо сильно дорабатывать опыт людей для того, чтобы они погрузились в продуктивную работу, потому что на кафедре мы формулируем те задачи, которые решаем в повседневной жизни.

«Искусственный интеллект забирает у людей работу!» Отчасти это так. Причём в довольно неожиданных отраслях. Провинциальная бейсбольная команда «Окленд» смогла выстоять против фаворитов чемпионата и выиграть 20 матчей подряд благодаря алгоритму подбора и расстановки игроков на поле. Хотим мы того или нет, но активно автоматизируются даже те процессы, от которых этого совсем не ждёшь. Вопрос лишь в том, кто сможет адаптироваться к изменениям и освоить актуальные навыки работы с данными, а кого ИИ таки сбросит с корабля современности.

Работа продакт-менеджера связана с аналитикой, с изучением паттернов поведения и так далее. Если вы работаете с очень большим B2C-продуктом, например, сайтом для знакомств или приложением, посвященным электронной коммерции, у вас в любом случае возникнет потребность общаться с аналитиками. Это люди, которые сильно лучше вас понимают математику и как устроена работа с данными. Вы тоже будете вынуждены в эту историю погружаться просто для того, чтобы задавать правильные вопросы, и понимать, можно ли на них вообще получить ответы. Вот такая длинная вводная.