Поиск оптимального ответа: как работает и зачем нужен искусственный интеллект

Как вы видите идеальный путь в профессию через образование?

Это было скорее эволюционное движение, чем революционное. Довольно длительное, которое началось еще до того, как я вообще пришел в X5 Retail Group. Наверное, первая моя большая работа с аналитиками произошла, когда я работал в венчурном фонде. Там были большие, высоконагруженные В2С-продукты, которые всегда опираются на аналитику, на поведенческие паттерны и так далее.

У меня, естественно, был дикий синдром самозванца первые два месяца, потому что предыдущий руководитель был потрясающим специалистом именно с точки зрения инженерной части. Но в какой-то момент нас стало сильно больше, и потребовалось именно менеджерская роль. Нужно было все это разделить на понятные структурные единицы, интегрировать с финансовой частью, сделать из отличного пиратского корабля галеон флота ее величества. Управляемость, предсказуемость, и, ожидаемый результат в ожидаемое время – это были мои основные задачи.

Для примера давайте возьмем элементарный алгоритм. Вы хотите купить проектор. Есть определенный набор требований. Вы для себя решаете: «Я хочу купить проектор, который должен стоить от стольких-то до стольких-то, он должен соответствовать таким-то характеристикам, пользоваться им планирую 10 лет, и купить его хочу на сайте объявлений б/у товаров». Таким образом вы создали некий набор установок. Дальше вы начинаете этот сайт мониторить. «Ага, тут повыше цена, но он в лучшем состоянии, здесь дешевле, но состояние и комплектация отличается». Вот такие задачи проще решать с помощью машины. Вы фактически программируете машину.

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.

Системное мышление важно, поскольку большинство аналитиков работают в коммерческих компаниях, им нужно мыслить наперёд, оценивать возможные риски, понимать бизнес-процессы, чтобы оптимизировать их. Также, поскольку большая часть продуктов, использующих технологии ИИ, ориентированы на потребителей, специалист должен обязательно помнить об их потребностях.

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.

Возможно ли гуманитарию прийти на эти позиции? С учетом того, как углубляется область знания сейчас?

Не хочу быть пафосным и говорить, что я работаю постоянно, но когда я ложусь спать, то включаю подкаст, чтобы узнать, что у нас произошло с метавселенными, а он на английском, потому что на русском хороших подкастов об этом нет. Это работа или нет? Я не знаю. Я это зачитываю в «полезное время». Неполезное время – это когда я включил Playstation и взял джойстик в руки.

Возьмем в пример тот же медтех. Мы понимаем, что если у человека есть в легочной альвеоле потемнение, то с высокой долей вероятности он чем-то заболеет. В рамках одного специалиста это выяснить очень тяжело. Обычно нужно, чтобы люди собрались, всю информацию каким-то образом обработали и вместе пришли к выводу. Машина просто может найти этот паттерн, когда ей не задают даже вопрос. Она сама для себя принимает решение: «вот у меня есть причина, а есть следствие». Если совсем упрощать, то это работает так.

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.

После того как мы триумфально анонсировали «Диалог», произошел мой переход в команду, связанную уже напрямую с аналитикой. Здесь нельзя сказать, что я сидел-сидел, прочитал две книжки и переквалифицировался. К сожалению, так не получилось. Я в предыдущий раз попытался так поменять работу, но не вышло, просто книжек не хватило.

Все сильно зависит от того, что происходит вокруг, какую прикладную задачу вы решаете. Но в общем и целом – это поиск оптимального ответа в ситуации, когда человек справится явно хуже, чем машина. Есть достаточно большое количество, например, медицинских стартапов, которые применяют искусственный интеллект, но пока нет ни одного успешного, который бы заменил, условно, терапевта, просто потому что к нему приходит огромное количество людей, и они по-разному формируют свои жалобы. Большой объем разных вводных как раз лучше обрабатывает человек. Плюс люди могут обманывать, специально или не специально. Это тоже нужно учитывать.

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.

Можно ли стать миллионером, работая с ИИ?
Я думаю, да. Вопрос в том, какую задачу вы решите. Есть избитый пример с разорившимся медицинским стартапом Theranos. Там использовались какие-то алгоритмы, которые делали презентацию, чтобы получить ответ на все вопросы. Эти люди уже стали миллионерами, миллиардерами, работая с ИИ, просто не до конца получилось. Другая известная история – с Tesla и Илоном Маском. Вопрос не в том, используете вы или нет искусственный интеллект, а в том, какую задачу вы решаете. Сейчас есть большое количество нерешенных задач в области искусственного интеллекта, поэтому все развивается. Дерзайте.

Автопилоты еще. Технически мы были достаточно давно готовы к автопилотам – в плане скорости роста технологий, но активно стали их применять только в последнее время. По-моему, сейчас где-то в Соединенных Штатах Америки есть так называемый полный автопилот. Но есть вопросы у законодательства: если машина ошибется и что-то пойдет не так, кто будет виноват? В московских автопилотах всегда сидит человек. Его задача – в случае чего схватить руль, выкрутить, нажать на тормоз. Эта технология требует регуляции, законодательного вмешательства.