Микола Максименко: Комп’ютерам все ще Необхідна Креативність Людини

30 Nov, 2017

Микола Максименко займає посаду Research Lead у відділі R&D, компанії SoftServe. Має ступінь кандидата фізико-математичних наук і перед тим, як приєднатися до SoftServe, займався наукою в Інституті комплексних систем Макса Планка (Німеччина) та в Інституті Вайцмана (Ізраїль). Нещодавно, фокус його досліджень змістився в напрямку фізики нейронних мереж і він почав працювати в ІТ задля того, щоб втілити свої теоретичні знання на практиці.

Разом з ним, дізнаємося більше про штучний інтелект та машинне навчання і як вони вплинуть на наше майбутнє.

Більшість з нас мають смартфони. Вони наділені багатьма сенсорами, які допомагають вимірювати наші рухи, серцебиття, інтонацію голосу тощо. Якщо до телефону додати фітнес трекер та трохи можливостей штучного інтелекту, ви отримаєте пристрій для визначення вашого стану, включаючи кров’яний тиск та рівень стресу, який даватиме вам поради коли краще зробити певні вправи, а коли треба відвідати лікаря. Штучний інтелект – це робоча сила, яка стоїть за кожною технологічною ідеєю, яку ми розробляємо у відділі R&D. Камера спостереження у коридорі, наприклад. Замість того, щоб просто пасивно знімати відео, вона може розпізнавати об’єкти та обличчя, певні дії, небезпечні ситуації та емоційний стан працівників офісу. Це приклади проектів, над якими ми працюємо.

В R&D я створюю прототипи Штучного інтелекту для різних продуктів. Ми фокусуємось на таких сферах як healthcare, fintech та retail, деякі з наших експертів працюють також над проектами, пов’язаними з безпекою за допомогою біометрії та розпізнаванням відчуттів. Останнє включає машинне навчання для того, аби знайти унікальні паттерни у біологічних сигналах, які ідентифікуватимуть різних людей. Це розпочалося з нашої роботи над проектами healthcare, де ми створювали механізми розпізнавання різних хвороб та стани людського тіла, що базувалося на даних з біосенсорів.

myksite2
Розширення можливостей продуктів з допомогою штучного інтелекту

Штучний інтелект – це набір алгоритмів, які є основою ваших розумних пристроїв. Основна частина цих алгоритмів може розташовуватись у cloud і навчатися з мільйонів інших приєднаних пристроїв, або ж може бути інтегрованою в чіп та виконувати одну функцію, на яку була натренована. Наприклад, кожна цифрова камера фокусується на обличчях людей, навіть найдешевші моделі це роблять. Це певний алгоритм штучного інтелекту, який був винайдений 16 років тому, який працює так добре, що ми можемо його використовувати так би мовити, як чорний ящик. З іншого боку, ми бачимо системи цифрового перекладу, які працюють за допомогою штучного інтелекту, часто вони не ефективні і ми постійно їх редагуємо. Ці коректури надсилаються назад до алгоритму навчання для того, щоб вдосконалити систему.

Моя робота полягає в тому, щоб розробити архітектуру систем машинного навчання для різних проблем та продуктів. В більшості випадків, ви не можете взяти дані і відразу отримати з них результат. Перший крок – це попередня обробка даних, яка навчає модель вчитися в найбільш ефективний спосіб. Наступне, це вибір чи розробка правильної моделі. Це може бути нейронна мережа, або Naive Bayes classifier, векторні машини, тощо. Все залежить від проблеми та кількості даних. Модель потім має бути натренованою на можливих даних, що є математичними завданнями з пошуку параметрів, які дадуть найкраще передбачення. У випадку, коли модель не працює, ми коригуємо її знову і знову. Цей процес вимагає багато інтуїції та експериментів для того, щоб отримати найкращі результати і дуже нагадує експериментальні науки. Нарешті, найважча частина, це впровадження системи у продукт, який не базується в cloud. Оскільки немає сенсу переносити всі непотрібні елементи до продукту, ми зазвичай використовуємо наукові фреймворки для навчання та оцінювання моделі.

Deep Learning став широко використовуватися завдяки великим даним та потужним компютерам

Раніше, Штучний інтелект базувався на простих правилах та спостереженнях. Наші настінні годинники передбачають час та є найбільш простим прикладом машин, які здатні передбачати. Давні греки мали механізми передбачення позицій різних планет та зірок для того, щоб допомагати морякам орієнтуватися в морі. На початку 20 століття була створена машина для гри в шахи, вона здавалась достатньо розумною, окрім того, що базувалась повністю на правилі if-then-else. В 19 столітті, Адрієн-Марі Лежандр вигадав регресію аналітичного методу, яка дозволяє нам наблизити моделі з навчених прикладів. Зараз, сучасні моделі штучного інтелекту базуються на теорії статистичного машинного навчання. Простими словами, ця теорія стверджує наскільки різні моделі можуть вивчити та узагальнити, і наскільки їхня робота залежить від кількості натренованих прикладів. Поки ці моделі існували багато часу, їм не вистачало даних та потужності компютерів. Лише після 2010 року, вчені перевинайшли їх знову. Дані стали доступними завдяки Інтернетові, індустрія ігор призвела до існування потужних відеокарт, які є перевагою в навчанні нейронних мереж. Прогрес комп’ютерного зору, перекладу та розпізнавання розмов, наділив додатковими можливостями алгоритми Deep Learning.

Наукові прийоми

Я не відразу почав займатися штучним інтелектом. Я працював над статистичною фізикою, яка по суті спричинила розвиток ранніх моделей нейронної мережі. У Ізраїлі існує сильна спільнота, що вивчає її фізичні властивості, і я помітив, що вона багато в чому збігається з моїми власними дослідженнями з невпорядкованими системами. Я піддався мейнстриму і пройшов кілька онлайн курсів, а також курс навчання в Інституті Вайцмана. Саме тоді я почав імпровізувати з власними ідеями досліджень.

Оскільки Штучний Інтелект – це дуже жвава наука, я не надто боявся раптово змінити діяльність та перейти в галузь ІТ. Тут життєвий цикл досліджень дуже короткий, а це інтригує. На відміну від мого довгострокового академічного дослідження в області фізики, нові цікаві ідеї в ІТ можуть бути реалізовані протягом декількох місяців або навіть декількох тижнів.

my2
Ми дуже швидко отримуємо фідбеки. Деякі продукти, які ми розробляємо в R&D, виходять на ринок протягом декількох місяців або років. У відділі ми застосовуємо найсучасніші рішення. Це не просто продукт, який пропонує безліч рішень у cloud. Ми розробляємо нові моделі та розробляємо нові процеси для бізнес-вертикалів.

Мій звичайний день починається з читання нових наукових праць та нових ідей, які я відразу ж застосовую у моїх проектах.

Якщо ваша робота вимагає креативності, вона безпечна

Я вірю, що Штучний інтелект зробить світ кращим. Він звільняє людей від непотрібної роботи. Все, що може бути автоматизованим, має бути автоматизованим. Якщо комп’ютер може писати тексти краще, ніж людина, він повинен це зробити. Якщо комп’ютер може краще керувати автомобілем, він повинен це робити. Багато адміністративних робочих місць можна було б усунути, дозволяючи цим людям перейти до більш творчої діяльності. Бути креативним є і буде залишатися важким для машин, принаймні протягом найближчих десятиліть. Творчість рухає світовий прогрес, і саме тому людям потрібно зосередитись на цьому.

Сучасний світ вже наповнений Штучним інтелектом у різних варіаціях, наприклад, переклад, пошук на основі знань, контактні лінзи з розпізнаванням обличчя тощо. Впровадження різних невидимих інтерфейсів, які безпосередньо читають сигнали нашого тіла та мозку, виглядатиме як ще один еволюційний крок.