Let’s speak about AI: мини-интервью со спикерами AI Ukraine’16
Друзья, до конференции AI Ukraine’16 остался один месяц, и мы подготовили мини-интервью cсо спикерами.
Уверены, что опыт и рекомендации лучших экспертов в сфере AI будут полезны каждому из вас.
Сергей Шельпук, Head of Data Science Office, Eleks
1. Расскажите о первых шагах в вашей профессии: как начиналась ваша карьера в сфере ИИ? Чей пример или опыт помог вам в работе?
Для меня все началось в августе 2011 года, когда Стэнфордский университет решил выложить в публичный доступ три курса: Machine Learning, Artificial Intelligence и Introduction to Databases. Они увлекли меня целиком и полностью. Показали, насколько интересной и полезной для решения практических задач может быть математика — нечто, что было вовсе не очевидным после учебы в КПИ. Видеть, как написанная тобою программа сама учится делать нечто, что ты ей не объяснял и что не смог бы объяснить, даже если бы захотел, было захватывающе. Ощущение магии.
Потом были MOOC, учеба на ИИ программе в Стэнфорде и, в конце концов, создание Data Science Group в SoftServe. Мы были первыми среди украинских ИТ компаний, у нас не было перед глазами опыта или примера, на который мы могли бы опираться. В чем-то помогал Интернет, но по большей части мы учились делать бизнес из ИИ сами, с помощью здравого смысла, методом проб и ошибок.
2. Расскажите о самой интересной Data Science задаче, которую вам приходилось решать (научной или практической).
Очень сложно выбрать — они все были интересными и каждая самая интересная по-своему.
Был наш самый первый проект, мы искали аномалии на ренгеновских снимках. Это был 2013 год, у нас не было опыта, и сама задача не имела известных решений. Тем не менее, мы смогли получить хороший результат с помощью модного нынче подхода deep learning.
Был поиск похожих пациентов на выборке в 30 миллионов, каждый из которых описывался 350 тыс. бинарных признаков. Может показаться, что это Big Data задача для кластеров и Spark, но наше решение работало на обычном офисном ноутбуке, выдавало результат за 100 миллисекунд и потребляло 20 Мб ОЗУ. Это был интересный опыт применения data mining, о котором часто забывают на фоне популярного нынче machine learning.
И была система автоматического управления мощностями серверов и виртуальных машин. Очень интересная с технической точки зрения задача и ее решение с применением reinforcement learning, который сегодня очень редко можно встретить в продакшен системах. Несколько недель назад Google объявил, что они смогли уменьшить затраты на электричество с помощью технологии DeepMind. Мы делали точно такое же решение с 2013 года.
3. Представьте 2030 год, — каким он будет? Какие возможности для человечества могут появиться благодаря развитию ИИ уже через 10-15лет?
Очень сложно загадывать. Все меняется слишком быстро, делать прогнозы в нынешнем мире — только засорять информационное пространство :-)
Стоит также помнить, что с момента появления термина в
Приятно видеть, что ИИ снова на подъеме, но в то же время — слишком оптимистические прогнозы и слишком большие ожидания увеличивают риск нового разочарования.
4. Сейчас в разных кругах всерьез обсуждается вопрос опасности искусственного интеллекта, ведь кинематограф нещадно эксплуатирует эту тему. Проводится аналогия с “Терминатором”, для которого человечество — угроза. Насколько эти опасения обоснованы, по вашему мнению?
Расцвет ИИ можно сравнить с индустриальными технологиями XIX века — мы разрабатываем инструменты, которые могут делать человека более эффективным и более продуктивным. Какие-то профессии могут исчезать, новые могут появляться, но как паровая турбина не убила человека, так не убьют и ИИ технологии.
5. Порекомендуйте для наших участников материалы, которые оказались ценными для вас: книга/веб-ресурс.
1. On Intelligence by Jeff Hawkins
2. Mining of Massive Datasets by Anand Rajaraman and Jeffrey Ullman
3. Deep Learning by Ian Goodfellow, Yoshua Bengio and Aaron Courville
Марьяна Романышин, Technical Lead, Computational Linguist at Grammarly
1. Расскажите о первых шагах в вашей профессии: как начиналась ваша карьера в сфере ИИ? Чей пример или опыт помог вам в работе?
Я вперше дізналася про комп’ютерну лінгвістику в 2010 році. Тоді, на п’ятому курсі, нам пощастило вчитися в Андрія Романюка, який розробив курс із комп’ютерної лінгвістики для прикладних лінгвістів “Львівської політехніки”. Я закохалася в предмет, витратила літо на те, щоб засвоїти основи опрацювання природної мови та опанувати Python, а тоді написала прототип семантичного аналізу на диплом. Я вдячна Андрієві Романюку за те, що мене надихнув та скерував, і шкодую, що він більше не викладає комп’ютерну лінгвістику.
Далі було дуже багато самонавчання, перша робота, аспірантура, знайомство з машинним навчанням, друга робота, ще кілька курсів на Корсері, конференції, тоді Ґреммерлі, і ось я в Берліні на конференції ACL — спілкуюся з К. Меннінгом та Д. Джурафскі, за матеріалами яких я й опановувала професію.
2. Расскажите о самой интересной Data Science задаче, которую вам приходилось решать (научной или практической).
Я не можу пригадати нецікавих комплінгвістичних проектів. Усі проекти, в яких я брала участь, були цікавими, нестандартними та дуже різноманітними за набором технологій, який вони використовували. Це і морфологічний аналіз, і синтаксичний аналіз, і аналіз тональності тексту, і додатки для дистанційного вивчення іноземних мов, і виправлення помилок, і добування сутностей, фактів, подій тощо. Кожна з цих задач складається з безлічі підзадач, і робота комп’ютерного лінгвіста полягає в тому, щоб формалізувати таке непередбачуване явище, як природна мова. Пригадую, як працювала над виправленням відсутнього артикля (вже в Ґреммерлі). Мене тоді два тижні не було ні видно, ні чути, поки я шукала рішення, яке б спрацювало найкраще.
Природна мова — це унікальне явище. Технології для її опрацювання постійно розвиваються, а кількість задач лиш росте.
3. Представьте 2030 год, — каким он будет? Какие возможности для человечества могут появиться благодаря развитию ИИ уже через 10-15лет?
Уявляти певно не буду, зате можу порушити кілька питань для роздумів.
Наприклад, за останні два роки набув популярності термін Neural: Neural Machine Translation, Neural Syntactic Parsing, Neural Error Correction і т.д. Результати дуже гарні, однак є й багато критики навколо цього модного слівця, тож я точно стежитиму за розвитком методів глибинного навчання для задач комп’ютерної лінгвістики. Цікаво, чи вистрілить цей напрям, змітаючи все навколо? Чи, можливо, промине, і його замінять інші модні словечка?
За останні роки багато було зроблено в напрямі створення соціальних роботів, на кшталт Jibo. Цікаво, чи стануть такі роботи звичним явищем через 15 років?
Машинний переклад, аналіз тональності, виправлення помилок, звісно, просунуться. Питання лиш у тому, чи досягнуть рівня людини?
4. Сейчас в разных кругах всерьез обсуждается вопрос опасности искусственного интеллекта, ведь кинематограф нещадно эксплуатирует эту тему. Проводится аналогия с “Терминатором”, для которого человечество — угроза. Насколько эти опасения обоснованы, по вашему мнению?
Так, я чула, що Ілон Маск і компанія працюють над запобіжними заходами. Я загрози для людства поки що не бачу. Штучному інтелекту наразі бракує глузду та знань про навколишній світ. Спроби додати йому цих знань через створення баз знань на цей момент дуже обмежені, адже формалізувати світ навколо не так просто. А для машинного та глибокого навчання потрібно надзвичайно багато даних. Я не певна, що всього інтернету вистачить.
5. Порекомендуйте для наших участников материалы, которые оказались ценными для вас: книга/веб-ресурс.
Як показав досвід попередніх років, авдиторія AI Ukraine дуже різноманітна. Для різноманітної авдиторії пораджу різноманітні матеріали. З того, що спадає на думку:
1. Для тих, хто хоче займатися комп’ютерною лінгвістикою, але не знає, з котрого боку підійти:
— Natural Language Processing with Python by Steven Bird (для зовсім початківців)
— Speech and Language Processing by Daniel Jurafsky and James H. Martin (класика)
— Foundations of Statistical Natural Language Processing by Christopher Manning (класика)
— Coursera: Natural Language Processing (by Daniel Jurafsky and Christofer Manning, Stanford), Introduction to Natural Language Processing (by Dragomir Radev, Michigan), Natural Language Processing (by Michael Collins, Columbia)
— курси з машинного навчання та глибинного навчання на Coursera та Udacity
— Антологія ACL
2. Для тих, хто будує власну команду і хоче, щоб процеси всі були на місці:
— Site Reliability Engineering by Google
3. Для жінок в IT, які чогось бояться:
— See Jane Lead by Lois Frankel
— Nice Girls Don’t Get The Corner Office by Lois Frankel
Ярослав Недашковский, System Architect at SoftElegance
1. Расскажите о первых шагах в вашей профессии: как начиналась ваша карьера в сфере ИИ?
Первые шаги в работе с данными были сделаны еще во время написания дипломной работы, где я занимался анализом сейсмических данных с нефтяных месторождений.
2. Расскажите о самой интересной Data Science задаче, которую вам приходилось решать (научной или практической).
Меня больше всего интересует задачи связанные с предективным анализом. Сейчас как раз решаем такую головоломку, связанную с оборудованием для интенсификации добычи нефти.
3. Представьте 2030 год, — каким он будет? Какие возможности для человечества могут появиться благодаря развитию ИИ уже через 10-15лет?
Это медицина — возможно, мы сможем забыть про некоторые неизлечимые болезни и создать прибор, который сможет при рождении человека предсказывать в какой области ему лучше развиваться. И так называемая четвертая индустриальная революция будет в завершающейся стадии. Из “простых няшек” — появление интеллектуальных помощников, которые очень сильно упростят нашу жизнь.
4. Сейчас в разных кругах всерьез обсуждается вопрос опасности искусственного интеллекта, ведь кинематограф нещадно эксплуатирует эту тему. Проводится аналогия с “Терминатором”, для которого человечество — угроза. Насколько эти опасения обоснованы, по вашему мнению?
Я думаю, что это всё это надуманные проблемы, связанные с большим хайпом возле ИИ. Мне слабо верится в возможность создания подобной копии мозга человека в “железном виде”. Больше всего проблем может быть связано с сокращением рабочих мест в результате тотальной автоматизации, и с переобучением людей в новые возникающие профессии.
5. Порекомендуйте для наших участников материалы, которые оказались ценными для вас: книга/веб-ресурс.
Сейчас читаю “Mining of Massive Datasets” — www.mmds.org. Рекомендую. Помогает всё время учиться, постоянно расширять свой кругозор.
Интервью с другими спикерами читайте на нашей странице в Facebook
