Спільнота, яку заснувала Дар'я, допомагає компаніям вирішувати завдання в області штучного інтелекту (ШІ) і data science (науки про дані). AI Booster провів DS Competition для Vodafone, в рамках якого були вирішені дві задачі: визначення віку абонента та ймовірність встановлення конкретним абонентом мобільного застосунку на підставі наявних анонімних даних.

AI Booster також провів кілька хакатонів, на яких вирішувалися завдання для рітейлу, медицини та безпеки, і заснував дві технічні конференції: Computer VISIONers Conference (про комп'ютерний зір) і Production AI (про технічні аспекти впровадження AI). Нещодавно Дар’я увійшла до рейтингу 25 підприємців до 25 років від MC.today.

Як ти почала зі штучним інтелектом? Був якийсь магічний момент, коли ти відкрила очі зранку і така “всьо, займаюсь ШІ!”?

Та ні, все було поступово й природно. Системотехніка КПІ, робота з даними, вебінари для тих, хто працює з даними, зростання спільноти, робота з компаніями, а далі вже реальні події з прикладними майстер-класами та хакатони за участі провідних компаній.

Можеш назвати свої три найулюбленіші кейси з використання машинного навчання?

Перший — це хакатон від компанії Vodafone. У цієї компанії є свій аналітичний відділ, який на основі даних про поведінку абонента, як-от статистика дзвінків та переміщень, визначає вік абонента, і далі ця інформація використовується для того, щоб надсилати більш релевантну рекламу для цієї вікової групи.

Суть хакатону була в тому, щоб придумати алгоритм, який справляється краще, ніж відділ аналітики Vodafone. Як не дивно, більшість команд хакатону змогли зробити алгоритм, який справлявся краще, а результати переможців були просто разючими.

Другий кейс — це приклад маленьких оптимізаційних задач, що роблять життя трохи зручнішим. Ось, наприклад, фрукти та овочі в супермаркеті. Нам постійно потрібно запам’ятовувати їх код, потім вбивати його на вагах, щоб надрукувати штрих-код, за яким можна буде оплатити все на касі. Є розробка — камера, підключена до нейромережі, що автоматом розпізнає фрукти та овочі на вагах. І вам більше не треба запам’ятовувати зайві цифри.

Третій кейс — це велика кількість медичних застосунків, що допомагають лікарям рятувати життя. У цій галузі зараз йде активна інтеграція зі смарт-браслетами, що міряють пульс. За даними з них можна діагностувати майбутній серцевий напад за місяць (!) до того, як він станеться.

Багато українських команд працюють в цьому напрямку:

  • MAWI — браслет, що діагностує серцево-судинні захворювання.

  • Cardioma — браслет, який можна подарувати своїм літнім батькам, і бути в курсі, як там їх серце, чи оперативно викликати швидку.

  • EMwatch — диво-розробка, що моніторить пульс, тиск та рівень кортизолу (!). За допомогою цих показників і трохи магії пристрій контролює вашу продуктивність, рівень стресу та дозволяє оптимізувати баланс навантажень.

Також є низка медичних B2B рішень, які виконують функцію радників лікарів — наприклад, можуть автоматично прочитати історію хвороб усіх пацієнтів лікарні та зробити прогноз основних ризиків здоров’ю для кожного окремого пацієнта. Або розпізнати різні пухлини та захворювання на рентгенівських знімках. До повної автоматичної діагностики ще далеко, адже це в першу чергу питання відповідальності. Бо якщо лікар помилився з діагнозом, він несе за це відповідальність. А якщо помилився алгоритм, тоді хто буде відповідати?

Якій кількості професій загрожує автоматизація?

Я не думаю, що алгоритми суттєво витіснять людей з ринку праці, хоча апокаліптичних прогнозів на цю тему хоч греблю гати. MIT прогнозує, що автоматизація забере 80% робочих місць за наступні 5 років. Oxford Martin school прогнозує втрату 50% робочих місць за наступні 10 років.

Все одно є велика кількість творчих професій… Хоча роботи й музику пишуть, і картини малюють, однак за рівнем змістовності між людьми та машинами лишається прірва.

Роботу рекрутерів для простих професій, наприклад, непогано автоматизують через простих ботів. Наразі є пілотні проекти, що вміють читати резюме. Компанії зараз активно автоматизують служби технічної підтримки за допомогою алгоритмів семантичного аналізу. Наприклад, якщо ви напишете в допомогу Приват-24, то спочатку спеціальний алгоритм проаналізує ваше повідомлення і спробує запропонувати рішення на основі ключових слів. Значна частина рутинних звернень зараз обробляється автоматично.​

Як ти оцінюєш щораз більшу кількість алгоритмів, що проходять тест Тюрінга? Чи є це ознакою наближення універсального ШІ?

Тест Тюрінга — застаріла метрика. Сьогодні написати чат-бота, якого можна прийняти за людину, — вже не надзавдання. Є випадки, коли тест Тюрінга був пройдений виключно завдяки креативності розробників — наприклад їхній чат-бот робив граматичні помилки, і тестова комісія подумала, що робот точно писав би правильно. А взагалі, універсальний ШІ — це не наша тема. Його розробляють величезні корпорації та державні лабораторії з колосальним фінансуванням, і всі тримають ці розробки під грифом “секретно”. Ми займаємось більш прикладними речами.

Як ти оцінюєш вплив штучного інтелекту на кіберспорт? Зараз на кожній великій події є матчі “топові гравці проти ШІ” та просто чемпіонати серед різних штучних інтелектів.

Ставлюся до цього позитивно. Штучний інтелект в іграх дуже популяризує саму тему розробки ШІ. Також в цій сфері є чимало стартапів, які розробляють ШІ, що виступає асистентом кіберспортсменів. Наприклад, 20thousandleagues — це штучний інтелект, що вчить вас грати в “Лігу Легенд”. На відміну від звичайних інтерактивних посібників, які просто навчають ігровій механіці, ця штука також навчає командній грі та навіть правильному спілкуванню з іншими гравцями.

Оце зненацька... Роботи, що вчать людей бути кращими, вже тут! Які ще науково-фантастичні речі вже реальність?

Та багато… Наприклад, “голівудський зум” — оцей штамп із детективних фільмів та наукової фантастики, коли при збільшенні зображення його якість не падає, і пікселі не з’являються. Зараз є нейромережі, які розпізнають об’єкт на зображенні, і домальовують нові пікселі при збільшенні. Це вже реальність. Або українська розробка Reflect — накласти інше обличчя якійсь людині прямо у відео. До речі, його створювала та сама команда, що випускала відомий додаток Prism… Зараз ця заміна облич на відео поки що помітна, але технологія рухається в бік покращення цього.

Ця технологія плюс база відео PornHub… Чи є взагалі щось, що поза межами досяжності штучного інтелекту?

Так, чимало банальних речей. Наприклад, просте голосове спілкування. До нас часто звертаються “замовники”, які хочуть собі бота, що веде живу розмову з клієнтами. Але якщо ви хоч раз спілкувались з Siri чи Alexa, то знаєте, що це все, що технології голосового управління можуть сьогодні. У їхніх корпорацій багато розумних програмістів та величезні бази даних, але вони не можуть зробити штучний інтелект, що просто підтримує розмову та добре розпізнає команди. Робот Софія — це приклад фейкового ШІ. Це робот, у якому вбудований мікрофон і камери, і її репліки каже людина за мікрофоном. Також в галузі розпізнавання зображень і їх категоризації ШІ пішов не так далеко.

Наскільки значну роль відіграє прогрес “заліза” у розвитку ШІ?

Дуже важливу роль. Нейромережі існували ще у 70-х роках. Але лише зараз вони набувають комерційного застосування, і все тому що сильно впали ціни зберігання гігабайту інформації (і її передачі через Інтернет), а також терафлопсу обчислювальної потужності. Це кількісні зміни, які переростають в якісні, і дозволяють робити речі, які раніше ми не могли уявити.

Що ти могла б побажати нашим читачам?

Звертайте увагу на бази даних і потоки даних. Якщо у вас є ідеї, як їх можна використати, щоб зробити щось краще — зв’яжіться з нами.

"Що біткоїться" — це освітньо-медійний ресурс про криптовалюти, блокчейн і нові технології з гумором. Ранкові брифи щодня на Телеграм-каналі.

Коментарі