«Работа AI ничем не отличается от того, как функционирует мозг» – история программиста с 30-летним стажем

Владимир Черницкий
Владимир Черницкий

Cооснователь и технический директор Faceter

Расскажите друзьям
Полина Константинова

Владимир Черницкий, сооснователь и технический директор Faceter, рассказывает о том, как изменилась работа программиста с конца 1980-х годов и действительно ли нейронные сети скоро смогут превзойти человеческие возможности.

Историю для Rusbase записала редактор The-Robot Светлана Рагимова.

Программированием я начал заниматься почти 30 лет назад


Я начал заниматься программированием еще в школе в Чите, почти 30 лет назад. У нас появился первый в городе компьютерный класс. В большинстве советских школ информатику объясняли на доске, задания делали в тетрадках. Нам повезло — у нас были настоящие компьютеры Yamaha.

Я записался в кружок информатики, первое время мы в основном там играли в видеоигры. Потом появился преподаватель, который начал объяснять азы программирования: Basic, циклы, массивы.

Мы зачитывались журналом «Моделист-конструктор», в котором публиковались куски готовых программ: статья с коротким объяснением и две-три страницы кода.

Там была игра Sacoban, мы ее пытались воссоздать на наших компьютерах. С другом написали простую игру и показывали ее как пример того, что можно сделать на компьютерах младшим классам для вдохновения.

Программирование стало для меня основным хобби, и я попросил родителей купить домашний компьютер.


Когда нам пришел отзыв из Австралии, у нас был шок


В 1994 году я заканчивал школу и хотел поступить в томский институт автоматизированных систем управления и радиоэлектроники. Но родители не решились меня отпустить в другой город.

Остался в Чите, где не было ни одного IT-факультета, и поступил туда, где была сильная математика. Это был энергофак. Через год я устроился в информационно-аналитическое агентство Читинской области. Сначала просто занимался версткой разных журналов и книг на компьютерах в Photoshop и Corel, настраивал сеть.

Это был 1995 год, и к нам пришел интернет. Тогда зона рунета была совсем пустой, самый популярный поисковик был Altavista.

Нашему отделу поручили сделать первый сайт Читы. Я научился писать скрипты, сделал первую гостевую книгу на Perl. Помню, кто-то из Австралии туда написал, это был прямо шок.

Потом я начал работать в компании «Чита.net» — это был первый интернет-провайдер в городе. Разрабатывал биллинговую систему для учета трафика клиентов. Тогда началось более глубокое программирование — C++ и прочее. Учился этому сам — интернет уже начал развиваться, можно было уже найти профессиональные форумы, публикации, книги.


В начале 2000-х я получал в месяц по $300


На меня сильно повлияло знакомство с коллегой. Он был матерым программистом, уже в то время, в начале 2000-х, рассказывал про структуры данных, деревья. Разрабатывал софт для иностранных компаний на аутсорсе.

Коллега находил клиентов, мы зарабатывали серьезные деньги, хотя для западных компаний наша работа стоила копейки. Я брал $6-8 в час. В месяц получали по $300, и это было в 2-3 раза больше моей официальной зарплаты.

Одному заказчику из Европы делали сайт для его клана в игре MMORPG. Разработали сайт для австралийской государственной конторы. В итоге мой партнер уехал в Австралию.


Я перестал получать удовольствие от работы


Дожил я до 30 лет и понял, что мне все надоело. На тот момент у меня уже была семья, квартира, но было ощущение неудовлетворенности, хотелось развития. Мы с женой стали думать, куда бы переехать.

Выбрали Новосибирск. К тому моменту я уже был ведущим программистом в «Чита.net». Когда мы переехали, оказалось, что это в Чите я был крупной рыбой, а там считали по-другому. Отправил резюме в четыре места, меня пригласили на собеседование и отказали везде.

Я понял, что мои знания все еще поверхностные. В итоге пошел в компанию Azoft на среднюю должность. За год работы там я узнал наверное столько же, сколько за всю предыдущую карьеру.

Начал пробовать разные технологии, проекты стали напорядок масштабнее, писал фронтенды на PHP, бэкенды на Java, в ту «до ios- и android-эпоху», где главенствовали JavaME и SymbianOS, разрабатывал мобильные приложения.

Наступил 2008 год, появилась iOS, мы написали тестовое приложение, к нам пришли заказчики. Я возглавил подразделение мобильной разработки. Отдел вырос до шести человек. Мы писали под iOS, чуть позже появилась Android, которую мы быстро освоили.


Мы воссоздали в приложении технику рисования по воде


Однажды пришел клиент, который захотел в мобильном приложении воссоздать турецкое искусство рисования красками по воде Эбру. Заказчик хотел создать программную эмуляцию этой техники. С этого проекта началась R&D-активность компании и моя новая эпоха.

Мы строили физико-математическую модель, ездили в Академгородок общаться с профессорами, чтобы разобраться в гидродинамике процесса.

В итоге нам удалось довольно точно ее воссоздать прямо на GPU в iPad. Конечно, модель была упрощенной, но заказчик остался доволен.


О нейронных сетях

На этом проекте стало понятно, что нужно в компании создавать R&D-отдел. Я его возглавил, и мы начали заниматься разными нестандартными проектами. Этим же путем мы пришли к нейронным сетям, которые только начали «взлетать».

Нейронные сети — «древняя» технология, но новую жизнь она получила в 2012 году с Alexnet. Ян Лекун написал работу на эту тему еще в 80-х годах.

Первый заметный проект в области нейронных сетей назывался  Neocognitron. Японцы еще в 80-х годах препарировали кошек, изучали, как устроена зрительная кора головного мозга. Уже тогда появилась технология распознавания образов, машину научили «узнавать»  цифры.

Позже Neocognitron доработали и создали сверточные нейронные сети. В 2010 году стало ясно, что эти алгоритмы можно запускать даже на обычных домашних компьютерах, и началась новая жизнь нейронных сетей.


Я изучил «нейронки» от и до

В 2013 году пришел заказчик из Испании. Он хотел разработать приложение для распознавания данных с кредитных карт для клиентов банков. Оказалось, что это лучше всего делать на сверточных нейронных сетях.

Создали приложение, заказчик остался доволен. Прошел примерно год и появился новый клиент, который хотел такое же приложение — Роберт Посье из Южной Африки.

На тот момент я уже 7 лет работал в Новосибирске, профессиональное развитие было, но снова пришло желание перемен. Роберт хотел создать офис разработки в Москве и позвал меня его возглавить.

Мы с семьей собрались и поехали. В проекте pay.cards я получил возможность изучить «нейронки» от и до, выжать из них максимум. Получился отличный продукт.


Нейронные сети иногда превосходят возможности человека

В 2014 году произошла неприятная случайность, которая в итоге привела нас к Faceter. Роберта в Йоханнесбурге ограбили на улице, причем, под несколькими камерами видеонаблюдения. Он не пострадал, хотя нападавшие угрожали ножом.

Это так на него повлияло, что он задумался о том, как сделать видеонаблюдение более эффективным.

Так мы придумали Faceter — софт, который фактически заменяет охранника или дежурного полицейского, наблюдает за всем происходящим непрерывно без выходных и перекуров. Это яркий пример того, как искусственный интеллект может заменить некоторые человеческие способности.

Более того, нейронные сети в некоторых случаях превосходят наши возможности — такая система, как наша, может хранить данные по миллионам лиц и узнавать их в видеопотоке в реальном времени.

Один человек, конечно, на такое неспособен. Мы хотим сделать так, чтобы «нейронка»  распознавала не только лица, но и эмоции, а также анализировала цепочки событий и могла диагностировать ситуацию.

Например, если человек с агрессивным выражением лица вынул из кармана острый металлический предмет, то система должна включать режим тревоги.


«Нейронка» изменит в мире все в ближайшие десятилетия

Я считаю, что в ближайшие 20-50 лет эта технология изменит в мире все, причем фундаментально. Меня вдохновляет возможность разрабатывать системы, которые станут частью этого процесса, я чувствую что нахожусь на передовой линии фронта четвертой технологической революции.

Наша система использует компьютерное зрение. Она уже протестирована в реальных условиях. Мы добились точности распознавания в 99,78% по тесту LFW и 79,46% в MegaFace.

Мы закончили три PoC проекта:

  • В популярных в ЮАР пиццериях Debonairs распознавание лиц используется для программ лояльности.

  • В крупнейшей сети казино — для выявления тех, которым запрещено посещать игорные заведения.

  • На одном заводе мы помогли справиться с тем, что работники, когда не могут выйти на смену, отдают свои пропуска родственникам или друзьям, у которых нет никакой подготовки. Система сравнивает каждого, кто проходит КПП с базой данных и сообщает, когда видит незнакомое лицо.


AI может приносить реальную пользу

Мы работаем над расширенными технологиями распознавания. Сейчас система узнает людей по лицу, уже скоро будем распознавать силуэт, одежду, отслеживать передвижения человека от камеры к камере. Затем научимся распознавать ситуации — система будет анализировать не единичные кадры, а цепочки событий, продолжительные по времени.

Сейчас уже есть системы, которые могут выявлять отдельные события. Но таких, которые могут распознавать цепочки событий и диагностировать ситуации, пока нет.

Множество компаний ведут такие разработки. Но наша основная миссия — сделать продукт для массовых пользователей.

Мы хотим показать, что искусственный интеллект не только может раскрашивать фотографии в разные цвета или рисовать картины в стиле Ван Гога, но и приносить каждому реальную пользу.


Работа AI не сильно отличается от работы мозга

Я, конечно, разделяю опасения относительно опасности искусственного интеллекта. Прогресс происходит очень быстро, и мы можем просто за ним не уследить. Если недавно можно было говорить, что AI — это примитивный организм с ограниченными способностями, то сейчас уже роботы могут делать обратное сальто и понимать речь на английском языке лучше, чем люди.

На мой взгляд, принципиально работа AI ничем не отличается от того, как функционирует мозг. Это, конечно, упрощенная модель, но она воспроизводит то, что происходит у нас в голове.

AI сейчас, как детская игрушечная машинка, в сравнении с обычным взрослым автомобилем. Но технологии стремительно развиваются. Все кардинально отличается от технологий первого поколения, с момента появления которых прошло всего 5 лет.

Развитие происходит интенсивно — люди пытаются воспроизвести процессы в мозге. Экстенсивное развитие идет за счет роста производительности оборудования: с каждым годом сети можно делать глубже. Вычислительная мощность нейронной сети сравняется с мощностью мозга уже в ближайшее десятилетие.

Человечество стоит у порога создания универсальных систем, которым достаточно указать правила, и они сами найдут наилучшие пути решения!


Материалы по теме:

Как на Всемирном экономическом форуме решают проблемы, вызванные развитием технологий

7 технологий, за которыми стоит следить в 2018 году

Андрей Себрант: «Судный день невозможен»

Где будут обсуждать большие данные и AI в 2018 году?

Не пора ли нам заговорить о «правах роботов»?


Самые актуальные новости - в Telegram-канале Rusbase

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter


Комментарии

Зарегистрируйтесь, чтобы оставлять комментарии и получить доступ к Pipeline — социальной сети, соединяющей стартапы и инвесторов.
Big Data Conference
14 сентября 2018
Ещё события


Telegram канал @rusbase