Александр Крайнов («Яндекс»): Что происходит с ИИ в России и в мире

Программа конференции была поделена на несколько блоков. 

• Перспективы больших данных и искусственного интеллекта обсудили в блоке Next Big Thing. 
• Для каких задач необходима технология получения информации из изображений и видеопотока, которая позволяет распознавать объекты реального мира без участия человека, разобрались в блоке «Компьютерное зрение». 
• О новом способе получения и анализа больших данных, о людях и их перемещениях без использования и обработки персональных данных рассказали спикеры блока «Геоаналитика». 
• Как множество различных датчиков, объединенных между собой проводными и беспроводными каналами связи и передающих данные, позволяют компьютеру получать представление о протекающих процессах и предпринимать определенные действия — рассказали спикеры блока «IoT и промышленные решения».
• Как делать выводы на основе текстовой информации, обсудили в блоке «Текстовый анализ».

Неформальная часть конференции fAil Stories прошла при поддержке ODS Community. Практики рассказали про мифы и ошибки при работе с внедрением технологий искусственного интеллекта в бизнес.

Общий отчет с мероприятия можно найти по ссылке. Организационный партнер: Deworkacy Big Data.

Александр Крайнов, представляющий «Яндекс», выступил в блоке Next Big Thing с темой «Что происходит с ИИ в России и в мире». Эксперт рассказал, как искусственный интеллект стал популярен, какая ситуация сейчас с ИИ в мире и каково здесь положение России, как ИИ будет развиваться, какие есть подводные камни технологии.

Благодаря сервису Penxy мы можем поделиться с вами презентацией Александра, которую можно не просто посмотреть, но и послушать. 

После выступления аудитория задавала вопросы спикерам. Мы публикуем «публичное интервью» с Александром.

Дайте определение искусственного интеллекта. Представьте: здесь сидит ваша бабушка.

Господи, нет, я не буду говорить это бабушке, зачем ей это? 

Есть одна важная вещь – термин в каждый момент времени обозначает то, что сейчас под ним понимается. Так слово «стимул» уже давно не обозначает палку для погонщиков слонов – теперь это побуждение к действию. 

Сейчас искусственный интеллект – это решения, построенные на базе машинного обучения. По факту все, что в новостях, прессе – где угодно – называется ИИ, это именно машинное обучение. Можно спорить, говорить, что это неточное определение, но это данность. 

Какие технологии в области ИИ уже устарели и не работают?

Таких нет. Есть те, ниша для которых сузилась за счет использования других, новых технологий. Но устаревших нет, все актуальны.

Как будет работать биометрия при высокой стоимости ошибки? Не снять деньги за один проезд в метро – ерунда. Пропустить постороннего на режимный объект – несколько другое дело.

Ошибки при внедрении биометрии будут менее вероятны по сравнению с тем, как это происходит сейчас. По этой причине их стоит в первую очередь внедрять на самых критичных местах. Возможно, в первое время с дополнительной проверкой человеком.

Когда голос «Алисы» будет похож на голос реального человека?

Сейчас было обидно прям! Он уже похож на голос реального человека!. 

Вы посмотрите, как говорили роботы в старых фильмах. Люди там в космос летали, с инопланетянами общались, а роботы говорили механическим голосом. Что касается «Алисы» – отлично говорит, правда. И постоянно есть улучшения, и ошибок становятся меньше. 

Вы понимаете, что это «Алиса», потому что привыкли к ее голосу, и сразу его узнаете. Но если поменять тембр или окраску, то вы не сможете сразу понять, настоящий это человек или нет. Качество фантастическое! 

Технологиям TTS (Text To Speech) уже десятки лет, и они постоянно совершенствуются. Особенно виден прогресс за последние несколько лет – он огромный.

Сможете в следующем году рассказать про «Яндекс.Такси», управляемое искусственным интеллектом?

На самом деле, «Яндекс.Такси» уже управляется искусственным интеллектом. Есть такие места, как Сколково и Иннополис, где можно вызвать беспилотное такси, оно приедет и отвезет. 

Но ИИ – это не только беспилотники. Вы знаете, сколько этого искусственного интеллекта – разрешите мне говорить «машинное обучение» – сколько машинного обучения в обычном сервисе «Яндекс.Такси»? 

Мы не задумываемся, но у таксиста, когда он выходит на работу, есть три состояния: он ждет заказ, едет его выполнять и непосредственно выполняет. Но получает деньги только за третье. 

Есть множество алгоритмов, как максимизировать эту третью часть. Например, подсказки таксисту, как поехать в зону повышенного спроса, или изменение тарифа. Все думают, что это означает постоянное повышение тарифа, но иногда все происходит наоборот, например, если таксист «заказывается» в зону с высоким спросом. 

Зачастую, принимая новый заказ, таксист находится в пути. Может так получиться, что он проедет перекресток и будет вынужден искать разворот – это означает дополнительное время ожидания для клиентов.

Все эти накладки минимизируют сложные навигационные сценарии. Сервис постоянно запрашивает карту и старается показывать заказы тем таксистам, которые находятся максимально близко к клиенту.

По поводу образования. Разве не актуальна система персонального трекшна ученика? Как робот-репетитор оптимально подбирает куски теории и нужные задачи под каждого ученика?

Актуальна. Но основная сложность тут в том, что непонятно, как определить, насколько успешно делается подбор. Мы же не можем научить 10 тысяч одинаковых учеников, используя разные параметры, и сравнить результат. Так что, возможно, формулу индивидуального образования будет проще подобрать вручную.

Как бизнесу понять, что использование машинного обучения будет для него выгодно? 

Если есть много данных, которые сложно проанализировать вручную, и конкретный измеримый показатель, который хочется улучшить, – значит, нужно внедрять. А вообще есть смысл спросить эксперта. И, желательно, не только того, который предлагает свои услуги по внедрению.

Оцените роль user content в обучении машин? Сервисы разметки, изменение маршрута клиентом. Почему он еще слабо развит?

Он сильно развит. Вообще, задач, где машины обучаются без созданных людьми данных, очень немного. В остальном же участие человека необходимо.

Для решения таких задач у нас, например, используется краудсорсинговая платформа «Толока», где миллионы людей размечают данные, обучая искусственный интеллект.

Смотреть все выступления.

Фото на обложке: Ai Stories