В последнее время новостей об искусственном интеллекте чрезвычайно много. Машины все глубже проникают в повседневную жизнь человека, и, кажется, появление искусственного интеллекта уже не за горами. На какой стадии сейчас находится процесс создания ИИ и как с этим обстоят дела в Беларуси, KV.by рассказал Александр Сизов, ведущий эксперт СНГ в области искусственного интеллекта.

Опыт в сфере ИИ

Я когда-то, как и большинство современных специалистов в области Data Science и машинного обучения, начал заниматься разработкой, запустил несколько веб-сервисов. Параллельно преподавал в университете. С 2008 года в свободное время готовил кандидатскую диссертацию по анализу данных.

Тогда на постсоветском пространстве тема машинного и глубокого обучения еще не набрала сегодняшней популярности, и мои исследования были в определенном смысле новшеством. Безнадежно увлекшись Data Science, я ушел из привычной разработки и с тех пор работаю только над проектами по применению искусственного интеллекта и машинного обучения в разных сферах бизнеса – финансовых технологиях, телекоме, ритейле, банковском секторе, безопасности, страховании и юриспруденции.

В 2014 году защитил диссертацию на соискание ученой степени кандидата технических наук по релевантной теме, был научным руководителем в магистратуре, продвигал новые актуальные курсы в университетской программе.

На какой стадии сейчас находится процесс создания ИИ?  Как с этим обстоят дела в Республике Беларусь?

Несмотря на весь шум и пыль, поднятые в последние годы вокруг успехов в обучении глубоких нейронных сетей (сейчас этот шум уже несколько сместился и клубится над криптовалютами и блокчейном), по-настоящему значимые успехи, связанные с созданием так называемого сильного интеллекта, у человечества еще впереди. Но масштаб внедрения приложений искусственного интеллекта к бизнес-задачам впечатляет. Эти внедрения, а в особенности работа на перспективу – чтобы не отстать и оказаться на коне в нужный момент – требуют специалистов.

Средние, крупные и очень крупные компании не жалеют средств на разработки в сфере ИИ, в том числе исследовательского характера. Все понимают, что упущенное сейчас время будет сложно «нагнать» в условиях быстро меняющегося рынка, и игроки, вовремя не позаботившиеся о переходе на «умные» рельсы, не будут конкурентоспособными. В разрезе компаний мы уже перешли от создания центров компетенций к практическому применению накопленного ими опыта.

Есть ли спрос на ИИ-специалистов?

Да, как я говорил выше, рынок настойчиво требует специалистов, которых пока еще практически нет. Их ощутимо не хватает в мире в целом, в Республике Беларусь же эта проблема (со стороны будущих специалистов – возможность) стоит особенно остро.

Если, например, в Москве и Санкт-Петербурге в ведущих вузах совместно с крупными игроками ИТ-рынка уже организованы курсы, специальности и целые факультеты, готовящие специалистов Data Science именно согласно последним достижениям в области искусственного интеллекта и потребностям рынка, то в Беларуси масштабы подготовки ИИ-специалистов пока невелики. А спрос, учитывая специфику отечественного ИТ-рынка, колоссальный.

Западные компании и тем более стартапы, которые не заявляют, что у них есть ИИ и что они используют машинное обучение, выбывают из игры. В этих условиях, очевидно, учитывая курсы национальных валют последних лет, в Минске специалисту в ИТ можно рассчитывать на большую зарплату, чем, например, в Москве.

И этот эффект особенно заметен, если говорить про специалистов в Data Science. Специалист с хорошими знаниями и, что особенно важно, практическим опытом использования технологий ИИ в Минске может рассчитывать на $5000 и более, в зависимости от конкретного случая. Примечательно, что это тенденция, очевидно, в ближайшие годы сохранится.

Кто может стать хорошим специалистом в сфере ИИ?

Это люди с техническим образованием, как принято говорить, «аналитическим» складом ума, программисты с хорошей математической базой и опытом разработки хотя бы на одном языке программирования.

Потому что современный специалист Data Science – это и аналитик, способный разобраться в задаче и выполнить правильную ее постановку, и математик-исследователь, знающий особенности моделей и архитектур машинного обучения и способный выбрать оптимальное решение для данной задачи, и программист, умеющий это решение воплотить в виде программной реализации и получить production-решение, и devOps, и системный администратор, умеющий развернуть и поддерживать необходимую инфраструктуру больших данных, а  затем «задеплоить» полученное решение, и тестировщик, и QA-специалист, гарантирующий работоспособность этого решения в реальных условиях.

Все эти этапы необходимо пройти на пути, начиная с получения запроса от бизнеса и заканчивая тем моментом, когда полученным решением будут пользоваться люди. Конечно, при масштабировании, как и в привычных проектах по разработке ПО, эти этапы выполняются разными специалистами и даже командами, но на «заре» применения технологий искусственного интеллекта это был один человек.

Сейчас, как правило, выделяют датасаентистов, которые разрабатывают математические модели и реализуют их в виде прототипов, и дата инженеров, которые работают со средами больших данных и внедряют эти модели в «продакшн». Но бесшовный перенос прототипа в продакшн по-прежнему остается определенной проблемой.

Как нужно решать проблему с кадрами?

Глобально этот вопрос должен решаться на уровне изменения программ вузов (и в перспективе старших классов). Но это долгий процесс, который, если не обговаривать его необходимость, не компенсирует нехватку кадров в перспективе ближайших нескольких лет.

Более оперативное решение – это курсы и тренинги, на которых люди с определенной базой – математики, программисты – смогут получить необходимые знания и навыки для начала самостоятельной работы. Только вести такие курсы должны «действующие» специалисты с богатым практическим опытом применения технологий ИИ и машинного обучения, а не теоретики, которыми, к сожалению, изобилует постсоветская высшая школа.