「脈拍に指を当てて見回してください」-インテントの共同設立者であるグリゴリー・サプノフとのAIに関するインタビュー

先日、ディープラーニングプログラムの主任教師である Grigory Sapunovと話し、人工知能（AI）の分野に関連する話題の問題について話し合うことにしました。 数年前にグレゴリーはYandex.News開発の責任者でした。 彼は現在、CTOであり、Intentoの共同設立者です。 彼はデータ分析、人工知能、機械学習に15年間従事し、2011年からディープラーニングに従事し、RoadAR（道路上のオブジェクトのニューラルネットワーク認識）、Icon8（ニューラルネットワークフィルター）などのプロジェクトに参加しました。



-長い間、人工知能のトピックについて実質的にあなたとコミュニケーションを取りたかった。 あなたはこのトピックに長い間関わっています。あなたはそれをよく理解し、フォローしています。n番目の数のスタートアップに助言しています...このトピックから最初に惹かれたのは何ですか？

-私は、特にプログラミング、生物学、数学、脳科学、心理学、言語学、哲学などの興味深い分野の交差点で、学際的なトピックに常に偏っていました。 人工知能は、これらすべての領域の交差点にあります。 ここには多くの困難な課題があります。未知へのアプローチをしているという絶え間ない感覚があり、この方向のすでにかなり長い歴史のために、実際には、あなたは以前にほとんど人が訪れていない場所に自分自身を定期的に見つけます。 これはめちゃくちゃ面白いです。

「それがまだ流行していなかったとき、あなたはそれに夢中になり始めました。」 AIの開発で私たちが現在経験しているブームにどのような関連がありますか？ そして、彼は本当にそこにいますか？ たぶん、これは期待の高い別の誇大広告でしょうか？

-いつものように、建設的な物語と非建設的な物語があります。

建設的な部分は、近年、ニューラルネットワークでの作業にブレークスルーがあったことです。 パラドックスは、このブレークスルーに関連するアイデア、アルゴリズム、および方法の多くが長い間開発されており、特別な目新しいものではないということです。 約5年前、コンピューティング機能の成長と大規模なデータセットの出現は、1つのポイントにうまく収convergeしました。 そして、古いアルゴリズムは一般にかなりうまく機能していることが判明しましたが、それまでは適切にトレーニングするのに十分なリソースがありませんでした。 それ以来、概念的に新しいものが数多く登場し、いくつかの分野（たとえば、音声認識やコンピュータービジョン）で、ディープラーニングが成功し、従来の方法に取って代わりました。 5年以上前のAI本のほとんどは、古くなっているため、読むのは危険です。 たとえば、コンピューターでは解決できないタスクの例を常に活用しますが、3歳の子供は解決できます-猫と犬を区別します。 これはずっと前（数年前）に当てはまりません。 コンピューターは画像を完全に認識し、人間よりも高い品質でそれを行います。 または、もっと最近（1〜2年前）に、囲gameゲームはさらに20年間難攻不落のままであると信じられていました。 2016年の春に、これはもはや事実ではないことが明らかになりました。 期待はほとんどありません。 つまり、この場所ではブームは完全に正当化されます。

さらに、現時点ではファンタジーはテクノロジーに追いついていないという感じがあります。 現在の開発は非常に用途が広く、非常に異なるタスクに使用することができ、そのようなアプリケーションの多くを考えた人はいません。 または考えたが、まだこれに必要な時間を割いていない。 私はそのようなタスクの候補者リストを持っているので、彼がそれに到達するのを待っています、または誰かがそれをするでしょう:)

残念ながら、期待の高い誇大広告も存在します。 そして、AIの歴史の例から、すべてが繰り返され、それが何につながるかがすでにわかっています。 1956年のAI分野の出現の夜明けでさえ、この地域の創設者の1人（ジョン・マッカーシー）は1つの夏に深刻な進歩を達成できると述べ、1965年の少し後に、劣等な人（ハーバートサイモン）は20何年もの間、機械は人ができることをすべて行うことができます。 そして、これらの高い期待はすでに「人工知能の冬」につながりました。誰もが約束された結果の欠如に失望し、AIプロジェクトの資金を隠していました。 また別の冬のリスクがあります。 成功に加えて、熱狂的なプレス出版物の括弧の外に残る多くの未解決の問題がまだあるからです。 しかし、いつものように、今度はすべてが違うと信じたいです:)

-多くの人が、AIが多くの職業を破壊することを恐れています。 AIは現在どのようなタスクを高いレベルで解決できますか？ そして、誰が最終的にAIの競争を恐れるべきでしょうか？

-さまざまな国際的な研究グループやメディアは、コンピューターによって置き換えられるリスクによってランク付けされた職業のリストをすでに定期的に発行しています。 これらのリストのいくつかは奇妙に見え、いくつかはかなり信じられます。 これらのいくつかをインターネットで簡単に見つけることができます。

AIは、人々が視覚または音声画像の認識にのみ必要であった場所のヒープ内で、すでに人々を置き換えたり、強制的に追い出したりすることができます。 または、人々が大量の情報をシャベルでしゃべらなければならない場合（これはコンピューターのよりネイティブな環境です）。

悲劇と漫画の状況は、そもそもAIが同じ地域の多くの人々を、より広くITから洗い流してしまうことだと思います。 現在、既製のレシピの使用とモデルのパラメーターの列挙に従事しているデータ科学者が大勢います。 この馬鹿げた非創造的な作業は自動化されるべきであり、自動化される予定であり、さまざまな企業がすでにこれを行っています（たとえば、 FBLearner Flowを参照）。 プログラミングには、自動化するのに長い時間を費やした退屈で退屈な作業が数多くあります（SICPの著者の1人であるSassmanのすばらしい言葉を参照してください。 「今日のプログラミングは、科学に似ています。あなたは図書館に参加して、次に、「自分が必要とするようにカスタマイズできますか？」と自問します。シンプルで小さなパーツから大きなシステムを構築するときにSICPが使用する「合成による分析」アプローチ、無関係になりました。 「 突く 方法」、 habrahabr.ru / post / 282986 ）。 ところで、現在のIntentoプロジェクトでは、これらのプログラミング領域の1つを自動化することを目指しています。 発表に従ってください:)

-そして、あなたが5-10年の間夢を見たら？ この質問は、今大学に入学したばかりの人にとっては緊急かもしれません。

-まず第一に、平凡はどこにでも消えます。 平凡な教師、平凡なプログラマー、平凡な翻訳者、平凡な弁護士。 何かを学べば最高になります。 さて、新しい技術をためらわないでください。 強みは、人をAIに置き換えることではなく、AIを補完することです。 絶えず改善し、新世紀の情報技術で首尾よく自分自身を補うことができる人々は決して敗者にはなりません。

一部の職業は確かに忘却に陥りますが、現在これらの職業の1つを勉強している場合でも、脈拍に指を当てて見て回ってください。 一部の職業は去りますが、まだ何もわからない新しい職業がいくつ表示されますか？ 馬が日常生活から姿を消したとき、自動車と輸送の周りに新しい職業の海が生まれました。 それでも、これらの新しい職業について類推することはできますが、コンピューターが登場すると、職業が生まれ、その多くは事前に考えることすら不可能でした。 あなたが常に新しいものに開かれているなら、何の問題もなく、あなたはこの新しい世界であなた自身のための場所を見つけるでしょう。

-今、「人工知能」と言って、私たちはすぐに「深層学習」との関連を意味または構築します。 これはどの程度正当化されますか？ ディープニューラルネットワークを除いて、AI内に他に何を配線できますか？

-ディープラーニング（DL）は、メディア分野の他のすべてのAIメソッドに取って代わり、AIとほぼ同義語になりました。 しかし、これはもちろん真実ではありません。 DL以外にも非常に多くのメソッドがあります。 たとえば、非常に複雑な最適化問題（多くの場合NP複雑）の解決策を見つけることができる進化的計算と群知能法があります。 知識と推論を表す象徴的な方法があります。これは自動推論の分野で非常に強く、たとえば特定の結論がどのように得られるかを説明できます。 DLは現在、これを行う方法を実際には知らない（DeepMindによる微分可能ニューラルコンピューターに関する最近の最近の出版物は、この方向でDLの道を開いた）。 確率的プログラミングと呼ばれる興味深い分野があります。 AIに関する健全な本を開いてください。目次には膨大な数の異なる方法があります。

GoTo Schoolプロジェクトの一環として学生向けに行ったAIの現在の状態に関する比較的最近のプレゼンテーションをアドバイスできます。 完全にはほど遠いですが、DLアプローチ以外の成功例がたくさんあります。

-なぜディープラーニングは、人が実行する多くのタスクを解決するのに適していると思いますか？ 代替として何かを発明できますか？

-これは実際には難しい質問です。DLが機能する理由と、効率的に機能する理由です。 実際、平行した質問は、人間の脳が同じ問題をうまく解決できる理由です。 科学者は物理学を使用してこれを説明しようとしています 。

どうやら、原理のいくつかの種類の共通性がありますが、人工ニューラルネットワークは生物学的からかなり遠いです。

補完的な興味深い質問は、人がどのタスクを実行するのが不十分で、マシンが適切に実行できるか（おそらく新しいアーキテクチャの種類）です。 明らかな迅速な計算と大量のデータの保存に加えて。 この意味で、私はハミングの言葉が本当に好きです。 。 では、なぜ脳がそのまま配線されているのに、「おそらく考えられない考えがあるかもしれない」という発言は驚くのでしょうか？ 進化は、これまでのところ、私たちがいくつかの方向で考えることを妨げている可能性があります。 これは、AIが潜在的に私たちに革命を起こす可能性がある場所です。

DLが適さない他の多くのタスクがありますが、他の方法が適していることを覚えておく必要があります。 たとえば、前に説明したシンボリックメソッドを参照してください。

-あなたの意見では、市場では現在、ディープニューラルネットワークをトレーニングできる専門家が不足していますか？ どのようなトレンドを期待していますか？

-スペシャリストの需要は、彼らが利用できるよりもはるかに大きい。 これは、コールの数、オープンな空席のダイナミクス、および手付かずのフィールドの存在によってわかります。DLは、サウンドと画像の処理で明らかにしたように、DLが明らかに革命を起こす必要があります。

トレンドのうち、「表面」のデータ科学者の迅速な洗い流しを期待しています。 このエリアに入ることを決めた場合、最初の成功後に停止せず、さらに掘り下げてください。 これは、私たちが常に勉強しなければならない分野です。 あなたが不快であれば、DL / ML / AIはあなたのためではありません。 しかし、そのときはITで何をしていますか？

-私が理解しているように、これが私たちのディープラーニング教育プログラムに行くべき理由の一つです。 彼女についてもう少し教えてください-彼女をどう見ますか？ その用途は何ですか？

-この地域は広大で、2日間または3か月後に専門家になることはできません。 参加者にDLエリアの基本的な理解、基本的な方法の背後にある用語と直観、そしてこのエリアでのオリエンテーションの枠組みを提供することが私の目標であると考えています。

別の目標は、新しい領域への恐怖を取り除き、簡単に入場できるようにし、実用的なことをすばやく教え、実用的な既製のコンポーネントから実用的なソリューションを構築する方法を示すか、強力でアクセス可能なライブラリを使用して独自のアセンブリを組み立てることです。

コースは非常に飽和しており、材料の量は膨大ですが、このコースを数か月間伸ばしたくはありませんでしたが、非常に忙しい人でも余裕があるようにコンパクトにしたいと思いました。 時間は非常に重要なリソースであり、最適化に努めています。

-彼女に行く人の要件は何ですか？

-分野への関心、理解する欲求、これに時間を割り当てる能力、Pythonでプログラミングする基本的な能力、線形代数（ベクトル、行列）、および数学の基本的な知識（プロセスの本質をよりよく理解したいが、どのように作業するかを学ぶには、派生物と友達になると便利です） DLはこれなしでも可能です。現在、すべての最新のフレームワークは、すべてのタイプのレイヤーを個別に区別できるようになり、長い間、これを手動でプログラムする必要がなくなりました。 機械学習の分野についての知識も必要です（たとえば、機械学習の基本を再説明することはありません。たとえば、ロジスティック回帰とは何であるかを詳細に再検討することはありませんが、重要な点を少し思い出させます）。

「すべてが私にとって非常に興味深いように聞こえます。」 最後の質問は、おそらくこのトピックの古典です。 車の蜂起に直面していますか？ コミュニティはどういうわけかさまざまな観点を順守しています。 車は私たちよりも賢くなると信じている人もいますが、私たちを脅かすことはありません。 有名なテクノロジー企業を含む他の企業は心配しており、何らかの形で起こりうる脅威を防ぎたいと考えています。

-私は自動車の暴動ではなく、人間の愚かさ、貪欲さ、近視眼、成熟の欠如などに関心があり、それが永続的な戦争と紛争につながります。 進化の基準では、文明の到来から時間が経ちすぎており、私たちはまだ穴居人です。 コンピューターがこれらの弱点をわずかに補うことを願っています。 私は拡張知能を信じています。

人よりも賢い機械が遅かれ早かれ登場します。 彼女はすべてのコメントとともにこのテキストを読みます:)そのような機械は確かに私たちの世界を変えるでしょう、そして、私はそれがどのように振る舞うか、または何につながるかを予測できません。 これらはリスクです。 しかし、ここでは私たちは無関心なプレイヤーではありません。何かは私たちにかかっています。 この瞬間に備える必要があります。

しかし、以前にも、新しいテクノロジーに適切に気づかなくても 、新しいテクノロジーに強く結びついているという事実から、他の多くのリスクがあります 。 私たちは複雑なシステムを作成し（AIから非常に遠くなる可能性があります）、その仕組みについては理解していません 。 展開されたテクノロジーのリスクを十分に考慮していません 。 最後に、私たちは単に新しいテクノロジーを汚い行為のツールとして使用します。

しかし、リスクとは別に、潜在的な利益を検討します。 たとえば、生物学では、膨大な量のデータが蓄積されており、1人の超専門家や専門家のグループの賢い頭では把握できない。 このデータを使用する可能性は非常に大きく、生細胞の働きのすべての側面をよりよく理解し、多くの病気を治療し、人間の生命を根本的に拡張し、脳の原理をより深く理解します。 他の科学では、物理学から歴史まで、AIが解決するのに役立つ多くの問題と未解決の問題もあります。 教育を根本的に変えて、その効果を桁違いに高め、まったく新しいレベルに移すことが可能です。 AIは、最悪の「目に見えない」悲劇の1つ、つまりすべての人の未開発の可能性を解決するのに役立ちます。