Blog

Розробник програми про майбутнє СШІ

Учені вважають, що штучний інтелект представляє серйозну загрозу для людства, яку можна зіставити з повним вимиранням людини як виду.

Багато хто думає, що штучний інтелект (ШІ) це щось з області фантастики, і він схожий більше на роботів з "Термінатора", "Ex Machina", "Я робот" або "Зоряних війн".

Є кілька категорій ШІ: вузький (слабкий), загальний (сильний) і суперінтелект (ШСІ). Наразі, людство вже підкорило найпершу сходинку – вузький ШІ. Багато хто навіть не здогадуються, але ми використовуємо його кожного дня і оточує він нас всюди, починаючи від Siri в iPhone закінчуючи Google Translate.

Напрямок ШІ один з найважливіших для нашого майбутнього. Але в наукових колах продовжують точитися суперечки, як стрімко ШІ досягне найвищого рівня – багато кто з учених вважає, що це станеться вже до 2040 року. Але варто усвідомлювати, що разом з інтелектом з'являється інша влада. Це означає, що після створення ШСІ, він буде найпотужнішим творінням людства, і всі живі істоти, а також люди, будуть повністю в його владі.

Ілон Маск, Стівен Гокінг, Білл Гейтс та інші учені вважають, що штучний інтелект є серйозною загрозою для людства, яку можна зіставити з суцільним вимиранням людини як виду.

ТСН.ua зустрівся зі фахівцем з машинного навчання (Machine Learning Engineer) Юрієм Гуцом який за сумісництвом був співавтором програми штучного інтелекту у "Львівській політехніці". Він розповів, що наука ще далека до суперінтелекту, проте вже варто починати замислюватися про витіснення людини з багатьох сфер діяльності і глобальну втрату робочих місць.

– Що таке штучний інтелект і як він працює? 

– Штучний інтелект вивчає, як за допомогою комп'ютерних систем вирішувати задачі, що вимагають людського рівня мислення. Наприклад, розпізнавання візуальних образів, розуміння природної мови, автоматизоване прийняття рішень, накопичення знань, адаптація і навчання з нового досвіду.

Незважаючи на те, скільки шуму сьогодні в медіа довкола штучного інтелекту, ця область існує вже давно. Перші наукові дослідження штучного інтелекту почалися ще в 1950-х роках, і за цей час він уже пережив дві так звані "зими" — періоди, коли фактичний розвиток області не співпадав з завищеними очікуваннями бізнесу чи державних установ, і приводив до розчарування.

"Весна", яку ми спостерігаємо зараз, спричинена кількома факторами. Перш за все, обчислювальні потужності сильно зросли за останнє десятиліття, що дозволяє сьогодні швидко виконувати задачі, які раніше було вирішувати непрактично. По-друге, стало достатньо дешево збирати та зберігати величезні об'єми даних.


юрій гуц_2

ТСН.ua

Другий фактор тісно пов'язаний із тим, як сьогодні вирішується більшість задач штучного інтелекту. Зазвичай, машині дається великий об'єм даних, для яких "правильні відповіді" заздалегідь позначені людиною. До прикладу, щоб навчитися розпізнавати обличчя, ми можемо дати машині 100 000 прикладів облич, для кожного з яких зазначене ім'я цієї людини. Система навчається з цих даних так, щоб могти дати вірну відповідь для небаченого раніше фото котроїсь із цих осіб.

Загалом розвиток штучного інтелекту ділять на дві категорії — вузький штучний інтелект (інтелектуальна система, яка добре справляється лише з однією задачею) та широкий штучний інтелект (узагальнення досвіду, рефлексія та адаптація до нових задач).


Зараз ще дуже рано говорити про сценарій Термінатора

Наприклад, сьогодні складно взяти систему, навчену для керування автомобілем, та швидко перенести її на пілотування літака — треба окремо навчати одне, та окремо інше. Натомість, людина здатна використовувати попередній досвід для небачених раніше задач — ми з дитинства знаємо, що якщо якусь річ кинути, вона впаде; якщо вітер дує, то тонкі предмети хитаються; якщо річ горить, то вона гаряча. Але в машини немає такого інтуїтивного мислення.

– Ось є цікавий приклад, що робот зі штучним інтелектом не зможе відрізнити дощ від душу. Тобто, коли починається дощ, людина ховається під парасольку аби не намокнути, проте коли людина приймає душ, вона не переймається тим, що буде мокра. Своєю чергою, робот не розуміє, чому на вулиці треба ховатися і не мокнути, а в інших випадках ні. 

– Так-так, і це те, що зараз відрізняє людське мислення від поточного розвитку штучного інтелекту. Те, що свідомість нам дозволяє вкласти задачу в ширший контекст і узагальнити попередній досвід.


– Є такий тест Тюрінга, його застосовують і досі? Тому що він був винайдений досить давно, це ще 50-ті десь роки. Як у фільмі "Ex Machina", коли людині, дійсно здавалося, що вона спілкується не з роботом, а зі справжньою людиною, хоча це не так. 

– Ви праві, тест Тюрінга в класичному формулюванні полягає в тому, що людина, переписуючись із кількома співрозмовниками, не відрізнить, хто із них жива людина, а хто — машина. Існує щорічне змагання — премія Льобнера (Loebner Prize) — де за таким сценарієм нагороджується найбільш "людяний" інтелект.

Хоч це й цікавий критерій для оцінки штучного інтелекту, багато сучасних дослідників вважають цей тест не дуже практичним і таким, що відволікає від цікавіших цілей. Аргументують це тим, що штучний інтелект не обов'язково означає антропоцентризм. Наприклад, для того, щоб змогти літати, нам не обов'язково було конструювати літак у формі птаха так, щоб навіть птахи приймали його за свого.

– Ви користуєтесь ним зараз, або ви стикалися з цим у своїй роботі?

Ні, тому що зараз загальний штучний інтелект — це відкрита наукова проблема, і на даний момент ми ще досить далекі до її розв'язання.

Зараз індустрія більше застосовує досягнення саме вузького штучного інтелекту. Наприклад, якщо у нас є машина, яка вміє дуже добре розпізнавати обличчя, то ми будемо будувати бізнес навколо розпізнавання облич. І замість загального тесту Тюрінга ми можемо оцінювати цю систему саме на задачі розпізнавання облич.

Якщо в нас є розумна система, яка може відрізнити добросовісного клієнта від недобросовісного, то ми можемо використати її, наприклад, в банку, для того, щоб вирішити, чи давати людині кредит, чи ні. Або, якщо ми маємо систему, що швидко може оцінити вірогідність настання страхового випадку — наприклад, що людина потрапить в ДТП в цьому році, маючи її попередню історію водійського досвіду — ми це можемо використовати в страховій компанії.

Бізнес має вигоду від використання штучного інтелекту для таких точкових задач, тому що алгоритми штучного інтелекту можуть врахувати багато факторів, які людина не в змозі одночасно помітити. Тобто, якщо у нас є подія, на яку можуть вплинути 1000 різних чинників, то людині буде доволі складно описати точну формулу, яка би всі ці 1000 факторів врахувала. В той час як машині ми можемо дати велику кількість даних із заздалегідь відомими відповідями, і вона самостійно виведе потрібні правила. Відповідно, якщо ти маєш розумніші алгоритми, ти кращий за конкурентів. Якщо ти кращий за конкурентів, ти більше заробляєш, маєш більшу долю ринку.

Для прикладу, компанія DataRobot, де я працюю, надає саме такий продукт для прогностичного моделювання.

– А ви зараз з банками працюєте якимись?

Ми зараз працюємо з банками, страховими, з медициною, енергетикою, урядовими установами, і, думаю, ще близько з 10 галузями.

– Це не українські компанії?

– Це глобальний ринок. Тобто, клієнти є від Північної Америки до Австралії. В тому числі можемо працювати й на українському ринку, оскільки помічали попит від місцевих компаній.


Більш нагальною проблемою є те, що людські робочі місця стала витісняти автоматизація

– "Машинне навчання" – що це? Що саме ви робите?

– Машинне навчання — це та область штучного інтелекту, яка досліджує можливість систем вивчати розумну поведінку з даних, без необхідності явним чином цю поведінку програмувати.

Пригадаймо приклад про 1000 факторів, який я наводив раніше. Припустимо, ми лікарня, і нам потрібно вирішити, чи можна пацієнтові приймати певний антибіотик, знаючи його історію хвороби. Якщо даних в історії хвороби багато, лікар-людина може не знати або не помітити деяких важливих деталей — наприклад, що людина колись мала захворювання, при якому категорично заборонено цей антибіотик застосовувати. В той же час машина, навчившись на великому об'ємі історій, може зафіксувати зв'язок між цією хворобою та побічним ефектом від лікування. Отже, використовуючи вузький штучний інтелект, можна уникати помилок, пов'язаних із людським фактором, і використовувати розумну систему як порадника.


Таким чином, машинне навчання вивчає підходи, як із великого складного набору даних можна автоматично вивести закономірності, які потім добре узагальнюються на небачені раніше дані. Багато моєї повсякденної роботи полягає в автоматизації цього процесу навчання.

– Як ви взагалі потрапили до цієї сфери? IT-вець — це зрозуміло, проте саме цей напрямок дуже вузький. Чому саме штучний інтелект?

Загалом, у мене досвід інженерний. Склалося так, що з програмуванням я познайомився доволі рано, в 6 років. Спочатку займався лише олімпіадним програмуванням, потім у віці близько 16-18 років поступово перейшов до комерційного.

Мені завжди хотілося поєднувати інженерну роботу з чимось наукоємким. Коли спитаєш багатьох програмістів "Що ви хотіли б робити?", то більшість говорять про цікаві проекти. І саме штучний інтелект став для мене клондайком таких цікавих проектів, які містять як серйозну інженерну складову, так і не менш серйозну наукову.


юрій гуц_3

ТСН.ua

Коли почалася нова "весна" штучного інтелекту, наприкінці 2000-х років, пов'язана з виникненням течії Deep Learning і проривних результатів у комп'ютерному зорі, у світі почало з'являтись багато освітніх ініціатив. Величезна заслуга у цьому плані була Стенфорду. Вони виклали свої матеріали лекцій в інтернет, і це стало для мене великим поштовхом в опановуванні цієї області.

До цього важко було знайти — не те що в Україні, а взагалі по цілому світу — доступні матеріали хорошої якості. Стенфорд, Гарвард, МIT (Массачу́сетський технологічний інститу́т – ред.) почали переходити на формат онлайн платформ і почали публікувати для широкого загалу курси, які раніше викладалися лише у них у кампусі. Це була просто неймовірна цінність у той час, тому що ти можеш дійсно бачити той матеріал, який викладається в передових навчальних закладах. І це було настільки круто розуміти, що ці заклади є достатньо хоробрими, щоб не боятися це показати цілому світу. Вони були переконані, що те, що вони викладуть цей матеріал в інтернет, їхній діяльності ніяк не зашкодить, а навпаки стане поштовхом для розвитку цієї галузі у світі. І, по моєму, воно так і сталося.

– Тому ви і хотіли щось подібне зробити у Львівській політехніці, щоб всі могли вільно отримати знання з цієї теми?

– Коли я почав цікавитися наукою штучного інтелекту та машинним навчанням, то до мене прийшло дуже цікаве прозріння: нарешті стало зрозуміло, де використовується все те, що вивчалося на математичних дисциплінах 1−3 курсу. Коли я навчався за типовою університетською програмою, мені під час проходження фундаментальних предметів сильно бракувало розуміння того, як це можна втілити для вирішення задачі в реальному світі. Лише через кілька років після випуску мені почала згадуватися кожна математична тема, яку я недостатньо добре знав, будучи студентом.

– Вперше таке чую, оскільки багато хто вважає, що найцінніший досвід можна отримати лише на роботі і практиці, тому багато хто "закидає" університет та одразу йде працювати.

– Просто це не відчутно до тих пір, поки не починаєш стикатися з достатньо наукоємкою задачею, яка потребує математики чи теоретичних комп'ютерних наук. В той же час, я помітив певну різницю у викладанні фундаментальних дисциплін у нас, і, скажімо, в тому ж Стенфорді чи MIT. Пострадянська школа більше базується на сильному теоретичному фундаменті, на обґрунтуванні теорій. Це також по-своєму класно, але це не дає тобі розуміння, як взяти твої знання і відразу придумати їм прикладне застосування, зробити на цьому щось корисне для людей.


Частина людства постраждала від того, що їхні знання та навики раптом стали уже нерелевантними

В той же час, курси провідних університетів починалися з мотиваційної складової. Тобто, там на першій лекції дається не "предмет-об'єкт-мета-метод", а "є ось така цікава задача, і якщо ви пройдете цей курс, ви знатимете, як її вирішити". Приклади таких мотиваційних задач: як зробити так, щоб машина могла сама їздити по дорозі, або як зробити так, щоб комп'ютер міг переграти людину в шахи. Тобто, ми спершу беремо реальну задачу і по мірі курсу нарощуємо навколо неї теоретичну базу.

– І у Львівській політехніці також буде приблизно так?

– Мені би хотілось, щоб із часом наша університетська освіта також дотримувалася цього принципу. Це те, що наша робоча група намагається зробити в УКУ (Український католицький університет – ред.) із бакалаврською програмою computer science та магістерською програмою data science, і те що зараз робиться із новою програмою у Львівській політехніці. Ми хотіли, по-перше, наблизити університетську програму до поточного стану науки і техніки. По-друге, заодно спробувати додати новіші методи викладання, тобто збагатити програму мотиваційною складовою та проектною роботою.

– Український католицький університет?

– Я власне про нього хотів згадати, коли ви говорили про те, що в нас ніде цього не викладають. Насправді, я б сказав, що католицький університет у Львові, хоч як би дивно з назви це не звучало, зараз є закладом, який має одну з найбільших передових програм з комп'ютерних наук в Україні.

Це дуже цікавий прецедент, тому що, здавалося би, католицький університет, приватно фінансована організація, і вони, запустивши бакалаврську програму, притягнули до себе студентів, які були загальноукраїнськими лідерами в ЗНО. Вони могли піти в будь-який університет України, а вони пішли в католицький університет на платну програму. Але ця програма була розроблена з нуля, є викладання англійською мовою із залученням іноземних викладачів, і вони минулої осені запустили в придачу до бакалаврської програми ще й магістерську.


– І штучний інтелект також?

– Так. Викладається штучний інтелект і машинне навчання на бакалавраті. Щодо магістерської програми — якщо не помиляюсь, це перший університет в Україні, який запустив таку програму із data science.

– А взагалі, на якому рівні в Україні зараз штучний інтелект? Ви у цій сфері працюєте, проте на компанію яка розташована у США. Можете назвати великі компанії в Україні наприклад як Гугл, Майкрософт , які вкладають просто мільярди доларів на те щоб розвинути штучний інтелект. У нас в Україні є хтось хто в це вкладає хоч копійку і розвиває цей напрямок?

– Я можу сказати, що в Україні штучний інтелект в основному є в продуктах і стартапах, які юридично базуються десь за кордоном — наприклад, у Кремнієвій долині, але мають розробку в Україні. Наприклад ті ж самі Grammarly, які базуються в США, але організовані вихідцями з України, які переїхали в Штати. Ви мабуть недавно чули, що вони нещодавно отримали понад $ 100 млн інвестицій. Або ж Samsung, чий R&D-центр в Києві займався задачами комп'ютерного зору для мобільних платформ.


юрій гуц_1

ТСН.ua

Імениті корпорації цілком поглядають на Україну, як потенційне місце, де можна було б розвиватися, використовуючи локальну експертизу. Я особисто стикався з підприємцями, які розглядали ідеї відкрити R&D-центри зі штучного інтелекту в Україні. Зазвичай ринок споживачів також західний.

– А як щодо споживачів з України?

– В Україні, я думаю, якщо займатися штучним інтелектом, то більше є сенс робити глобальний продукт. Оскільки попит на продукти штучного інтелекту є в усьому світі, то краще орієнтувати його не лише на українського споживача. Я не знаю, чи є зараз сильна готовність у бізнесів в Україні використовувати штучний інтелект так, як це використовується в банкінгу, або у страхових компаніях у більш технологічно розвинених країнах. Мені більше здається, що український бізнес часто придивляється до західного, і, як тільки побачить якусь модель, яка запрацювала добре для західного ринку, то через кілька років починає адаптувати її до нашого.

– Стівен Гокінг казав, що всі зараз намагаються створити штучний інтелект, проте машини, які мислять як люди, можуть призвести до того, що вони просто знищать людство. Є така думка, і Ілон Маск і багато науковців про неї казали. Взагалі, ви вважаєте в теорії це можливо, що ці машини почнуть настільки розвиватися, що перевершать того, хто їх створив?

– Я думаю, що зараз ще дуже рано говорити про сценарій Термінатора, я думаю що для того, щоб почати боятися такої проблеми, ми маємо як мінімум досягнути не вузького штучного інтелекту, а широкого штучного інтелекту. Той, який здатен переносити досвід на нові небачені задачі дуже легко. Я думаю, поки ця проблема є дуже далекою.

– Ви ж бачите, як швидко розвивається ситуація?

– Я думаю більш нагальною проблемою є те, що людські робочі місця стала витісняти автоматизація. Я думаю що це є більш реалістичною проблемою теперішнього часу.


Найближчі 50 років нас ще багато чим всіх здивують

Частина людства постраждала від того, що їхні знання та навики раптом стали уже нерелевантними. І тому багато науковців в штучному інтелекті задумуються над цією проблемою. Навіть від передових американських, канадських дослідників штучного інтелекту можна чути про ідею так званого базового доходу. Це ідея, при якій людина отримувала б якийсь базовий дохід навіть не працюючи. Тобто це схоже на пенсію, але не в пенсійному віці. Людина просто отримує базовий  дохід за те що вона існує. Якщо вона хоче отримувати більше, тоді вона мусить опанувати актуальні навики, йде на якійсь навчальні ініціативи, курси, підвищує кваліфікацію, або опановує нову професію. Я не знаю як би її можна було практично реалізувати — чи оподатковувати роботизовані робочі місця, чи іншим шляхом — тому що звідкись фінансування на цей базовий дохід повинно взятись.


Тому це є одна із ідей, як би світ міг функціонувати у майбутньому, коли багато людей змушені лишитися без роботи. Але я думаю, що стратегічно кожен із нас повинен усвідомити, що грамотність 2017+ року — це вміти довчатись і перевчатись на щось нове. Потрібно приймати той факт, що за життя треба буде, можливо, кілька разів перевчатись на нову професію.

– Це буде природній відбір. Хто зможе влаштуватися до цих всіх змін той виживе.

– Так, я думаю, що це буде природній відбір 21 століття. Власне, здатність прийняти той факт, що тобі треба буде перевчатись кілька разів впродовж життя, можливо навіть кардинально на іншу діяльність. Я думаю, майбутнє якраз за такими комбінованими професіями — наприклад, медик-програміст.

– Все ж таки чисто теоретично скажіть взагалі можливо що настільки розвинуться машини і роботи що їх не можна буде контролювати ? Вона самі почнуть мислити і приймати рішення?

– Перефразовуючи одного науковця, "ці машини завжди можна буде вимкнути". Просто є інша проблема у тому що приблизно на 2030-40 рік, пророкують таке явище, як технологічна сингулярність. Це явище означає, що загальна кількість людських знань буде мати настільки великий об'єм, що жодна людина буде не в змозі зрозуміти всю цю широту. Інтенсивність нових проривів, інтенсивність досягнень в різних галузях науки може настільки розростися, що в результаті просто сукупне людське знання повністю задавить знання однієї людини. Це, власне, буде явище "я знаю, що я нічого не знаю".

– Взагалі, як ви вважаєте як період штучного інтелекту буде розвиватися і впливати на людство? Раніше багато чого не було взагалі, зараз у нас пилососи, які самі прибирають, айфони сканують відбиток пальця, Самсунг розробив сканування зіниці ока. Як ви думаєте, що відбудеться далі?

– Сьогодні відкрите наукове питання в галузі штучного інтелекту —це загальний штучний інтелект, здатність переносити знання, накопичені з попереднього досвіду, на нову задачу, та демонструвати вищі когнітивні здібності.

Зараз ми отримали багато нових досягнень за рахунок того, що маємо багато розмічених даних, які достатньо дешево можна накопичити і розмітити. Але вже варто починати замислюватися над тим, як робити так щоб машина могла адаптуватися до нової задачі без потреби накопичувати багато нових даних. Я думаю, це те, що буде вирішуватися протягом наступних декількох десятиліть.

В людей це накопичення досвіду працює від народження, і без "правильних відповідей". Дитина, яка дивиться, слухає, нюхає, мацає, не має інформації, що добре, а що погано,а сама для себе робить більшість висновків. Вона отримує величезну кількість даних, але ніхто їй не каже, чи ці дані хороші чи ні, і що взагалі з ними потрібно робити. Мозок якось орієнтований на те, щоб із самих даних розуміти "правильні відповіді". Я думаю, що наукове розуміння цього процесу стане "золотим ключиком" для чергового прориву у штучному інтелекті.

Якщо ми за найближчі десятиліття не вирішимо проблему навчання з нерозмічених даних, і перенесення досвіду на нові задачі, то я думаю нас цілком може чекати ще одна зима штучного інтелекту. Шум навколо цієї області набуде якоїсь критичної точки і людство почне помалу розчаровуватися з того, що насправді не все так стрімко розвивається, як хотілось би, і що наука застрягла на якійсь проблемі, яку вона не може вирішити. А потім, можливо, станеться ще один прорив, який знову виштовхне штучний інтелект на перші сторінки.

– Наскільки скоро ми вже будемо ходити в магазини та інші місця і повсюди нас будуть оточувати роботи? Як ви вважаєте коли настане час коли багато що вже замінять роботами? 

– Один прогрес буде підштовхувати інший. Вирішення однієї фундаментальної наукової проблеми зробить поштовх до розвитку роботизації і штучного інтелекту, які залежали від цієї проблеми. Скажімо так, мені би хотілось ще за свого життя це побачити (усміхається). І у мене є доволі великі надії, що за свого життя я це ще побачу. Найближчі 50 років нас ще багато чим всіх здивують.


– Думаєте що це буде настільки не скоро? Через, наприклад, 60 років можливо винайти штучний інтелект, який буде максимально наближений до людського розуму?

– 60 років — це може бути досить реалістичнийгоризонт. Хоча, я думаю, зараз будь-який прогноз буде фантастикою, тому що ми, наприклад, 10−20 років тому не могли усвідомити, що на сьогоднішній день все буде саме так. Тому зараз робити прогноз на 60 років доволі складно.

– Ілон Маск каже, що хоче звільнити світ від залежності від нафти, він хоче, щоб всі машини були автопілотованими.

– Це дуже цікавий і потрібний напрямок взагалі для людства. Ми зараз бачимо проблему, що ті енергетичні потреби, які ми маємо на сьогоднішній день, впираються в ліміти наших корисних копалин — нафта, природний газ, рідкоземельні елементи. І нам потрібно разом із розвитком штучного інтелекту вирішувати енергетичні проблеми.

Багато енергетичного потенціалу є в ядерній енергії, сонячній енергії. Сонячна енергія має колосальні об'єми, проте вагомим проблемним фактором для використання її в побуті були кошти. Доволі економічно затратно робити вітряну чи сонячну енергію, яка би давала достатньо кіловат-годин на 1 долар. Я думаю, що коли ми знайдемо спосіб видобутку дешевої відновлюваної енергії — чи то з холодного ядерного синтезу, чи то з сонячної енергії — це буде великий економічне зрушення, тому що ми станемо менше покладатися на дороге викопне паливо. Якщо у нас буде подальший ріст обчислювальних ресурсів і нам потрібно буде швидко навчати машини, то нам потрібне буде і велике джерело дешевої енергії.

– Ви думали про те, аби покинути Україну і переїхати жити та працювати в іншу країну?

– Мені часто задають питання "Що ти тут ще робиш?". Але я насправді кажу, що я не бачу ціль життя в тому, щоб просто взяти і кудись поїхати. Я цілком бачу зараз задачі штучного інтелекту, якими можна займатися в Україні і при цьому працювати на глобальний ринок і конкурувати з ним.

Розвиток бізнесу в Україні, особливо клієнтоорієнтованості, здатності вирішувати бізнес-задачу — так, він нижчий, ніж в розвинених країнах, але, в плані технологічних проблем і цікавої роботи, мені на даний момент ще досі є де їх знайти в Україні.

Я не заперечуватиму той факт, що багато найкращих спеціалістів, відсотків 90, рано чи пізно опиняються закордоном. Мені цікаво займатись цікавою наукоємкою роботою, і поки я бачитиму, де це можна робити в Україні, я буду це робити.

– Влада в Україні зараз не дуже підтримує науку, тому багато хто дійсно їде за кордон не тому що там щось краще і в Україні все добре. Багато хто їде, наприклад, до тієї ж Кремнієвої долини через людей які там. Оскільки там, одні з найкращих спеціалістів зосереджені в одному місці. 

– Безперечно, є своя цінність у тому, щоб працювати десь у Кремнієвій долині чи в інших технологічно насичених регіонах. Люди їдуть туди переважно за рівнем оточення, життя, і за більшою легкістю ведення бізнесу. Я цілком розумію, чому багато українських продуктів, зроблені повністю українцями, юридично базуються там. Тому що легше цей бізнес створити, легше продавати своє рішення на локальному ринку, коли ти бачиш юридичну підтримку і ти більш захищений кращою судовою системою. Особливо це стосується захисту інтелектуального права, де українське законодавство досить на слабкому рівні.

– У вас є якась ціль чого ви хоче досягти у сфері штучного інтелекту?

– Мені б, як і багатьом, напевно хотілось би, займаючись штучним інтелектом, створити щось таке, за що мене потім будуть пам'ятати в хорошому контексті. Якщо те, чим я буду займатися, або допоможе побороти якусь хворобу, або енергетичну проблему, або проблему голоду чи засухи, чи якусь іншу біду, яка суспільство їла тисячоліттями, то я вважатиму, що прожив зовсім не дарма:)

– Ви давно працюєте в DataRobot?

– В DataRobot я працюю з минулого року. Загалом комерційного досвіду в IT-індустрії у мене понад 10 років. Мені поточна компанія дуже імпонує, тому що я бачу, наскільки серйозний рівень людей навколо мене. Якщо подивитись на загальний склад компанії, то у нас є без перебільшення люди світового рівня — як серед інженерів, так і серед data scientists. Наприклад, за рейтингом Kaggle (найпопулярніша платформа, що проводить змагання із аналізу даних — ред.), із 89 накращих гросмейстерів світу в нас працюють або працювали шестеро. Мені дуже подобається, що коли ти оточений такими людьми, то є дуже багато менторів, в яких можна вчитися.

– У вас не було думок працювати в таких гігантів як Майкрософт, Гугл? Все-таки це масивна платформа. Багато з IT-вців говорять, що коли працюєш у меншій компанії у вас більше впливу, до вас прислухаються, і ви бачите прогрес та те що ви робите. Коли це величезний гігант і там працює 10 тис людей то це вже не так.

– Я згідний. І, як і всі, я це питання собі не раз задавав,чи хотів би я бути частиною такої компанії. З одного боку — так, бо велика кількість розумних людей, які навколо тебе — це завжди добре. До того ж, ти розумієш, що ти є частиною продукту, про який всі говорять, який інтенсивно всім людям в світі допомагає, і це дуже позитивно. З іншого боку, в більших компаніях легше загубитися. Я часто чую, спілкуючись із знайомими, які працювали в таких компаніях, або читаючи статі людей в інтернеті, які давали відгуки про свій досвід роботи, що частою проблемою було те, що компанія наймала дуже розумних людей з усього світу, але вони фактично займалися потім рутинною роботою. Вони були занадто кваліфіковані для тих повсякденних задач, які їм доводилося виконувати. Компанії ставлять височезну планку стосовно людей, яких вони хочуть мати всередині, але не обов'язково ці люди потім займаються якимись передовими речами.

Це класно мати велику кількість таких людей — ти можеш їм багато чого делегувати і довірити, але, в той же час, бути гвинтиком в десятитисячній компанії може бути доволі тяжко.

Тому мені підходить "середній" варіант, як у DataRobot, коли і продукт уже достатньо великий і успішний, і відомо, куди компанія рухається, і, в той же час можна мати багато особистого впливу.

Leave a Comment

Your email address will not be published. Required fields are marked *