Интервью с iGenius: Маттео Този, наш ведущий инженер по машинному обучению, проводит ускоренный курс по ИИ и чертовски быстрой культуре работы в кристалле
Смотрим ли мы на Smart TV, просматриваем плейлисты или делаем покупки в Интернете, ИИ нам поможет. Это уже повсюду. Тем не менее, без официальной классификации ИИ (и весь связанный с ним жаргон) стал туманным модным словом с бесконечным смыслом.
К счастью, у нас есть Маттео, чтобы все прояснить.
Что такое искусственный интеллект?
Любая система, которая похожа на человеческий интеллект или стремится напоминать его. Сложность этого «интеллекта» зависит от стоящего за ним программирования. Машинное обучение (ML) - это один из видов программирования.
«ИИ - самая обширная тема, в которой находится машинное обучение», - сказал Маттео Този, наш ведущий инженер машинного обучения.
Что такое машинное обучение?
Маттео определил это как науку о том, как заставить машины учиться на собственном опыте. Этот опыт может исходить из данных, позволяя машинам учиться на них. Наборы правил, управляющих тем, как машина учится на данных - или алгоритмах - затем могут быть использованы в программном обеспечении для ускорения процессов и открытия новых возможностей (как crystal делает с аналитикой данных).
Именно эти алгоритмы используются в рекомендациях Amazon или, например, в персонализированных плейлистах Spotify.
Глубокое обучение (DL) - это особый тип машинного обучения, который построен с использованием нейронных сетей (подробнее объяснил здесь Адам Гейтгей). Общий искусственный интеллект (AGI) - это страшный научно-фантастический проект, в котором машины обретают самосознание.
«У нас будет ОИИ, когда ИИ узнает о себе. Но мы очень, очень далеки от того, чтобы иметь что-то, что могло бы напоминать AGI », - добавил Маттео.
Что ж, это облегчение. Возможно, мы находимся далеко от настоящего AGI, но технологии, которые у нас есть, могут многое предложить. А именно в решении проблем, которые ранее были неразрешимыми. Проблема в том, что AI часто понимают неправильно, а само слово даже неправильно используют.
«Сейчас актуальной темой является то, что многие компании, заявляющие, что используют ИИ, вообще не используют ИИ».
Пытаясь опередить так называемую гонку вооружений искусственного интеллекта, некоторые бросают вызов тому, как они используют этот термин в своем маркетинге. Маттео считает, что даже если они используют ИИ, просто иметь его недостаточно.
«Итак, у вас есть эта навороченная штука, но что вы собираетесь с ней делать? Речь идет не о гонке за использование ИИ перед другими, а о том, как вы его используете », - сказал он.
«Например, что касается данных, у нас есть масса проблем, которые нужно решить прямо сейчас».
О какой проблеме мы говорим? Тот факт, что данные не демократизированы - их сложно получить, а еще сложнее получить информацию. Это проблема для предприятий, которую мы пытаемся решить с помощью ИИ на базе машинного обучения, стоящего за кристаллом - нашим виртуальным советником по анализу данных.
Что отличает нас от других?
Маттео стремился указать, что мы не используем ИИ ради этого. Мы выявили проблемы на рынке и использовали машинное обучение и обработку естественного языка (технологию, которая заставляет платформу понимать речь и говорить) для их решения. «Я думаю, что это наша самая большая сила», - сказал он.
«Потому что это не только использование ИИ, чтобы сказать, что мы используем ИИ, но и создание продукта на его основе. Продукт, который не может существовать, не может существовать без искусственного интеллекта ».
Вот почему нам нравится называть себя компанией, специализирующейся на искусственном интеллекте. Мы не просто предоставляем продукты искусственного интеллекта, мы их создаем. Это наш фундамент. Один из них мы усиливаем с помощью нашей находящейся в Швейцарии группы исследований и разработок, которой руководит Маттео. Команда, которая дает нам больше свободы «запускать долгосрочные исследовательские проекты» и находить новые способы внедрения инноваций с помощью нашего ИИ.
Как бы вы описали культуру работы iGenius?
Маттео присоединился к нам в 2016 году и помог нам вырасти из небольшого стартапа в международную компанию. Он описывает нашу культуру работы двумя словами: скорость и дальновидность.
«Когда я приехал сюда, кристалла не было. Но большой проект, большое видение того, что мы собираемся построить и какую проблему собираемся решить, были уже ясны ».
«Итак, всего за шесть месяцев мы создали альфу. Это стало бета-версией, превратилось в корпоративные проекты, и все это происходило чертовски быстро ».
Мы не хотим создавать чат-ботов, мы хотим создавать советников, которые учатся на данных и дают проактивные советы в режиме реального времени. По словам Маттео, эти амбиции были огромными. Но мы много работали, чтобы воплотить это видение в жизнь и построить то, что мы себе представляем.
Сильное видение продукта начинается с команды, и ключевую роль играет «вес, который мы придаем образованию». У нас есть бюджет, выделенный на образование, поэтому каждый член команды может потратить половину своей пятницы на курс или другой учебный материал.
«Мы думаем, что когда вы заставляете своих разработчиков чувствовать себя комфортно в их среде и команде и даете им время на изучение нового, вы дадите им наилучшие возможные долгосрочные результаты», - сказал он.
Хотя мы всегда стремимся к мгновенным результатам, наша главная цель - будущее - ведь, в конце концов…
«Мы не компания, которая живет настоящим».
Сейте сегодня, соберите завтра
Это девиз Маттео. И учитывая, что его три года здесь «пролетели как месяц», он взволнован тем, где компания может оказаться через пять лет.
«Наша основная цель ясна, мы будем бороться за нее. Но кто знает, через пять лет », - сказал он.
В 2014 году глубокое обучение нигде не использовалось. С тех пор машинное обучение выросло в геометрической прогрессии.
«В следующие пять лет может произойти еще одна революция. Может, мы и эту построим ».
