Никаких грандиозных стратегий
Сооснователь проекта Google Brain и бывший топ-менеджер Baidu Эндрю Ын десятилетия посвятил исследованиям машинного обучения и робототехники. Теперь доцент Стэнфордского университета решил поделиться своими знаниями. Для этого он основал консалтинговую компанию Landing AI, которая помогает крупным предприятиям грамотно внедрять искусственный интеллект и адаптироваться к новой реальности.
По мнению Ына, в ближайшие годы фабрики, офисы и даже модные дома станут частью глобальной ИТ-индустрии. Многим из них потребуются консультанты по ИИ, а также собственные команды разработчиков.
Уже сейчас специалистов по робототехнике и ИИ ищут компании, прежде далекие от технологий, например, страховые фирмы и конторы по продаже недвижимости.
Однако Эндрю Ын не советует компаниям на волне хайпа строить грандиозные планы и масштабные стратегии. Важно начинать с малого. «Вы пока еще не знаете, на что способно ваше предприятие с точки зрения технологий ИИ, а уж тем более, в чем вы особенно хороши», — отметил исследователь в интервью Business Insider. Он советует не устанавливать сроки и не создавать глобальные проекты, а начинать с малого.
Для начала нужно выбрать проект, над которым будет работать команда. Он не должен быть слишком масштабным, но и совсем незначительным ему также быть не следует, иначе никто не заметит, как вы добьетесь успеха.
«Выберите проект, который можно воплотить в жизнь в течение года», — советует Ын.
На первом этапе алгоритмы хорошо подойдут для решения повседневных, но важных задач. Например, найма персонала или распределения зарплаты. При этом важно понимать, что машинное обучение не способно избавить от всех бед и улучшить ситуацию само по себе.
Отказ от накопления данных
Эксперт советует также аккуратно подходить к работе с большими данными. Часто компании собирают массивы информации, которые нельзя использовать в дальнейшем, поскольку в таком объеме отделить ценные сведения от «шумов» невозможно.
Предприятия по какой-то причине «складируют» данные в надежде, что однажды они точно пригодятся и помогут решить все проблемы сразу.
Но такой подход не работает, уверен Ын. Он советует обучать ИИ-модели, используя лишь несколько сотен единиц данных высокого качества, а не пытаться объять необъятное. «Даже сами разработчики не знают, что делать со всеми этими накопленными массивами якобы ценной информации», — предупреждает исследователь.
ИИ-эксперты без аутсорсинга
Ын также советует предприятиям создавать собственную команду разработчиков, даже если пока компания привлекает сторонних экспертов и полагается на базовые инструменты разработки, которые предлагают платформы Amazon Web Services и Microsoft Azure.
«Нужно строить собственные продукты на их основе. Если хотите добиться успеха в ИИ, собирайте свою команду», — рекомендует Ын.
Из-за повышенного спроса на специалистов по ИИ, найти продвинутого разработчика в этой области сложно, особенно когда приходится конкурировать за кадры с Google и Facebook. Но американский исследователь уверен — страхи по поводу ожесточенной конкуренции на рынке ИИ преувеличены. Если компания предлагает достойную зарплату и интересные проекты, разработчики найдутся.
Более того, многие из них не причисляют себя к экспертам в области ИИ, но при этом они умеют работать с большими массивами данных. Если специалист чего-то не знает, то он быстро научится. «Любое образование в сфере ИИ — это самообразование, других вариантов нет», — замечает Ын.
Ранее создатель Google Brain и платформы Coursera заявлял, что образование — это залог выживания человека в эпоху автоматизации. Искусственные инициативы и программы поддержки не помогут людям сохранить работу. Единственный вариант — это постоянное переобучение и повышение квалификации.
В ноябре Ын также запустил курс «ИИ для всех», который за $49 в месяц учит отделять хайп вокруг технологии от реальных сценариев ее применения. Несмотря на название, программа рассчитана на бизнесменов и менеджеров, которые хотят освоить новую отрасль. Для них эксперт также выпустил книгу AI Transformation Playbook, которая позволит за пять шагов адаптировать бизнес к меняющимся условиям и внедрить ИИ без потерь.
