На якій стадії знаходиться процес створення ІІ і як вирішити проблему з кадрами?

2. На якій стадії зараз перебуває процес створення ІІ? Як із цим справи в Республіці Білорусь?
3. Чи є попит на ІІ-фахівців?
4. Хто може стати хорошим фахівцем у сфері ІІ?
5. Як потрібно вирішувати проблему з кадрами?

Останнім часом новин про штучний інтелект надзвичайно багато. Машини все глибше проникають в повсякденне життя людини, і, здається, поява штучного інтелекту вже не за горами. На якій стадії зараз перебуває процес створення ІІ і як із цим справи в Білорусі, KV.by розповів Олександр Сизов, провідний експерт СНД в області штучного інтелекту.

Досвід в сфері ІІ

Я колись, як і більшість сучасних фахівців в області Data Science і машинного навчання, почав займатися розробкою, запустив кілька веб-сервісів. Паралельно викладав в університеті. З 2008 року у вільний час готував кандидатську дисертацію з аналізу даних.

Тоді на пострадянському просторі тема машинного і глибокого навчання ще не набрала сьогоднішньої популярності, і мої дослідження були в певному сенсі нововведенням. Безнадійно захопившись Data Science, я пішов зі звичного розробки і з тих пір працюю тільки над проектами щодо застосування штучного інтелекту і машинного навчання в різних сферах бізнесу - фінансових технологіях, телеком, ритейлі, банківському секторі, безпеки, страхування та юриспруденції.

У 2014 році захистив дисертацію на здобуття наукового ступеня кандидата технічних наук за релевантної теми, був науковим керівником в магістратурі, просував нові актуальні курси в університетській програмі.

На якій стадії зараз перебуває процес створення ІІ? Як із цим справи в Республіці Білорусь?

Незважаючи на весь шум і пил, підняті в останні роки навколо успіхів в навчанні глибоких нейронних мереж (зараз цей шум вже кілька змістився і клубочиться над криптовалюта і блокчейном), по-справжньому значні успіхи, пов'язані зі створенням так званого сильного інтелекту, у людства ще попереду. Але масштаб впровадження програм штучного інтелекту до бізнес-завдань вражає. Ці впровадження, а особливо робота на перспективу - щоб не відстати і опинитися на коні в потрібний момент - вимагають фахівців.

Середні, великі і дуже великі компанії не шкодують коштів на розробки в сфері ІІ, в тому числі дослідницького характеру. Всі розуміють, що згаяне зараз час буде складно «нагнати» в умовах швидко мінливого ринку, і гравці, вчасно не подбали про перехід на «розумні» рейки, які не будуть конкурентоспроможними. У розрізі компаній ми вже перейшли від створення центрів компетенцій до практичного застосування накопиченого ними досвіду.

Чи є попит на ІІ-фахівців?

Так, як я говорив вище, ринок наполегливо вимагає фахівців, яких поки ще практично немає. Їх відчутно не вистачає в світі в цілому, в Республіці Білорусь же ця проблема (з боку майбутніх фахівців - можливість) стоїть особливо гостро.

Якщо, наприклад, в Москві і Санкт-Петербурзі в провідних вузах спільно з великими гравцями ІТ-ринку вже організовані курси, спеціальності та цілі факультети, які готують фахівців Data Science саме згідно останнім досягненням в області штучного інтелекту і потребам ринку, то в Білорусі масштаби підготовки ІІ-фахівців поки що невеликі. А попит, враховуючи специфіку вітчизняного ІТ-ринку, колосальний.

Західні компанії і тим більше стартапи, які заявляють про те, що у них є ІІ і що вони використовують машинне навчання, вибувають з гри. У цих умовах, очевидно, з огляду на курси національних валют останніх років, в Мінську фахівця в ІТ можна розраховувати на велику зарплату, ніж, наприклад, в Москві.

І цей ефект особливо помітний, якщо говорити про фахівців в Data Science. Спеціаліст з хорошими знаннями і, що особливо важливо, практичним досвідом використання технологій ІІ в Мінську може розраховувати на $ 5000 і більше, в залежності від конкретного випадку. Примітно, що це тенденція, очевидно, в найближчі роки збережеться.

Хто може стати хорошим фахівцем у сфері ІІ?

Це люди з технічною освітою, як прийнято говорити, «аналітичним» складом розуму, програмісти з хорошою математичної базою і досвідом розробки хоча б на одній мові програмування.

Тому що сучасний фахівець Data Science - це і аналітик, здатний розібратися в задачі і виконати правильну її постановку, і математик-дослідник, що знає особливості моделей і архітектур машинного навчання і здатний вибрати оптимальне рішення для даного завдання, і програміст, що вміє це рішення втілити в вигляді програмної реалізації і отримати production-рішення, і devOps, і системний адміністратор, який вміє розгорнути і підтримувати необхідну інфраструктуру великих даних, а потім «задеплоіть» отримане рішення, і тестіровщ до, і QA-фахівець, який гарантує працездатність цього рішення в реальних умовах.

Всі ці етапи необхідно пройти на шляху, починаючи з отримання запиту від бізнесу і закінчуючи тим моментом, коли отриманим рішенням будуть користуватися люди. Звичайно, при масштабуванні, як і в звичних проектах з розробки ПЗ, ці етапи виконуються різними фахівцями і навіть командами, але на «зорі» застосування технологій штучного інтелекту це була одна людина.

Зараз, як правило, виділяють датасаентістов, які розробляють математичні моделі та реалізують їх у вигляді прототипів, і дата інженерів, які працюють із середовищами великих даних і впроваджують ці моделі в «продакшн». Але безшовний перенесення прототипу в продакшн як і раніше залишається певною проблемою.

Як потрібно вирішувати проблему з кадрами?

Глобально це питання має вирішуватися на рівні зміни програм вузів (і в перспективі старших класів). Але це довгий процес, який, якщо не обговорювати його необхідність, не компенсує брак кадрів в перспективі найближчих декількох років.

Більш оперативне рішення - це курси і тренінги, на яких люди з певною базою - математики, програмісти - зможуть отримати необхідні знання та навички для початку самостійної роботи. Тільки вести такі курси повинні «діючі» фахівці з великим досвідом застосування технологій ІІ і машинного навчання, а не теоретики, якими, на жаль, рясніє пострадянська вища школа.