Интервью с Димой Мацкевичем – типичным гением Силиконовой долины

MaximHi-Tech

Дмитрий Мацкевич: «Следующий прорыв позволит человеку вообще не работать...»

Дима Мацкевич – типичный гений Силиконовой долины: черная футболка, джинсы, кроссовки, спортивный, немного за тридцать, миллионер, мечется между США, Россией и Китаем. Подавив понятное желание сжечь его на кресте, мы расспросили Диму о том, в чем он разбирается лучше других, – об искусственном интеллекте и будущем человечества.

Интервью Александр Маленков
Фото Юрий Кольцов

Итак, начнем с начала. Что такое искусственный интеллект?

Это то, что лучше называть машинным обучением. Или софтом, который работает не по алгоритмам разработчиков, а по алгоритмам, которые придумывает сам и на основе которых принимает решения.

Чем эти алгоритмы отличаются от тех, что мы учили в школе на программировании?

В классическом программировании надо досконально прописывать правила: если действие А, то реакция Б. Это называется директивное программирование. Ты конкретно описываешь, как должна решаться проблема. Но жизнь показала, что это недостаточно гибкий способ: есть ряд проблем, которые таким образом решить очень тяжело. Например, как обучить компьютер отличать изображения кошек от изображений собак. Попробуй объяснить ребенку, который никогда не видел ни тех ни других, чем они отличаются. Как ты это сделаешь? «Дети, кот обычно такого размера, а пес побольше, хотя бывают исключения. У кота уши такие, а у пса обычно такие. Или такие, или такие...» Конечно, так вы делать не будете. Вы покажете кота, и, идя в следующий раз по улице, ребенок будет тыкать пальцем в любой подвижный объект со словами: «А это тоже кот? А это?» Да, тоже, да, да. Совсем скоро он поймет, что есть что. Этим и отличается ИИ от обычного подхода к программированию. Там, где трудно описать формальные правила, мы загружаем десять тысяч фото котов и десять тысяч фото собак. И говорим программе: дальше разбирайся сама.

И как же она разбирается?

Сегодня для решения таких задач чаще всего используют так называемые нейронные сети. Это математическая модель, имитирующая работу нейронов мозга. Ведь мозг – это тоже в каком-то смысле программа, она анализирует поступающие сигналы и принимает решения. Лучшая аналогия искусственному интеллекту – это человеческий мозг. Все разработчики искусственного интеллекта вдохновлялись тем, как он работает, и тем, как сложны эти процессы.

Давай еще немного углубимся и попробуем объяснить, как работает нейронная сеть.

Нейронная сеть представляет собой много слоев нейронов. Именно так устроен мозг. Например, неокортекс – это шесть слоев нейронов. В мозгу каждый нейрон соединен с другими. Придумывается такая структура данных, которая имитирует нейроны в голове. Она и называется нейросетью. Каждый нейрон, или, как его называют, узел, нод, – это какая-то ячейка памяти, и она соединена с тысячей других таких же.

То есть нейросеть – это особенным образом организованные данные?

Данные и алгоритм, который с ними работает. Все это записано на обыкновенный носитель, жесткий диск. Каждый сигнал, поступающий на нейрон, имеет свой вес. Эти веса складываются, вес нейрона увеличивается, и, если сумма превышает определенное значение (оно называется трешхолд), нейрон активируется и передает сигнал дальше, другим нейронам. При этом, создавая нейросеть, мы можем настроить, какой сигнал она будет передавать. Это может быть всегда какое-то константное значение или выход будет расти. Таким образом, нейроны каскадом активируются либо не активируются. С подачей каждой картинки кота или пса у какой-то группы нейронов меняются веса. Когда мы прогнали десять тысяч картинок, у нас поменялись веса у каждого нейрона нашей нейронной сети. Тогда мы говорим, что она чему-то научилась. Весь ее опыт записан в весах нейронов. Это какие-то числовые значения.

Это и называется самообучение?

Да, потому что с какого-то момента мы уже не знаем, что там записано. Это уже черный ящик. Если мы прогнали тысячи фотографий, то в данных об опыте будет записана туча каких-то цифр. Мы просто написали эту архитектуру – расставили нейроны и связи между ними. И дальше, когда она обучается, сама структура не меняется, меняются веса этих связей. То есть меняются данные.

Еще один популярный термин – глубокое обучение. Это что такое?

Это нейронная сеть, у которой значительно больше слоев. Раньше не было достаточного количества вычислительных мощностей, чтобы такую нейронную сеть обучить. Когда нужно было научить ее отличать кошек от собак, программистам приходилось указывать области отличий вручную, давать подсказки – например, обратить внимание на уши и на глаза, там скорее всего кроются отличия. То есть ты готовишь большой массив данных, который заранее размечен. Если у нейронной сети много слоев, тебе не надо описывать, на что ей смотреть. Ты просто даешь ей достаточно данных, и она сама учится, на что обращать внимание.

Если глубокое обучение – это все та же нейронная сеть, только более сложная, то почему вокруг него столько шума? Только и слышно: дип-лёнинг, дип-лёнинг…

Если построить график качества принятия решений в зависимости от количества данных, то у человека качество принятия решений вначале растет, потом стагнирует, а потом падает. То есть на каком-то этапе у человека глаз замыливается. Дальше у него растет только уверенность в себе. У маленькой нейронной сетки качество решений растет, потом стагнирует. Глубокая сеть от большего количества данных только увеличивает свое качество решений. Самый яркий пример – «Google Переводчик», который недавно запустил свой сервис, работающий на глубоком обучении, и стал переводить лучше любых директивных алгоритмов.

Какие мощности нужны для нейронных сетей?

Сейчас их можно запускать и на телефонах. Собственно, на многих из них нейронные сети уже обрабатывают фотографии.

Хорошо. Давай поговорим о том, чем конкретно занимаетесь ты и твоя компания.

То, что мы строим, называется «узкий интеллект». Взять, например. пиццу. Часто при готовке в нее забывают что-то положить – грибы или пепперони. Сейчас это анализируют люди. Мы повесили камеру с искусственным интеллектом, который заточен на то, чтобы разбираться в пицце и отличать хорошую от плохой. Задачи, в которых есть анализ паттернов на картинке, легко оптимизируются за счет использования ИИ. Самый попсовый пример – самоуправляемые авто. Сейчас они работают с кучей сенсоров, лидаров и так далее, но ничто не мешает им работать как человеку – рулить, просто смотря глазами в разные стороны. Но, даже если у вас очень большая компания по производству пиццы, создать решение внутри очень сложно, надо искать людей, проверять их работу, работать с данными. Все это мы берем на себя.

И как успехи в анализе пиццы? Уже работает? Сколько сэкономили денег?

Да, работает в компании «Додо Пицца». Раньше их армия тайных покупателей заказывала пиццу и писала отчеты, теперь они просто присылают фотографию нашему боту в «Телеграме», и нейросеть сама выставляет оценку.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Актер как бренд Актер как бренд

Как Александр Петров превращает свое имя в торговую марку

РБК
5 способов защиты от нежелательной беременности: что надежнее? 5 способов защиты от нежелательной беременности: что надежнее?

Как не допустить нежелательной беременности, возобновляя интимную жизнь

9 месяцев
Союз ржавых Союз ржавых

Места, которые выглядят так, будто там уже случился ядерный апокалипсис

Maxim
Хороший улов Хороший улов

Рыбацкая хижина в Танжере превратилась в просторный и яркий дом

AD
Над устрицами тоже плачут. Отрывок из книги Алексея Тарханова «До востребования, Париж» Над устрицами тоже плачут. Отрывок из книги Алексея Тарханова «До востребования, Париж»

Отрывок из книги Алексея Тарханова о Париже

СНОБ
Рада радоваться Рада радоваться

Блейк Лайв­ли — оп­ти­ми­стич­ная и ду­шев­ная гол­ли­вуд­ская звезда

Glamour
Данила Козловский Данила Козловский

Писатель Цыпкин задает режиссеру Козловскому наводящие вопросы

Maxim
Как отличить девушку от женщины? Мем про разницу в возрасте вернулся! Как отличить девушку от женщины? Мем про разницу в возрасте вернулся!

Чем же так отличается девушка от женщины по мнению пользователей твиттера

Playboy
Деревянные боевые машины Майкла Ри Деревянные боевые машины Майкла Ри

Больше всего скульптора Майкла Ри увлекает идея путешествия во времени

Популярная механика
Лучшие шутки об уголовных делах за мемы! Лучшие шутки об уголовных делах за мемы!

Если репостнуть забавную картинку про религию, можно попасть в тюрьму

Maxim
Разгрузочное лето: комплекс дыхательных упражнений для похудения Разгрузочное лето: комплекс дыхательных упражнений для похудения

Как разжечь огонь пищеварения?

Psychologies
Золотые руки Золотые руки

Мы спросили у ювелиров про любимые инструменты, вид из окна мастерской и мечты

Seasons of life
6 причин, почему девушки говорят, что все в порядке, когда на самом деле это не так 6 причин, почему девушки говорят, что все в порядке, когда на самом деле это не так

Ответ на вопрос «Почему женщины говорят, что все в порядке, когда это не так?»

Playboy
Так сказали звезды! Что от тебя будет ждать девушка, которая прочитала гороскоп? Так сказали звезды! Что от тебя будет ждать девушка, которая прочитала гороскоп?

Как реагировать на фразы о твоем знаке зодиака

Playboy
Лидерами становятся... Лидерами становятся...

Учредитель компании Toy.ru Алиса Лобанова об истории своего успеха

OK!
Незастывающее слово Незастывающее слово

Языку так тяжело в тисках учебников и словарей

Популярная механика
Роман-газета Роман-газета

Пытаемся разобраться в мифологии этого удивительного человека

Tatler
Ожоги и раны Ожоги и раны

Как лечить раны и ожоги правильно

Maxim
“Неправильного воспитания не бывает” “Неправильного воспитания не бывает”

Семейный психолог Екатерина Мурашова о воспитании детей

Psychologies
Жизнь без партнера: что мешает нам быть счастливыми? Жизнь без партнера: что мешает нам быть счастливыми?

Оценка действенности советов Далай-ламы и архиепископа ЮАР Десмонда Туту

Psychologies
Фильмы на коленке Фильмы на коленке

Три способа пойти коротким путем в большое кино

РБК
10 признаков слишком близких отношений с матерью 10 признаков слишком близких отношений с матерью

Типичные признаки нарушения личных границ между матерью и ее взрослым ребенком

Psychologies

«Каталог всей Земли» в 1970-е годы стал «библией своего поколения»

Esquire
Как собирать красивые камни и минералы, а потом делать украшения из них Как собирать красивые камни и минералы, а потом делать украшения из них

Осваиваем новое модное хобби — охоту за камнями

Vogue
Культурный минимум: 7 фильмов Хичкока, которые надо знать Культурный минимум: 7 фильмов Хичкока, которые надо знать

Семь самых обязательных кинолент Хичкока в порядке возрастания их важности

Maxim
Зерна красоты: семена, которые стоит срочно добавить в рацион Зерна красоты: семена, которые стоит срочно добавить в рацион

Читай и готовься пополнить запасы продовольствия

Cosmopolitan
Выйти за рамки Выйти за рамки

Коллекция заблуждений, которые мешают людям мыслить рационально

Вокруг света
Как оставаться собой в мире, который пытается вас изменить Как оставаться собой в мире, который пытается вас изменить

Как услышать внутренний голос и перестать подстраиваться под других

Psychologies
Стоит ли возвращать душу философии Стоит ли возвращать душу философии

Философ и предприниматель Дмитрий Волков

СНОБ
Bonjour Paris! Bonjour Paris!

Ксения Сухинова рассказала о самых модных и кинематографических местах Парижа

OK!
Открыть в приложении