Книги

Цифра на марше, или 50 историй об образовании в XXI веке

22
18
20
22
24
26
28
30

Искусственный интеллект определяет риск кардиологических заболеваний эффективнее реальных врачей.

Искусственный интеллект хорошо помогает распознавать потенциальные случаи мошенничества в различных сферах жизни.

Искусственный интеллект, анализирующий естественный язык, используется для создания чат-ботов.

Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах.

Искусственный интеллект отвечает за распознавание окружающих объектов в беспилотных автомобилях.

Искусственный интеллект победил в соревновании по толкованию и анализу заключенных договоров лучших юристов США.

Искусственный интеллект наконец выиграл в Го у чемпиона мира из Кореи (игра Го считается намного сложнее шахмат).

Во всех примерах задействованы специальным образом обученные нейронные сети. Примеры их применения можно растянуть на несколько книг, даже если каждому уделять один абзац.

И здесь первый вывод для сферы образования, про которую мы немного подзабыли. Интеллектуальные навыки, которые ценились у работников во второй половине XX веке, стремительного устаревают. Найти им применение через 10 лет будет очень сложно.

О каких навыках идет речь? Подумаем, что объединяет хороших юриста, медика-диагноста, специалиста-консультанта по подбору товара. Личная база знаний, заботливо уложенная в голову интенсивной зубрежкой. Умение быстро извлекать из нее нужные сведения при самых сложных параметрах запроса. Пожалуй, и все.

На формирование подобных навыков практически полностью заточена традиционная система образования. Трудолюбиво усвоить заложенные в учебнике сведения и научиться их применять в оговоренных учебной программой рамках. Кто такой круглый отличник? Тот, кто научился это делать в совершенстве. Почему среди победителей предметных олимпиад редко можно встретить круглых отличников? Потому что для победы нужно учиться совершенно по-другому.

Сейчас на постсоветском пространстве то и дело разгорается дискуссия о том, каким было школьное образование в Советском Союзе. Большинство сходится во мнении, что лучшим в мире и вообще замечательным. Иначе бы в космос первыми не полетели. А у меня очень много сомнений. И есть идея интересного эксперимента.

Я в советской школе, где учился с 1969 по 1979 годы, классе в четвертом перестал дома делать домашние задания. Что-то успевал сделать на уроках и переменках. Иногда дома решал математические задачи из журнала «Квант». Иногда читал научно-популярную литературу. Так жили многие из тех, кто учился на 4 и 5. Конечно, много было и тех, кто выполнял все, как хотели учителя и программа. Они тоже учились на 4 и 5, только средний балл у них был повыше. Я поучился в четырех школах в СССР и за границей – ситуация похожая.

Идея эксперимента. Провести опрос среди представителей того поколения, которое училось в советской школе. Кто делал все домашние задания? Таких в те годы называли зубрилами. Кто делал только по выбранным предметам? Кто не делал вовсе? По возможности, конечно, так как всегда было небольшое число учителей, способных заставить выполнять домашнее задание любого лентяя.

Вот почему-то мне кажется, что зубрилы много звезд с неба за эти годы не нахватали. А если успешными в жизни стали те, кто игнорировал требования системы образования, чем же она тогда так хороша?

От лирического отступления вернемся к нашим баранам, то есть к нейронным сетям. Они, как выяснилось, способны дать фору любому отличнику-зубриле. И поговорим о том, как готовить специалистов по нейронным сетям, раз уж число их будет неуклонно расти. Кстати, эксперты оценивают нехватку специалистов в этой области как одну из самых значимых на рынке труда.

Чтобы разобраться как готовить специалистов по нейронным сетям, нужно понимать, чем они будут заниматься. Вот тут-то и всплывают интересные факты. Осознать их нам поможет рассказ руководителя одного из стартапов в области искусственного интеллекта. Привожу его в своем сокращенном изложении. Если что-то слегка искажу, то для простоты объяснения.

Команда стартапа решила помочь людям подбирать себе по вкусу одежду, обувь и аксессуары (сумочки). Очень простым и изящным способом. Идет модница по улице и видит на ком-то интересный наряд. Достает свой смартфон и быстренько делает фото. Специальное приложение на смартфоне связывается с обученной нейросетью, которой передает сделанное фото. Сеть анализирует фото и из базы данных, содержащей описание образцов одежды, обуви и аксессуаров, предлагает моднице максимально похожие варианты покупки. В наш потребительский век отличная идея.

Шаг 1. Команда разрабатывает максимально детализированную систему классификации для всех трех категорий: одежды, обуви, сумочек. Например, по фотографии нужно было понимать, что искать надо босоножки, женские, кожаные, на танкетке, с позолоченными застежками, голубого цвета. Составление классификатора руководитель описывает как захватывающее погружение в мир модных магазинов и каталогов. Творческое с одной стороны, кропотливое и системное с другой. Занимаются этим ведущие креативные специалисты команды, к программированию и нейросетям отношения не имеющие. Их совсем немного, но они – элита стартапа.

Шаг 2. Программисты, владеющие технологиями проектирования и обучения нейронных сетей, создают компьютерную модель нейронной сети. Ей можно будет «скармливать» тысячи и тысячи учебных фотографий. В основе ее лежит разработанная классификация. Программистов тоже немного, и они тоже элита стартапа.