NEXT
Владимир Свешников
СЕО в «Robot Vera»
Продукты на основе Deepfake
1 час — 7 частей
Конспект занятия
Владимир Свешников: Искусственный интеллект - это уже не про будущее, а про настоящее. Потенциал этой технологии ещё не исчерпан на 100% и остаётся огромным.


Сегодня учёные и ресёчеры стремятся оцифровать окружающий мир. Одними из прогрессивных результатов в этой области являются искусственный интеллект и машинное обучение.

Цифровые инновации
Искусственный интеллект - свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека; наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.

Машинное обучение - класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач.

Пока что наука ещё очень далека от того, чтобы искусственный интеллект походил на человеческий. Преимущество в том, что человек не даёт каких-то чётких инструкций, а показывает конкретные примеры машине, на которых она и обучается. Несмотря на это, учёные продолжают предпринимать попытки сделать копию человеческого мозга. Одна из них - нейронная сеть.

Нейронная сеть - математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма.

Генеративно-состязательная сеть (англ. Generative adversarial network, сокращенно GAN) - алгоритм машинного обучения без учителя, построенный на комбинации из двух нейронных сетей, одна из которых (сеть G) генерирует образцы, а другая старается отличить правильные (“подлинные”) образцы от неправильных.

Здесь одна сеть учит другую, поэтому в этом случае участие человека не требуется. Такие сети позволяют получить лучшие результаты в области генерации изображений, голоса. Можно взять запись речи любого человека, перевести её в текст и на его основе обучить сеть синтезировать абсолютно любой текст.



Развитие искусственного интеллекта
Уже создано много приложений на основе клонирования голоса. Компания Владимира разработала приложение Parodist, с помощью которого можно озвучить шутку голосами известных людей. Оно разрабатывалось по следующим стадиям:

Генерация идеи продукта
Ищем проблемы и находим “боль клиента
Маркетинговое исследование рынка
Выясняем, насколько эта боль распространена на рынке
Формирование и проверка гипотез
Разработка и тестирование MVP
Создаём продукт с первыми потребительскими функциями
Запуск бета-альфа версий продукта
На самом начальном этапе необходимо понять пределы дозволенного, так как Al - это очень мощный инструмент, который позволяет создавать разные продукты, в том числе и те, которые потенциально могут принести угрозу обществу. Также зачастую регулирование в этой отрасли сильно отстаёт от других индустрий, и образуется правовой вакуум - отсутствие контролирующих правил.

Поскольку нет правовых актов, которые позволяют определить чёткие нормы дозволенного в сфере искусственного интеллекта, ответственность ложится на самих разработчиков. Есть предложение ввести что-то подобное клятве Гиппократа для Al-специалистов.

Самое необходимое в разработке продукта с использованием Al - сбор и подготовка данных. Это происходит на этапе разработки MVP. Эти данные должны быть однородны, структурированы и подготовлены с максимальной точностью. Хорошие данные - 80% успеха.

Важно стараться распределять задачи в команде таким образом, чтобы работа с данными менялась работой с моделями. Все рутинные процессы необходимо автоматизировать. Сейчас разработка моделей с использованием Al становится довольно опасной.


Лекции об управлении и HR