Искусственный интеллект применяется во многих сферах, но, как и естественному разуму, чтобы быть эффективным, ему нужно обучаться. Чем больше массив данных, на которых он обучается, тем выше эффективность. Data scientist должен, с одной стороны, уметь применять и выбирать математические модели для подтверждения или опровержения гипотез (при выпуске продукта на рынок, запуске сервиса и т.д.). С другой - знать рынок, потребности бизнеса и клиентов.
По оценкам McKinsey, только в США в прошлом году нужны были около 200 тысяч специалистов по работе с данными. А в России в 2018 году количество вакансий с упоминанием специальности data scientist выросло в 7 раз по сравнению с 2015 годом, показало исследование Академии больших данных MADE от Mail.ru Group и службы исследований HeadHunter. В первом полугодии 2019 года спрос на data scientist вырос на 65% по сравнению с прошлым годом.
По словам участников конференции, Россия занимает на мировой арене искусственного интеллекта неплохое место - он успешно применяется во многих отраслях, например, банкинге и ретейле. Но есть, над чем работать, особенно по сравнению с лидером - США. По данным Web of Science за 2017 год, у России было 2105 публикаций в этой сфере, у США - 21 609, количество патентов - 45 и 3971 соответственно, объем инвестиций - 17 и 8 463 миллионов долларов соответственно.
В октябре была принята Стратегия развития искусственного интеллекта, сейчас она дорабатывается - прописываются конкретные мероприятия и суммы господдержки.
Как рассказал директор департамента координации и реализации проектов по цифровой экономике Минкомсвязи России Михаил Насибулин, предполагается выделить большие ресурсы как на поддержку разработчиков решений в сфере искусственного интеллекта, так и на стимулирование спроса (для предприятий, которые будут внедрять российские разработки). "В этом году задача - проект доработать и к следующему году приступить к его реализации", - добавил он.
Участники конференции отметили, что по количеству и качеству разработок в сфере искусственного интеллекта мы не отстаем от ведущих стран мира, но есть проблемы с внедрением технологий. Основная из них - это скорость. Раньше полгода или год воспринимались как очень быстрый срок для запуска продукта на рынок. Сейчас счет идет на недели, при этом никто не снижает требований к качеству и кибербезопасности.
Причем появляются новые виды угроз, например, "закладки" в данных, рассказал директор центра Сколтеха по научным и вычислительным технологиям для задач с большими массивами данных Максим Федоров. Например, есть две одинаковые картинки, на обеих изображен медведь. Но человек видит медведя, а нейросеть - человека. Условно говоря, можно сделать так, что автономный автомобиль вместо знака "Стоп" увидит знак разрешенной скорости 110 км/ч.
Также Федоров обратил внимание на такой вид угроз, как использование машинного обучения для социальной инженерии - хакинг людей, а не машин: подделка голоса, видеоряда и т.д. По словам эксперта, сегодня проще получить пароль от самого человека, чем взломать его аккаунт.
Внедрение искусственного интеллекта несет вызовы и для экономического развития, обратил внимание ректор РЭШ Рубен Ениколопов. Речь идет о возможной монополизации данных. "Каким образом обеспечить конкуренцию, если основное преимущество - это доступ к данным? Готовых решений пока нет", - указал эксперт. По его словам, 95% того, что сейчас происходит в сфере искусственного интеллекта, это шелуха, и только 5% обеспечат прорыв через 10-15 лет, но пока никто не знает, что именно в этих 5%. "В конце 90-х никто не предполагал, что Amazon будет зарабатывать не на продаже товаров, а на своих облачных технологиях", - привел пример Ениколопов и заключил, что очень важно формировать конкурентную среду.