Сергей Юдовский — эксперт в ИТ-технологиях, генеральный директор Центра роботизации и искусственного интеллекта. Более десяти лет занимает посты генерального и финансового директоров сфере телекоммуникаций, разработки инновационных продуктов и консалтинга. В 2005 году стал одним из сооснователей интегратора систем безопасности и видеонаблюдения в Казахстане, который внедрял технологию «Умный дом» на строительных объектах Астаны. В 2015 году поучаствовал в создании американского стартапа Surgera.io по обучению хирургов в виртуальной реальности. В 2017 году стал управляющим партнером BizTarget — системного интегратора CRM-систем в России и СНГ. Выпускник программы SUS ведущего в мире бизнес-акселератора Y Combinator в Калифорнии, США.
Центр роботизации и искусственного интеллекта — компания, внедряющая роботов на промышленных предприятиях, обладает ведущими компетенциями на российском рынке внедрения ПО RPA. Является одним из крупнейших российских работодателей для специалистов в области машинного обучения и создания нейронных сетей для нужд бизнеса.
Накануне «зимы» или глобального прорыва
— Термин «искусственный интеллект» используют в самых разных контекстах. Иногда под ним понимают машину, которая захватит мир, или, напротив, обычный алгоритм, упрощающий чью-то работу. Нормально ли, что у нас такой хаос в определениях?
— Мне кажется, что хаос в определениях — это более чем нормально. Потому что нельзя точно определить то, чего нет. Раз ИИ у нас нет, то все, что мы фантазируем, — это теории. Как раньше думали про автопилоты или полеты в космос. Сейчас мы имеем факты и можем как-то более математически это описать.
— У ИИ было много волн — в разные времена о нем начинали говорить. Все ожидали, что он появится и изменит нашу жизнь. Как думаете, стоит ли ожидать «зимы» ИИ снова? Или критическая масса уже есть — и дальше будет только больше?
— Я этой темой занимаюсь не так давно — всего два с половиной года, но свое знакомство с историей ИИ начал с прекрасной книги Пьетро Домингоса «Верховный алгоритм», рекомендую ее всем. Очень интересный труд про то, что есть ИИ, как он развивался, к чему идет.
Вы правильно заметили, что волн было достаточно много. Идея создания какой-то машины, которая принимала бы когнитивные решения, наверное, начинается еще со времен Тьюринга. После этого ученые начали все больше и больше проникаться этой идеей и смотреть, возможно ли создание альтернативного человеку разума. И всегда все эти «зимы» ИИ возникали тогда, когда ученые доходили до технологических ограничений. То есть не из-за того, что не хватало идей. Они как раз были. Все, что сейчас реализовывается на нейронных сетях, которые сейчас разворачивают огромные серверные мощности, на оборудовании NVIDIA, — все это, по сути, использует принципы и технологии, разработанные в 70–80-х годах. Почему тогда это не взлетело? Потому что компьютеры были чуть побольше и подороже. У ученых не было возможности протестировать все свои теории и понять, рабочие они или нет. Все, что им оставалось, — писать труды и гипотетически строить свои теории, думая: а если бы мощности были больше? И мы волнообразно возвращались к ИИ. Сейчас, кажется, мы имеем шанс.
Наступит ли ИИ-зима, заглохнет ли тема? Я думаю, что она уже не заглохнет. Применение элементов машинного обучения как часть ИИ — в реальных кейсах, бизнесе, частной жизни и исследованиях — уже никуда не уйдет. Мы обрабатываем огромные массивы данных с колоссальным количеством условий и на основании этих данных получаем выводы и строим прогнозы. Это уже сейчас происходит и приносит пользу, поэтому я не понимаю, как это может откатиться обратно.
Если говорим более глобально — о том, что должна появиться такая машина, которая пройдет тест Тьюринга, когда мы не сможем определить, человек это или машина, — то движение к этому может действительно достаточно сильно притормозиться. К примеру, не так давно Intel разработал и выпустил специальные процессоры Loihi, которые работают примерно так же, как синапсы головного мозга человека. В 2019 году его версия будет содержать более 100 млрд синапсов. Чтобы повторить мозг мыши, нужно 0,125 трлн синапсов — это 512 процессоров такого формата. А у человека только 4,5% коры содержат 9 трлн синапсов. То есть для того, чтобы повторить даже на таких процессорах весь объем нашего мозга, нужно построить из них небоскреб. Опять упираемся в технологические ограничения.
— Можно ли разделять ИИ на условно базовый, слабый и сильный? Где первое — это алгоритмы, доступные уже сейчас, а второе — условное отдельное сознание, которое находится в области научной фантастики, а не ближайшего будущего.
— Я бы не сказал, что это прямо совсем научная фантастика. Думаю, что это будет лет через 50–100. Мы с вами, может, и не увидим. Сейчас это какие-то части. Хорошо распознавать кошек на сером фоне — это ведь не ИИ. Это просто одна из возможностей, которые мы используем.
Сейчас проектируются, по сути, маленькие кусочки, так как мы не можем сделать целый мозг, но стараемся делать микрочасти участков мозга. И используя их небольшие относительно полного ИИ возможности, уже сейчас получаются прорывные вещи. Это помогает двигаться вперед: если от таких микрочастей огромная польза миру, то представьте, что произойдет, когда создадут гигантского конечного робота с ИИ.
«Если заказчик не готов технологически, лучше туда не входить»
— Тогда про современные реалии — в России в том числе. Вы работаете с российскими компаниями. Как это имплементируется сегодня?
— Сейчас происходит очень интересный период в становлении этого бизнеса. Все, кто там работает, пытаются рассказать конечным клиентам, что есть такая магия, ей надо управлять. Я использую слово «магия», потому что как для клиента это магия, так и для тех, кто производит проекты, тоже. Невозможно до конца и просто на пальцах объяснить, как происходит результат. Это крайне сложная отрасль. Когда проектируешь условно CRM или пишешь сайт, то говоришь: будут работать десять программистов, а в конце будет сайт. Все круто, стоит примерно столько-то, делаем. Там бывают свои моменты, но плюс-минус границы очерчены.
Когда разрабатывается нейронная сеть для любой задачи, происходит другой диалог. Клиенту говорят: мы посмотрим твои данные, возможно, они подойдут, потом начнем строить гипотезы, разрабатывать нейронную сеть, затем, возможно, получим результат. Если результат достижим, то он будет гигантским, а если нет, то не будет ничего. А еще непонятно, за какой срок команда придет к успеху, потому что все может пойти не так.
Все накладывается на очень суровые реалии, причем не российские конкретно, это вообще в мире так. Если компания прогрессивная. Заказчик может предоставить данные, которые собирали, структурировали, размечали, с ними можно работать. Тогда результат все больше и больше прогнозируется. Но иногда мы встречаемся с таким, что нам говорят — «Ребята, у нас структурируемые данные». — «Круто, а можно посмотреть?» — «Нет, нельзя» — «Когда можно?» — «Когда начнете работать. Но вы должны сказать, что все получится». Начинаем запускать проект — там или данных нет, или они вообще не такие. К сожалению, нет понимания, специалистов очень мало. А успех любого проекта — это не только усилия исполнителя. Тут с двух сторон. Поэтому многие проекты сейчас заканчиваются никак. Многие компании это воспринимают как эксперимент. Попробуем, если получится — классно, если нет — ну, зато попробовали. Конечно, есть обратная сторона, когда мы тиражируем уже успешный кейс на новых реалиях. Там результаты довольно прогнозируемые и прекрасные.
— Ваши заказчики — это в основном большой бизнес?
— В основном — да, по трем причинам. Первое — у этих заказчиков есть деньги для такого рода экспериментов. Но это не самое важное, деньги не такие уж и большие. Второе — эти крупные заказчики имеют привычку копить данные. К сожалению, средний и малый бизнес вообще не думают о своих данных как о капитале. Хорошо, если считают, что люди вообще для них важны, обычно они считают только газели или склады. Вот это важно, а остальное — ерунда. А вот данные клиентов им вообще не интересны. Они просто не сохраняют, у них нет даже, может быть, CRM-системы. И в связи с этим у них просто невозможно запустить такой проект. А третья история — они обычно имеют слабые ИТ-департаменты. Я сейчас не говорю про микробизнес, возьмем средний. Там люди обычно достаточно поверхностно относятся к ИТ — лишь бы серверы работали. И на какие-то высокие технологии не замахиваются. Мы начинаем с ними разговаривать, но ведем разговор на разных языках. Если заказчик не готов технологически, лучше туда не входить. Закончится это скорее всего негативно. Поэтому три момента — финансовые возможности, наличие данных и понимание технологий.
— В основном компания заменяет рутинную работу алгоритмами?
— Мы работаем на стыке двух технологий, машинного обучения и RPA — роботизированной автоматизации процессов. В базовом виде RPA — это сплошные алгоритмы. «Да», «нет», «или», древо принятия решений, — и робот это делает. Он нажимает на кнопки в браузере, открывает «1С», печатает. Но когда добавляешь элементы машинного обучения, этот глупый робот превращается в более умного и прокаченного. Например, мы добавляем к нему модуль распознавания текстов. Это чистое машинное обучение. И он начинает понимать, что написано на картинках, на отсканированных письмах, которые к нему приходят. Дальше мы добавляем ему небольшую нейронную сеть — условно говоря, обучение какой-то когнитивке. То есть возможность распознавать разные формулировки. И он может понять, что это за тип документа, что с ним делать дальше по алгоритму. Или к нему добавляются элементы распознавания печатей и подписей. Он их видит в документе, сканирует и на основании того, чему уже обучили на определенной выборке, понимает, подписан ли документ нужным человеком. Эти задачи крайне важны, если необходимо автоматизировать процесс от начала до конца, а не до того, чтобы робот собрал документы, а потом с тысячей документов пришел к человеку и сказал: ну-ка, посмотри, есть ли там печать. Для нас это очень важно.
Если бы все было в цифре, наверное, это дало бы гигантский плюс к ВВП всего мира. Я лично это называю налогом на недоверие. Почему так много бумажек? Чем больше недоверия между людьми, компаниями, тем больше инструментов регулирования и бюрократизирования, тем сложнее скорость принятия решения, и все зарабатывают меньше денег. Если бы все друг другу доверяли на слово, скорость развития была бы огромной. Нужно перейти к цифровому документообороту. Но это будет не вопросом, надо или не надо, а необходимостью. Когда везде внедрят роботов, у государства просто не останется выбора. Придется сделать это и отменить все бумажные вещи.
Сергей Юдовский
Государству не нужен человек, человеку больше не нужно государство
— Что произойдет с нашими рабочими местами? С одной стороны, все говорят: не пугайтесь, ИИ не лишит вас работы. С другой стороны, например, Сбербанк за 2018 год сократил 14 тыс. человек, заменив их алгоритмами. В мире очень большое количество людей занимается работой, которую можно заменить алгоритмами. Что будут делать десятки миллионов людей в России и сотни миллионов в мире?
— Это очень хороший вопрос. Мы живем в удивительное время, ценность человека видоизменяется. Раньше человек, по моему личному мнению, был необходим государству — и вообще в целом, как ресурс заработка денег, на заводе или в офисе, как военный ресурс, когда он мог идти воевать; и как ресурс поддержания его через налоги. Сейчас мы движемся к тому, что роль человека все меньше и меньше.
— Вы имеете в виду, что человек все менее и менее нужен государству?
— И в связи с этим государство все меньше и меньше нужно человеку. Потому что государство защищало его в случае больших конфликтов, перераспределяло доходы. И что будет дальше, не берусь сказать.
В ближайшие 15–20 лет больших увольнений не будет. Сейчас вообще в России проблема — нет кадров. У нас огромные демографические провалы, не приходит трудоспособное население. Новых молодых людей достаточно мало. Поэтому роботы будут сейчас нам помогать не допустить провала в эффективности.
Как не стать жертвой увольнения из-за алгоритмов?
По мнению Сергея Юдовского, через 10–15 лет во всем мире произойдет большая волна заменен человека на алгоритмы. Каждый, кто сейчас работает, должен задуматься и промаркировать свою работу по четырем параметрам:
- Поддается ли его работа четкому описанию процесса.
- Делает ли эту работу очень большое количество человек — работает ли человек в отделе или группе, где условно тысяча человек.
- Критичны ли там человеческие ошибки.
- Повторяется ли этот процесс очень часто.
Если вдруг большая часть работы попадает под эти четыре параметра, то в течение 10–15 лет необходимо подумать, что делать: идти в другую отрасль или сферу деятельности или, может быть, в этой же сфере переучиваться на другую позицию.
Во времена промышленной революции в Англии луддиты пытались жечь заводы и фабрики, но ничего у них не получилось. Как вы знаете, машиностроение пошло большими шагами. Так и сейчас. Этот процесс не изменится. Каждый человек должен понять, изменится ли он за время, которое есть, и станет частью будущего, или ему придется столкнуться с этой суровой неизбежностью. Профессий очень много умирает. Мы сейчас это видим, наверное, быстрее, потому что технологии развиваются быстрее. 20 или 30 лет назад была профессия машинистки, был телефонный оператор — это все ушло, это все забрали технологии. Не надо говорить, что только ИИ забирает работу, технологии каждый день забирают работу. Просто машинное обучение и программные роботы сделают это в очень короткое время и во многих отраслях. А так, по сути, ничего нового сейчас не происходит.