;
Мнения 13 апреля 2021

Основатели «Карфидов Лаб» — о роботах, внедрении ИИ и утечке ИТ-кадров

Далее

Искусственный интеллект, data science, IoT применяются повсюду. Но внедрение новых технологии сопровождается трудностями на всех этапах: разработка нового «железа» и софта, поиск компетентных специалистов и отсутствие государственной поддержки на фоне обостренной конкуренции с США и Китаем. Алексей Карфидов и Дмитрий Васильев, основатели конструкторского бюро «Карфидов Лаб», рассказали «Хайтеку» о защите данных, образовании, необходимом для передовых специалистов, и о реалиях новейших разработок в России.

Алексей Карфидов — сооснователь и генеральный конструктор компании «Карфидов Лаб». Учился на кафедре металлургии стали и ферросплавов НИТУ «МИСиС», в аспирантуре МГТУ Баумана. До Karfidov Lab преподавал инженерную графику и работал в госструктуре, руководил конструкторским отделом. В 2014 году c Дмитрием Васильевым основал Karfidov Lab. Также является соучредителем дочерней компании по медицинскому оборудованию.

Дмитрий Васильев — сооснователь, директор по развитию компаний «Карфидов Лаб», «Медикал Инжиниринг» и автоинъектора «Комарик». Выпускник НИТУ «МИСиС», магистр совместной программы Сколковского института науки и технологий и MIT (Massachusetts Institute of Technology). С 2014 года совладелец инжиниринговой компании «Карфидов Лаб». За пять лет вывел компанию в лидеры рынка промышленного дизайна и наукоемкого проектирования инновационных устройств с оборотом более 80 млн рублей. Соосновал несколько спинофф-компаний, привлек инвесторов в проект по созданию медицинской техники. Эксперт в области Product Design and Development, сквозном проектировании и управлении разработками, а также в сфере производственных технологий.

«Карфидов Лаб» — конструкторское бюро по инженерному дизайну и разработке технологических продуктов и их прототипов. Образовано в 2010 году в виде неофициального студенческого движения в НИТУ «МИСиС». С момента основания организация участвовала в разработке промышленных и научных проектов института, дважды занимала призовые места на олимпиаде CAD-OLYMP.

В сентябре 2015 года компания получила статус центра коллективного пользования «Сколково».

На данный момент компания работает преимущественно в сферах приборостроения, робототехники, медицины и транспорта. В ходе работы были разработаны и отмечены прессой такие вещи, как: корпус факела для зимней Олимпиады в 2014 году, шлем для оцифровки мимики актеров, экзоскелет, подводный беспилотник, толщиномер, робот-курьер, комплексы лучевой терапии и брахиотерапии и многие прочие изделия и комплексы. В 2020 году годовой оборот «Карфидов Лаб» составил 100 млн рублей.


«ИИ спрогнозирует, какие пиццы закажут сегодня»

— Возможности ИИ стремительно расширяются. Эксперты говорят, что к 2025 году он будет использоваться в 90% приложений. Чем обусловлен такой рост?

Алексей: Идея повсеместного внедрения ИИ в том, чтобы мобильное приложение смогло предугадывать некоторые действия человека. С одной стороны, пользователь может самостоятельно задавать будущие действия. А с другой, сейчас многие приложения ориентированы на клиентов. Сервер обрабатывает данные от множества пользователей, которые к нему обращаются. И на основе такой информации приложение автоматизирует многие действия, применяя различные модели.


Основные тенденции в разработке приложений в 2020 году:

  • приложения, создающие виртуальную и дополненную реальность на фотографиях, видео и даже картах;
  • использование нейронных сетей для работы с видео и фото;
  • облачные сервисы, хранящие информацию независимо от конкретного устройства и работающие с огромными объемами данных;
  • совершенствуются системы электронных платежей, а также защиты средств, информации и документов;
  • чат-боты, особенно широко применяемые в интернет-магазинах, сервисах такси и службах доставки;
  • все, что касается дистанционки, обучения и работы;
  • умные часы, кольца, браслеты и многие другие переносные девайсы, помогающие следить за здоровьем и планировать время.

Допустим, компания занимается продажей пиццы. С каждым новым заказом она выполняет некоторые действия. С помощью глубокой аналитики можно создать внятную прогностическую статистическую модель, которая будет предсказывать, например, какие пиццы будут сегодня заказаны и какие ингредиенты для них потребуются. Доля участия человека будет все меньше. Он будет выполнять скорее роль оператора, поддерживать и согласовывать идеи, учитывать рекомендации и комментарии со стороны системы.

Многие функции будут выполняться внутри самих приложений. Будет использоваться меньше элементов техники. Аналитика и обработка данных основывается на информации, которая переносится с внешнего «железа» в устройство или мобильное приложение. Теперь за аналитику отвечают не отдельные технические подсистемы и комплексы, а приложения. Это требуется, чтобы обрабатывать все потоки данных быстро и оперативно, давать обратную связь, необходимо постоянное соединение с интернетом.

Уход от человеческого фактора сокращает расходы на заработную плату и другое обеспечение. А значит, возникает хорошая синергия между бизнесом и развитием искусственного интеллекта.

Как компании должны защищать данные

— Как обезопасить свои данные в мобильных приложениях?

Алексей: Решения по защите данных должны приниматься изначально, при проектировании самой архитектуры приложения и его «вязке», чтобы потом данные не располагались в открытой среде. Необходимо заранее обдумать варианты и механизмы шифрования данных. Сейчас это обязательный момент. При этом концепция и архитектура приложения должна соответствовать законодательной и юридической базе территории, на которой он создается.

Дмитрий: Несколько лет назад в Европе приняли закон о защите личной информации. Это был серьезный сдвиг в юридическом плане. Всем пришлось пересматривать политику хранения и обработки любой информации, в том числе бумажной. Российские компании, ведущие бизнес с европейцами, также были вынуждены подстраиваться, так как новый закон затрагивает в том числе контрагентов. Большинство малых и средних российских компаний сделали необходимый минимум — уведомление о том, каким образом выстроен процесс хранения и обработки информации и сделали уведомление для пользователей.


Топ-5 утечек информации за последние годы:

  1. Canva, сайт для создания изображений — 139 млн аккаунтов.
  2. Evite, компания, работающая с онлайн-приглашениями, — 101 млн email-адресов, а также имен и дат рождения пользователей.
  3. 500px, созданный для профессиональных фотографов, — утечка личных данных 15 млн человек.
  4. Лаборатория Quest Diagnostics — данные 11,9 млн клиентов.
  5. Lab Crop, лаборатория, пострадавшая от той же атаки, что и предыдущая, — доступ к личным данным 7,7 млн пользователей.

Большинство сайтов теперь сразу отсылают пользователей к соглашениям относительно Cookies или сбора данных. И по запросу, если я не ошибаюсь, компания обязана предоставить документ о том, как она обращается с любыми данными: что собирает, у каких пользователей, как данные используются, где они хранятся и как защищены.

Сейчас при заключении сделки с европейской компанией один из первых вопросов, который будет озвучен: «Расскажите, как вы будете защищать и сохранять наши конфиденциальные данные?».

«Искали проблему в “железе”, а просто денег было мало»

— В чем вообще особенности разработки новых технологий или умных устройств? Какие сложности могут возникать?

Алексей: В первую очередь, хотя бы частично, но используется новая элементная база. Например, новый чип или специфичные особенности эксплуатации.

Расскажу один смешной пример про велосипедные замки. Когда мы сделали несколько первых тестовых плат и собрали несколько готовых устройств, то примерно в течение семи дней не могли подключиться к сети: соединение просто не проходило. Мы все перепроверили несколько раз, и все, вроде бы, было сделано правильно как со стороны сервера, так и со стороны устройства. Самое обидное, что первые пару дней все включалось и хорошо работало, а потом неожиданно перестало. Когда с чем-то новым работаешь, сбой в работе вызывает сильную панику и ты уже готов на многое, лишь бы оно заработало. Причина выяснилась примерно через неделю и оказалась очень смешной. На SIM-устройстве было совсем немного денег, около 50 рублей, и они закончились. А мы-то искали решение вопроса в «железе», архитектуре, что-то перепаивали.

Во-вторых, использование новой элементной базы сильно зависит от технической поддержки со стороны того, кто ее производит. Например, при интеграции с сотовыми операторами приходится согласовывать много вопросов. Скажем, с нашей стороны все сделано хорошо, а к МТС устройство не подключается. Приходится долго взаимодействовать со службами поддержки МТС.

Также есть сугубо технические моменты: неизвестно, какое будет тепловыделение, какая обвязка, общие технические вопросы, характерные для всех устройств. Точные данные в плане электропотребления часто становятся известны только по мере проведения первых достаточно длинных тестов. Только после этого понимаешь, какой ресурс можно реализовать с помощью определенной элементной базы.

Дмитрий: Во-первых, мы должны понимать, для кого мы делаем это устройство, что оно должно делать, какие задачи решать, какие данные и для чего собирать. Это будет влиять на саму технологию.

Во-вторых, работа с данными для ИИ и нейронных сетей может занять больше времени, чем классические задачи в области ПО, ведь данные нужно собирать, готовить, описывать и исследовать. Качество данных тоже бывает разное. Возможно, будут какие-то аномалии или пропущенные значения. Их нужно отобрать, очистить, если необходимо, сгенерировать новые данные, интегрировать, отформатировать. Это огромный пласт работы, который лежит в области подготовки технологии. С другой стороны, софтовые задачи это все-таки софтовые задачи, для их решения нужен ПК и софт, а решаются они часто локально. В то же время для решения задач в области приборостроения нужны конструкторские бюро, опытные производства, новые или специфичные технологии, материалы, различные специалисты.

«Приходится брать на работу самоучек»

— Одним из важных условий развития новых технологий является образовательная база. Что в России сегодня в этой сфере?

Алексей: Вопрос очень острый и актуальный всегда. Потому что министерство образования в любой стране не всегда легко подстраивается под какие-то новые движения. Получается ситуация, что специалисты в новой области нужны срочно, но образования по этому направлению нет, так как министерства еще не успели разработать его план и внедрить. Тогда приходится брать на работу самоучек, которые заинтересованы разбираться сами.


Наиболее популярные сайты для онлайн-обучения:

  • Coursera — редкий программист не пробовал выучить новый язык или библиотеку на этом сайте с сотнями разнообразных курсов.
  • EdX — международный портал, поддерживаемый Гарвардским университетом и MIT.
  • Udacity — на сайте, разработанном профессором Стэнфордского университета, можно найти как платные, так и бесплатные курсы в области ИТ.
  • Codeacademy — возможность интерактивного обучения с нуля языкам программирования и веб-дизайну.
  • Canvas Network позволяет найти бесплатные курсы не только от университетов, но и от ведущих ИТ-компаний.

Дмитрий: Образовательной системе точно не хватает гибкости. То, чему учат студентов, было важно 5–10 лет назад. Эти учебные программы крайне неповоротливые, сложные, иногда мы видим на лекциях и семинарах то, что уже не нужно вообще. Многие студенты приходят к нам и получают действительно нужные знания исключительно на практике.

К счастью, есть и исключения. Я учился в MIT и там подход гораздо более гибкий. Допустим, направление Computer Science состоит из десятков курсов, которые разрабатываются преподавателями в зависимости от того, что сейчас актуально. Вполне могу себе представить, что завтра там в связи с пандемией появится узкий курс по разработке автономных роботов. Людям же нельзя выходить на улицу, и кто-то должен им все доставлять. Хотелось бы, чтобы в нашем образовании повсеместно пошли такие сдвиги.

У нас дают очень хорошие фундаментальные знания, мы ничуть не уступаем в теории американцам и европейцам. Но что касается прикладных вещей — тут серьезные провалы.

— То есть получается, что никакая теория не заменит реальную практику?

Дмитрий: Здесь другая проблема. Почти все наши предметы преподаются больше в теоретическом плане. За рубежом обучение построено так, что даже если есть какая-то теория, то потом, в течение семестра, необходимо сделать некий командный проект. Студенты делают что-то руками, пишут программу или софт, делают прототип, где они на практике проверят то, что им рассказали в теории.

К тому же сейчас много возможностей для получения практического образования. В интернете можно найти очень много открытых и даже бесплатных курсов. Поэтому фокус и смещается больше в сторону онлайн-образования. Открываешь страницу с курсами по компьютерным наукам и видишь более сотни различных предметов: курс по параллельным вычислениям, когнитивной робототехнике, машинному зрению и другие. Вот таких узконаправленных предметов в высшей школе, да и вообще в обязательной образовательной системе, у нас не существует. Ведется обычное программирование и все.

Алексей: Я веду черчение, учу молодых ребят моделировать в САПР (система автоматизированного проектирования — «Хайтек»). И я заметил, что, например, в сравнении с 2008 годом, когда я учился, сейчас студенты гораздо быстрее соображают, все схватывают на лету. Давали студентам 12 лет назад задания на олимпиадах, они решали с горем пополам, пыхтели и говорили: «Господи, как же это сложно!» — а сейчас я ради эксперимента дал одной группе и сказал: «Ребят, это просто самостоятельная работа, надо сделать к следующей неделе». И они сделали. Меня очень удивило, как легко у них это получилось. И я пришел к выводу, что в образовательном процессе очень важны технологии.

Студенты, которые приходят сейчас, с телефоном уже живут, и скорость освоения знаний тоже сильно возрастает. Допустим, 10 лет назад мы говорили: «Ребят, посмотрите хотя бы ГОСТ дома, вечером» (ГОСТ по правилам постановки деталей в чертежах — «Хайтек»). И действительно, кто-то смотрел. Сейчас, когда ты говоришь это студентам, они все берут телефон в руки: «Окей, Гугл» — и через секунду открывают этот ГОСТ и сходу его применяют. 10 лет назад мы могли преподавать материал в течение одного семестра, а сейчас все осваивается за половину этого времени.

«Данные — новая нефть»

— Искусственный интеллект, да и вообще ИТ-технологии, затрагивают практически все области жизни человека. В каких из них, на ваш взгляд, они востребованы больше всего, а в каких — наоборот?

Дмитрий: Мне кажется, что наиболее интересны области транспорта и мобильности, промышленности, производства и робототехники, а также компьютерная сфера и медицина. Например, согласно отчетам, на 10 тыс. занятых в России приходится лишь пять роботов, в то время как в Корее или Японии — до 600–700. То есть в этом плане у нас есть гигантский потенциал для внедрения роботов в технологический процесс.

В то же время будет очень востребовано ПО, технологии Machine Learning. И обязательно область интернета вещей. Но тут есть фактически два направления разработки. Первое касается нашей обычной жизни, тех предметов, которые нас окружают. Например, электрический чайник, фонарный столб на улице — благодаря подключению к сети и оснащению различными датчиками и сенсорами они начинают генерировать данные и подстраиваться под окружающую среду. И эта собранная информация может пригодиться для бизнеса. Например, кафе смогут понимать, где есть потоки людей и когда ожидать посетителей. То есть бизнес будет основываться на данных. Не зря говорят, что данные — это новая нефть.

Второе — это промышленный интернет вещей: крупные предприятия, заводы, производства, ранее использовавшие продукты традиционного, классического машиностроения, оснащаются огромным количеством датчиков, сенсоров. Станки и оборудование тоже становятся умными, цифровыми. Происходит сбор большого количества данных, и на основе этих данных идет оптимизация работы, увеличение КПД.

Алексей: Существует один общий тренд — все те области, где человеческий труд может быть автоматизирован. Это отличная площадка для развития ИИ, разработки новых технических решений, которые могут финансироваться средними и большими компаниями, ведь будут коммерчески интересны. Это касается автономных роботов, курьеров и многого другого. И я согласен, что интернет вещей — новое, перспективное направление, которое сейчас в тренде. Устройства не подключаются никуда проводами, они собирают текущие локальные данные датчиков, измерительных преобразователей, и затем передают эту информацию во внешнюю среду. Типичные примеры: собирать данные своих счетчиков, чтобы рассчитывать квартплату; оптимизация уборки мусора: если контейнер заполнен — приложение передаст статус заполнения в службу, которая занимается уборкой.

— Роботы — это хорошо или плохо?

Дмитрий: Это неизбежно, хорошо и плохо одновременно. Нельзя смотреть на роботов только с одной стороны. Конечно, с одной стороны, мы лишаем людей работы, с другой же, когда человек лишается работы, он может переучиться и выполнять другие задачи. Можно назвать это еще одной промышленной революцией.

Алексей: Во всех странах мира люди рано или поздно высказывают недовольство в адрес тех, кто лишает их рабочих мест. Здесь необходимо помнить, что в будущем подобные изменения приведут к созданию высокотехнологичных рабочих мест для наилучших результатов в той или иной сфере. По итогу это даст положительный эффект.

«Можно миновать Россию как логистическое звено»

— За последние два года Россия опустилась с 38-го на 45-е место в рейтинге развития ИТ. Что изменилось в нашей стране и почему произошло такое падение?

Дмитрий: Мы не согласны с данным тезисом, если имеется в виду обеспеченность ИТ различных секторов экономики. Напротив, мы ощущаем, что находимся впереди остальных, например, в финансовой сфере, сельском хозяйстве, производстве и медицине. Хотя нет крупных российских технологических компаний, связанных с ИТ. У нас в стране переход от технологий к бизнесу весьма затруднен, ощущается нехватка игроков на рынке, конкурировать с другими странами в этом плане тяжело. Но это не связано с неразвитостью информационных технологий в России. Скорее, у нас проблемы с рыночной экономикой и доступностью финансов.

Алексей: Мы сами как компания за последние два года сделали довольно сильный скачок и подстроились под современные реалии, чтобы соответствовать требованиям рынка. Можно, конечно, предположить, что за границей все продвигается еще быстрее, однако у нас такого ощущения нет.

— Какое влияние на развитие ИТ-технологий оказывают США и Китай?

Дмитрий: Конечно же, они оказывают огромное влияние и являются лидерами, стоит только взглянуть на долю рынка, которую занимают азиатские и американские компании. Возможности этих компаний простираются не только внутри государств, но и за их пределы. Можно сказать, они «подсадили» весь мир на свои технологии. Все, что мы используем, либо произведено в Китае, либо разработано в Штатах. Конечно, вряд ли завтра мы станем мировыми лидерами, но свою нишу мы точно займем, хоть и без права на лидерство. Стоит смотреть на заграничных коллег, перенимать у них лучшее и идти дальше своим путем.

Чтобы что-то производить, надо это что-то придумать. Вовсе необязательно открывать производство для получения прибыли, главное, чтобы у нас находился центр разработки. Для создания производства можно миновать Россию как логистическое звено. Мы знаем несколько российских стартапов, производящих товар в Китае и поставляющих в Европу. Нужно выделять большие средства на образование и науку. В нашей стране процент научных исследований и разработок в структуре ВВП порядка 1–2%, в то время, как в Северной Европе в разы больше, хоть они и не являются мировыми фабриками. Также важно поддерживать креативность. Грубо говоря, необходимо не только строить заводы и фабрики, но и оказывать финансовую поддержку людям, которые придумывают новые и уникальные вещи. В Китае, например, сейчас есть государственная программа, направленная на поддержку креативной индустрии.


Топ-10 стран с развитым ИИ:

  1. США — ИИ применяется в военном деле, для обработки данных, создания более гибких систем.
  2. Китай — ИИ в основном используют для торговли, в частности на серверах Tencent и Alibaba.
  3. Великобритания — британцы применяют возможности ИИ в медицине, биологии, научно-исследовательской сфере, телекоммуникациях.
  4. Канада — создают автономные транспортные средства, оборудование для лесной и горнодобывающей промышленности, ядерной энергетики и гидротехники, для геофизических исследований.
  5. Индия — активно разрабатывает и экспортирует программное обеспечение.
  6. Израиль — развивают генетику, оптику, сельское хозяйство, электронику, применение солнечной энергии.
  7. Франция — ИИ во всех возможных проявлениях.
  8. Германия — разработки в робототехнике, речевых и языковых технологиях, интеллектуальной визуализации и моделировании.
  9. Швеция — технологии для облегчения жизни и работы людей, например, «говорящие головы» в аэропортах, машины для сортировки отработанных батареек при помощи ИИ.
  10. Испания — технологии в сельском хозяйстве.

Алексей: Наше развитие в технологиях тормозят проблемы, возникшие после распада Советского Союза. Наибольшая часть электронных компонентов производится в Китае по ряду причин. Быстрая доставка внутри страны, а также собственное производство помогает ускорить сборку и усовершенствовать результаты в дальнейшем. В то же время наша страна испытывает трудности с получением тех же самых материалов. Пока что мы производим недостаточное количество собственной элементной базы, что мешает России быстрее развиваться.

— Является ли проблемой утечка кадров?

Дмитрий: Я бы не сказал, что является. Люди должны быть мобильными. Если кто-то хочет куда-то поехать — пускай едет, получает необходимые знания, реализовывается. У меня лично была возможность учиться в США, а по возвращении в Россию мы создали технологическую компанию. Я думаю, именно такой подход нужно пропагандировать. Главное — создать лучшие условия для работы именно в нашей стране. В Штатах, к примеру, учится огромное количество китайцев, но у них нет желания переезжать туда навсегда. Они возвращаются на родину, как только заканчивается учеба, ведь в Китае у них огромное количество возможностей для перспективного развития.

— Как России выйти в лидеры среди технологических компаний и иметь возможность конкурировать с США и Китаем?

Дмитрий: Довольно сложный вопрос. Наверное, нужно действовать быстро, чтобы догнать и по возможности даже опередить. Необходимо выделять большое количество ресурсов на образование, новые разработки. Нынешние российские стартапы ввиду отсутствия достаточного количества денег, обращаются к западным инвестициям и в конечном итоге оказываются в Штатах или Европе, постепенно перетекая туда из России, просто потому что там всё проще с финансированием.

Алексей: Было бы здорово, если больше поддерживались малые предприятия, а особенно — упрощались бюрократические процедуры, организация экспорта изделий. В силу своих патриотических убеждений я считаю, что важно сохранить технические компетенции по производству. Сейчас в России к 2025–2028 году запланировано развитие в области производства автомобилей, авиации, мобильной техники. Это очень здорово и в будущем увеличит производственные мощности, если ИТ при этом не будет отставать. Создание роботизированных автономных комплексов, которые смогут вести свою деятельность без участия человека — дополнительная стоимость к экономике всей страны. Умение создавать такие комплексы и выводить их как на внутренний, так и на иностранный, рынок может положительно повлиять на количество высокотехнологичных рабочих мест.


Читайте также:

Создана первая точная карта мира. Что не так со всеми остальными?

Инфракрасное излучение от рук человека использовали для шифрования

Уран получил статус самой странной планеты в Солнечной системе. Почему?

Загрузка...