Дэн Бивенер

Спрос на навыки в области искусственного интеллекта (ИИ) и, в частности, машинного обучения рос экспоненциально за последние пять лет, поскольку предприятия, от онлайн-развлечений до электронной коммерции, ищут новые способы использования данных для улучшения качества обслуживания клиентов и реализации новых функций.

Simplilearn недавно назначила Майка Тамира, доктора философии, советником по учебным программам Simplilearn Искусственный интеллект и машинное обучение. Он сыграл важную роль в разработке структуры курса и включении передовых программ по Инженерии искусственного интеллекта, Машинному обучению и Глубокому обучению с TensorFlow. Доктор Тамир занимает первое место в мире среди влиятельных лиц в области машинного обучения и искусственного интеллекта по версии Onalytica. В настоящее время он является руководителем отдела обработки и анализа данных в Uber ATG (самоуправляемые транспортные средства) и читает лекции в Калифорнийском университете в Беркли — iSchool Data Science Магистерская программа.

Недавно Simplilearn поговорил с Майком Тамиром о его выводах, прогнозах и рекомендациях по машинному обучению и о том, как компании и те, кто ищет работу, могут подготовиться к будущему. Что касается взглядов, высказанных в этом интервью, важно отметить, что Майк Тамир говорит исключительно от своего имени, а не как представитель своих работодателей, в частности Uber.

В: Привет, Майк, добро пожаловать в Simplilearn. Что означает «искусственный интеллект» в современном мире?

О: ИИ, как правило, был движущейся целью как концепция. Современное использование термина ИИ стало синонимом приложений машинного обучения для автоматизации определенных задач, которые люди не могут выполнять в больших масштабах. Между большими данными, наукой о данных и ИИ существует общая нить использования огромных объемов данных для выполнения реальных задач и решения реальных вопросов в масштабе.

Ключом к этому часто было машинное обучение. В настоящее время мы способны выполнять целый ряд простых задач с помощью машинного обучения, вероятно, намного лучше, чем мы думали; и в некоторых случаях мы превзошли наши самые оптимистичные ожидания.

В: Что стоит за бурным развитием машинного обучения?

О: За последние несколько лет мы добились больших успехов благодаря появлению инструментов с открытым исходным кодом. Наша способность использовать глубокое обучение в масштабе производства теперь возможна благодаря TensorFlow. Конкуренция, которую TensorFlow получил от Pytorch, MXNet и множества других конкурентов, заставила TensorFlow действительно активизировать свою игру. У нас также есть единая возможность обмена с ONNX [Open Neural Network Exchange], которая позволяет нам передавать модели глубокого обучения между платформами. Эта гибкость дает нам множество эффективных способов запуска этих алгоритмов в производство.

В: Каковы некоторые из различных приложений ИИ для бизнеса?

О: Есть много действительно интересных вариантов использования, например, работа с различными видами акций и возможность прогнозировать стоимость этих акций в разных контекстах. Конечно, финансы действительно начали использовать преимущества машинного обучения и приложений глубокого обучения.

Существуют варианты использования обработки естественного языка, что для меня является одним из самых захватывающих приложений. С современной нейронной сетью, поддерживающей обработку естественного языка, мы можем представлять язык семантически богатыми способами. Слова теперь могут быть представлены математически таким образом, чтобы понять, как разные понятия связаны друг с другом.

В: Как улучшилась обработка естественного языка?

О: Когда эти технологии только появились, мы делали простые вещи, например, просто складывали все векторы и брали среднее значение. Вы получите грубый вектор, который указывает в направлении того, что означает этот абзац. Но проблема со средними значениями заключается в том, что сложение является коммутативным. Когда что-то коммутативное, вы можете поменять местами, например, «Джек упал, но не сломал свою корону» или «Джек не сломал свою корону, но упал». Это все одни и те же слова, но очень разные значения, на самом деле, как бы противоположные значения.

Теперь, с рекуррентными нейронными сетями, такими как «Долговременная кратковременная память» или LSTM, у нас есть алгоритм глубокого обучения, который работает последовательно. Он помнит, забывает и отслеживает разные вещи по мере прохождения последовательности, что позволяет ему отвечать на определенные вопросы. Другие задачи включают в себя заставить эти алгоритмы переформулировать значение предложения на другом языке или с меньшим количеством слов. Мы обнаружили, что вы можете намного лучше справляться с нейронным машинным переводом и обобщением, поэтому Google Translate стал намного лучше за последние пару лет. Наконец, вы можете использовать эти методы для решения таких проблем, как маркировка текста. Например, в FakerFact.org мы создали аналогичный алгоритм, который читает текст, а затем дает оценку, является ли текст «настоящей журналистикой» или нет и почему.

В: Каковы ваши любимые разработки в области машинного обучения?

О: я очень увлечен исследовательским проектом FakerFact. Использование этих современных методов для обнаружения фейковых новостей действительно захватывающе, потому что теперь мы можем определить, пытается ли статья представить нам только факты или она больше ориентирована на сенсацию или кликбейт, пытаясь получить эмоциональную реакцию от горячей -проблема с кнопкой. Мы создали довольно приличные алгоритмы и разместили их на сайте FakerFact.

Одним из моих любимых на все времена является мудрость толпы, где, если у вас есть много независимых источников, дающих вам отзывы, но они не являются экспертами, вы можете собрать их отзывы, чтобы добраться до истины. Например, подумайте о соревнованиях по угадыванию желейных бобов, скажем, на ярмарке, где побеждает тот, кто угадает ближе всего. Как только вы соберете несколько сотен отгадывающих, если вы усредните все их догадки вместе, вы будете очень близки к истинному ответу. Специалисты по данным часто используют этот трюк при разработке алгоритмов машинного обучения, но вместо того, чтобы использовать множество людей, мы используем ансамбли машинных угадывателей, чтобы получить более точные результаты.

В: Многие люди боятся ИИ. В отчете Jobseeker Nation говорится, что около 55% кандидатов обеспокоены тем, что автоматизация рабочих мест приведет к ликвидации рабочих мест, к которым они готовятся. Это оправдано?

О: Существует старая поговорка: «Технологии меняют рабочие места, но не устраняют их». Это меняет то, что такое рабочие места, но на самом деле это лучше для экономики. Я не уверен, что у нас есть основания полагать, что на этот раз все будет по-другому, но, конечно, существует риск того, что будет много трений, и в краткосрочной перспективе людям может не стать лучше с грядущие технологические изменения.

Я трачу много времени на образование, в частности, пытаясь дать навыки на всех уровнях — от начального уровня до иммерсивных учебных лагерей, магистерских программ и курсов, подобных тем, которые предлагает Simplilearn. Я провожу много своего свободного времени, думая о том, что мы можем сделать, чтобы свести к минимуму трения, возникающие до того, как в конце концов все станет хорошо с экономической точки зрения. Это не означает, что грядущие технологические изменения не повредят, но они будут менее болезненными, если люди начнут получать необходимые им навыки.

В: Когда вы начинали карьеру в сфере ИИ, что бы вы хотели знать заранее? Что облегчило бы вам задачу?

О: Я получил математическое образование, поэтому я никогда не посещал курс "Структуры данных и алгоритмы", который является вводным курсом, который должен проходить специалист по компьютерным наукам. Когда я только начинал, я читал книги, читал некоторые классические тексты и смотрел онлайн-уроки. Я никоим образом не был экспертом по алгоритмам, но, по крайней мере, у меня были основные понятия. Годы практики сделали меня лучше.

В: Могли бы вы сказать, что курсы, подобные тем, которые вы разработали для Simplilearn, станут хорошим дополнением к солидному математическому образованию? Разве такие курсы не будут полезны как для начинающих, так и для выпускников математики?

О: Да, я думаю, что онлайн-сервисы, в том числе Simplilearn, являются одним из лучших вариантов использования для заполнения этих пробелов, потому что людям с математическим образованием, вероятно, придется заполнить пробелы во всех виды аспектов кодирования и проектирования, а также работы в качестве разработчика. У людей с большим инженерным образованием и очень хороших разработчиков могут быть другие пробелы, которые нужно заполнить, например, в математике.

Я постоянно вижу это на своих занятиях в Беркли. Студенты с инженерным образованием обычно легче проходят занятия по машинному обучению, вместо того чтобы биться головой о стену с отладкой. У студентов-математиков какая-то борьба. Часто это в конечном итоге переворачивается. Когда вы сталкиваетесь со сложными проблемами, отсутствие математической грамотности затрудняет выход из тупика, когда вы решаете сложные проблемы на работе, даже если вы, вероятно, могли бы отладить быстрее. Так что вам действительно нужны оба.

В: Кому, кроме инженеров по искусственному интеллекту, было бы полезно пройти курс по машинному обучению? Это только для разработчиков или другие люди, такие как маркетологи, финансисты или руководители, могут извлечь выгоду из ИИ?

О: Это еще один отличный вариант использования таких дополнительных образовательных возможностей, как Simplilearn, потому что тот, кто работает инженером или менеджером по продукту, может лучше понять, какими будут другие части их бизнеса. использование машинного обучения для и почему.

Вы можете создать эти очень эффективные партнерские отношения, если у вас есть команда по науке о данных, состоящая из инженеров и экспертов по машинному обучению. Это означало бы поиск способов, позволяющих людям, не являющимся инженерами, говорить на одном языке и чувствовать себя комфортно при обсуждении одних и тех же тем машинного обучения, не обязательно прибегая к дополнительной аспирантуре, что является отличным вариантом использования курсов a la carte.

В: Как компании могут подготовиться к внедрению технологий и навыков машинного обучения внутри компании?

О: Один из вариантов — начать создание с нуля, но часто бывает лучше сначала проверить значения. Таким образом, у вас есть импульс, прежде чем делать огромные инвестиции в очень ценные ресурсы. Придумать небольшое доказательство концептуальных возможностей, чтобы на самом деле увидеть, как машинное обучение может помочь в конкретных случаях использования, вероятно, является более успешной моделью по сравнению с созданием всей организации с нуля.

Распространенной ошибкой также является наем группы экспертов по машинному обучению, которые стоят очень дорого, прежде чем привести в порядок инфраструктуру данных и доступность данных в своих организациях. Это то, что часто является большой проблемой, а затем в конечном итоге происходит низкая или отсроченная окупаемость инвестиций или сборная система, которая приводит к плохой разработке в течение многих лет.

В: Как можно использовать ИИ для повышения производительности существующих бизнес-процессов?

О: всегда есть рекомендации и релевантность поиска. Мы также разработали алгоритмы для профилактического обслуживания, обнаружения мошенничества и аномалий. Все это хорошие примеры вариантов использования, которые вы могли бы использовать.

Машинное обучение и глубокое обучение в настоящее время распространены повсеместно, и потребители используют эти алгоритмы каждый день, даже не осознавая этого. Например, каждый раз, когда вы используете поиск Google или поиск продуктов на сайтах электронной коммерции, или в любой ситуации, когда вы сталкиваетесь с большим количеством продуктов и большим количеством пользователей этих продуктов, у вас есть возможность использовать машинное обучение для эффективного сопоставления этих продуктов. правильно, немедленно или через какое-то время.

Реклама — отличный пример. Информацию о пользователях и продуктах можно использовать, чтобы предлагать продукты, которые могут их заинтересовать. Никто не любит рекламу, но, по крайней мере, если вам показывают только то, что вас интересует, это меньше раздражает.

В: Расскажите нам о нехватке специалистов в области машинного обучения? Вредит ли индустрия людям, разбирающимся в машинном обучении?

О: Пять лет назад такого не было, но сейчас существует множество различных вариантов повышения квалификации в области машинного обучения. Почти в каждом университете мира есть магистерская программа по науке о данных. Так что сегодня в людях, которые просто тренируются, на самом деле нет большой нехватки. Для людей с многолетним стажем это все еще дефицит. Если вы выходите из такой программы, как Simplilearn, то выяснение способов создания вещей и демонстрация этих навыков, вероятно, лучший способ добраться до вершины кучи.

Вопрос. Какие курсы по искусственному интеллекту может пройти человек, чтобы действительно повысить свои навыки, даже если его работа не связана напрямую с машинным обучением?

О: Инженер может немного изучить машинное обучение, чтобы хорошо работать с разработчиком машинного обучения. Точно так же такие курсы могут быть полезны для маркетолога или менеджера по продукту, которые хотят стать немного более интегрированными или узнать немного больше о том, что можно сделать с их продуктом или что могут обнаружить их аналитики.

Подготовьтесь к реальным знаниям об искусственном интеллекте

Из этого интервью с Майком Тамиром становится ясно, что независимо от того, чем вы занимаетесь — как бизнесмен, соискатель или потребитель — ИИ сыграет большую роль в вашем будущем. Если вы хотите начать карьеру в области ИИ, или вы хотите получить навыки машинного обучения, чтобы применить их к своей текущей работе, или вы просто хотите познакомиться, чтобы вы могли лучше взаимодействовать с разработчиками для внедрения приложений машинного обучения в вашу организацию, Simplilearn может помощь. Наши курсы по искусственному интеллекту, машинному обучению и глубокому обучению, разработанные под руководством самого Майка Тамира, могут подготовить вас к активной роли в использовании искусственного интеллекта, чтобы выделить себя или свою компанию среди конкурентов. Чтобы узнать больше о нашей учебной программе по искусственному интеллекту, посетите нашу страницу курса по искусственному интеллекту.

Об авторе
Имея 15-летний опыт преподавания и разработки программ обучения под руководством инструктора и учебных программ электронного обучения на основе видео, Дэн в настоящее время является директором по исследованиям в области обучения в Simplilearn, где он проводит и собирает исследования по последнему контенту и передовым методам обучения. Имея степень в области речевой коммуникации и многочисленные сертификаты в области цифрового маркетинга и авиационных технологий, Дэн делится своими знаниями с обеих сторон учебного процесса.

Первоначально опубликовано на сайте www.simplilearn.com 11 июня 2018 г.