Алгоритмы — помощники человека, а не соперники, или Нейросети — это не только котики

12.10.2020

Сегодня мы стоим у технологической развилки, которая определит будущее развитие технологий искусственного интеллекта и машинного обучения. Эти технологии начинают набирать обороты, для молодежи организуется много состязаний по их применению. С одной стороны, объем хайпа зашкаливает и ребята начинают активно интересоваться data science, охотно идут в это направление. Однако задач социально-экономической направленности, которые они могли бы решать, явно недостаточно. Молодые специалисты участвуют в конкурсах, соревнуясь в том, кто лучше обучит нейросеть распознавать котиков и объекты внутри компьютерных игр, решать бизнес-задачи для улучшения прогноза продаж или создавать картины с помощью алгоритмов. Да, такие задачи хорошо «прокачивают» компетенции, но не приносят прямой пользы людям, нуждающимся в решении насущных проблем. А ведь алгоритмы могли бы в этом помочь. Для многих молодых людей такие слова, как «благотворительность» или «безопасная среда», вовсе не являются пустым звуком. Но, к сожалению, даже там, где рассматриваются реальные проблемы, недостаток экспертных знаний (например, при проведении внутривузовских соревнований) приводит к тому, что ребятам начинает казаться, что кода в несколько десятков строк может быть достаточно для решения важной многофакторной социальной задачи.

В рамках международного конкурса по решению глобальных социальных задач World AI & Data Challenge резко выросло число участников: в прошлом году их было чуть более 1 тыс., а в этом — уже свыше 6 тыс. человек. Вместе со студентами, ИТ-специалистами из компаний большинства регионов России и других стран в конкурсе соревнуются уже и школьники. Они хотят решать социально-экономические задачи, приносить реальную пользу людям. Помимо «прокачки» своих компетенций, именно это становится их основной мотивацией. Поэтому в рамках популяризации технологий анализа данных и машинного обучения полезно задавать не только технологическую планку, но и ценностную: мы должны учиться строить свои алгоритмы во благо обществу.

Яна Коваленко: «Занимаясь популяризацией технологий анализа данных полезно задавать не только технологическую планку, но и ценностную: мы должны учиться строить свои алгоритмы во благо обществу»

Хотя многие не задумываются об этом, но хотела бы отметить такой важный аспект: когда мы учим алгоритм обыгрывать человека, то, ставя задачу соревноваться с людьми, оказываемся «по другую сторону баррикад». И если игнорировать этот факт, то мы сами не заметим, как научим алгоритмы не помогать, а противостоять нам и в этом противостоянии быть лучше нас. В нашем проекте принципиально другое отношение: мы учим алгоритмы помогать людям. Например, в России и других странах есть крайне важная задача, к решению которой также подключена и ООН, — снижение бедности. Эта проблема все еще далека от решения во всем мире, но можно сделать качественный шаг вперед, собирая оперативные и достоверные данные о реальных людях и семьях, нуждающихся в помощи, определяя профиль их локации и анализируя причины возникновения сложных жизненных ситуаций.

Пандемия продемонстрировала, что группы малоимущих нового типа могут появиться мгновенно. Даже в этот относительно краткосрочный период очень важно найти действующие меры для решения их проблем, чтобы пройти через такие ситуации с наименьшими потерями. Выстроив систему управления на основе данных, настроив алгоритмы для определения угроз и выявив по разным метрикам людей, находящихся в зоне бедности или вероятности ее наступления, мы можем научиться оперативно и максимально точно реагировать на новые вызовы.

Важно не только оперативно принимать меры, но и действовать превентивно — помимо борьбы с последствиями, искать истинные причины проблем. И здесь большие данные действительно способны помочь. Например, в некоторых странах одной из причин бедности может являться низкий уровень образования из-за недостаточной мотивации педагогов в части развития качественных форматов обучения. С одной стороны, выявление таких причин может происходить непосредственно «в полях» — в местах наибольшего присутствия исследуемой группы людей, а с другой — глобальную картину и наиболее точную причину можно увидеть и на больших данных, анализируя ситуацию как на уровне разных городов и регионов, так и стран.

Есть задачи, которыми ребята очень охотно занимаются — скажем, проблемами, связанными с экологией, в том числе загрязнением рек. Но существуют и другие — относительно простые, но очень важные и пока явно недооцененные — задачи, которым уделяется мало внимания. Например, можно снизить аварийность на дорогах, анализируя причины ДТП: низкую освещенность, сложные перекрестки, плохое качество дорожного покрытия и др. Если оценить, скольким людям стоит жизни отсутствие такого инструмента анализа, получатся фантастические цифры. Бывают и совсем маленькие, узкие, нишевые, но не менее важные задачи — например, алгоритм по распознаванию азбуки Брайля, который вызвал наибольшее число откликов как у опытных разработчиков, так и у студентов. Очевидно, такое решение в телефоне облегчит коммуникацию, снимет барьер в общении между слабовидящими и обычными людьми.

Очень радостно, что подобные задачи вызывают интерес у молодежи. Одна из участниц нынешнего конкурса — девятиклассница, которая создала неплохое решение, связанное с азбукой Брайля и дошедшее до этапа экспертной оценки. Это значит, что у нас есть школьники не только с хорошими компетенциями, но и с истинной мотивацией создавать условия для равных возможностей, в том числе среди своих сверстников. И в этом году мы с удивлением обнаружили, что доля конкурсантов из Москвы и Санкт-Петербурга заметно снизилась за счет расширения географии участников: в регионах множество талантливых ребят.

Как бы банально это ни звучало, есть масса молодых специалистов, которые хотят сделать что-то для людей, желают, чтобы мир стал лучше. Для тех из них, кто уже имеет опыт работы, это возможность переключиться с рутинных процессов на решение проблем, о которых они раньше могли только рассуждать. Осознание того, что можно повлиять на сложившееся положение вещей и сделать что-то полезное, пусть и в локальном масштабе — это и есть самая сильная мотивация.

Еще статьи

Борьба с бедностью: как помочь малоимущим, подскажут данные

«Умные» социальные проекты: от анализа бедности до азбуки Брайля

Добрые дела больших данных

Нет утечкам: нейросеть предупредит беду

По цифровому следу школьника

О доступе к данным замолвите слово