Искусственный интеллект: как и где изучать - отвечают эксперты

«Хочу заниматься ИИ. Что стоит изучить? Какие языки использовать? В каких организациях учиться и работать?»

Мы обратились за разъяснением к нашим экспертам, а полученные ответы представляем вашему вниманию.

Это зависит от Вашей базовой подготовки. Прежде всего, необходима математическая культура (знание статистики, теории вероятностей, дискретной математики, линейной алгебры, анализа и др.) и готовность многому быстро учиться. При реализации методов ИИ потребуется программирование (алгоритмы, структуры данных, ООП и др.).

Разные проекты требуют владения разными языками программирования. Я бы рекомендовал знать как минимум Python, Java и любой функциональный язык. Нелишним будет опыт работы с различными базами данных и распределёнными системами. Чтобы быстро изучать лучшие подходы, применяемые в индустрии, требуется знание английского языка.

Учиться рекомендую в хороших российских вузах! Например, в МФТИ, МГУ, ВШЭ есть соответствующие кафедры. Большое разнообразие тематических курсов доступно на Coursera, edX, Udacity, Udemy и других MOOC площадках. Некоторые ведущие организации имеют собственные программы подготовки в области ИИ (например, Школа анализа данных у Яндекса).

Прикладные задачи, решаемые методами ИИ, можно найти в самых разнообразных местах. Банки, финансовый сектор, консалтинг, ритейл, e-commerce, поисковые системы, почтовые сервисы, игровая индустрия, индустрия систем безопасности и, конечно, Avito – все нуждаются в специалистах различной квалификации.

Повысить Понизить

У нас есть проект по финтеху, связанный с машинным обучением и компьютерным зрением, в котором первый его разработчик писал все на C++, далее пришел разработчик, который все переписал на Python. Так что язык тут не самое главное, так как язык - это прежде всего инструмент, и от вас зависит, как его использовать. Просто на каких-то языках задачи решать быстрее, а на других более медленно.

Где учиться, сказать сложно – все наши ребята учились сами, благо есть интернет и Google.

Повысить Понизить

Могу посоветовать с самого начала готовить себя к тому, что учиться придётся много. Вне зависимости от того, что подразумевается под «заниматься ИИ» – работа с большими данными либо нейросети; развитие технологии или поддержка и обучение некой определённой уже разработанной системы.

Давайте ради конкретики возьмём трендовую профессию Data Scientist. Что делает этот человек? В общем и целом – собирает, анализирует и готовит к употреблению большие данные. Именно те, на которых растёт и тренируется ИИ. А что должен знать и уметь Data Scientist? Статический анализ и математическое моделирование – по умолчанию, причём на уровне свободного владения. Языки – скажем, R, SAS, Python. Также хорошо бы иметь какой-никакой опыт разработки. Ну и, вообще говоря, хороший дата-сайнтист должен уверенно себя чувствовать в БД, алгоритмике, визуализации данных.

Не сказать, чтобы такой набор знаний можно было получить в каждом втором техническом вузе страны. Крупные компании, у которых в приоритете разработка ИИ, это понимают и разрабатывают под себя соответствующие учебные программы – существует, например, Школа анализа данных от Яндекса. Но вы должны отдавать себе отчёт, что это не тот масштаб, где ты приходишь на курсы «с улицы», а выходишь с них готовым джуниором. Пласт большой, и идти учиться по дисциплине имеет смысл тогда, когда уже охвачена база (математика, статистика) хотя бы в рамках вузовской программы.

Да, времени уйдёт порядочно. Но игра стоит свеч, потому что хороший Data Scientist – это очень перспективно. И очень дорого. Есть ещё и другой момент. Искусственный интеллект – это, с одной стороны, уже не просто объект ажиотажа, а вполне себе вышедшая на виток продуктивности технология. С другой стороны, ИИ всё ещё только развивается. Для этого развития требуется много ресурсов, много навыков и много денег. Пока это уровень высшей лиги. Я сейчас скажу очевидную вещь, но, если вы хотите оказаться на острие атаки и своими руками двигать прогресс, цельтесь в компании уровня Facebook или Amazon.

В то же время в ряде областей технологию уже применяют: в банковской сфере, в телекоме, на промышленных предприятиях-гигантах, в ритейле. И там уже нужны люди, способные её поддерживать. Gartner прогнозирует, что к 2020 году 20% всех предприятий в развитых странах будут нанимать специальных сотрудников для тренировки нейронных сетей, используемых в этих компаниях. Так что пока ещё есть немного времени, чтобы подучиться самому.

Повысить Понизить

ИИ сейчас активно развивается, и предсказывать на десять лет вперед сложно. На ближайшие два-три года будут доминировать подходы на базе нейросетей и вычислений на основе GPU. Лидером в этой области является Python с интерактивной средой Jupyter и библиотеками numpy, scipy, tensorflow.

Есть много онлайн-курсов, которые дают базовое представление об этих технологиях и общих принципах ИИ, например курс Andrew Ng. И в плане обучения этой теме сейчас в России эффективнее всего самостоятельное обучение или в локальной группе по интересам (например, в Москве я знаю о существовании как минимум пары групп, где люди делятся опытом и знаниями).

Повысить Понизить

Повысить Понизить

На сегодняшний день самая быстро прогрессирующая часть искусственного интеллекта - это, пожалуй, нейронные сети.
Изучение нейросетей и ИИ стоит начать с освоения двух разделов математики - линейной алгебры и теории вероятности. Это обязательный минимум, незыблемые столпы искусственного интеллекта. Абитуриентам, желающим постичь основы ИИ, при выборе вуза, на мой взгляд, стоит обратить внимание на факультеты с сильной математической школой.

Следующий шаг - изучение проблематики вопроса. Существует огромное количество литературы, как учебной, так и специальной. Большинство публикаций по теме искусственного интеллекта и нейросетей написаны на английском языке, однако русскоязычные материалы тоже публикуются. Полезную литературу можно найти, например, в общедоступной цифровой библиотеке arxiv.org .

Если говорить о направлениях деятельности, то здесь можно выделить обучение прикладных нейронных сетей и разработку совершенно новых вариантов нейросетей. Яркий пример: существует такая очень востребованная сейчас специальность - «дата-сайентист» (Data Scientist). Это разработчики, которые, как правило, занимаются изучением и подготовкой неких наборов данных для обучения нейросетей в конкретных, прикладных областях. Резюмируя, подчеркну, что каждая специализация требует отдельного пути подготовки.

Повысить Понизить

Прежде чем приступать к узкопрофильным курсам, нужно изучить линейную алгебру и статистику. Погружение в ИИ я бы посоветовал начать с учебника «Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных», это неплохое пособие для начинающих. На Coursera стоит послушать вводные лекции К. Воронцова (подчеркну, что они требуют хорошего знания линейной алгебры) и курс «Machine Learning» Стэнфордского университета, который читает Andrew Ng, профессор и глава Baidu AI Group/Google Brain.

Основная масса пишется на Python, потом идут R, Lua.

Если говорить об учебных заведениях, лучше поступить на курсы при кафедрах прикладной математики и информатики, подходящие образовательные программы есть. Для проверки своих способностей можно принять участие в соревнованиях Kaggle, где предлагают свои кейсы крупные мировые бренды.

Повысить Понизить

В любом деле, прежде чем приступать к проектам, хорошо бы получить теоретический базис. Есть много мест, где можно получить формальную степень магистра по этому направлению, либо повысить свою квалификацию. Так, например, Сколтех предлагает магистерские программы по направлениям «Computational Science and Engineering» и «Data Science», куда входит курсы «Machine Learning» и «Natural Language Processing». Можно также упомянуть Институт Интеллектуальных Кибернетических систем НИЯУ МИФИ, Факультет вычислительной математики и кибернетики МГУ и Кафедру «Интеллектуальные системы» МФТИ.

Если же формальное образование уже имеется, есть ряд курсов на различных платформах MOOC. Так, например, EDx.org предлагает курсы по искусственному интеллекту от Microsoft и Колумбийского университета, последний из которых предлагает микро-магистерскую программу за умеренные деньги. Хотелось бы особо отметить, что обычно сами знания вы можете получить и бесплатно, оплата идет только за сертификат, если он нужен для вашего резюме.

Если же вы хотите «глубоко погрузиться» в тему, ряд компаний в Москве предлагает недельные интенсивы с практическими занятиями, и даже предлагают оборудование для экспериментов (например, newprolab.com), правда, цена таких курсов от нескольких десятков тысяч рублей.

Из компаний, которые занимаются разработкой Искусственного Интеллекта, вы наверняка знаете Яндекс и Сбербанк, но есть и многие другие разных размеров. Например, на этой неделе Минобороны открыло в Анапе Военный инновационный технополис ЭРА, одной из тем которого является разработка ИИ для военных нужд.

Повысить Понизить

Прежде чем изучать искусственный интеллект, надо решить принципиальный вопрос: красную таблетку взять или синюю.
Красная таблетка - стать разработчиком и окунуться в жестокий мир статистических методов, алгоритмов и постоянного постижения непознанного. С другой стороны, не обязательно сразу кидаться в «кроличью нору»: можно стать управленцем и создавать ИИ, например, как менеджер проекта. Это два принципиально разных пути.

Первый отлично подходит, если вы уже решили, что будете писать алгоритмы искусственного интеллекта. Тогда вам надо начать с самого популярного направления на сегодняшний день – машинного обучения. Для этого нужно знать классические статистические методы классификации, кластеризации и регрессии. Полезно будет также познакомиться с основными мерами оценки качества решения, их свойствами… и всем, что попадется вам по пути.

Только после того, как база освоена, стоит проштудировать более специальные методы: деревья принятия решений и ансамбли из них. На этом этапе нужно глубоко погрузиться в основные способы построения и обучения моделей - они скрываются за едва приличными словами беггинг, бустинг, стекинг или блендинг.

Тут же стоит познать методы контроля переобучения моделей (еще один «инг» - overfitting).

И, наконец, совсем уж джедайский уровень - получение узкоспециальных знаний. Например, для глубокого обучения потребуется овладеть основными архитектурами и алгоритмами градиентного спуска. Если интересны задачи обработки естественного языка, то рекомендую изучить рекуррентные нейронные сети. А будущим создателям алгоритмов для обработки картинок и видео стоит хорошенько углубиться в свёрточные нейронные сети.

Две последние упомянутые структуры - кирпичики популярных сегодня архитектур: состязательных сетей (GAN), реляционных сетей, комбинированных сетей. Поэтому изучить их будет нелишним, даже если вы не планируете учить компьютер видеть или слышать.

Совсем другой подход к изучению ИИ - он же «синяя таблетка» - начинается с поиска себя. Искусственный интеллект рождает кучу задач и целых профессий: от руководителей ИИ-проектов до дата-инженеров, способных готовить данные, чистить их и строить масштабируемые, нагруженные и отказоустойчивые системы.

Так что при «менеджерском» подходе сначала стоит оценить свои способности и бэкграунд, а уже потом выбирать, где и чему учиться. Например, даже без математического склада ума можно заниматься дизайном ИИ-интерфейсов и визуализациями для умных алгоритмов. Но приготовьтесь: уже через 5 лет искусственный интеллект начнет вас троллить и называть «гуманитарием».

Основные методы ML реализованы в виде готовых библиотек, доступных к подключению на разных языках. Наиболее популярными языками в ML сегодня являются: C++, Python и R.

Есть множество курсов как на русском, так и английском языках, таких как Школа анализа данных Яндекса, курсы SkillFactory и OTUS. Но прежде чем инвестировать время и деньги в специализированное обучение, думаю, стоит «проникнуться темой»: посмотреть открытые лекции на YouTube с конференций DataFest за прошлые годы, пройти бесплатные курсы от Coursera и «Хабрахабра».

На снимках, переданных "Нефритовым зайцем", поверхность нашего естественного спутника почему-то предстает коричневой, а не серой.

Китайский луноход "Юйту" - "Нефритовый заяц" - стал первым аппаратом, совершившим мягкую посадку на Луну после того, как вдекабре 1972 года ее покинули последние американцы - экипаж "Аполлона-17" - Юджин Сернан и Харрисон Шмит.

В декабре 2013 года успешно прилунившийся "заяц" передал снимки с места прибытия. А они возродили утихнувшие было споры о том, какого цвета Луна? На китайских фото она коричневая. На небе - серебристая. Примерно того цвета Луна и на многочисленных снимках, сделанных американскими астронавтами непосредственно на поверхности нашего естественного спутника. Эта поверхность либо белая, либо серовато-серебристая на солнце. А в тени - темная.

Китайский луноход - "Нефритовый заяц" - съезжает на коричневую поверхность Луны

Китайцы сфотографировали поверхность Луны и без "зайца" - она коричневая.

Американский луноход экспедиции "Аполлон-17" - ездит по серой Луне

О том, что с цветом Луны что-то не так первым несколько лет назад заявил известный американский исследователь аномальных явлений Джозеф Скиппер. Он обвинил НАСА в подвохе. Мол, по какой-то загадочной причине агентство обработало лунные снимки, выложенные на официальных сайтах в свободном доступе. Со всех вытравило реальный цвет объектов, сделав пейзажи черно-белыми. Как в старом кино.

Подозрения Скиппера укрепил найденный им снимок из числа тех, которые были сделаны экипажем последнего "Аполлона". На снимке Юджин Сернан - устанавливает американский флаг и сам себя фотографирует, держа камеру на вытянутой руке. Шмит ходит вокруг лунного модуля, который находится перед И флаг, и скафандр астронавта поучились яркими и красочными. А лунная поверхность - черно-белой. Как обычно.

Луна - серая, но в шлеме отражается коричневая

Но взгляните на стекло шлема. В нем отражается и лунный модуль, и поверхность, на которой тот стоит. Поверхность коричневая. Как на китайских снимках 2013 года. И похоже, что это и есть реальный цвет Луны.

Я не знаю зачем в НАСА отбеливали снимки, - говорит Джозеф Скиппер. - Наверное, что-то скрывают. Ведь, как правило, убирая натуральный цвет объекта, маскируют его структуру. А структура, в свою очередь, может выдать некие подробности, которые не должны попадать в поле зрения непосвященных.

По мнению исследователя, часть фото с флагом просто не обработали по недосмотру. И подвох вскрылся. А китайцы вообще ничего не обрабатывали. Не знали, что так положено. Американцы их не предупредили.

Все оттенки шоколада, а не серого

В пользу того, что Луна коричневая свидетельствовали и члены экипажа "Аполлона-10". Тогда в мае 1969 года пилотом лунного модуля был тот же Юджин Сернан, командиром - Томас Стаффорд, пилотом командного модуля - Джон Янг. Астронавты выбирали место посадки для Нейла Армстронга и Базза Олдрина, которые должны были первыми ступить на Луну спустя всего пару месяцев.

Сернан и Стаффорд, отстыковались от командного модуля и приблизились к поверхности на 100 метров. Рассмотрели ее цвет в подробностях. О чем составили подробный отчет. И пофотографировали.

В отчете экипажа "Аполлона-10", простите за каламбур, черным по белому написано, что Луна местами то светло-коричневая, то рыжевато-коричневая, то цвета темного шоколада. Но никак не серая.

Поверхность Луны, снятая с борта

А на некоторых снимках, сделанные с борта "Аполлона-10", она вообще зеленая с ярко-рыжими вкраплениями.

Странно, но фото Сернана, Стаффорда и Янга стали последними, на которых Луна имела цвет. Далее, начиная с первой высадки американцев, она стала черно-белой.

На этом снимке Луна зеленая

Кстати, нечто удивительное по цвету нашли и астронавты с "Аполлона--17" прямо рядом с местом посадки. На Земле приняли восторженные и много раз повторяющиеся выкрики: "Не могу поверить…Это невероятно…Она оранжевая… Будто здесь что-то проржавело". Речь идет о почве, которую астронавты пытаются собрать в мешочек. Наверное, ее привезли на Землю. Но что из себя представляла находка, никто до сих пор не сообщил.

ВМЕСТО КОММЕНТАРИЯ

Есть тут какой-то секрет.

Летчик-космонавт СССР Алексей Леонов, который дружил со Стаффордом, по поводу цвета Луны объяснял мне в свое время: все дело в пленке, на которую снимали, и в отражательной способности поверхности.

Каждый человек по-своему воспринимает свет, - говорил Алексей Архипович. - Одному кажется коричневый оттенок, другому - другой оттенок. А фотография - это искусственно придуманные слои. Любая пленка - это три цвета. И сочетание трех цветов. Результат зависит от обработки. Зависит от угла светового потока. Одно положение светового потока - один цвет. Солнце поднимается - другой цвет. Одна и та же по цвету поверхность может отражать в зависимости от угла - разные длины волн. А это - разный цвет.

Алексею Архиповичу верю. Но все же не понимаю: сначала Луна отражала так, что была коричневой, а потом начала отражать так, что стала черно-белой на цветной пленке. А теперь она снова коричневая - на китайских снимках.

Есть тут какой-то секрет. Или все-таки какой-то подвох?

МОСКВА, 13 фев — РИА Новости. Китайские специалисты констатировали исправное состояние лунохода Юйту ("Нефритовый заяц"), который приземлился на спутнике Земли в середине декабря, сообщает в четверг Франс Пресс со ссылкой на агентство Синьхуа .

"Он вернулся к жизни. По крайней мере, он работает, и есть шанс, что мы его спасем", — цитирует Синьхуа представителя программы по изучению Луны. Агентство отмечает, что аппарат способен принимать сигналы, хотя в его работе все еще наблюдаются неполадки.

Представитель лунной программы подтвердил, что ранее аппарат находился в аварийном состоянии. "Изначально мы опасались, что он может не перенести крайне низкие температуры лунной ночи", — отметил ученый.

Неполадки в системе лунохода были выявлены еще 25 января. В заявлении государственного управления оборонной науки, технологий и промышленности Китая отмечалось, что возникли они из-за "сложного рельефа лунной поверхности". Отклонения в работе аппарата были выявлены незадолго до того, как луноход вновь перешел в спящий режим в связи с наступлением "лунной ночи".

В среду китайское информационное агентство China News Service сообщило, что луноход досрочно прекратил работу. По данным агентства, 10 февраля, когда на Луне наступил "день", специалисты безуспешно пытались активировать аппарат.

Китайский луноход на борту посадочного модуля "Чанъэ-3" сел в кратере Залив радуги 14 декабря. Он стал первым с 1976 года после советской "Луны-24" искусственным объектом, совершившим мягкую посадку на Луне. В задачи аппарата входило исследование геологической структуры и вещества на поверхности спутника Земли. Планировалось, что луноход будет работать три месяца.

Космическая программа Китая

Программа Китая по освоению космоса стартовала 8 октября 1956 года, когда в КНР была создана пятая академия Минобороны, занимавшаяся ракетными разработками.

Первый китайский космодром Цзюцюань был открыт 20 октября 1958 года на краю Бадань-Цзилиньской пустыни в низовьях реки Хэйхэ. В сентябре 1960 года отсюда была успешно запущена первая ракета ближнего действия советского производства, а в ноябре 1960 года состоялся успешный пуск первой ракеты, произведенной в КНР.

Астронавт НАСА Базз Олдрин: "Я думаю <…> что Китай может первой из всех стран мира высадить человека на Луну (после долгого перерыва в пилотируемых лунных полетах). Вместе с тем я считаю, что дешевле сначала отправить на Луну роботов, чтобы они все исследовали, потом уже думать о пилотируемых полетах. Но все страны наоборот сейчас думают о том, чтобы отправить на Луну людей, поскольку для каждой страны это гордость и престиж".

Китайцы сделали серьезный шаг к освоению Луны. С космодрома Сичан они запустили ракету-носитель, на борту которой находится первый китайский луноход, который назвали «Нефритовым зайцем». Аппарат прилунится уже в середине декабря и займется изучением грунта. Никто не делал этого еще с середины 70-х, когда на Луне высаживался последний советский луноход. Пекин, впрочем, дал понять, что миссию не забросит и к 2025 году отправит к спутнику еще и собственных тайконавтов. Евгений Зубков узнал о космических амбициях Поднебесной. Репортаж НТВ.

Китай, как и обещал, приступил ко второму этапу своей лунной программы. Первый заключался в отправке на орбиту естественного спутника Земли нескольких зондов, которые вели фотосъемку. Теперь же зондировать будут уже саму поверхность, со всеми вытекающими. Эту задачу предстоит выполнить первому китайскому луноходу «Юйту». Его минувшей ночью запустили в космос.

Название лунохода выбирали путем голосования в Интернете. «Юйту» можно перевести как «Нефритовый заяц» или «Нефритовый кролик», что очень символично, как многое в Китае. Заяц еще с древних времен ассоциируется в Поднебесной именно с Луной. Как гласят легенды, там живет белый заяц, который в своем дворце готовит эликсир бессмертия. И если приглядеться, то темные пятна на лунной поверхности образуют как раз фигуру зайца. Ну а нефрит — священный камень для китайцев.

Посадка лунохода запланирована в кратере «Залив радуги», диаметр составляет четыре сотни километров, а поверхность относительно плоская и без камней. Туда «Нефритовый заяц» прибудет ориентировочно через две недели. Сам аппарат весит почти сто килограммов, оснащен шестью колесами и нашпигован электроникой. Скорость движения может достигать 200 метров в час. Предполагаемый срок миссии — три месяца. За это время «Заяц» должен взять пробы грунта, провести детальную фото и видеосъемку. Связь с Землей, как уверяют разработчики, будет вестись в режиме онлайн.

Си Лухуа , ведущий инженер Пекинского аэрокосмического центра: «Мы постоянно получаем данные от лунохода. Делаем выводы о том, как он функционирует, при необходимости можем подкорректировать его работу и дать новые задания».

Китайцы говорят, что на отправку «Юйту» их вдохновила еще советская лунная программа. Кстати, последний земной аппарат побывал на спутнике аж в 76-м году. И был это советский «Луна-24» . А вообще Китай теперь третья после СССР и США страна, запустившая свой луноход.

Китайцы не скрывают, что « » станет своего рода разведчиком. Вслед за ним КНР запустит на Луну еще несколько усовершенствованных моделей, способных забрать образцы грунта на Землю.