«Если бы я вернулся в 2016-й, я бы взял любую идею и добавил машинное обучение»

Интервью предпринимателя Алекса Фламанта, инвестирующего в искусственный интеллект

В Лондоне прошла конференция под лозунгом «Искусственный интеллект — это скучно. И он уже вокруг нас». Ее организовало издание Quartz (вот кое-что о нем) совместно с Tech City UK и General Assembly (инвестиционными фирмами, которые вкладывают деньги в ИИ). По просьбе «Медузы» редактор лондонского журнала Russian Gap Катерина Никитина поговорила с одним из выступавших на конференции — партнером британской компании Notion Capital Алексом Фламантом. Он, в частности, рассказал, что сегодня все вспоминают 1990-е — как время, в которое хотелось бы вернуться, чтобы создать бизнес, который завоюет весь мир; таким же образом, считает Фламант, будут когда-нибудь думать о 2016-м: «Если бы я вернулся в 2016-й, я бы взял любую идею, добавил машинное обучение, отправил это в „облако“ и победил всех конкурентов».

— Обыватели, которые смотрят фантастические фильмы и ролики про человекообразных роботов, вряд ли согласятся с лозунгом конференции о том, что искусственный интеллект — это скучно. Скорее, пугающе, разве нет?

— Искусственный интеллект выглядит совсем не так, как люди его себе представляют. Он используется во множестве бытовых вещей. Возьмите, например, фитнес-трекеры, которые считают потраченные калории. Технология машинного обучения позволяет из сотни видов физической активности идентифицировать ту, которой вы в настоящий момент занимаетесь: езду на велосипеде, греблю, бег. Эта же технология применяется, когда вы ищете что-то в Google: вы можете вбить запрос с ошибками или не переключить раскладку клавиатуры на нужный язык, но программа угадает, что вы хотели спросить. В основе Siri — технология обработки естественного языка, которую тоже относят к искусственному интеллекту.

— Когда и в какой области искусственный интеллект проявит себя наиболее волнующим образом?

— Скоро мы дождемся распространения беспилотных автомобилей, которыми будет управлять не человек, а самообучающиеся механизмы. Половина аварий происходят в результате человеческого фактора: люди едут слишком быстро, либо они пьяны, либо проверяют сообщения в телефоне.

Когда мы только начали мечтать о машинах без водителя, возникал вопрос: сможем ли мы построить что-то настолько совершенное? Но это не должно быть совершенно, это должно быть всего лишь лучше, чем приматы, оседлавшие канистру бензина на четырех колесах. И достичь этого не так сложно, мы уже близки. Такими машинами не нужно будет владеть: они вас высадят где вам удобно и поедут дальше. И это отразится на всем. Городская жизнь станет гораздо более продуктивной, парковочные места больше не будут иметь значения, как и расстояния до метро. Это полностью изменит внешний вид и функциональность городов. Процесс будет похож на переход от лошадей к автомобилям.

— Удивительно при этом, что все это происходит одновременно с консервативным разворотом в самых технологически развитых странах — «Брекзитом» и Дональдом Трампом.

— Мы уже почти въехали в перемены, мы просто не до конца их осознаем. Беспилотные машины — это наиболее дешевый способ добраться из точки А в точку Б. Отчасти эту революцию начал Uber: машина забирает и высаживает вас где вам нужно. Но если Uber я в Лондоне плачу десять фунтов, то беспилотному автомобилю буду платить два.

Люди не смогут игнорировать очевидную выгоду. Возможно, в странах типа США, где машина является частью самоидентификации человека, сопротивление будет выше. Но в тех частях мира, где владение машиной всегда было, скорее, роскошью, люди окажутся более готовыми к автономным автомобилям. Может быть, это не произойдет за одну ночь, но в следующие 10-15 лет такие машины точно станут популярными в странах типа Китая, Индии, Бразилии. В развивающихся странах у многих людей сразу появились мобильные телефоны — у них не было никогда домашних. С автономными автомобилями произойдет такая же история. В этом году мы инвестировали в основанную в Бристоле компанию Five AI, которая занимается разработкой программного обеспечения, отвечающего за безопасность таких машин.

— Как именно они собираются ее обеспечить?

— Раньше компании, работающие над беспилотными автомобилями, начинали с прорисовки точнейших 3D-карт местности, а это 37 миллионов километров дорог в мире. Five AI это не нужно. В основе их технологии — искусственный интеллект, который считывает показатели многочисленных датчиков, установленных снаружи и внутри автомобиля, и воспринимает их через «машинное зрение». Оно создается в процессе работы глубоких нейросетей.

«Машинное зрение» позволяет определить и классифицировать окружающие объекты и точно позиционировать их в пространстве. Дальше задача машины — предсказать, как поведут себя объекты, для этого она изучает различные возможные модели поведения, идентифицирует их и находит лучшее решение относительно того, как на это поведение реагировать.

— Ваша компания также инвестирует в новые B2B-продукты — их делают компании из разных отраслей с использованием искусственного интеллекта. Какие проблемы они решают?

— Нам интересны продукты, позволяющие с помощью алгоритмов машинного обучения сократить маржинальные издержки бизнеса. Программы, позволяющие все делать в десять раз быстрее и лучше.

— Быстрее и лучше, чем люди? Издержки сокращаются за счет того, что машины заменяют людей, которым надо платить зарплату?

— Это происходит не только за счет сокращения оплаты человеческого труда, но также за счет увеличения производительности. Одна из компаний, в которую мы инвестируем, — Unbabel. Она позволяет любому посетителю сайта компании отправить в нее запрос на родном языке и мгновенно получить ответ на нем же, даже если в компании никто на этом языке не говорит. Unbabel использует живых переводчиков, но грязную переводческую работу, где не задействованы интуиция и анализ, выполняет искусственный интеллект. Такой подход основан на соединении машин и людей, каждый делает то, в чем он более эффективен.

Если вы переводите литературу на индийском диалекте найки, вы должны понимать особенности и культуру этого народа — это та работа, которую машина не сможет выполнить хорошо. Но если это просто перевод инструкции, то, возможно, это не то, на что человек должен тратить время. Машины позволяют нам переложить на них всю грязную работу, которая не требует высокой творческой отдачи, и позволяет сфокусироваться на вещах более интересных и важных.

— Машинное обучение часто используется при анализе больших данных. Какие продукты будут здесь появляться?

— Мы недавно считали, сколько у нас компаний, полностью построенных на машинном обучении. Насчитали всего четыре. Но потом просмотрели свое портфолио — почти все компании в нем разворачиваются в сторону развития этих технологий. В каком-то смысле отношение к машинному обучению стало напоминать отношение к анализу данных десять лет назад. Тогда все стремились сказать, что работают в аналитической компании. Сегодня анализ — это просто инструмент в арсенале, компании не называют себя «Data Analysis Company».

С машинным обучением все будет складываться так же. Будут появляться компании, занимающиеся бронированием путешествий, платежными системами, и так далее, но в качестве инструментов они будут использовать анализ данных и машинное обучение.

— Какие на рынке есть свободные ниши, связанные с развитием искусственного интеллекта?

— Их очень много. Сегодня мы вспоминаем 1990-е и думаем: если бы только у меня была возможность вернуться, я бы построил бизнес, который завоевал бы весь мир! Так же, я уверен, будут думать про сегодняшнее время: если бы я вернулся в 2016-й, я бы взял любую идею, добавил машинное обучение, отправил бы это в «облако» и победил бы всех конкурентов!

Мы сфокусированы на B2B, но большие возможности открываются в медицинской сфере. Как вы управляете трудовыми ресурсами, защищаете инфраструктуру компании, справляетесь со сферой городского хозяйства — это те области, где новые технологии тоже могут многое добавить. Если вы хотите найти свое место, вот мой совет: сфокусироваться на специфической вертикали, подумать, как машинное обучение может применяться к конкретным вещам, например, поискам неполадок на предприятии или мошенничестве по кредитным картам. И использовать при решении этих задач не одну, а множество техник.

— Вы же сталкивались с примерами неудачных стартапов, использующих машинное обучение?

— Мы видели много компаний, которые говорят, что их продукты построены на машинном обучении, но на самом деле не имеют к нему отношения. И иногда я думаю, что это нормально. Просто нужно сделать шаг назад, вздохнуть и признаться себе: это не машинное обучение, а обычный алгоритм.

— В чем принципиальная разница?

— В машинном обучении используется очень много техник, среди которых глубинное обучение, обучение с подкреплением и так далее. Компьютер может оптимизировать что-то, чему его специально не учили. Традиционные алгоритмы — это бинарная система; «если А, то Б» — такой тип ситуации.

— Есть ощущение, что все это на нас сваливается совершенно внезапно. Еще вчера ничего толком не было, а сегодня компьютеры обыгрывают людей в самые сложные игры, Стивен Хокинг открывает центр изучения искусственного интеллекта в Кембридже, Google запускает исследовательский центр в Европе, Илон Маск открывает независимую лабораторию в США — и все это происходит в течение одного последнего года. Чем можно объяснить такой бум?

— Уже начиная с 1950-х годов, когда про искусственный интеллект впервые начали говорить, были моменты так называемого «ИИ-лета» и «ИИ-зимы». Ученые думали, что настоящий искусственный интеллект будет делать то же, что и мозг человека, уже через 20 лет. Потом эти идеи рушились, потом возвращались. Но главное, что изменилось за это время, — роль частного сектора. Если бы вы были американским исследователем в 1960-70-х и работали над искусственным интеллектом, то скорее всего, это были бы военные нужды: как определить, что приближаются советские танки. Эти разработки вам дальше не пригодятся, на них нельзя заработать; если продукт не работает, то ему конец.

Теперь вы можете построить алгоритм, который найдет кошку на фотографии, и Facebook у вас его купит за миллионы долларов. Мы это видели в Лондоне на примере таких компаний, как DeepMind (она создала нейронные сети, которые научились обыгрывать в видеоигры людей; продана Google за 625 миллионов долларов — прим. «Медузы»), SwiftKey (подсказывает слова в сообщениях; продана Microsoft за 250 миллионов долларов), Magic Pony (улучшает качество изображения в смартфонах; продана Twitter за 150 миллионов долларов). Когда такие вещи случаются, появляется много предпринимателей с деньгами, готовых инвестировать в другие стартапы, давать ценные советы, таким образом, цикл продолжается.

Кроме того, есть технические причины. Появились датчики, которые стало возможно использовать для «машинного зрения» и изучения естественной речи. Произошел взрыв глубинного изучения — формы адаптивных нейросетей. Все это вместе нам позволяет делать больше. Но если вы говорите про настоящий интеллект, похожий на человеческий, то от этого мы все еще очень, очень, очень далеко.

— Насколько именно?

— Сегодня существует крошечная вероятность, что он появится к 2045 году, но гораздо выше вероятность, что не раньше 2075-го. Эти прогнозы постоянно меняются.

Катерина Никитина

Лондон