О каких навыках идет речь? Подумаем, что объединяет хороших юриста, медика-диагноста, специалиста-консультанта по подбору товара. Личная база знаний, заботливо уложенная в голову интенсивной зубрежкой. Умение быстро извлекать из нее нужные сведения при самых сложных параметрах запроса. Пожалуй, и все.

На формирование подобных навыков практически полностью заточена традиционная система образования. Трудолюбиво усвоить заложенные в учебнике сведения и научиться их применять в оговоренных учебной программой рамках. Кто такой круглый отличник? Тот, кто научился это делать в совершенстве. Почему среди победителей предметных олимпиад редко можно встретить круглых отличников? Потому что для победы нужно учиться совершенно по-другому.

Сейчас на постсоветском пространстве то и дело разгорается дискуссия о том, каким было школьное образование в Советском Союзе. Большинство сходится во мнении, что лучшим в мире и вообще замечательным. Иначе бы в космос первыми не полетели. А у меня очень много сомнений. И есть идея интересного эксперимента.

Я в советской школе, где учился с 1969 по 1979 годы, классе в четвертом перестал дома делать домашние задания. Что-то успевал сделать на уроках и переменках. Иногда дома решал математические задачи из журнала «Квант». Иногда читал научно-популярную литературу. Так жили многие из тех, кто учился на 4 и 5. Конечно, много было и тех, кто выполнял все, как хотели учителя и программа. Они тоже учились на 4 и 5, только средний балл у них был повыше. Я поучился в четырех школах в СССР и за границей – ситуация похожая.

Идея эксперимента. Провести опрос среди представителей того поколения, которое училось в советской школе. Кто делал все домашние задания? Таких в те годы называли зубрилами. Кто делал только по выбранным предметам? Кто не делал вовсе? По возможности, конечно, так как всегда было небольшое число учителей, способных заставить выполнять домашнее задание любого лентяя.

Вот почему-то мне кажется, что зубрилы много звезд с неба за эти годы не нахватали. А если успешными в жизни стали те, кто игнорировал требования системы образования, чем же она тогда так хороша?

От лирического отступления вернемся к нашим баранам, то есть к нейронным сетям. Они, как выяснилось, способны дать фору любому отличнику-зубриле. И поговорим о том, как готовить специалистов по нейронным сетям, раз уж число их будет неуклонно расти. Кстати, эксперты оценивают нехватку специалистов в этой области как одну из самых значимых на рынке труда.

Чтобы разобраться как готовить специалистов по нейронным сетям, нужно понимать, чем они будут заниматься. Вот тут-то и всплывают интересные факты. Осознать их нам поможет рассказ руководителя одного из стартапов в области искусственного интеллекта. Привожу его в своем сокращенном изложении. Если что-то слегка искажу, то для простоты объяснения.

Команда стартапа решила помочь людям подбирать себе по вкусу одежду, обувь и аксессуары (сумочки). Очень простым и изящным способом. Идет модница по улице и видит на ком-то интересный наряд. Достает свой смартфон и быстренько делает фото. Специальное приложение на смартфоне связывается с обученной нейросетью, которой передает сделанное фото. Сеть анализирует фото и из базы данных, содержащей описание образцов одежды, обуви и аксессуаров, предлагает моднице максимально похожие варианты покупки. В наш потребительский век отличная идея.

Шаг 1. Команда разрабатывает максимально детализированную систему классификации для всех трех категорий: одежды, обуви, сумочек. Например, по фотографии нужно было понимать, что искать надо босоножки, женские, кожаные, на танкетке, с позолоченными застежками, голубого цвета. Составление классификатора руководитель описывает как захватывающее погружение в мир модных магазинов и каталогов. Творческое с одной стороны, кропотливое и системное с другой. Занимаются этим ведущие креативные специалисты команды, к программированию и нейросетям отношения не имеющие. Их совсем немного, но они – элита стартапа.

Шаг 2. Программисты, владеющие технологиями проектирования и обучения нейронных сетей, создают компьютерную модель нейронной сети. Ей можно будет «скармливать» тысячи и тысячи учебных фотографий. В основе ее лежит разработанная классификация. Программистов тоже немного, и они тоже элита стартапа.

Шаг 3. Набираются очень трудолюбивые, способные к однообразному кропотливому интеллектуальному труду работники. В рассказе этого нет, но, думаю, в основном женщины. Требования по квалификации одно – базовое владение компьютером (обычная школьница вполне подойдет).

Начинается самая трудоемкая часть проекта: практическое обучение нейронной сети. К этому времени еще на первом шаге подготовлена база данных с учебными фотографиями. На них самые разные люди изображены в самых разных нарядах. Например, фотография известной модели в сарафане, летних туфельках с модной сумочкой.

Работник в специальном редакторе загружает эту фотографию. Выделяет прямоугольным контуром сарафан и для него указывает все признаки из системы классификации. Потом выделяет туфельки еще одним прямоугольным контуром и для них указывает нужные признаки. Потом то же самое делает для сумочки. Сохраняет результат – и нейронная сеть получает фотографию для обучения. Чтобы начать отличать туфельки от босоножек, каблуки от танкеток, сарафаны от вечерних платьев, парадные дамские сумочки от стильных мужских обработать пришлось десятки тысяч фотографий.

Шаг 4. Все довольны, можно проверять работу нейронной сети.

Несколько полезных выводов из всего вышесказанного для сферы образования.

Разработка системы классификации для нейронной сети и всех связанных с этим параметров и настроек – это искусство. Общие рекомендации есть, но в каждом случае одновременно нужны три вещи. Полное погружение в предметную область, творческий подход, великолепные навыки систематизации. Причем все это лучше всего совмещать в одном и том же человеке. Близкая аналогия – кинорежиссеры. Такие люди – штучные специалисты. На поток их подготовку поставить можно. Но тут, как и с фильмами. Можно получить киношедевр, а можно фильм категории B.

Программирование нейронных сетей в принципе занятие понятное. На рынке много наработок и программных модулей-заготовок. Проблема только в одном. На рынке труда полно программистов, владеющих самыми передовыми средствами разработки. На рынке труда хватает выпускников мехмата, хорошо знающих матанализ и высшую алгебру. На рынке труда острейший дефицит тех, кто владеет первым и знает второе. А для программирования нейронных сетей нужно именно это. Большинство программистов изучением высшей математики себя не утруждало. Зачем, если деньги и удовлетворение приносит совсем другое. Здесь для сферы образования – поле непаханое. И для школьного, и для профессионального, и для высшего.

Обработка учебных примеров и практическое обучение нейронных сетей требуют от специалиста немного. Или вполне понятную среднюю квалификацию в некоторой предметной области, или вообще только базовые навыки владения компьютером как в вышеприведенном пример. К сожалению, такую специальность не получится ввести для борьбы с массовой безработицей. Во-первых, обучение нейронной сети трудоемко, но конечно. Во-вторых, нейронная сеть, обученная один раз распознавать на фото одежду и обувь, в дальнейшем может использоваться другими приложениями для других идей. Бум обучения достаточно быстро может сойти к устойчивому минимуму.

Еще об одном важнейшем применении слабого ИИ в качестве помощника в обучении мы поговорим в отдельной истории.

В заключение отвечу на один не заданный вопрос. А не смогут ли в совокупности обученные нейронные сети в итоге составить сильный искусственный интеллект?

Не смогут. В нынешних нейронных сетях не решена главная проблема сильного ИИ – понимание информации. Нейронную сеть можно научить (и научили) безошибочно различать кошек и собак. Для этого потребовались десятки тысяч фотографий. Ребенок 3-х лет за свою жизнь видел десяток кошек и десяток собак. Но различать их будет не менее безошибочно. Человеческий интеллекта работает на совершенно других принципах, с которыми исследователям еще только предстоит разобраться.