Точка машинного зрения

«Для разработчика это принципиально. Ему далеко не всегда нужна самая крупная и самая сильная модель в мире. Часто нужна модель, которую можно запустить на имеющемся оборудовании, адаптировать под свои данные, встроить в собственную систему и не зависеть от внешнего API», — Евгений Бурнаев, вице-президент Сколтеха по развитию искусственного интеллекта, директор Центра ИИ Сколтеха, профессор РАН.

«В искусственном интеллекте лидерство сегодня измеряется месяцами, а не десятилетиями. Поэтому объявлять окончательного победителя я бы точно не торопился», — отмечает Евгений Бурнаев.

«ИИ — это интерполяция, а не экстраполяция. И только физические законы реального мира могут дать важные индуктивные смещения, которые помогут ИИ выходить за пределы имеющейся выборки данных», — объясняет Евгений Бурнаев.

«Я не думаю, что ИИ следует использовать вместо физики — или наоборот. Ключ — в их сочетании», — говорит Евгений Бурнаев.

«Слушать инженеров очень важно, потому что они могут, сами того не осознавая, сформулировать новую постановку задачи. Затем нужно выделить из их описания наиболее важные факторы и критерии. Особенности конкретной задачи можно переформулировать в нетривиальных математических терминах и таким образом получить новую математическую задачу».

«Мы хотели не просто перечислить современные алгоритмы, а понять, в каких задачах они действительно дают преимущество и где упираются в ограничения данных и самих природных процессов. Для практического мониторинга важна не только точность на тестах: модель должна работать на новых территориях, учитывать физику процесса и показывать, насколько можно доверять её прогнозу», — Светлана Илларионова, руководитель исследовательской группы «Компьютерное зрение для обработки данных» Центра ИИ Сколтеха.

«Бизнесу всё реже нужен просто доступ к нейросети и всё чаще — законченная система, которая работает с корпоративными данными, подключена к необходимым инструментам и способна решать конкретную задачу с измеримым результатом», — отметил Евгений Бурнаев.

«Я бы сказала, что здесь прежде всего важна практика: нужно решать как можно больше и разнообразнее задач и соревнований на Kaggle, а также иметь хорошую теоретическую базу, чтобы быстро сориентироваться и понять, какой подход лучше всего подойдет для конкретной задачи. Этому, конечно, можно научиться, но, как правило, не за короткий срок. Обычно ребята приходят уже с опытом участия в различных контестах, это необходимая база для прохождения отбора в международную команду. Кроме того, не менее важна психологическая подготовка. Нужно уметь сохранять спокойствие, не поддаваться панике и держать голову ясной на протяжении всего тура, даже когда что-то не получается или времени остается совсем мало», — объясняет Ильсеяр Алимова.

«При подготовке мы читаем лекции, чтобы укрепить теоретическую базу, и даём ребятам практические задачи в формате соревнований. Самое сложное и трудозатратное - это придумывать задачи и готовить все необходимые компоненты: данные, бейзлайны, авторские решения. Мне кажется, что здесь влияет всё в совокупности, как в салате Оливье: важен не какой-то один ингредиент, а то, как они сочетаются между собой. Каждый тренер привносит свои знания и экспертизу: я, например, специализируюсь на NLP, кто-то - на CV, аудио или ML. При этом мы не только даём знания по конкретным направлениям, но и постепенно натаскиваем ребят именно на решение соревновательных задач», - рассказывает Ильсеяр.