„Podstawą rozwoju AI jest demokratyzacja”. Rozmowa z Remigiuszem Kinasem

Od jakości danych, przez ciągłe podnoszenie kwalifikacji, od matematyki i logiki po aspekty filozoficzne. Sztuczna Inteligencja (AI) to obszar niezwykle szeroki, wymagający wąskiej specjalizacji. Jakie zalety i wady ma praca związana z AI? Ile energii elektrycznej pochłania uczenie maszynowe? Zapraszamy do lektury wywiadu z Remigiuszem Kinasem, ekspertem od AI.

Zuzanna Lech: Jak Pan trafił do branży AI? Dlaczego właśnie ona?

Remigiusz Kinas, Dyrektor Biura Projektów i Inteligentnej Automatyzacji, Grupa NEUCA: Z wykształcenia jestem informatykiem. Studiowałem dawno temu tzw. komputerowe systemy wspomagania decyzji. To właśnie w tamtych czasach zaczęły pojawiać się pierwsze publikacje dotyczące głębokich sieci neuronowych (obszar sztucznej inteligencji). W powszechnym natomiast użyciu były systemy ekspertowe. To w nich upatrywano możliwości wsparcia człowieka w podejmowaniu decyzji. Informatykę wybrałem ze względu na moje zamiłowanie do matematyki oraz logiki. Z perspektywy wielu lat uważam, że był to trafny wybór mimo, że przez wiele lat pracowałem na tzw. styku pomiędzy IT a biznesem.

Czym dokładnie zajmuje się Pan w swoim miejscu pracy?

Pracuję obecnie w NEUCA SA na stanowisku Dyrektora Obszaru Projektów i Inteligentnej Automatyzacji. Pełnię również rolę kierownika badań i rozwoju projektu, w którym projektujemy system identyfikacji produktów wykorzystujący modele AI. Dodatkowo prowadzę konsultacje związane z zastosowaniem rozwiązań sztucznej inteligencji w zakresie wizji komputerowej.

Czym jest AI? Czym jest, a czym nie jest? Z czym jest mylona?

AI jest bardzo szeroka. Osobiście zajmuję się najniższym poziomem – analizuję dane, tworzę modele, modyfikuję lub tworzę nowe architektury sieci neuronowych (zajmuję się głównie uczeniem głębokim). Oczywiście istnieją też wyższe warstwy np. aspekt filozoficzny czy popularnonaukowy. Ten drugi świat to opowiadanie o ciekawostkach ze świata AI lub rozważania o wpływie technologii na ludzi. Mnie osobiście interesuje matematyka, umiejętność budowania rozwiązań, które rozwiązują konkretne problemy i uwalniają człowieka od żmudnych czynności.

AI to krótko mówiąc matematyka. A skoro matematyka to umiejętność opisania zjawiska funkcją gdzie wejściem są dane a wyjściem zdefiniowany zbiór odpowiedzi. Funkcje takie potrafią, w procesie nauki (optymalizacji), wyczulić się na wzorce, które występują w danych. Często wzorce takie są niezauważalne dla ludzi, a komputer wyśmienicie potrafi je wykryć.

Gdzie stosuje się AI? W których miejscach ona istnieje, a nawet o tym nie wiemy?

Obecnie praktycznie wszędzie. Od poważnych zastosowań np. medycznych, gdzie modele diagnostyczne są już doskonalsze od ludzi, poprzez monitoring miast a nawet świata (analiza zdjęć satelitarnych, również satelity, które już na orbicie analizują dane z użyciem modeli AI), wykrywanie anomalii w przemyśle, wsparcie samochodów autonomicznych czy zastosowania mniej krytyczne. Moduły AI można znaleźć w każdym telefonie czy nawet w elektrycznej szczoteczce do zębów. Wszędzie tam gdzie pojawiają się dane można stosować modele AI.

Jakich pracowników poszukuje obecnie sektor AI?

Na polskim rynku na pewno osób, które wiedzą czym jest AI oraz znających technologię. Ta grupa będzie integrowała istniejące już rozwiązania AI (oferowane przez czołowych rynkowych graczy) w produkt końcowy. Druga grupa to osoby z zacięciem badawczym. To takie osoby, które będą poszukiwały rozwiązań szytych na miarę, którzy będą budowali rozwiązania od zera. W Polsce ta druga grupa jest obecnie bardzo niewielka.

Co by Pan chciał przekazać młodym osobom chcącym rozpocząć swoją drogę związaną z AI?

Jak najwięcej praktykować. Nauczyć się podstaw teoretycznych, a później budować rozwiązania AI. Im więcej zbudowanych modeli, im szersze spektrum problemowe, tym łatwiej odnaleźć się w świecie sztucznej inteligencji. Doświadczenie przychodzi z liczbą rozwiązanych problemów. Obecnie nie ma żadnych ograniczeń w tym względzie. Do budowania zarówno swoich doświadczeń, jak i portfolio, można używać platform takich jak Kaggle, gdzie miesiąc w miesiąc twórcy udostępniają rzeczywiste problemy do rozwiązania za pomocą AI.

Jakie Pan widzi wady i zalety tej branży?

Zalety to przede wszystkim możliwość wykorzystania danych, które nie mają wyraźnej struktury (dźwięk, obraz). Do czasów AI analizowaliśmy dane głównie strukturalne. Natomiast zdecydowana większość magazynowanych przez przedsiębiorstwa danych nie posiada wyraźniej struktury, np. skany dokumentów. W jaki sposób dokonać ekstrakcji danych? AI przychodzi tutaj z pomocą.

Wady to oczywiście duża wrażliwość na jakość danych. Im lepsze posiadamy zbiory danych, tym dokładniejsze możemy budować modele i tym większe wsparcie AI. Kolejną wadą jest oczywiście zapotrzebowanie na stosunkowo dużą moc obliczeniową i wpływ na środowisko naturalne (duże zużycie energii elektrycznej).

Co jest ważne przy realizacji projektów AI?

Praktyka. Im więcej stworzonych modeli i rozwiązanych problemów, tym łatwiej podejmować się wyzwań stawianych przed AI. Po drugie, ciągłe śledzenie trendów i nowości. Z tym może być problem, bowiem codziennie publikowanych jest od kilkudziesięciu do nawet kilkuset publikacji naukowych ze świata AI. Po trzecie, specjalizacja. Sztuczna inteligencja jako dyscyplina jest szeroka. Nie sposób być ekspertem w wizji komputerowej i przetwarzaniu języka naturalnego jednocześnie. Po czwarte umiejętność tzw. iterowania.

Projekty AI są specyficzne. To dziesiątki, a niekiedy setki godzin spędzane na eksperymentowaniu. Zwykle na początku liczba nieudanych eksperymentów jest znacznie większa niż zakończonych sukcesem. W AI często nie ma oczywistych odpowiedzi. Człowiek widzi jedno, a komputer zupełnie coś innego. Dlatego warto być cierpliwym i działać jak naukowiec – teza, dowód, wnioski, korekta eksperymentu. I tak aż do uzyskania celu, który warto od samego początku dobrze zdefiniować, by właściwie oceniać efekty swojej pracy.

Jak specjaliści z tej branży przygotowują się na przyszłe wyzwania? W jaki sposób podnoszą swoje kompetencje?

Obecnie to oczywiście studia wyższe. Niestety porównując Polskę do innych krajów np. USA, czy Chiny, mamy bardzo dużo do zrobienia w tej kwestii. Zwłaszcza w Chinach kilkunastoletnie osoby posiadają już wysokie kompetencje w tworzeniu rozwiązań AI.

Kolejną możliwością są portale społeczności AI, jak np. wspomniany już Kaggle. Tam można rozwiązywać realne problemy wykorzystując modele sztucznej inteligencji. Na portalu tym znajdziemy wiele bardzo doświadczonych osób, które dzielą się wiedzą i swoimi doświadczeniami. Element rywalizacji często motywuje do poszukiwania coraz lepszych rozwiązań, a tym samym do rozwoju osobistego.

Z pomocą przychodzą również kursy online. Ich oferta jest ogromna. Najczęściej darmowa. Przestrzegam jednak przed spędzaniem dużej ilości czasu na takich kursach. Zawsze w tej branży będziemy mieli poczucie, że czegoś nie wiemy. Od razu mówię – to normalne. Dlatego po odbytym kursie należy od razu lub nawet w trakcie praktykować.

Jakie zagrożenia niesie ze sobą coraz większa komercjalizacja branży AI i jak uczynić ją bardziej demokratyczną?

Podstawą rozwoju AI jest demokratyzacja. Od samego początku wiele firm podjęło strategiczny kierunek – darmowe udostępnienie danych oraz narzędzi, celem przyspieszenia rozwoju sztucznej inteligencji. Liderzy rozwiązań z zakresu sztucznej inteligencji dostarczają również narzędzi typu automate. W tym przypadku kwestie technologiczne, czy zawiłości algorytmiczne są chowane przed użytkownikiem bardzo głęboko. W zamian otrzymujemy przyjemny interfejs użytkownika, w którym konfigurujemy eksperymenty. Jedyne, czego od nas się oczekuje, to wstępne przygotowanie danych i rozumienie wyników eksperymentów.

Serdecznie dziękuję za wywiad.