Эндрю Ын рассказал, где находятся главные возможности ИИ

Почему вокруг ИИ столько страха

Вокруг ИИ действительно много дезинформации. За последние два-три года несколько крупных AI-компаний стали активно использовать риторику страха вокруг технологии, в том числе в контексте регулирования. Для компаний, которые потратили миллиарды долларов на обучение больших моделей, выгодно, чтобы другие игроки не могли легко создавать и распространять собственные модели.

Страх хорошо работает. Когда ИИ сравнивают с ядерным оружием или выбирают отдельные случаи, в которых модель ошиблась, и представляют их как доказательство системной проблемы, общественное восприятие технологии становится гораздо более негативным. То же происходит с разговорами об энергопотреблении и использовании воды дата-центрами, когда отдельные показатели вырывают из контекста.

В результате замедляется внедрение ИИ. При этом сама технология дает огромные преимущества, хотя у нее действительно есть проблемы. Нам нужно говорить о них, но не преувеличивать масштаб рисков.

Чему учиться студентам

Одна из главных проблем для выпускников заключается в том, что университеты слишком медленно адаптируются к изменениям. Когда меняется способ разработки программного обеспечения, преподавателям может потребоваться год или два, чтобы освоить новые навыки, затем нужно создать новые курсы, пройти процедуры утверждения учебных программ и получить согласование внутри университета. На это уходят годы, тогда как ИИ меняется гораздо быстрее.

Многие университеты по-прежнему готовят студентов к работе, которая существовала в 2022 году, хотя уже нужно готовить их к профессиям 2028 года и дальше.

При этом рабочих мест достаточно. Я вижу компании, которые не могут найти специалистов с нужными навыками на разных уровнях.

У меня сейчас работают стажеры, студенты, недавние выпускники и даже один школьник. Они продуктивны, потому что являются AI-native специалистами. Они используют ИИ там, где он действительно помогает, а затем сосредотачиваются на задачах, которые лучше выполняет человек.

Поэтому студентам стоит хорошо учиться в университете, получать знания от преподавателей и хорошие оценки, но параллельно самостоятельно осваивать навыки, которые университетская программа еще не успела включить. Для этого можно использовать Coursera, DeepLearning.AI, Udemy и другие образовательные платформы.

Почему ИИ плохо подходит для обучения

Я много использую AI-модели для работы и считаю их отличным инструментом. Но для обучения ситуация совсем другая. Данные показывают, что студенты получают более высокие оценки за домашние задания, когда используют ИИ. Это звучит хорошо, но долгосрочное запоминание материала при этом ухудшается.

Причина — когнитивная разгрузка. Когда ИИ выполняет работу за человека, общество в целом выигрывает в производительности, но сам человек меньше запоминает.

Я вижу это даже на собственном опыте. За последние полгода я много раз спрашивал у AI-моделей, как работает тот или иной frontend- или backend-компонент. Получал ответ, быстро решал задачу, а через несколько месяцев уже не помнил, как это работает, и снова обращался к ИИ.

Поэтому нам стоит перестать воспринимать современные AI-модели как универсальный инструмент для обучения. Их можно использовать и для образования, но большинство способов, которыми люди используют их сейчас, скорее помогает выполнить работу, чем действительно чему-то научиться.

Именно поэтому я участвую в создании LearnVector. Мы хотим сделать обучение более персонализированным и перейти от модели «один преподаватель — много студентов» к формату, который гораздо ближе к индивидуальному обучению.

Больше самостоятельности и возможностей

Еще одно важное изменение связано с самостоятельностью специалистов. ИИ дает людям больше возможностей замечать проблемы, самостоятельно создавать решения и выходить за рамки своей формальной должности.

Я все чаще разговариваю с инженерами и другими специалистами крупных компаний, которым руководители говорят оставаться в своей зоне ответственности. Но возможностей сделать что-то за ее пределами становится все больше.

Мне кажется, компании, которые создают культуру, в которой сотрудники могут изучать ИИ, быстро и ответственно создавать решения и разговаривать с клиентами, смогут получать больше ценности от своих команд.

То же касается найма. Я ожидаю, что способность самостоятельно действовать и создавать что-то новое будет становиться все более востребованным навыком.

В моей команде, например, все маркетологи умеют программировать. Во время собеседований мы спрашиваем, что человек уже создал. Один из наших маркетологов сделал собственное приложение для поиска и анализа материалов в интернете. Оно находит связанные статьи, позволяет взаимодействовать с собранной информацией и помогает ему при подготовке материалов.

Финансовая команда тоже активно использует ИИ. Один из руководителей заметил, что сотрудники каждую неделю тратят часы на открытие документов, копирование данных и проверку информации. В результате появились автоматизированные скрипты, которые самостоятельно открывают файлы, проверяют их содержимое и согласованность данных и сообщают команде, если появляется что-то требующее внимания.

У нас есть и инженеры, которые работают непосредственно внутри команды рекрутинга и создают специализированные инструменты для найма.

Это не означает, что инженеры перестанут быть нужны. Наоборот, появляются новые направления — marketing engineering, recruiting engineering, HR engineering и другие. Возможностей для инженерной работы становится больше.

Дети и ИИ

У детей есть большое будущее, и сейчас интересное время для того, чтобы расти с инструментами, которых не было у предыдущих поколений.

При этом меня беспокоит влияние ИИ на обучение. У меня есть пятилетний и семилетний ребенок. Пока они маленькие, я могу, например, учить их математике без калькулятора и просить самостоятельно решать задачи.

По мере взросления меня больше беспокоит когнитивная разгрузка с помощью ИИ и то, как она может повлиять на долгосрочное запоминание.

Одновременно цифровые инструменты могут быть полезными. Я даже создал собственное приложение, чтобы помочь дочери научиться печатать, потому что меня не устраивали существующие бесплатные программы.

Я думаю, что ответственное использование цифровых инструментов под присмотром взрослых может быть полезным для детей. Проблема в том, что у многих родителей нет времени постоянно контролировать, как именно ребенок использует технологии.

Где искать возможности в ИИ

Сейчас стоимость создания продуктов резко снизилась. Поэтому я советую учиться работать с ИИ, быстро создавать решения и разговаривать с клиентами. Я сам постоянно что-то создаю — практически каждую неделю или выходные. Если у меня или моей команды возникает проблема, я могу попробовать сделать AI-инструмент, который ее решит.

Недавно я использовал передовую AI-модель для анализа ключевых бизнес-показателей, потому что у меня не было времени самостоятельно разбираться с данными или искать для этого специалиста по данным. При этом я внимательно выбирал модель с точки зрения политики хранения информации.

Из-за ИИ основным ограничением становится не стоимость создания продукта, а выбор того, что именно создавать. Возникает своего рода bottleneck в продуктовой разработке.

Поэтому особенно важны люди, которые умеют разговаривать с клиентами, понимать их потребности, оценивать идеи и быстро создавать решения с помощью ИИ. При этом создание компании никуда не делось как сложная задача. За выходные можно собрать простое приложение, но построить большую компанию гораздо труднее.

Для этого по-прежнему нужны глубокая техническая экспертиза, понимание клиентов и интеграция с ними. Можно широко экспериментировать с разными идеями, но затем важно выбрать несколько направлений и глубоко в них разобраться.

Когда появится AGI

Все зависит от того, что именно считать AGI. Мне ближе определение, согласно которому искусственный интеллект должен уметь выполнять любую интеллектуальную задачу, которую способен выполнить человек.

Например, человек может потратить пять лет на обучение и написать диссертацию. Или может научиться управлять грузовиком в сложной новой среде после нескольких десятков минут практики.

ИИ пока не способен надежно делать такие вещи. Есть длинный список задач, с которыми современные системы не справляются на человеческом уровне.

Поэтому при таком определении AGI все еще находится на горизонте нескольких десятилетий. При этом разные люди используют разные определения, и если планку снижать, можно сказать, что AGI уже существует или существовала десятилетия назад.

Для меня важен именно широкий критерий: система должна быть способна выполнять любую интеллектуальную задачу человека. По нему до AGI еще далеко.