Основатель DeepLearning.AI Эндрю Ын и профессор Гельмут Треффц обсуждают превращение Медельина в глобальный технологический хаб и будущее искусственного интеллекта. В ходе встречи эксперты затронули темы перехода от «больших данных» к «малым», необходимости обучения руководителей и новой роли программной инженерии в эпоху машинного обучения.
🇨🇴 Почему Медельин? Выбор глобального хаба 0:02
Выбор Медельина для открытия первого международного офиса DeepLearning.AI не был случайным: команда провела шестимесячное исследование, сравнивая города Латинской Америки, Азии и Европы . Основными критериями отбора стали качество университетской базы, общая бизнес-среда и уровень подготовки талантов в регионе .
По оценке Эндрю Ына, к 2030 году технологии искусственного интеллекта создадут в мировой экономике добавленную стоимость в размере 30 триллионов долларов США . В настоящее время основная работа в области ИИ сосредоточена в Кремниевой долине и Пекине, однако Эндрю Ын выразил желание диверсифицировать эту географию, превратив Медельин в полноценный технологический центр .
В процессе выбора города Эндрю Ын опирался на:
- Анализ электронных таблиц с данными по множеству городов мира;
- Личные визиты в потенциальные центры развития;
- Оценку энергетического потенциала местного сообщества .
📈 Эволюция технологий: от распознавания лиц к «малым данным» 3:13
Эндрю Ын напомнил, что в период 2011–2013 годов произошли фундаментальные прорывы в области перевода голоса в текст и распознавания лиц . Сегодня эти технологии уже достигли уровня «отличных», но индустрия стоит на пороге нового качественного скачка.
Ключевым трендом Эндрю Ын считает переход от «больших данных» (Big Data) к «малым данным» (Small Data) . По мнению специалиста, эпоха Big Data была сформирована гигантами вроде Google, Facebook, Baidu и Alibaba, которые оперируют миллионами записей пользователей . Однако вне потребительского интернета ситуация иная:
- На промышленном предприятии может быть всего 10 или 100 изображений бракованных деталей (например, царапин на стали) .
- Современные алгоритмы (такие как few-shot learning) позволяют обучать нейросети на этих малых выборках .
- Это открывает ИИ доступ в отрасли, которые ранее были недоступны для автоматизации .
🛠 Проекты команды в Медельине и практическое применение ИИ 6:30
Местный офис в Медельине уже занимается передовыми разработками, которые, по словам Эндрю Ына, зачастую не имеют аналогов даже в США . Работа ведётся по десятку направлений, включая:
- Образовательные инициативы: подготовка специалистов по машинному обучению и помощь в их трудоустройстве .
- Визуальная инспекция: использование нейросетей для проверки качества печатных плат (PCB) на производстве .
- Здравоохранение: проекты по анализу медицинских данных .
- Рекрутинг: алгоритмы для улучшения рекомендаций по вакансиям .
Отдельным достижением Эндрю Ын назвал перевод всех обучающих видео курсов DeepLearning.AI на испанский язык, что должно расширить доступ к знаниям для испаноязычных инженеров .
🎓 Образовательная стратегия: 400 000 инженеров для Колумбии 9:02
Министерство технологий Колумбии поставило цель обучить 4 000 специалистов в области ИИ. Эндрю Ын считает этот план отличным стартом, но полагает, что стране нужно стремиться к цифрам в 40 000 или даже 400 000 человек в долгосрочной перспективе .
Эндрю Ын провел параллель с Китаем: в 2014 году многие скептически относились к перспективам китайского ИИ, но уже через несколько лет страна стала мировым лидером в этой области . По мнению гостя, Медельин имеет все шансы стать «магнитом» для талантов со всей Латинской Америки, конкурируя за инженеров с Кремниевой долиной .
Важной частью «секретного плана» Эндрю Ына является обучение не только технарей, но и топ-менеджмента :
- Курс «AI for Everyone» был создан специально для руководителей и вице-президентов .
- По мнению Эндрю Ына, если CEO понимает возможности ИИ, он создаст условия для успешной работы инженеров и будет охотнее их нанимать .
🏗 ИИ как инженерная дисциплина и «однодневные спринты» 13:47
Эндрю Ын утверждает, что сегодня машинное обучение находится на той же стадии развития, на которой строительство мостов находилось тысячи лет назад — оно больше похоже на ремесло, чем на науку .
Ключевые тезисы Эндрю Ына о систематизации отрасли:
- Раньше мосты строили «мудрые люди», интуитивно подбирая материалы. Сейчас гражданское строительство — это строгая дисциплина .
- Машинное обучение должно стать такой же системной инженерной дисциплиной .
- DeepLearning.AI внедряет новые процессы, например, «однодневные спринты» (one-day sprints) . В отличие от традиционных двухнедельных спринтов в софтверной разработке, в ИИ анализ ошибок и написание кода могут происходить ежедневно для ускорения итераций .
👨💻 Карьера в эпоху ИИ: совет бэкенд-разработчикам 19:47
Эндрю Ын обратился к студентам и профессионалам с советом: сейчас лучшее время для входа в индустрию . Он подчеркнул, что для создания работающих продуктов нужны не только ML-исследователи, но и сильные инженеры инфраструктуры.
По мнению Эндрю Ына, чистая разработка бэкенда или фронтенда в классическом понимании становится менее ценной . Гораздо перспективнее для инженера — научиться интегрировать ИИ в сложные системы . В качестве примера он привел диагностику рака по рентгеновским снимкам: мало обучить нейросеть, нужно выстроить сложнейшие пайплайны данных, которые свяжут алгоритм с клинической практикой .
🫧 Развеивание мифов: пузырь ИИ и общий интеллект (AGI) 29:21
Отвечая на вопрос о возможном «пузыре» ИИ, Эндрю Ын выразил уверенность в фундаментальной ценности технологии. Он отметил, что несмотря на огромные траты компаний вроде Google на глубокое обучение, эти вложения уже стали «невероятно прибыльными» .
Относительно общего искусственного интеллекта (AGI) Эндрю Ын придерживается сдержанной позиции:
- Прогнозы о достижении AGI через 50 лет или подобные сроки он считает «иррациональным изобилием», которое помогает привлекать инвестиции, но не всегда оправдано .
- По мнению Эндрю Ына, сообщество достаточно велико, чтобы пробовать разные подходы, включая те, что могут оказаться тупиковыми .
- ИИ сегодня — это не только глубокое обучение, но и графы знаний, алгоритмы планирования и классические методы вроде PCA .
🚜 Локальные задачи: кофе против поисковых систем 34:27
Завершая дискуссию, Эндрю Ын призвал колумбийских разработчиков не пытаться создать «ещё одну поисковую систему» — эта битва была проиграна 10 лет назад . Вместо этого он рекомендует сфокусироваться на уникальных проблемах региона, в которых местные специалисты разбираются лучше всех:
- Сельское хозяйство (производство кофе);
- Горнодобывающая промышленность;
- Логистика и специфические для Латинской Америки индустрии .
Эндрю Ын подчеркнул, что успех Медельина зависит от формирования локального сообщества, которое будет не просто копировать западные решения, а создавать уникальную ценность на мировом рынке .
