# Эндрю Ын: «ИИ создаст 30 триллионов долларов стоимости к 2030 году»

Источник: https://www.youtube.com/watch?v=wlQvPJHxfOE
Канал: DeepLearning.AI
Опубликовано: 16.09.2019

---

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
[[JUMP:00:02]]

Выбор Медельина для открытия первого международного офиса DeepLearning.AI не был случайным: команда провела шестимесячное исследование, сравнивая города Латинской Америки, Азии и Европы [00:58]. Основными критериями отбора стали качество университетской базы, общая бизнес-среда и уровень подготовки талантов в регионе [01:11].

По оценке Эндрю Ына, к 2030 году технологии искусственного интеллекта создадут в мировой экономике добавленную стоимость в размере 30 триллионов долларов США [00:31]. 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 [00:44]. 

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 [02:34].

## 📈 Эволюция технологий: от распознавания лиц к «малым данным»
[[JUMP:03:13]]

Эндрю Ын напомнил, что в период 2011–2013 годов произошли фундаментальные прорывы в области перевода голоса в текст и распознавания лиц [03:13]. 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) [05:13]. По мнению специалиста, эпоха Big Data была сформирована гигантами вроде Google, Facebook, Baidu и Alibaba, которые оперируют миллионами записей пользователей [05:13]. Однако вне потребительского интернета ситуация иная:

*   На промышленном предприятии может быть всего 10 или 100 изображений бракованных деталей (например, царапин на стали) [05:38].
*   Современные алгоритмы (такие как few-shot learning) позволяют обучать нейросети на этих малых выборках [06:04].
*   Это открывает ИИ доступ в отрасли, которые ранее были недоступны для автоматизации [06:17].

## 🛠 Проекты команды в Медельине и практическое применение ИИ
[[JUMP:06:30]]

Местный офис в Медельине уже занимается передовыми разработками, которые, по словам Эндрю Ына, зачастую не имеют аналогов даже в США [06:59]. Работа ведётся по десятку направлений, включая:

1.  **Образовательные инициативы:** подготовка специалистов по машинному обучению и помощь в их трудоустройстве [07:13].
2.  **Визуальная инспекция:** использование нейросетей для проверки качества печатных плат (PCB) на производстве [07:39].
3.  **Здравоохранение:** проекты по анализу медицинских данных [07:54].
4.  **Рекрутинг:** алгоритмы для улучшения рекомендаций по вакансиям [07:54].

Отдельным достижением Эндрю Ын назвал перевод всех обучающих видео курсов DeepLearning.AI на испанский язык, что должно расширить доступ к знаниям для испаноязычных инженеров [08:32].

## 🎓 Образовательная стратегия: 400 000 инженеров для Колумбии
[[JUMP:09:02]]

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 [09:34].

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 [10:01]. По мнению гостя, Медельин имеет все шансы стать «магнитом» для талантов со всей Латинской Америки, конкурируя за инженеров с Кремниевой долиной [10:45].

Важной частью «секретного плана» Эндрю Ына является обучение не только технарей, но и топ-менеджмента [12:36]:

*   Курс «AI for Everyone» был создан специально для руководителей и вице-президентов [08:20].
*   По мнению Эндрю Ына, если CEO понимает возможности ИИ, он создаст условия для успешной работы инженеров и будет охотнее их нанимать [12:48].

## 🏗 ИИ как инженерная дисциплина и «однодневные спринты»
[[JUMP: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 [14:01]. 

Ключевые тезисы Эндрю Ына о систематизации отрасли:

*   Раньше мосты строили «мудрые люди», интуитивно подбирая материалы. Сейчас гражданское строительство — это строгая дисциплина [14:14].
*   Машинное обучение должно стать такой же системной инженерной дисциплиной [14:01].
*   DeepLearning.AI внедряет новые процессы, например, «однодневные спринты» (one-day sprints) [15:25]. В отличие от традиционных двухнедельных спринтов в софтверной разработке, в ИИ анализ ошибок и написание кода могут происходить ежедневно для ускорения итераций [15:52].

## 👨‍💻 Карьера в эпоху ИИ: совет бэкенд-разработчикам
[[JUMP:19:47]]

Эндрю Ын обратился к студентам и профессионалам с советом: сейчас лучшее время для входа в индустрию [20:01]. 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 [23:22]. Гораздо перспективнее для инженера — научиться интегрировать ИИ в сложные системы [23:08]. В качестве примера он привел диагностику рака по рентгеновским снимкам: мало обучить нейросеть, нужно выстроить сложнейшие пайплайны данных, которые свяжут алгоритм с клинической практикой [21:38].

## 🫧 Развеивание мифов: пузырь ИИ и общий интеллект (AGI)
[[JUMP: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» [31:17]. 

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 [30:52].
*   По мнению Эндрю Ына, сообщество достаточно велико, чтобы пробовать разные подходы, включая те, что могут оказаться тупиковыми [32:53].
*   ИИ сегодня — это не только глубокое обучение, но и графы знаний, алгоритмы планирования и классические методы вроде PCA [29:47].

## 🚜 Локальные задачи: кофе против поисковых систем
[[JUMP:34:27]]

Завершая дискуссию, Эндрю Ын призвал колумбийских разработчиков не пытаться создать «ещё одну поисковую систему» — эта битва была проиграна 10 лет назад [34:55]. 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 [35:09].

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 [36:23].