Эндрю Ын, основатель DeepLearning.AI, и Роберт Монарх, эксперт по машинному обучению и ликвидации последствий чрезвычайных ситуаций, представляют новую специализацию «AI for Good». В рамках вводного занятия они обсуждают, как искусственный интеллект может стать ключом к решению глобальных проблем — от изменения климата до общественного здравоохранения — и почему высокая точность модели не всегда гарантирует успех в реальном мире.
👨🏫 Экспертиза на стыке технологий и гуманитарных миссий 0:57
Роберт Монарх, основной инструктор курса, обладает уникальным опытом, объединяющим академическую науку, работу в крупнейших технологических корпорациях и полевую деятельность в зонах конфликтов.
По словам Эндрю Ына, квалификация Монарха подтверждается следующими фактами:
- Опыт в Big Tech: Роберт строил продукты на базе ИИ в таких компаниях, как Google, Amazon, Microsoft и Apple .
- Академическая база: Он обладает степенью доктора философии (PhD) Стэнфордского университета .
- Публикации: Монарх является автором книги «Human-in-the-Loop Machine Learning» .
- Гуманитарная деятельность: Более 20 лет он применяет ИИ для решения критических проблем в области управления катастрофами и общественного здравоохранения по всему миру .
До того как переехать в Кремниевую долину, Монарх работал в Организации Объединенных Наций (ООН) в Сьерра-Леоне и Либерии, занимаясь вопросами постконфликтного развития . Его работа включала установку систем солнечной энергии в школах и клиниках, а также поддержку лагерей беженцев .
🌍 Языковой барьер и цифровая революция 2:46
Работая «в полях» в начале 2000-х годов, Монарх заметил парадокс: несмотря на то, что большая часть мира получила доступ к мобильным телефонам, технологии ИИ оставались недоступными для большинства населения планеты .
Монарх выделяет следующие проблемы того периода:
- Даже привычные для западного пользователя инструменты, такие как поисковые системы и распознавание речи, не работали на большинстве языков мира .
- Спустя почти 20 лет ситуация во многих регионах не изменилась: поддержка ИИ для редких языков по-прежнему отсутствует .
Это наблюдение подтолкнуло его к изучению обработки естественного языка (NLP) в Стэнфорде, где он и познакомился с Эндрю Ыном . Монарх стремился найти точки соприкосновения между ИИ и оперативным реагированием на катастрофы, чтобы сделать технологии инклюзивными.
⚠️ Почему катастрофа — худшее время для инноваций 4:06
Оба участника дискуссии сошлись во мнении, что внедрение новых технологий требует осторожности, особенно когда на кону стоят человеческие жизни.
Монарх утверждает, что период сразу после катастрофы — это «худшее время для развертывания чего-то непроверенного» . Вместо этого он предлагает следующую стратегию:
- Подготовка заранее: Технологии для помощи людям при катастрофах должны создаваться в спокойное время .
- Партнерство с индустрией: Необходимо сотрудничать с технологическими компаниями для «дорожных испытаний» инструментов .
- Понимание поведения системы: Важно заранее знать, как ИИ поведет себя при развертывании среди наиболее уязвимых групп населения .
📉 Ловушка точности: кейс из сферы здравоохранения 4:57
Одной из центральных тем обсуждения стал разрыв между академическими успехами и реальным использованием ИИ. Инженеры часто гордятся высокими показателями на тестовых наборах данных, но, по мнению Эндрю Ына, это лишь часть задачи .
Монарх привел пример из собственной практики, связанный с проектом в области охраны материнства:
- Команда разработала систему для медицинских работников.
- Офлайн-метрики точности модели постоянно росли .
- Результат: Конечные пользователи (врачи) не почувствовали никакой пользы от внедрения системы .
- Итог: Проект был закрыт (sunsetted), несмотря на «хорошие» цифры в отчетах .
Монарх подчеркивает: улучшение точности модели не означает автоматического улучшения пользовательского опыта в реальных задачах .
🛠️ Системный подход и доступность обучения 6:18
Специализация «AI for Good» позиционируется как одна из наименее технических в линейке DeepLearning.AI . По словам Эндрю Ына, для прохождения курса не требуются глубокие знания программирования.
Ключевые особенности учебного процесса:
- Готовый код: Слушателям предоставляются готовые блокноты (notebooks), которые можно запускать без опыта написания кода .
- Переход от таблиц к Python: Курс ориентирован на специалистов из гуманитарных сфер, которые привыкли работать с данными в электронных таблицах (Excel/Spreadsheets), но хотят использовать более сложные инструменты анализа .
- Методология EDA: Особое внимание уделяется разведочному анализу данных (Exploratory Data Analysis) для визуализации и понимания проблемы до начала моделирования .
Монарх предлагает систематический фреймворк для решения сложных задач: сначала определить проблему в реальном мире (желательно без упоминания ИИ), затем получить интуитивное понимание данных и только потом переходить к оценке того, может ли машинное обучение здесь помочь .
💡 Практики из первых уст 8:42
Помимо лекций, программа включает выступления приглашенных экспертов, которые используют ИИ в своей повседневной работе. В курсе примут участие специалисты, занимающиеся:
Эндрю Ын выразил надежду, что после завершения специализации слушатели не только научатся оценивать успешность ИИ-проектов, но и вдохновятся на создание собственных решений, которые помогут «сдвинуть с мертвой точки» важнейшие социальные проблемы современности .
