# Александр Ванг: «Китай опережает Запад в ML из-за отсутствия этических барьеров»

Источник: https://www.youtube.com/watch?v=inP_07aO2MU
Канал: This Week in Startups
Опубликовано: 29.11.2019

---

Александр Ванг, основатель и генеральный директор Scale AI, в свои 22 года руководит одной из самых перспективных компаний в сфере искусственного интеллекта, сумев привлечь более 100 миллионов долларов инвестиций. В интервью для подкаста This Week in Startups он рассказывает, почему «чистые данные» стали важнее самих алгоритмов, как Китай выигрывает в гонке вооружений ML и когда на самом деле наступит будущее беспилотного транспорта.

## 🚀 Путь из Лос-Аламоса в Кремниевую долину
[[JUMP:1:51]]

Александр Ванг вырос в Лос-Аламосе, Нью-Мексико — городе, известном как колыбель Манхэттенского проекта. Его родители, физики в Национальной лаборатории Лос-Аламоса, с детства привили ему интерес к науке [2:17]. В старших классах Александр увлекся программированием и участвовал в онлайн-соревнованиях по кодингу. Анонимные успехи в этих конкурсах привели к тому, что рекрутеры начали присылать ему предложения о работе еще до окончания школы [3:12].

После двух лет работы инженером в Quora Александр поступил в MIT, но продержался там всего год. По его словам, теоретический темп обучения в университете казался ему слишком медленным после работы в индустрии [4:57]. Родители были «убиты горем» из-за его ухода из престижного вуза, но именно этот шаг позволил ему запустить Scale AI в 19 лет [4:03].

Ключевые факты о компании и основателе:

*   **Возраст:** Александр Ванг основал компанию в 19 лет, на момент интервью ему 22 [1:34].
*   **Инвестиции:** Последний раунд финансирования составил более $100 млн, лид-инвестором выступил фонд Founders Fund [1:34].
*   **Домен:** Компания владеет премиальным доменом scale.com [1:21].
*   **Команда:** В главном офисе в Сан-Франциско работают около 150 сотрудников [32:15].

## 🏗️ Scale AI как «нефтеперерабатывающий завод» для данных
[[JUMP:5:23]]

Основная миссия Scale AI — ускорение разработки приложений ИИ. Александр Ванг считает, что переход на машинное обучение (ML) — это сдвиг технологической парадигмы, сравнимый с появлением компьютеров [6:03].

Главной проблемой при создании ML-продуктов Александр называет нехватку размеченных данных. Машинное обучение — это подмножество ИИ, где программы обучаются выполнять задачи, требующие человеческого суждения, на основе огромных массивов информации [7:53]. Александр Ванг описывает Scale AI как «инфраструктурный слой» или «очистительный завод» [10:27].

Процесс работы Scale AI:

1.  **Прием сырых данных:** Клиенты (например, Waymo или Uber) передают петабайты видео- и фотоданных с сенсоров [11:58].
2.  **Первичная обработка:** Собственные алгоритмы компьютерного зрения компании делают первый «проход» по данным [28:20].
3.  **Human-in-the-loop:** Обученные специалисты проверяют и исправляют ошибки машин, очерчивая объекты (автомобили, пешеходов, дорожную разметку) с максимальной точностью [11:20].
4.  **Результат:** Клиент получает идеально размеченный датасет для тренировки своих моделей [29:13].

По мнению Ванга, создание надежной инфраструктуры данных — такая же критическая задача, как обеспечение бесперебойной работы серверов AWS [43:19].

## 🏎️ Будущее беспилотников: Lidar против камер
[[JUMP:21:40]]

В индустрии автономного транспорта идет спор между сторонниками подхода Илона Маска (только видеокамеры) и адептами лидаров (лазерное сканирование, как у Waymo). Александр Ванг полагает, что для обеспечения безопасности необходимы оба типа сенсоров, так как они имеют разные сильные и слабые стороны [22:08].

Аргументы Александра Ванга в пользу гибридной системы:

*   **Лидары:** Создают идеальную 3D-карту мира и отлично работают в темноте, но «слепнут» в тумане или снегу из-за отражения лазеров от частиц осадков [23:00].
*   **Камеры:** Лучше распознают контекст (например, дым против кирпичной стены), но современные модели компьютерного зрения точны лишь на 99%. Для безопасности на дорогах требуется «асимптотически более высокий» уровень качества — 99,999% и выше [24:34].

На вопрос о том, когда мы увидим полностью автономные поездки без руля на сложных маршрутах (например, из Пало-Альто в Сан-Франциско), Ванг дает осторожный прогноз: в течение следующих 10 лет [34:57]. Он считает, что регуляторы не станут главным препятствием, так как уже существует прецедент автопилотов в авиации [34:20].

## 🇨🇳 Китай против США: гонка ML-вооружений
[[JUMP:36:15]]

Александр Ванг отмечает, что Китай предпринимает «концентрированные усилия» на государственном уровне, превращая развитие ИИ в подобие нового Манхэттенского проекта [36:54].

Преимущества Китая по мнению Ванга:

*   **Доступ к данным:** Наличие камер CCTV повсеместно дает китайским компаниям доступ к датасетам, которые недоступны на Западе [37:37].
*   **Регуляторная среда:** В Китае меньше этических и правовых вопросов при внедрении технологий в производство [38:04].
*   **Скорость:** Китайские компании готовы «двигаться быстро и ломать вещи», в то время как в США дискуссии о приватности и безопасности замедляют процесс [38:18].

Тем не менее, Ванг утверждает, что американские разработки в области машинного обучения в большинстве случаев по-прежнему остаются более качественными [37:21].

## 🤖 Мифы об ИИ: работа, этика и AGI
[[JUMP:56:41]]

Гость и ведущий затронули тему страха перед автоматизацией. Александр Ванг считает нарратив о том, что ИИ просто заменит людей, «наивным» [56:41]. Он приводит историческую аналогию с банкоматами (ATM): когда они появились, многие предрекали исчезновение профессии кассира. На деле же количество кассиров в США выросло, так как банкоматы удешевили открытие отделений, а сотрудники переключились на более сложные задачи, такие как ипотека и кредитование [57:24].

Аналогичный процесс Ванг видит в грузоперевозках:

1.  Автопилоты возьмут на себя «скучные» длинные перегоны по трассам (long-haul), на которые сейчас сложно найти водителей (дефицит кадров в США и старение персонала) [1:00:52].
2.  Люди-водители сосредоточатся на сложной логистике внутри городов и «последней миле» [1:01:19].

Относительно общего искусственного интеллекта (AGI), способного мыслить как человек, Ванг настроен скептически. По его мнению, наличие бесконечных вычислительных мощностей само по себе не гарантирует создания AGI [1:09:56]. Он считает аргументы о скором появлении «сверхразума» переоцененными и относит их скорее к области научной фантастики [1:12:06].

## 🩺 Новые тренды: скучный ИИ и медицина
[[JUMP:1:12:34]]

Помимо хайповых тем вроде беспилотников, Александр Ванг выделяет «скучные», но экономически значимые направления:

*   **Автоматизация обработки форм:** Огромный рынок оцифровки бумажных документов [1:12:47].
*   **Медицинская визуализация:** ИИ-системы для анализа рентгеновских снимков и МРТ могут решить проблему глобальной нехватки врачей (по данным ВОЗ, дефицит достигает 10 раз) [1:14:42].
*   **Адаптивное обучение:** Образовательные системы, использующие ИИ для отслеживания эмоций ребенка. Если камера видит, что ученик расстроен или не понимает задачу, система может автоматически предложить более легкий материал [1:17:08].

Александр Ванг подчеркивает: ИИ должен восприниматься как инструмент, расширяющий возможности человека, а не как угроза [1:20:14].

---