В рамках проекта «Talks at Google» эксперт по предиктивным системам и сооснователь лаборатории IALAB Хуан Корвалан (Juan Corvalan) рассказал о специфике внедрения искусственного интеллекта в Латинской Америке. Основной акцент выступления был сделан на переходе от «больших данных» к концепции Tiny Data, необходимости этической адаптации алгоритмов и важности междисциплинарного подхода при создании государственных и социально значимых систем.
🎞️ Уроки истории: сосуществование технологий 4:28
По мнению Хуана Корвалана, искусственный интеллект сегодня является не просто частью четвертой промышленной революции, а её «сердцем», которое питает все остальные направления — от биотехнологий до квантовых вычислений . Чтобы наглядно продемонстрировать процесс внедрения инноваций, спикер использует архивное видео Сан-Франциско 1906 года .
На кадрах начала XX века запечатлён хаотичный процесс сосуществования технологий разных эпох:
Этот пример, как считает Хуан Корвалан, идеально описывает текущее состояние цифровой трансформации. Новые технологии не вытесняют старые мгновенно; они должны «отстояться» и найти своё место в экосистеме. В Латинской Америке этот процесс осложняется историческим разрывом в доступе к базовым технологиям, что делает адаптацию ИИ вопросом не только техники, но и социальной эмпатии .
📦 Предиктивные системы как «товар широкого потребления» (Commodities) 11:10
Одним из ключевых понятий в стратегии Хуана Корвалана является превращение предиктивных систем в «коммодити» (commodities) — стандартные, масштабируемые и переиспользуемые решения.
Основные преимущества такого подхода по словам спикера:
- Снижение затрат: Использование готовых базовых моделей позволяет организациям не начинать разработку с нуля .
- Масштабируемость: Возможность быстрого развертывания проверенных решений (например, систем обработки естественного языка) в разных отраслях.
- Эффективность: Стандартизированные инструменты, такие как Google Translate, уже прошли путь оптимизации и могут служить фундаментом для кастомных разработок .
Хуан Корвалан отмечает, что для Латинской Америки критически важно не просто копировать западные стратегии, а создавать союзы между бизнесом, наукой и государством для адаптации этих «коммодити» под местный контекст и язык .
🧠 Tiny Data: ИИ для тех, у кого нет больших данных 29:38
Одной из самых инновационных идей выступления стала концепция Tiny Data (малых данных). В отличие от классического Big Data, требующего колоссальных массивов информации, современные методы позволяют обучать системы на ограниченных выборках.
Технологический стек и подходы, выделяемые спикером:
- Active Learning (Активное обучение): Комбинирование полуавтоматической разметки данных с машинной .
- Transfer Learning (Перенос обучения): Использование предобученных моделей (например, по распознаванию образов) и их адаптация под специфические задачи, такие как юридический анализ текстов .
- Эффективность на малых выборках: По утверждению эксперта, современные алгоритмы способны достигать точности выше 90%, имея всего 20–30 качественных примеров для обучения .
Хуан Корвалан полагает, что Tiny Data — это «входной билет» для организаций Латинской Америки, которые не обладают накопленной десятилетиями историей цифровых данных, но нуждаются в точных прогнозах здесь и сейчас .
🛠️ Проектирование процессов «AI by Design» 24:23
Спикер критикует подход, при котором ИИ пытаются «наложить» на уже существующие бюрократические процессы без их изменения. Вместо этого он предлагает концепцию Intelligent by Design — перепроектирование процессов, где машинное обучение является центральным элементом («ДНК процесса») с самого начала .
В рамках этой методологии Хуан Корвалан выделяет три типа задач в организации:
- Полностью автоматизируемые: Задачи, которые ИИ может взять на себя целиком.
- Полуавтоматические (Complementary): Где алгоритм выступает как предиктивный ассистент, помогающий человеку принимать решения .
- Неавтоматизируемые: Задачи, требующие критического мышления и человеческой эмпатии, которые сознательно оставляются за сотрудниками .
Для реализации этого подхода в IALAB используют парадигму Low-code/No-code . Это позволяет преодолеть «бутылочное горлышко» в виде дефицита программистов, давая возможность рядовым сотрудникам самим настраивать элементы автоматизации без написания кода .
⚖️ Проект Tucuy Ricuy: ИИ на службе правосудия 45:54
Практическим воплощением идей Хуана Корвалана стал проект Tucuy Ricuy, направленный на борьбу с гендерным насилием через судебную систему .
Особенности системы:
- Анализ жалоб: Использование компьютерного зрения для обработки документов в формате PDF и выявления признаков скрытого символического насилия в текстах .
- Ускорение процедур: Предиктивный алгоритм выступает в роли помощника, который обрабатывает до 32 микрозадач, экономя время судей и аналитиков .
- Прозрачность и этика: Использование анонимизированных наборов данных и открытого исходного кода (Open Source) для повышения доверия общества к судебной системе .
По словам Хуана Корвалана, внедрение таких систем — это вопрос доверия. Чтобы люди перестали бояться «замены машинами», разработчики должны быть максимально эмпатичными и учитывать культурный контекст региона .
🚀 Советы будущему поколению: путь «Альфа» 56:08
В завершение беседы Хуан Корвалан дал рекомендации молодым специалистам (поколениям Z и Alpha), которые будут определять цифровой ландшафт через 10 лет:
- «Fail fast, fail hard»: Не бояться ошибок. По мнению спикера, провал — это естественный путь к выявлению истинного таланта. Нужно пробовать всё: от курсов Fullstack-разработки до видеоуроков по анализу данных .
- Глубинная командная работа: Эксперт отмечает, что современная культура соцсетей (TikTok, Instagram) поощряет индивидуализм, что мешает реализации масштабных проектов. Настоящая работа в команде — это «трансдисциплинарность», а не просто разделение задач .
- Постоянная итерация: Обучение не должно быть мгновенным. Это цикл непрерывного повторения и улучшения навыков .
Хуан Корвалан подчеркнул, что главным преимуществом Латинской Америки является человеческий капитал — сочетание таланта и врожденной теплоты (empathetic culture), что в эпоху автоматизации становится критически важным активом .
