# Хуан Корвалан об ИИ: «Адаптация технологий — это вопрос эмпатии, а не только кода»

Источник: https://www.youtube.com/watch?v=0_ADVnPK-3k
Канал: Talks at Google
Опубликовано: 29.11.2022

---

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
[[JUMP:04:28]]

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 [04:41]. Чтобы наглядно продемонстрировать процесс внедрения инноваций, спикер использует архивное видео Сан-Франциско 1906 года [06:41].

На кадрах начала XX века запечатлён хаотичный процесс сосуществования технологий разных эпох:

*   Конные экипажи (технология прошлых веков);
*   Велосипеды и трамваи;
*   Первые автомобили [08:05].

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 [15:12].

## 📦 Предиктивные системы как «товар широкого потребления» (Commodities)
[[JUMP: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 [12:21].
*   **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 [11:54].

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 [14:59].

## 🧠 Tiny Data: ИИ для тех, у кого нет больших данных
[[JUMP: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 [30:24].
*   **Transfer Learning (Перенос обучения):** Использование предобученных моделей (например, по распознаванию образов) и их адаптация под специфические задачи, такие как юридический анализ текстов [30:38].
*   **Эффективность на малых выборках:** По утверждению эксперта, современные алгоритмы способны достигать точности выше 90%, имея всего 20–30 качественных примеров для обучения [31:24].

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 [32:06].

## 🛠️ Проектирование процессов «AI by Design»
[[JUMP: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 [26:06].

В рамках этой методологии Хуан Корвалан выделяет три типа задач в организации:

1.  **Полностью автоматизируемые:** Задачи, которые ИИ может взять на себя целиком.
2.  **Полуавтоматические (Complementary):** Где алгоритм выступает как предиктивный ассистент, помогающий человеку принимать решения [38:23].
3.  **Неавтоматизируемые:** Задачи, требующие критического мышления и человеческой эмпатии, которые сознательно оставляются за сотрудниками [23:08].

Для реализации этого подхода в IALAB используют парадигму **Low-code/No-code** [27:04]. Это позволяет преодолеть «бутылочное горлышко» в виде дефицита программистов, давая возможность рядовым сотрудникам самим настраивать элементы автоматизации без написания кода [28:45].

## ⚖️ Проект Tucuy Ricuy: ИИ на службе правосудия
[[JUMP:45:54]]

Практическим воплощением идей Хуана Корвалана стал проект **Tucuy Ricuy**, направленный на борьбу с гендерным насилием через судебную систему [46:09]. 

Особенности системы:

*   **Анализ жалоб:** Использование компьютерного зрения для обработки документов в формате PDF и выявления признаков скрытого символического насилия в текстах [48:34].
*   **Ускорение процедур:** Предиктивный алгоритм выступает в роли помощника, который обрабатывает до 32 микрозадач, экономя время судей и аналитиков [38:23].
*   **Прозрачность и этика:** Использование анонимизированных наборов данных и открытого исходного кода (Open Source) для повышения доверия общества к судебной системе [48:48].

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 [42:19].

## 🚀 Советы будущему поколению: путь «Альфа»
[[JUMP:56:08]]

В завершение беседы Хуан Корвалан дал рекомендации молодым специалистам (поколениям Z и Alpha), которые будут определять цифровой ландшафт через 10 лет:

1.  **«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 [59:02].
2.  **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 [1:00:40].
3.  **Постоянная итерация:** Обучение не должно быть мгновенным. Это цикл непрерывного повторения и улучшения навыков [1:01:48].

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 [54:15].