Неопознанный Искусственный Интеллект (НИИ‪)‬ Системный Блокъ

Почему нейросети генерируют бред, когда от них ждут правды? Как преодолеть разрыв между компьютерной лингвистикой и теоретической? Что мы можем узнать с помощью нейросетей о внутреннем устройстве языке, и на каком слое BERT «лежит синтаксис»? Каким должно быть образование в области Natural Language Processing?

Все это мы обсудили с новым гостем подкаста «Неопознанный искусственный интеллект» — руководителем направления в «SberDevices», одним из создателей  семейства голосовых помощников «Салют» Денисом Кирьяновым. Яркие моменты выпуска:


01:33 — как делали голосовых помощников «Салют»

03:25 — чем машина все еще хуже человека: проблема целеполагания

06:53 — «писули» от «волшебной машины»: почему GPT-3 генерирует фейковые факты и выдуманные названия рок-групп

10:50 — как сделать персональных помощников более человекоподобными: проактивные ИИ-зануды

14:22 — как машине научиться делать то, чего она никогда не видела

16:55 — конец нейронного блицкрига: «забрасывать железом» компьютерно-лингвистические задачи больше не модно

17:59 — применение лингвистики в разработке голосовых помощников

19:07 — вычислительная лингвистика versus лингвистическая теория

24:30 — лингвисты между двумя стульями: преодолим ли разрыв между теоретиками и компьютерщиками

28:24 — что могут дать компьютерные модели теоретическим лингвистам

31:22 — когда нейросети начнут создавать новые теории

39:31 — ИИ будущего и межкультурные различия

40:54 — как должно быть устроено образование в области автоматической обработки языка

43:42 — Data Science в курятнике и кибер-village


Расшифровка подкаста

Ведущие подкаста: Даниил Скоринкин и Анатолий Старостин.

Над выпуском работали: Наталья Перкова, Этери Джафарова, Михаил Калра, Алена Завьялова, ВГ, Анастасия Хорошева и Илья Булгаков.

Подкаст издания Системный Блокъ. Пишите ваши вопросы и идеи на info@sysblok.ru.

От закаливания стальных труб на заводе — до разработки голосовых помощников.

Таков путь в Data Science нового гостя подкаста «Неопознанный искусственный интеллект»  Давида Дале. Давид закончил экономфак, строил модели кредитного скоринга в Альфа-банке, делал проекты в Data Factory «Яндекса», а потом работал над «Алисой». Теперь Давид — фриланс-разработчик чатботов, преподаватель Y-DATA (филиал ШАД Яндекса в Тель-Авиве) и научный сотрудник «Сколтеха». Мы обсудили с Давидом:

01:24 — Путь датасайнтиста из корпорации во фриланс

06:34 — Как устроен мир разработки чат-ботов и персональных ассистентов

09:06 — Что такое «навыки» чатботов и как их программируют?

11:33 — Можно ли придумать для персональных ассистентов единый протокол

16:39 — Почему всех впечатляет нейросеть GPT-3

22:43 — Как работает GPT-3 и что позволяет ей порождать связный текст

28:00 — Как тестировать интеллектуальность нейросетей

32:54 — Где нужны гибридные подходы к построению интеллектуальных систем

44:34 — Зачем делать студию разработки персональных ассистентов

46:30 — Как устроено преподавание в Y-DATA

Расшифровка подкаста

Ведущие подкаста: Даниил Скоринкин и Анатолий Старостин.

Над выпуском работали: Алена Завьялова, ВГ, Валерия Зеленкова, Ася Ройтберг, Анастасия Хорошева, Эмма Барсегова и Илья Булгаков.

Подкаст выпущен изданием Системный Блокъ. Пишите ваши вопросы и идеи на info@sysblok.ru.

Почему современное машинное обучение стоит «примерно на уровне естественных наук XVIII века»? Могут ли нейросети начать закреплять внутри себя выученные знания? Почему опасно игнорировать необъяснимые «странности» нейросетей? В новом выпуске подкаста «Неопознанный искусственный интеллект» мы поговорили с Дмитрием Ветровым — профессором-исследователем НИУ ВШЭ, заведующий Центром глубинного обучения и байесовских методов. Вот что мы обсуждали:

01:32 — Что такое байесовские методы и зачем они в машинном обучении

07:45 — Машинное обучение как «недонаука»: современное состояние ИИ

10:18 — Вредят ли корпорации поиску новых методов машинного обучения

12:29 — GPT-3, мультидоменный ИИ, «сильный» ИИ

18:29 — Когда можно доверить ИИ судьбоносные решения

20:57 — Смена технологической парадигмы в разработке ИИ

22:28 — Стоит ли помнить про онтологии и возможны ли гибриды нейросетей и символьного ИИ

25:19 — Как открыть «черный ящик»: проблема интерпретируемости нейросетей

28:06 — Пересадка из Яндекс.Такси в Яндекс.Толоку: разметка данных для машинного обучения

31:08 — Должен ли ИИ быть похож на мозг, а его разработчики — следовать за открытиями нейрофизиологов?

33:33 — Чем заменить тест Тьюринга.

40:42 — Блиц: самые крутые книжки и самые эпичные провалы в области ИИ

3 лучшие книги по теме ИИ от Дмитрия Ветрова:


Christopher M. Bishop. Pattern Recognition and Machine Learning
Kevin P. Murphy. Machine Learning: A Probabilistic Perspective
David J. C. MacKay. Information Theory, Inference and Learning Algorithms

Расшифровка выпуска

Ведущие подкаста: Даниил Скоринкин и Анатолий Старостин. Над выпуском работали: Алена Завьялова, ВГ, Виктория Багдасарьянц, Анастасия Хорошева, Эмма Барсегова и Илья Булгаков.

Информационный партнер выпуска — проект «Типичный Программист» от издания Tproger.

Подкаст издания Системный Блокъ. Пишите ваши вопросы и идеи на info@sysblok.ru.

Гость нового выпуска «НИИ» Николай Любимов сменил работу в Яндексе на ИИ-стартап в Кремниевой долине.  Мы расспросили Николая, каким видится современное состояние области из Калифорнии, на чем надо обучать интеллектуальные системы и как обстоят дела с самопрограммирующимися нейросетями.

В этом выпуске звук хуже, чем обычно. Но тема кажется нам достаточно важной, чтобы выпустить его. На будущих записях будем вдвойне следить за качеством, а пока приносим извинения.

В этом выпуске:

02:29 — почему диплернинг называется диплернингом

03:44 — «узкое горлышко» разметки данных в современном ИИ

05:14 — как размечать данные для машинного обучения по-умному

06:55 — современный ИИ глазами стартапера из Кремниевой долины

10:19 — догонит ли разработка ИИ — фантастику об ИИ

14:06 — ИИ без «железного человека» и «звездных войн»: как ставить задачу четко

22:32 — ИИ для беспилотников: на чем обучать?

25:29 — должен ли сильный ИИ говорить по-человечески?

35:08 — фантазируем о мире, в котором победил ИИ

40:14 — умерла ли «старая школа» ИИ

50:00 — можно ли прийти к ИИ через моделирование мозга: нейрофизиология и антропоморфность

51:42 — самоорганизующийся ИИ и самопрограммирующиеся нейросети

Расшифровка выпуска

Ведущие подкаста: Даниил Скоринкин и Анатолий Старостин.

Над выпуском работали: Анастасия Хорошева, ВГ, Алена Завьялова, Ольга Лисицкая, Эмма Барсегова и Илья Булгаков

Подкаст издания Системный Блокъ

Достигли ли нейросети потолка, или они еще принесут много новых прорывов? Нужен ли человечеству сильный ИИ, или это угроза цивилизации? Как сталкиваются интересы Data Science и службы безопасности? Можно ли сделать ученых из всех рядовых инженеров, работающих с данными? В новом выпуске подкаста НИИ — Константин Воронцов, профессор Физтеха и Вышки, доктор физ.-мат. наук, человек, который занимается анализом данных, машинным обучением и искусственным интеллектом с начала 90-х. Вот о чем мы поговорили:

01:30 — В чем революция глубинного обучения

08:28 — Водитель машины как гибридная система машинного обучения

11:39 — Этап «братьев Райт» в глубинном обучении: смотрим, что взлетит

19:24 — Кошмар службы инфобезопасности: обучение на реальных потоковых данных

21:54 — Почему комар все еще умнее беспилотника

26:14 — «Мы роем себе могилу»: чем опасна мечта о сильном ИИ

36:03 — Можно ли сделать универсального помощника

51:16 — Человек versus нейросеть: сколько примеров нужно для обучения нам самим

54:36 — Когда мы уже начнем понимать, что происходит внутри нейросетей

Расшифровка выпуска

Ведущие подкаста: Даниил Скоринкин и Анатолий Старостин.

Над выпуском работали: Анастасия Хорошева, ВГ, Этери Джафарова и Илья Булгаков

Подкаст издания Системный Блокъ

В Data Science работать непросто. Но еще сложнее — преподавать другим. Виктор Кантор делает и то, и другое. Днем он руководит Data Science в МТС, а ночью — обучает новых датасаентистов.

Мы пригласили Виктора в подкаст «Неопознанный искусственный интеллект», чтобы поговорить о преподавании Data Science, развитии технологий машинного обучения и о будущем искусственного интеллекта. Вот что мы обсудили:

02:37 – Как обучать крутых датасаентистов

06:40 – Чем отличаются Data Mining, машинное обучение и Data Science

08:31 – Возможен ли сильный искусственный интеллект

16:35 – Что мешает преодолеть «узость» ИИ и так ли универсален человеческий мозг

24:14 – Как научить робота ловить рыбу и будем ли мы программировать на естественном языке

32:04 – Как стать крутым преподавателем Data Science и чем помогает игра в шляпу

38:22 – Как запускать космические корабли в далеком будущем

44:43 – Блиц: кто самый крутой русский датасаентист и о чем говорить с искусственным интеллектом

Подкаст издания Системный Блокъ