IT-образование настоящего и будущего. И при чём тут нейросети
Кому под силу приручить нейросети по-настоящему
В мире только и разговоров, что о GPT-технологиях. Билл Гейтс, к примеру, считает, что активное развитие ИИ окажет на мир эффект, сопоставимый с появлением компьютера. Иными словами, GPT — это новая промышленная революция во всех сферах: от медицины и транспорта до образования.
Но масштаб этих изменений ещё предстоит осознать. Нам кажется, что нейросети уже вовсю в нашей жизни, хотя ChatGPT появился 30 ноября 2022 года. Мы живём с самой известной и самой мощной нейросетью лишь год! С одной стороны, все говорят, что нейронки всё изменят, а с другой — где эти изменения?
Мы находимся на той стадии, когда в науке и в бизнесе всё ещё идёт тестирование нейросетей и того, как их применять. Более того, сценарии использования можно и нужно придумывать, смотреть эффекты, сравнивать, делиться друг с другом. Не так, что: «Ага, мы тут обнаружили, но никому не скажем». А наоборот: «Смотрите, что у нас получилось. Как вы это можете применить?» Для разных индустрий — разные эффекты.
Алексей Толстиков, руководитель Школы анализа данных
В образовании, пожалуй, влияние нейросетей заметнее всего. Оказалось, что с помощью GPT можно написать диплом. Зачем тогда вообще этот диплом? Получается, технологии убивают образование?
Нет, не убивают — а необратимо меняют. Люди когда-то думали, что калькуляторы, смартфоны и компьютеры сделают образование бесполезным, но этого не случилось. Оказалось, что даже самые умные устройства не избавляют человека от необходимости решать неочевидные задачи. И при решении таких задач невозможно обойтись без фундаментальных знаний — в математике, программировании, работе с большими данными.
Нейросеть — это не подарок богов, а технология. Вместе с другими людьми можно находить ей новое применение и делать нейронку ещё лучше, ещё умнее, ещё быстрее. В мире будущего недостаточно писать крутые промты для GPT. Этот навык важен, но чтобы качественно влиять на мир, решать самые разные задачи, которые он перед нами ставит, — нужно выходить на другой уровень взаимодействия с нейросетями. Глубоко понимать, как встраивать их в разные аспекты нашей жизни: деловой, научной, социальной. А значит, сделать круг, оглянуться на фундаментальную базу — и учиться по-новому.
Почему недостаточно просто учиться тому, что уже известно
Мы возвращаемся к состоянию, когда образование — это не быстрый доступ к готовым знаниям. Это навык обрабатывать знания необычными способами. Как в прошлом, когда негде было подсмотреть решение — потому что никто раньше ничего подобного не решал.
Знания устаревают так быстро, что уже нет ценности в их банальном хранении или обработке по шаблону. IT-образование будущего учит решать сложные задачи новыми способами. Машинное обучение помогает исследователям в решении сложных задач: от изучения недр до отслеживания популяции редких животных или поиска лекарств. И сейчас к этой теме приковано ещё больше внимания: появились эффективные алгоритмы обработки датасетов и, конечно, нейросети.
Специалистов, которые могут разрабатывать сложные алгоритмы машинного обучения, в частности создавать и обучать нейросети, готовят в ШАДе. В Школе анализа данных можно не только получить сильную базу, но и сразу же попробовать применить новые знания в решении прикладных задач, полезных для большого числа людей или общественных организаций.
Например, студенты ШАДа совместно с Yandex Cloud научили нейронки искать снежных барсов на Алтае. По всему Сайлюгемскому национальному парку стоят фотоловушки, и раньше учёные вручную обрабатывали полученные с них кадры и определяли, есть ли снежный барс или другое животное на фотографии. Теперь им помогает ИИ.
Следующий шаг — научить ИИ определять конкретные особи барсов. Сделать это можно по уникальным особенностям: рисунку пятен на шкуре (природа использует рандомайзер для их размера и формы), форме хвоста и другим признакам.
Мы часто вовлекаем студентов ШАДа в большие социальные проекты Яндекса. Например, они помогают внедрять инструменты и методы машинного обучения в разные сферы прикладной науки. Каждый из этих проектов помогает учёным в конкретных сферах: климатологии, экологии, биологии и других задачах. А значит, делает наш мир лучше. И это мотивирует ребят активно включаться. А ещё это живая и крутая практика. Приятно видеть, как твои знания превращаются в конкретные полезные продукты.
Анна Лемякина, директор по национальным стратегическим проектам Yandex Cloud
В мире прямо сейчас есть миллионы «пятнистых» задач, которые можно решить с помощью технологий, важно только найти правильный подход. А ещё такие проекты несложно объяснить даже детям. И именно поэтому на них легко и интересно учиться. Но в это знание важно погружать не только студентов профильных технических вузов: нейросети помогают всем областям науки.
Даже тем, кто не планирует самостоятельно напрямую взаимодействовать с нейросетями, нужно всё равно понимать, что такое данные и как с ними работать. Не важно, программист вы, аналитик или же физик, биолог или историк. Это новый способ ведения научных изысканий, новый язык современной науки и технологии.
Сейчас на многих кафедрах всех направленностей появляются курсы по искусственному интеллекту. В Альянсе в сфере искусственного интеллекта мы даже создали модуль «Системы искусственного интеллекта», чтобы можно было ориентироваться именно на современные представления, а не читать по учебникам 80-х годов.
Но максимальная синергия возникает, когда человек, хорошо погружённый в тему ИИ, встречается с тем, кто понимает хотя бы чуть-чуть, но глубоко знает другую науку. В этом взаимодействии получаются очень крутые вещи, поэтому не бойтесь общаться и находить новые темы для коллабораций!
Алексей Шпильман, к. т. н., профессор ИТМО, заведующий Центром анализа данных и машинного обучения НИУ ВШЭ (СПб)
В науке куда ни ткни — всюду найдётся работа для нейросети и дата-специалистов. Например, в проекте Yandex Cloud по экомониторингу Байкала создали систему обработки данных о состоянии воды, которые собирались с 1945 года. До прихода нейросетей учёные проводили по 8–9 часов за микроскопом, вручную определяя плотность, тип и вид рачков на фото, которые как раз помогают определить экологическую ситуацию.
Только представьте: учиться любимому делу всю жизнь, чтобы после часами рутинно перекладывать байты! Сколько новых открытий сделает учёный, которому нейронка поможет с рутинными задачами?
Комьюнити как драйвер IT-образования будущего
Выпускники ШАДа работают в передовых компаниях и занимаются «загоризонтными» задачами. Они создают нейросети, учат роботов двигаться и видеть, запускают продукты и сервисы, о которых станут говорить в будущем. И они приносят свой опыт обратно в ШАД, выступая преподавателями и менторами студентов. В ШАДе запускается цепная реакция, Школа работает как самостоятельный организм по обмену знаниями. Причём эти знания — буквально самые продвинутые, их можно получить только из первых рук.
Вы встретите подобный подход в передовых научных школах в лучших мировых вузах — и в ШАДе. Работать с людьми, которые сильно мечтают и многое знают, — это особое, редкое счастье.
Мы строим ШАД как открытое сообщество, а не как способ передать только то, что мы уже знаем и умеем. Нам важно, чтобы ребята, общаясь и пробуя, развивали тот самый способ образования, который принято называть деятельностью, практикой.
Надо самостоятельно попробовать и ошибиться. В хорошем сообществе тебе дадут качественную обратную связь. Ты отрефлексируешь, внедришь изменения и повторишь шаг вперёд, который непременно приведёт к успеху.
Алексей Толстиков, руководитель Школы анализа данных
И что всё это значит?
Нейронка — это не робот, который напишет за студента обычную курсовую. А студенту недостаточно писать простейшие промты. Да и, честно говоря, учиться и работать так — скучно.
Миру нужны люди, которые верят в технологии и знают, как они устроены, способны заглянуть «под капот», чтобы улучшить, настроить, создать своё решение. Только сильные специалисты по работе с данными, говорящие с нейросетями на равных, будут двигать прогресс. На таких людей огромный спрос, они легко получают ресурсы для работы над самыми интересными задачами.
