Ես խորհրդատվություններ եմ ունեցել Արհեստական Բանականության (ԱԲ, անգլ.՝ Artificial Intelligence, AI) հարյուրավոր պրոյեկտների շուրջ, և սովորել եմ նկատել այն նախանշանները, երբ հաճախորդն իր ձեռքով սղոցում է ճյուղը, որի վրա նստած է: Փոքր ինչ պատկերավոր նկարագրություն էր, բայց այո, հաճախ, հաճախորդն ինքն է սխալ գործողությունների արդյունքում տապալում նախագիծը: Եվ ահա «տագնապի ազդանծանների» թոփ եռյակը.
- Մարքեթինգից ունեցած ուրճացված սպասելիքներ
- Հատուկ դեպք՝ թողարկման ձգտում ցանկացած գնով
- Հատուկ դեպք՝ տվյալների բացակայություն (և այլ հիմնական պահանջների անտեսում)
- Բազմակողմանի մասնագիտական հմտությունների թերագնահատում
- Հատուկ դեպք՝ տոքսիկ մեծամտություն (սնոբիզմ)
- Թիմը պատկերացում անգամ չունի, թէ ով է պատասխանատու պրոյեկտի համար
- Հատուկ դեպք՝ ոչ կոմպետենտ, անձեռնհաս ղեկավար
Դիտարկենք այս պատային իրավիճակներից յուրաքանչյուրն առանձին-առանձին:
Մարքեթինգից ունեցած ուռճացված սպասելիքներ
Բավականին հաճախ նախագծերի հեղինակները դառնում են AI- ի գովազդային աղմուկի և կեղծ գիտական անհեթեթությունների զոհ: Այդ իսկ պատճառով, երբ հաճախորդները դիմում են ինձ անմիջապես վերջին հեռուստատեսային մամուլի ասուլիսից կամ գովազդից տպավորված ( «… զանգահարեք հենց հիմա, և մենք կավելացնենք 50 անվճար խորը ուսուցման (deep learning) նեյրոցանցեր, որոնք կարող եք միավորել մեկ դժոխքի գնդակում»: ), ես գիտեմ, որ պետք է ցրել նրանց մոտ ձևավորված տարատեսակ անիրական սպասումները: Գիտական ֆանտաստիկան անպետք ուսուցիչ է, փոխարենը մարէեթինգի լավագույն ընկերը:
Եթե կարծում եք, որ մեքենայական ուսուցում/անհեստական բանականությունը ինչ-որ անհավանական բան է, ապա դուք ռիսկի եք դիմում կայացնել նախագծային որոշումներ, որոնք համարժեք են առանց ամրագոտու արագության գերազանցմանը: Եկեք սթափ նայենք իրերին, առանց վարդագույն ակնոցների:
Մեքենայական ուսուցումը (ՄՈՒ, անգլ.՝ Machine learning) և արհեստական բանականությունը ավելի շատ վերաբերում է ձեր թիմին ծրագրավորման այլընտրանքային մոտեցմանը: Ի տարբերություն ավանդական մոտեցման, այս մոտեցումը շատ ավելի հարմար է որոշ (բայց ոչ բոլոր) առաջադրանքների համար: Ձեզ սպասվում է շատ բծախնդիր, և շատ օգտակար աշխատանք … ահա թե ինչն է ինձ դուր գալիս դրանում: Թիմը, որն ունակ է սթափ մտածելու, ես նկատի ունեմ այն թիմը, որն առաջնորդվում է իրատեսական նպատակներով, այլ ոչ թե կուրանում է անիրատեսական հույսերով, մեծ հավանականությամբ կհաջողի նաև AI-ի նախագծման գործում:
Հատուկ դեպք՝ թողարկման ձգտում ցանկացած գնով
Որոշ թիմեր թքած ունեն ML/AI-ի միջոցով իրական բիզնեսի խնդիրների լուծման վրա: Փոխարենը նրանք խաբում են և արդարացում են փնտրում հայտարարելու իրենց «արհեստական ինտելեկտի բիզնեսի» մասին: Նման ապագա արհեստավորները որակի չափանիշներ չունեն, նրանց չի հետաքրքրում` կաշխատի՞ իրենց թողարկած արտադրանքը՝ թե ոչ: Նրանք պարզապես ցանկանում են թողարկել ինչ-որ վառ AI նախագիծ:
Խնդիրն այն է, որ նրանք անկեղծ չեն իրենց մտադրությունների հանդեպ: Ես նրանց խորհուրդ կտայի մշակել մի պարզ ծրագիր, որը ոչ մի կարևոր բանի հետ կապ չունի և ի վիճակի չէ որևէ մեկին վնաս պատճառել: Հիմնականում սա տնային առաջադրանք է ավագ դպրոցի աշակերտների համար: Ես նույնիսկ մի քանի գաղափարներ կտայի տպավորիչ, բայց բոլորովին անվնաս օգտագործողների համար, ձայնային էֆեկտների համար: Բոլորը կշահեին նման նախագծից:
Այնուամենայնիվ, ես փորձով գիտեմ. հավակնոտ թիմերը հազվադեպ են խոստովանում իրենց իրական նպատակներով,իսկ հաճախ՝ խոստովանության համար արդեն ուշ է լինում: Երբեմն նրանք դա նույնիսկ իրենց չեն խոստովանում: Կազմակերպության առաքելության համար կարևոր (եթե կուզեք ՝ տպավորիչ) հավելված ընտրելիս նրանք ջանասիրաբար անտեսում են համակարգի առողջության և հուսալիության վերաբերյալ որևէ հարց: ( «Օ՜, դրա գործադրման համար հարկավոր է որոշակի մանրուքներ: Հետագայում կզբաղվենք արագագործության հարցով»): Այնինչ, բոլոր շահագրգիռ կողմերի համար էլ ավելի լավ կլիներ, եթե թիմերը փորձեն չթաքցնել AI/ML նախագծերի իրենց իսկական նպատակները և ռազմավարությունները մշակեն՝ համապատասխան այդ նպատակների: Այդ դեպքում և մարքեթինգային տարբեր հնարքների դիմելու անհրաժեշտությունն էլ կնվազի:
Հատուկ դեպք՝ տվյալների բացակայություն (և այլ հիմնական պահանջների անտեսում)
Դուք լսե՞լ եք, որ մեքենայական ուսուցումը ֆանտաստիկ ոլորտ է, և որը շատերին է գրավում: Ուրեմն ինչու՞ չեք փորձում ձեզ այս բիզնեսում: Նույնիսկ եթե դուք չունեք համապատասխան տվյալներ: Ճի՞շտ է: Սխալ է!
Նախքան արհեստական բանականոթյան և մեքենայական ուսուցման միջոցներով լուծումներ ներդնելու ուղղությամբ մտածելը, Ձեր նախագիծը պետք է բավարարի բազմաթիվ պայմանների ու չափանիշերի: Այս 22 կետից բաղկացած ստուգաթերթը(չեկլիստ) կօգնի ձեզ ստուգել, արդյոք ձեր նախագիծը հեռանկարային է, թե ի սկզբանե դատապարտված է ձախողման: Օգտվե՛ք այս թեսթից, որպես ԱԲ/ՄՈՒ ռազմավարության անվճար խորհրդատու:
Բազմակողմանի մասնագիտական հմտությունների թերագնահատում
ԱԲ նախագծի մոտալուտ վախճանի մասին հուշող մեկ այլ նախանշան է թիմի ունակությունների նեղ շրջանակը: Այդ իսկ պատճառով ինձ հաճախ ուղղակի հավասարակշռությունից հանում է այս հարցը. «Ինչպե՞ս կբնութագրեք AI-ի իդեալական մասնագետին»:
Մի ընկեք դերերի վրա գերկենտրոնանալու թակարդը, որոնք խաղի մեջ են մտնում գործընթացի կեսին: Վերը նշված հարցն ինձ դուր չի գալիս նախ և առաջ նրա համար, որ այն ի սկզբանե ենթադրում է սխալ պատասխան. կիրառական ԱԲ/ՄՈՒ-ի ամենահամապատասխան դերը միայնակ-հերոս լինելն է: Մինչդեռ դա թիմային մարզաձեւ է: Միայնակ որևէ մեկն այստեղ ռազմիկ չէ: Ոչ ոք չունի բոլոր այն հմտությունները, որոնք կոմպլեքսորեն անհրաժեշտ և բավարար են հաջողության հասնելու համար: Արհեստական բանականության ոլորտում որոշումներ կայացնելը պահանջում է բազմակողմանի կրթություն ստացած մարդկանց մի ամբողջ խումբ (հատկապես երբ խոսքը վերաբերում է կարևոր որոշումներին, որոնք պահանջում են բարձր պատասխանատվություն): Եթե ձեր թիմը չունի նեղ մասնագիտացված մասնագետներ, ամբողջ բիզնեսը կփլուզվի: AI-ի հետ աշխատանքը կատարելը պահանջում է միջառարկայական հմտություններ, այլապես պետք է սպասել խնդիրների:
Ընդունելով աշխատանքի մասնագետի, ով պետք է զբաղվի բազմաթիվ ուղղություններով ամենատարբեր խնդիրների լուծմամբ՝ չգանգատվե՛ք մասնագիտական հմտությունների պակասից:
Ես շատ ավելի շատ համբերություն և էներգիա եմ ծախսում այն մարդկանց խորհրդակցություն տալու համար, ովքեր կարծում են, որ իրենց աշխատակիցներն, ինչպես և իրենք, ամենատաղանդավորներն ու ամենախելացիներն են (իսկ մնացած բոլորը ապուշ են): Ինձ վիճակվել է նույնիսկ գործ ունենալ այնպիսի թիմերի հետ, որոնք, կարծես, կարծում էին, որ բազմակողմանի որակավորում ունեցող մասնագետ ասելով, ես ի նկատի ունեմ հաշվողական և AI գիտությունների առնվազն դոկտորական աստիճան ունեցող մասնագետների: Ես հանդիպել եմ բացառապես ինժեներներից կազմված թիմերի, ովքեր չէին հասկանում, թե օրինակ, ինչու ավելի լավ կլինի, եթե օգտագործողի ինտերֆեյսի նախագծման աշխատանքները վարվի UX մասնագետի կողմից (կարծում եք՝ դիզայնի հմտություններ ունե՞ք, քանի որ գիտեք կոդավորել: Արդյո՞ք մենք դեռ 90-ականներում ենք):
Անպայման համալրեք բազմակողմանի հմտություններով աշխատողներով և համոզվեք, որ ձեր թիմի յուրաքանչյուր անդամ գոնե մի փոքր տեղեկացված է այն ամենի մասին, ինչ անում են մյուսները: Իմացեք ավելին տիպիկ AI նախագծերում դերերի մասին՝ [1], [2], [3], [4]..
Հատուկ դեպք՝ տոքսիկ մեծամտություն (սնոբիզմ)
ԱԲ արդյունաբերությունը հագեցած է սնոբ-մոլագարներով, որոնք գործընկերներին բաժանում են երկու կատեգորիաների՝ ա) ԱԻ նախագծերի լիիրավ մասնակիցներ, ինչպիսիք են իրենք, բ) և մնացած բոլոր տգետները: Ես հաճախ եմ շփվում ձեր հետ՝ AI մշակողներ և ինժեներներ: Ձեզանից շատերը հրաշալի մարդիկ են, լցված սեփական մասնագիտական հմտությունների արսենալը գործընկերների փորձով համալրելու կրքոտ ցանկությամբ (բոնուսային միավորներ նրանց, ովքեր ժամանակ են տրամադրում մենթորին` նրանց աշխատանքային հունի մեջ գցելու համար), բայց ձեզանից ոմանք, երբեմն նստում և փնթփնթում են, որ դոկտորական կոչում չունեցող մարդիկ պետք է լքեն ձեր ԱԲ մոլորակը:
Վերանայեք Ձեր տեսակետը, խնդրում եմ:
Ավելի խելամիտ կլիներ տիրապետել հմտությունների լայն շրջանակի, յուրաքանչյուր աշխատողի տարբեր դերերի նշանակել, արդյունավետ աշխատել միասին և խթանել փոխադարձ հարգանքը: Սովորեք հիանալ այն ամենով, ինչում լավ են ձեր գործընկերները, նույնիսկ եթե նրանց տաղանդը ոչ մի կապ չունի ձեր սեփական հմտությունների հավաքածուի հետ: Եթե դա չեք ցանկանում անել, որպես պարզապես լավ մարդ, դա արեք՝ հանուն ծրագրի հաջողության: Մեզանից տարբերվողների հետ համատեղ աշխատանքը բոլորիս ավելի ուժեղ է դարձնում: Եվ եթե դա թվում է նրբանկատ, փափուկ անհեթեթություն, ապա թույլ տվեք ձեզ առաջնորդել դեպի սթափ ռացիոնալության ամենացուրտ բաստիոն՝ դեպի ձեր տնտեսագիտության դասագիրքը: Համեմատական առավելության մասին գլխում դուք կկարդաք ճիշտ նույնը (անշուշտ թվերով, քանի որ առողջ բանականությունը կարծես ձեզ ոչինչ չի ասում):
Արհեստական ինտելեկտի կիրառական ոլորտը պահանջում է բազում տարբեր տեսակների լիիրավ մասնակիցներ, և կախված ձեր նախագծի բարդությունից՝ գուցե նրանք բոլորն էլ ձեզ անհրաժեշտ լինեն: Նույնիսկ եթե գտնեք միանգամից բոլոր հմտություններով օժտված «զարմանահրաշ միաեղջյուր» (մեկը, ով միաժամանակ հանդիսանում է և՛ կատարյալ ինժեներ, և՛ մեքենայական ուսուցման կատարյալ մշակող, և՛ կատարյալ UX դիզայներ, և՛ կատարյալ վիճակագիր, և՛ կատարյալ պրոդուկտ մենեջեր, և՛ թիմի կատարյալ ղեկավար, և՛ կատարյալ վերլուծաբան, և՛ արտադրանքի ոլորտի կատարյալ մասնագետ, և՛ իդեալական բիզնես որոշումներ կայացնող և՛ մնացած ամեն ինչը մեկ մարմի մեջ), նրա համար չափազանց մեծ աշխատանք կլինի միայնակ հաղթահարել դա, և նա ստիպված կլինի մասնագիտանալ: Ընդ որում մասնագիտանալ դրանցից միայն մի մասի ուղղությամբ: Այնպես որ, անմիջապես վարձեք մասնագիտացված մասնագետների: Չէիք մտածի չէ երբևէ՝ օլիմպիական չեմպիոններ վարձել, որպեսզի ձեզ համար կահույք տեղափոխեն: Նույն մարտավարությանն էլ հավատարիմ մնացեք Ձեր աշխատակիցների ընտրության պարագայում: Բարոյագիտության ոլորտի մասնագետի մասնագիտական կարծիքը չընդունել ու չհարգելը միայն այն հիմքով, որ նա համակարգչային գիտությունների գիտությունների թեկնածուի կոչում չունի (այո, այդպես էլ է պատահում) հիմարություն է:
Փոխանակ փորձելու ամեն ինչ անել ինքնուրույն, սովորե ստուգել, արդյոք ճիշտ է տեղի ունեցել էստաֆետայի փոխանցումը ձեր աշխատակիցների միջև:
Կիրառական մեքենայական ուսուցման նախագծի վրա աշխատելու համար պարտադիր չէ պրոֆեսորի կոչում ունենալ: Դուք պետք է վարպետ լինեք ձեր արածի մեջ և իմանաք, թե ինչով են զբաղվում ձեր թիմի անդամները (բայց ոչ ստանձնել իրենց պարտականությունները): Օրինակ՝ ձեր ML ինժեները պետք է կարողանա հասկանալ բիզնեսի ղեկավարների պահանջները, գնահատել դրանց կատարումը և կարգավորել գործընթացը: Նա չպետք է գործի անմտածված ու իմպուլսիվ: Ընդամենը:
Եթե աշխատուժի պակաս առաջանա, դուք ստիպված կլինեք վարձել նոր կադրեր: Ժամանակ հատկացրեք մտածելու՝ թե ինչպես կանխել թունավոր սնոբիզմի մուտքը ձեր թիմ:
Օյ, քանզի արդեն իսկ անդրադարձանք այս թեմային, նշեմ տոքսիկ բուլինգի (ծաղրանք, թերարժեվորել) և սնոբիզմի մեկ այլ ազդեցություն ևս: Իրավիճակն այսպիսին է. համեստ, բայց խելամիտ նորեկները վտարվում են թիմից՝ ինքնակոչների սինդրոմից ջախջախված, չհասցնելով անգամ ավարտել մասնագիտական ուսուցումը. անամոթ ու կիսակիրթ նորեկներին չեն ահաբեկվում բուլինգից և մնում են: Սա այն է, ինչը ես ու ընկերներս կատակով անվանում ենք AI երկրորդ ինքնակոչի համախտանիշ (գոյատևման պայքարում իսկական ինքնակոչներն ավելի դրական կարգավիճակ են ունենում), ինչը գիտական շրջանակներում հայտնի է որպես Դանինգ-Կրյուգերի էֆեկտ:
Թիմը պատկերացում անգամ չունի, թէ ով է պատասխանատու պրոյեկտի համար
Երբ նախագծում որակավորված ղեկավարի, հովանավորի և որոշումներ կայացնող դեմքի անբավարարություն է դիտվում, թիմի ջանքերն, ամենայն հավանականությամբ, ի չիք կդառնան… կամ ավելի վատ:
«Իսկ ո՞ւր է ձեր ղեկավարությունը» -սա առաջինն է, ինչ հարցնում է AI-ի ռազմավարության յուրաքանչյուր լուրջ խորհրդատու, երբ բոլորը, բացի ծրագրի ղեկավարից/պատասխանատուից, հայտնվում են առաջին հանդիպմանը:
Ցավոք, շատ հաճախ մարդիկ, ովքեր դիմում են իմ խորհրդին, չեն մտածում այն մասին, թե ով է լրացնելու որոշում կայացնողի դերը: Նրանք, հավանաբար, հույս ունեն լուծել մեքենայական ուսուցման բոլոր խնդիրները «կախարդական փոշու» շնորհիվ, քանի որ նրանց բոլոր ընկերներներն այդպես են արել: Օ-օ-օ! Իրականում, որոշումներ կայացնողնողի դերը կարևորագույնն է նախագծում. Իմացեք ավելին այստեղ – այնպես որ դուք չպետք է սկսեք առանց դրա: Նույնիսկ եթե ինչ-որ աննախադեպ ու հրաշալի ներարարություն եք մտածել, մեծ հավանականություն կա, որ ձեր ջանքերը ապարդյուն վատնվելու են:
Հատուկ դեպք՝ ոչ կոմպետենտ ղեկավար
Վերոնշյալ պարտվողական սցենարի ամենատարածված պատճառը ապաշնորհ ղեկավարությունն է, որը հիշեցնում է եղջյուրավոր խոհարարի մասին հայտնի կոմիքսները: Նման իրավիճակում կարելի է դիտարկել այլասերված կորպորատիվ մշակույթի ամբողջ ծաղրանկարը. անընդհատ բացակայող «առաջնորդի» քմահաճույքից մինչև ենթակաների ծիծաղելի ինքնագործունեությունը: ԱԲ/ՄՈՒ նախագծերում հմուտ ղեկավարությունը շատ ավելի կարևոր է, քան ավանդական ծրագրային նախագծերում: Այս մասին ավելին իմանալու համար կարդացեք իմ հոդվածը, որում AI-ում եղջյուրավոր պետը բնորոշվում է որպես «Ապոկալիպսիսի չորս ձիավորներից մեկը»:
Սկզբնաղբյուր՝ 3 signs that your AI project is doomed
