Несъмнено изкуственият интелект променя както обществото, така и индустриите. От ключово значение в този процес се оказва науката за данните. В разговор с Мария Недина, Senior Data Scientist в Twitter, обсъждаме утвърждаването на технологиите в бизнеса и във всичко около нас. Срещаме се с Мария само няколко часа след събитието Tech of Tomorrow, на което тя беше лектор.Какво е за един българин да работи за компания като Twitter?

Светът стана доста глобален, което е много положително и хората вече гледат как си вършиш работата, не каква националност си. Ако човек е трудолюбив и оправен, ще има шанс да се развие и всичко зависи от самите нас. Винаги съм усещала положително отношение към националността си и съм имала равен старт с другите от компанията, не се чувствам като Стефка Костадинова на туитовете.

Коя е най-често използваната дума в Twitter?

Доколкото знам най-често използван е хаштагът #followfriday. Използва се всеки петък, когато потребители предлагат други акаунти в Twitter, които препоръчват да се следват. Също така #NowPlaying и #Brexit. С много голямо социално значение и в един от най-популярните се превърна #BlackLivesMatter след като през 2012 г. кварталният координатор във Флорида застреля 17-годишно афроамериканско момче, но беше оправдан.

Фейк нюз – с какви инструменти и как успявате да се преборите с тях?

Хората харесват да се идентифицират с някое идеологическо разделение и са гладни за крайни пристрастия, предразсъдъци и дезинформация. Така и предоставянето на лъжи и дезинформация се насърчава от някои от медийните групи, понякога с пропагандни цели, понякога за по-голям трафик на сайта.

За да се преборим с Фейк нюз, най-вече е нужно развиване на критичното мислене. Това включва да проверим дали източникът е достоверен, кой съобщава историята, има ли известни и утвърдени медийни източници, които да я съобщават. Разглеждане на доказателствата, достоверната новина ще включва редица факти. Например цитати от експерти, данни от проучвания и официална статистика. Хубаво е да се проверява и източникът. Ако е публикуван резултат от проучване, но няма източник или е от такъв, който е безизвестен или няма достатъчно информация за него, вероятно информацията не е достатъчно достоверна.

Кои са позитивите и кои отрицателните страни на имплементирането на изкуствен интелект в различните индустрии?

Чрез дълбокото обучение и учещите се алгоритми в него могат да се прогнозират резултати, да се анализират модели на огромни количества неструктурирани данни. Сега се използва най-вече за бизнес употреба, но подпомага и прогнозния анализ, включително и в откриването на измами, анализ на оттеглянето на клиентите,  прогнозирането на склонността към закупуване.

Много работни дейности от повтарящ се характер сега се поемат от технологията на изкуствения интелект. Това дава възможност за по-голяма скорост, ефективност и намалена степен на човешката грешка в редица индустрии. Също така помага изключително много в медицинската прецизност и диагностика, както и това хората да се отказват от физически ограничения, най-вече по отношение на пространството и дълбоките океански изследвания.

Съображенията относно технологията също не са малко. Например за военни приложения, които са в ръцете на злонамерени агенти. Понастоящем се разработват технологии, които лесно може да бъдат разпространени сред терористични групи, без да е необходимо скъпо или специализирано оборудване. Изкуственият интелект може да автоматизира кибератаки, да координира дронове, да позволява масово наблюдение чрез разпознаване на лица и извличане на социални данни или да генерира реалистични фалшиви клипове за политическа пропаганда. Повишената автоматизация дава повече физически контрол на цифровите системи, което прави атаките още по-опасни.

В образованието, например, социалната интелигентност и разумното разсъждение, са важни и уникални за човешкия опит. Автоматизацията на обучението е свързана със съображения за липса на емоционална интелигентност и носи риск от премахването на човешки контакт в образованието.

Освен това, свръхинтелигентните роботи, като София на Хенсън Роботикс, с почти всяка програмирана цел, ще разработват набор от основни дискове като самосъхранение, самоусъвършенстване и самоуправляване на ресурсите си. Така роботът е мотивиран да се разпространява в компютърните мрежи и ще използва своите ресурси, за да избяга от това да е зависим от програмисти и да постигне самопрограмиране.

По какъв начин бизнесът може да приложи успешно науката за данните?

Науката за данните се изразява в процеси и системи за извличане на знания или прозрения от големи количества данни, които в суров вид често са почти неприложими. Анализирането и структурирането на тези данни преобразува суровите данни в действителни стъпки за придобиване на детайлен анализ на бизнеса. В допълнение към способността си да автоматизира, тези анализи също позволяват да вземате добре информирани решения и да базирате целите на бизнеса си на обективни данни, а не на догадки.

Кои според Вас са големите технологични тенденции, които променят света на бизнеса?

В основата на едни от тях, разбира се, седи изкуственият интелект и учещите се роботи и алгоритми, за които говорих. Генерирането на естествен език чрез  машинно самообучение, за разбиране и имитиране на езика, вербално и чрез текст, също принадлежи към тях.

Други са технологиите на виртуалната и на обогатената реалност. Те ще изменят частично начина, по който хората живеят и работят, тъй като премахват разстоянието между хората, информацията и опита, и местоположението вече ще е от по-малка важност.

Друга тенденция е потенциалното създаване на квантови компютри, чиято цел е да разрешат проблемите, които никой човек не може да реши. Те биха могли да се използват за оптимизиране на рисковите портфейли, определяне на цени и изграждане на по-съвременни приложения за машинно обучение.

Кои са предизвикателствата, пред които са изправени професионалистите във Вашата област днес?

Тъй като алгоритмите не са толкова акуратни, колкото данните, с които са захранени, изкуственият интелект може да взема предубедени решения. Това ще се отрази и в резултатите на алгоритъма. Едно проучване с изкуствен интелект, обучено да анализира текстове, установи, че имената, свързани с европейско-американска принадлежност, са значително по-склонни да се свързват с приятна терминология, отколкото афроамериканските имена.

Съответно изкуственият интелект, който взема последващи решения като наемане на кандидати за работа или предсказване на рецидивизъм, трябва да ги провери, преди да бъдат пуснати в алгоритъма. В идеалистичен план тази проверка на данните за стереотипи би трябвало да се  следи от регулаторните агенции, а не само от самите компании. Но за да се усети по-остра нужда от централизирането на тези регулации, очаквам първо да се мине по пътя проба-грешка и да започнат да се въвеждат след поредица от недоразумения, които първо да придобият по-мащабно медийно покритие.