Przemysław Chojecki – doktor po Oxfordzie

Przemysław Chojecki – doktor po Oxfordzie

Żyjemy w czasach, kiedy dzięki AI pojawia się coraz więcej możliwości, ale wraz z nimi rodzą się i zagrożenia. Prawda jest taka, że dojdzie do walki pomiędzy tymi, którzy chcą wykorzystać AI, by pomagać i tymi, którzy będą używać go do złych rzeczy, jak oszustwa, manipulacje i wiele innych szkodliwych dla ludzkości działań. Ostatnio trafił do mnie ciekawy raport (ma ponad 100 stron) pod tytułem „Złośliwe wykorzystywanie sztucznej inteligencji: prognozowanie, zapobieganie i łagodzenie”.

 

Z tego odcinka dowiesz się:

  • jakie są różnice pomiędzy polską, brytyjską i francuską edukacją?
  • czy są jakieś specjalne korzyści dla biznesu związane z prowadzeniem biznesu związanego ze sztuczną inteligencją?
  • czym jest tak ogólna sztuczna inteligencja i czy kiedyś uda się ją stworzyć?
  • jak można zastosować sztuczną inteligencję w naszym codziennym życiu?
    czym zajmuje się Ulam.ai?
  • co to jest DeepAlgebra i czemu ma służyć?
  • jaki problem rozwiązuje projekt Aimee?
  • czy sztuczna inteligencja spowoduje, że modelki stracą pracę?
  • czym są komputery kwantowe?
  • czy zastosowanie komputerów kwantowych może wpłynąć na rozwój uczenia maszynowego?
  • jak technologia może wpłynąć na życie ludzi w ciągu najbliższych 10-20 lat?

Kilka przykładów szkodliwych działań  w AI:

  1. Zautomatyzowane wyłudzanie informacji lub tworzenie fałszywych wiadomości e-mail, witryn internetowych i linków prowadzących do kradzieży informacji,
  2. Szybsze hackowanie dzięki automatycznemu wykrywaniu luk w oprogramowaniu,
  3. Oszukiwanie systemów sztucznej inteligencji, korzystając z wad w tym tego, w jaki sposób AI widzi świat,
  4. Automatyzacja terroryzmu za pomocą komercyjnych dronów lub autonomicznych pojazdów jako broni,
  5. Zdalne ataki, ponieważ autonomiczne roboty nie musiałyby być kontrolowane w obrębie ustalonej odległości.

Również mogę wymienić tematy polityczne, takie jak:

  1. Propaganda, dzięki łatwo generowanym fałszywym obrazom i wideo,
  2. Automatyczne usuwanie niezgody przez automatyczne wyszukiwanie i usuwanie tekstu lub obrazów,
  3. Spersonalizowana perswazja, wykorzystywanie publicznie dostępnych informacji do celowania w czyjeś opinie.

Zastanawiam się nad tym, żeby przygotować osobny odcinek, by lepiej uświadomić osoby decyzyjne o tym, jak można zminimalizować ryzyko. Proszę, daj mi znać, czy jest to dla Ciebie interesujące.

Dzisiejszym gościem jest Przemysław Chojecki, który przez dłuższy czas mieszkał za granicą, najpierw we Francji, potem w Anglii, gdzie uczył się oraz uczył na Oxfordzie. Następnie jednak zdecydował się wrócić do Polski. Napisał też 2 książki, w których dzieli się swoimi przemyśleniami. Ma ciekawe cele, chce zbudować ogólną sztuczną inteligencję. Jest współzałożycielem Ulam.ai. O tym wszystkim i nawet więcej będzie w tym odcinku. Zapraszam do wysłuchania.

Przemyslaw Chojecki
Przemyslaw Chojecki

Cześć Przemek, przedstaw się: kim jesteś, czym się zajmujesz, gdzie mieszkasz?

Cześć! Jestem matematykiem i przedsiębiorcą. Obecnie zajmuję się głównie sztuczną inteligencją i badaniami nad sztuczną inteligencją, prowadzeniem biznesu dookoła tego, jak również badaniami matematycznymi. Mieszkam w Warszawie, dokąd wróciłem po licznych wojażach i gdzie mieszkam na powrót od dwóch lat.

O tych podróżach i wojażach jeszcze porozmawiamy, bo ta historia jest ciekawa. Powiedz, co ostatnio czytałeś?

Całkiem niedawno skończyłem książkę „Bad Blood”. To jest ostatnia książka o Theranosie.

Opowiada historię wzrostu i upadku Theranosa, historię jego założycielki Elizabeth Holmes i tego co w startupach może nie wyjść, jak od zera zbudować firmę wartą dobrych kilka miliardów dolarów bez żadnego produktu działającego i tego, co w Dolinie Krzemowej nie działa. Bardzo ciekawe, polecam wszystkim.

Opowiedz teraz swoją historię od nauki do biznesu, bo to naprawdę jest inspirujące.

Ja od długiego czasu – chciałem powiedzieć od zawsze, ale to może nie jest prawda – na pewno gdzieś od podstawówki i gimnazjum bardzo mocno szedłem w kierunku matematyki. Później poszedłem do Staszica, to jest dość znane matematyczne liceum w Warszawie, potem na studia na wydział matematyki i informatyki, gdzie studiowałem na początku na jednoczesnych studiach informatyczno-matematycznych. Potem rzuciłem informatykę tylko dla matematyki i dość szybko kończyłem kolejne przedmioty.

Tak naprawdę już na pierwszym roku robiłem przedmioty z trzeciego, czwartego i piątego roku, a po drugim roku po licencjacie wyjechałem do Paryża. Tam skończyłem magisterkę i doktorat jednocześnie z matematyki, a po doktoracie pojechałem jeszcze na Oxford na Postdoca, czyli na taką pozycję badawczą, gdzie przez 2 lata także zajmowałem się czystą abstrakcyjną matematyką. Byłem również przez pół roku wykładowcą na Oxfordzie, ale to już z czystej ciekawości, jak to jest wykładać na Oxfordzie, bo moja pozycja tego nie wymagała. Stwierdziłem, że to będzie ciekawe doświadczenie, by porównać polską, brytyjską i francuską edukację. Właśnie po tym wszystkim wróciłem do Polski dwa lata temu.

Powiedziałeś ciekawe zdanie: „porównać edukację w Polsce, we Francji i Wielkiej Brytanii”. Czy jest jedna taka rzecz, która bardzo się rzuca w oczy i wyróżnia w wymienionych krajach?

Tak, taką jedną rzeczą na pewno jest specjalizacja. W Polsce jest tak, że mamy absolutnie fantastyczny system do licencjatu, gdzie te studia są bardzo ogólne i takie powinny być, żeby każdy student mógł zobaczyć różne fragmenty, czy to matematyki, czy informatyki. Ale potem to, co następuje na Zachodzie, a co nie następuje z kolei w Polsce, to specjalizacja w kierunku konkretnych badań. To jest bardzo wartościowe i dzięki temu te badania na Zachodzie idą znacznie szybciej, znacznie dalej, jest wyższy poziom, bo studenci już na magisterce podejmują proste problemy badawcze. To jest taka największa różnica, którą ja widziałem przez te wszystkie lata.

Powiedziałeś, że dwa lata temu wróciłeś do Polski i zastanawiam się, jaką miałeś motywację? Czy chodzi tylko o korzenie? Czy jest jeszcze coś więcej? Być może są jakieś specjalne korzyści dla biznesu, w szczególności, jeżeli chodzi o prowadzenie biznesu związanego ze sztuczną inteligencją?

Tutaj jest kilka powodów. Gdy wracałem, nie wiedziałem dokładnie, że będę prowadził Ulam. ai i prowadził firmę związaną ze sztuczną inteligencją, ona powstała dopiero rok po powrocie. Chciałem wrócić, dlatego że spędziłem już za granicą 7 lat. Stwierdziłem, że to jest najlepszy moment, żeby wrócić, żeby spróbować ponownie w Polsce, bo wiedziałem, że jeżeli zostanę to na kolejne lata i wrócić będzie coraz trudniej. Miałem taką perspektywę, że zawsze mogę wyjechać, bo na tym poziomie, na tym etapie w moim życiu, to nie będzie trudne.

Z drugiej strony widziałem też możliwości, które rzeczywiście kształtują się w Polsce, bo system grantowy jest coraz lepszy, tutaj mówię z perspektywy naukowca. Z perspektywy biznesmena, przedsiębiorcy widzę, że jest coraz większe wsparcie i od strony rządu, ale także od innych przedsiębiorców, powstają różne startupy i firmy, duże korporacje zaczynają myśleć o partnerstwie ze startupami, są coraz bardziej otwarte i jest coraz lepszy klimat na robienie innowacyjnego biznesu w Polsce. Przede wszystkim nie ma problemu z tym, żeby prowadząc firmę w Polsce, robić globalny biznes.

Przejdźmy teraz do najciekawszych rzeczy, na których teraz prawdopodobnie najbardziej się skupiasz, ale najpierw musimy zrobić wprowadzenie. Czym jest tak zwany General AI albo ogólna sztuczna inteligencja?

Dla mnie ogólna sztuczna inteligencja to jest taki koncept związany z tym, że maszyny dojdą w swojej kreatywności, inteligencji do poziomu porównywalnego z człowiekiem w każdej dziedzinie. Obecnie mówi się najczęściej o takiej wąskiej sztucznej inteligencji, którą stosuje się w konkretnych działach, czyli np. to jest gra w GO, gra w szachy, przetwarzanie obrazu, rozumienie tekstu, mówienie.

To są wszystko poszczególne działki, które człowiek jest w stanie wykonywać i maszyna także coraz lepiej. Różne startupy, firmy, naukowcy starają się osiągnąć to, żeby być w stanie automatyzować różne fragmenty tego, co robi człowiek. Ale jest jeszcze kolejny krok gdzieś dalej, żeby móc to wszystko połączyć, żeby rzeczywiście móc z maszyny zrobić takiego naturalnego partnera dla człowieka, który byłby w stanie rozumieć człowieka, odpowiadać na jego potrzeby, niezależnie od tego, w jakiej dziedzinie one się pojawiają. I to jest koncept, który jednocześnie może być przerażający, a może być bardzo ciekawy, w zależności od tego, czy jesteśmy optymistycznie, czy pesymistycznie nastawieni do tego, co z tego wyjdzie. Niemniej jednak, jeżeli uda się stworzyć ogólną sztuczną inteligencję, to świat już nie będzie taki, jaki był.

No właśnie. Ta końcówka brzmi ciekawie. Ta poprzeczka dla ogólnej inteligencji jest dość wysoka i teraz pytanie: czy jest to osiągalne i kiedy według Twoich szacunków? Bo już przed chwilą powiedziałeś: o ile uda się stworzyć, świat będzie wyglądać inaczej. Wiadomo, że ciężko przyjąć dokładną datę, ale być może jest jakiś trend albo Twoja intuicja Ci podpowiada, kiedy może nastąpić?

Taką datą, która często się pojawia jest rok 2040 albo 2045, czyli na dobrą sprawę za dwadzieścia parę lat. To jest realna data, jeśli to w ogóle jest możliwe. Ja jestem optymistą i wierzę, że jest. Dlatego też pracuję w tym kierunku. Ale tak naprawdę nie wiadomo, bo tutaj dochodzi wiele różnych problemów związanych zarówno z hardwarem, z samym zaawansowaniem algorytmów, jak i z tym, czy rzeczywiście te poszczególne wąskie sztuczne inteligencje złożą się w pewną w całość. To jest bardzo skomplikowany problem i trudno jest przewidywać dokładnie, co się wydarzy.

Na pewno dużo się jeszcze zmieni, bo ta technologia jeszcze nawet nie została zbudowana, jest dużo badań, które jeszcze nie zostały wdrożone, nie zostały aplikowane. Dobrym przykładem jest na przykład GAN czyli Generative Adversarial Networks, coś, co istnieje od kilku już lat, ale na dobrą sprawę nie ma komercyjnego zastosowania w większym zakresie mimo tego, że w samym środowisku ML, AI jest bardzo często używane. I takich przykładów jest więcej. Więc powstaje pytanie: na ile badania będą się razem spinały w coś większego?

Tutaj się zgadzam. Jeżeli chodzi o ten poziom, który mamy teraz, nawet jak nic nowego się nie pojawi, to już teraz potrafi to dość zauważalnie zmienić biznes. Czy możesz podać kilka mniej oczywistych przykładów, jeżeli nam uda się osiągnąć ten poziom ogólnej inteligencji, sztucznej inteligencji, to jak zmieni się obecny biznes? Czy on w ogóle zostanie, czy to będzie coś zupełnie innego? Czy masz jakieś przemyślenia na ten temat?

Mam o tyle problem z tym pytaniem, że moim zdaniem zmieni się absolutnie wszystko! Jeżeli wyobrażasz sobie pracowników, którzy siedzą przed komputerem w rozwiniętych krajach i dużych miastach, w Warszawie, w Krakowie czy innych miastach europejskich – to oni wszyscy stracą pracę. Ich praca, jaką teraz wykonują, nie będzie potrzebna, bo praca na zasadzie, że siedzisz przy komputerze, dokonujesz pewnych obliczeń, myślisz nad czymś, wysyłasz maile, praca, która zajmuje się kreatywnym przetwarzaniem danych, będzie wykonywana znacznie lepiej przez maszynę. To nie jest może mniej oczywisty przykład, ale to jest przykład, który będzie najbardziej widoczny, bo nagle się okaże, że te wszystkie prace analityków, konsultantów przestaną istnieć.

To czym będą się zajmować ludzie?

I tu jest ten mały problem w tym wszystkim! Są dwie strony, pierwsza: ludzie, którzy pokazują bardzo apokaliptyczne wizje, że stracimy pracę i będą tylko maszyny, będzie dosłownie niewiele jednostek, które będą posiadały i zarządzały tą technologią i tylko oni będą czerpali profity, a reszta będzie żyła na skraju nędzy z tak zwanego uniwersalnego dochodu. Jest też wersja optymistyczna, do której się skłaniam. Musimy pamiętać o tym, że to wszystko jednak tworzą ludzie, którzy myślą o całości społeczeństwa, większości, wobec czego wraz ze znikającymi pracami w jednym miejscu pojawią się totalnie nowe zawody.

Rewolucja przemysłowa była już w dziewiętnastym wieku, już wtedy się bano, że przez fabryki, potem traktory, ludzie stracą pracę. Okazało się że zmieniła się forma pracy, czasami bardzo drastycznie, ale ta praca dalej jest. Być może będzie bolesny okres przejściowy pomiędzy różnymi pracami, bo to będzie wymagało dużego przestawienia się, wiele nauki, ale myślę że człowiek jest w stanie tak bardzo adaptować się do środowiska, które spotyka, że nawet w tych nowych, nieprzewidywalnych warunkach, poradzimy sobie jako ludzkość.

Mam jeszcze kilka pytań wizjonerskich, które zadam na końcu, bo teraz chcę przejść do bardziej konkretnego tematu. Jesteś założycielem Ulam.ai. Jaki jest cel firmy?

Celem jest stworzenie ogólnej sztucznej inteligencji. To jest prawdziwy cel, tylko realizujemy go bardzo praktycznie, bo oczywiście to, o czym przed chwilą rozmawialiśmy, to jest szeroka wizja i tak naprawdę w tym momencie jest znacznie za wcześnie na to, żeby cokolwiek robić na takim ogólnym polu. Bierzemy konkretne branże, konkretne obszary zainteresowań: audio, przetwarzanie obrazu, analiza tekstu, ogólnie pojęta analityka i w obrębie tego znajdujemy konkretne zastosowania, jak na przykład analityka w logistyce.

Tutaj działamy przez spółkę Bohr Technology – osobny byt, osobny podmiot prawny, który zajmuje się tylko konkretnym zastosowaniem pewnego wycinka sztucznej inteligencji w bardzo konkretnej branży. Innym przykładem jest Aimee. Tutaj idziemy przez przetwarzanie obrazu i także stosujemy to tylko w konkretnej działce: w modzie. Więc generalnym celem jest rzeczywiście ogólna sztuczna inteligencja. Prowadzimy też własne badania i to nam przyświeca, ale robimy to od bardzo praktycznej strony.

Jak przygotowywałem się do wywiadu, to oczywiście wszedłem na stronę Ulam.ai. Są tam różne informacje o badaniach, ale znalazłem jedno takie zdanie, które pozwoliłem sobie przetłumaczyć, bo cała strona jest po angielsku. To zdanie brzmiało następująco: budujemy produkty, tworzymy firmy wokół nich i skalujemy je w sposób najbardziej korzystny dla ludzi.

To w całości brzmi ambitnie, bardzo nowocześnie, ale ta końcówka bardzo rezonuje z tym, co widzę, o czym próbuję mówić wprost, że technologie, wszystkie narzędzia są po to, żeby ostatecznie przynosić ludziom pewne korzyści, bo jeżeli tak nie jest, to gdzieś coś poszło nie tak. Z drugiej strony chciałbym zrozumieć lepiej Twoją interpretację tego zdania, bo zakładam, że masz całą wizję stojącą za tymi kilkoma słowami. Chciałbym to usłyszeć. Powiedz coś więcej.

Myślę że tutaj nasze wizje się pokrywają, bo dla mnie też jest ważne, żeby ta sztuczna inteligencja służyła człowiekowi, że to nie jest tak, że to jest człowiek kontra maszyna, tylko człowiek i maszyna. My w tym momencie już do jakiegoś stopnia jesteśmy cyborgami, bo jeżeli popatrzymy na siebie, to każdy z nas ma smartfona, z którego korzysta właściwie cały czas, jesteśmy podłączeni do maili, komunikatorów, mediów społecznościowych, do Internetu. To wszystko pokazuje, do jakiego stopnia człowiek jest zintegrowany z technologią.

Sztuczna inteligencja jest jeszcze poziom wyżej, korzystamy z niej na co dzień przez różne wyszukiwarki, Google, Google Maps. Takich zastosowań sztucznej inteligencji jest pełno w naszym codziennym życiu. To jest też nasz cel, chcemy budować produkty, które ostatecznie pomogą człowiekowi w wyzwoleniu jego kreatywności, a nie będą tej kreatywności hamować – automatyzują te czynności, które powinny być zautomatyzowane, dlatego że człowiek robiąc je, tak naprawdę zabija swoją kreatywność. To jest coś, co nam przyświeca. Szukamy takich nisz, takich zadań, które w tym momencie wykonuje człowiek, a które z powodzeniem mogłaby robić maszyna i nie będzie żadnej straty dla ludzkiej kreatywności.

Znalazłem u Was na stronie projekt o nazwie DeepAlgebra. Co to jest i czemu ma służyć?

Bardzo mi miło, że znalazłeś projekt DeepAlgebra, to tak naprawdę był start całego Ulam.ai i pomysł, od którego to się zaczęło. Tak jak mówiłem, moje wykształcenie jest czysto matematyczne i moja działka matematyki, program Langlandsa, czy trochę szerzej geometria arytmetyczna jest bardzo techniczna. Jest na tyle techniczna, że tych osób, które tym się zajmują na co dzień, nie jest zbyt wiele na świecie, globalnie pewnie tak 200-300 – z większością się kojarzymy i spotkamy na różnych konferencjach na świecie. Zacząłem myśleć o samej weryfikacji dowodu. To jest problem, który może nie jest oczywisty dla osób, które nie uczestniczą w matematycznych badaniach, ale matematyka jest nauką społeczną o tyle, że nie tylko trzeba coś udowodnić, nie tylko matematyk musi spisać dowód, ale także ten dowód powinien być zaakceptowany przez część ekspertów z danej dziedziny, czyli musi być przeczytany, zweryfikowany, czy jest poprawny i dopiero wtedy rzeczywiście jest publikowany w czasopiśmie.

Problem tylko polega na tym, że im bardziej sama matematyka staje się techniczna, tym jest to trudniejsze do weryfikacji. Czasami jest to trudne dlatego, że jest bardzo mało osób, które się dokładnie specjalizują w czymś jeszcze węższym. I stąd pojawia się pytanie: na ile to można zautomatyzować? Ta koncepcja automatyzacji matematyki i dowodzenia w matematyce to jest klucz do programu DeepAlgebra, który zainicjowałem, pracę o nim można znaleźć na arXiv.org. Głównie chodzi o to, żeby automatycznie formalizować dowody matematyczne, a potem je automatycznie weryfikować. To jest cała koncepcja i tak naprawdę wierzę też w to, że to jest klucz do ogólnej sztucznej inteligencji. Jednym z brakujących elementów jest zdecydowanie rozumowanie nad tekstem, wyciąganie wniosków z czytanego tekstu przez maszynę. To jest coś, co nam ludziom przychodzi w miarę naturalnie, ale co nie jest oczywiste, czyli jak poskładać kontekst. Matematyka jest takim wdzięcznym przykładem do analiz nad tym zagadnieniem, dlatego że język jest bardzo techniczny, więc nie ma niuansów językowych, a z kolei są czysto logiczne argumenty, które można testować, na ile maszyna rzeczywiście tę logikę jest w stanie zrozumieć.

Usłyszałem co najmniej kilka rzeczy. Jedna z nich to zrobienie, by ten świat był bardziej sprawiedliwy. Gdy ktoś zrobi dowód matematyczny to nie musi teraz stosować różnych zagrań społecznych, tylko jest obiektywne narzędzie, które jest w stanie w sposób jednoznaczny stwierdzić czy ten dowód jest prawidłowy, czy zawiera jakieś błędy.

Kiedyś zainteresowałem się historią matematyka z Rosji, Grigorija Perelmana. Myślę, że go znasz. Też miał dość ciekawą historię, bo udowodnił pewne rzeczy, a później spowodował zamieszanie. Jak ktoś lubi takie życiowe sprawy, to bardzo polecam. Pamiętam, gdy badałem, to co tam się działo, to czułem taką niesprawiedliwość. Nie wiem, czy dobrze odebrałem to, co mówiłeś, ale poczułem, że chyba to częściowo rozwiąże ten problem.

Tak, zdecydowanie. Może przytoczę tak szybko tę historię. Perelman udowodnił hipotezę Poincarégo, tak naprawdę jeszcze trudniejszą hipotezę geometryzacyjną Thurstona, za co później dostał medal Fieldsa. Za to zrobił to w sposób dość niestandardowy, bo normalnie robi się tak, że spisuje się ten dowód ze wszystkimi szczegółami, wysyła się do czasopisma i potem następuje proces weryfikacyjny.

Perelman wysłał tylko dwie krótkie prace na repozytorium internetowe arXiv.org, gdzie dowody były zarysowane, ale było im daleko do kompletności. No i tutaj pojawił się problem, bo matematycy w pewnym momencie, po tym, jak on zaczął dawać wykłady na ten temat, jednak uznali prawdziwość tego twierdzenia, ale dalej mieli poczucie, że tam jednak trzeba dużo więcej opisać, co zrobiły jednocześnie dwie inne ekipy matematyków.

Między innymi chińscy naukowcy, którzy te 30-50 stron Perelmana zamienili na 400-600 stron, o ile dobrze pamiętam. No i wyszła kwestia autorstwa, czy im się powinno należeć za ten dowód, czy nie. I tak, masz rację. Jeżeli udałoby się posunąć DeepAlgebrę do przodu, to zdecydowanie miałaby zastosowanie tutaj, bo można by znacznie szybciej zweryfikować dowód Perelmana, jeżeli by DeepAlgebra działała na odpowiednio wysokim poziomie.

To idziemy dalej. W odcinku 38 rozmawiałem z Martyną Czapską na temat sztucznej inteligencji, robotyki w kontekście prawa. Wiem, że też macie pewne pomysły, żeby dotknąć tego obszaru. Jest takie coś jak DeepLaw. Co to jest i jaki problem próbujecie rozwiązać?

Mój wspólnik Witek Kowalczyk z Ulam.ai jest z wykształcenia prawnikiem, kończy doktorat. DeepLaw powstał po pewnym czasie obok DeepAlgebry. Na dobrą sprawę jest coś takiego jak computational law, które łączy się z podobnymi rzeczami jak dowody w matematyce. W prawie też masz pewne uzasadnienia wyroków czy spraw i jest podobny tok rozumowania, tylko jest inny język, nie ma formuł matematycznych, nie ma równań, ale są pewne zdania, które wynikają z interpretacji prawa. Ten problem jest bardzo zbliżony do problemu, który stara się rozwiązać DeepAlgebra i to jest to, co robimy w ramach DeepLaw.

To zakłada, że prawo jest deterministyczne, tutaj mam pewne wątpliwości na poziomie intuicji, ale mogę się mylić.

Rozumiem, o co ci chodzi. Ja sam, jeżeli chodzi o DeepLaw, nie jestem ekspertem i oczywiście masz rację pod tym względem, że dużo zależy od interpretacji prawa. Dlatego to co się dzieje w DeepLaw, to jest tylko pewien wycinek tego prawa, bardziej chodzi o badanie spójności praw w obrębie Unii Europejskiej, niekoniecznie powinieneś o tym myśleć jak o bronieniu kogoś w sądzie, tylko bardziej jak o próbie zobaczenia, na ile prawo jest spójne w obrębie Unii Europejskiej na różnych poziomach.

Wspomniałeś już o projekcie Aimee. Powiedz coś więcej. Co to jest za projekt? Jaki problem próbujecie rozwiązać?

Aimee to jest projekt z dziedziny mody, z przetwarzania obrazu. Tutaj naszym celem jest głównie generowanie zdjęć do lookbooków dla sklepów e-commerce’owych. Bierzemy packshot, czyli takie zdjęcie, gdzie jest na przykład sama sukienka bez ciała, bo zostało zrobione na przykład na manekinie I z tego generujemy całe zdjęcie z naszą modelką wygenerowaną sztucznie, która wygląda jak prawdziwa. Jest to jednocześnie projekt, który jest dość zaawansowany technologicznie przez to przetwarzanie obrazu, a jednocześnie dotyka dziedziny, która jest bardzo wizualna, wszechobecna, dotyczy bardzo dużego rynku. Tu na dobrą sprawę startujemy i w tym momencie mamy już demo, rozmawiamy z pierwszymi klientami.

Aimee będzie projektem kanadyjsko-polskim, nasza trzecia co-founderka jest Kanadyjką, tak naprawdę pół Hinduską, pół Włoszką urodzoną w Kanadzie, więc jest to bardzo ciekawe połączenie. Na co dzień mieszka w Londynie. I ona do nas dołącza jako CEO, żeby pomóc nam prowadzić ten projekt, bo na domiar wszystkiego jest jeszcze byłą modelką, więc jest idealnie! W projekcie głównie chodzi o to, by rozwiązać problem, który mają szczególnie duże sklepy online typu Zalando, które agregują ubrania, ale za każdym razem wykonują własne sesje.

Gdy Nike, Puma, czy Adidas wysyłają im ubrania, nawet jeżeli wysyłają im własne zdjęcia, to oni i tak robią sesje od początku. I to zajmuje czas. Nawet jeżeli to jest dzień, dwa, trzy czy czasami więcej, bo jeszcze jest potrzebny retusz, to jest bardzo zauważalne, dlatego że mają tych ubrań tysiące, dlatego że są platformą agregującą ubrania. Z kolei zdjęcia, które oni mają na stronie, często są bardzo sztampowe, bo to jest: przód, tył, bok i tak dalej. To jest dokładnie problem, który rozwiązujemy dzięki Aimee.

Kiedy zamierzacie wypuścić wersję beta? Albo kiedy będzie bliżej produkcji?

Tak naprawdę taką małą alfę, którą pokazujemy na spotkaniach, to już mamy. Pewnie też w najbliższych kilku tygodniach powinniśmy mieć też coś na stronie aimee.vision.com.

OK! Nagrywamy to pod koniec sierpnia, więc pewnie jak już puścimy ten odcinek w świat, to już można będzie wejść i zobaczyć. Dobrze. Teraz pytałem bardziej o projekty. Zmieńmy trochę temat. Generalnie to jest tak, w szczególności, jeżeli chodzi o takie projekty jak Aimee, GAN, Deep Learning, że kluczowym elementem jest moc obliczeniowa.

Oczywiście jest duży postęp, prawo Moore’a robi swoje, co prawda mówi się, że prawo Moore’a albo już przestało działać, albo przestaje działać z powodu pewnych ograniczeń w fizyce. Z drugiej strony książka Raya Kurzweila czy inne trendy pokazują, że tam nie ma przerwy i ta moc obliczeniowa będzie ciągle rosła. Są też takie oczekiwania, jeżeli chodzi o rozwój i postęp technologiczny. Pojawia się logiczne pytanie: co wtedy?

Bo próba, która jest teraz, jest gdzieś tam dookoła CPU albo innego chipu, próbuje bardziej się wyspecjalizować pod konkretne zadanie, dzięki czemu zwiększa się prędkość działania. Ale generalnie to jest takie liniowe upiększanie. Mówi się, że komputery kwantowe mogą zrewolucjonizować ten rynek. Porozmawiamy o tym, ale najpierw powiedz, czym są komputery kwantowe?

Opowiem taką bajkę, żeby było prościej, co będzie pewnym nadużyciem, ale niewielkim. Komputery klasyczne działają na zasadzie bitów. Mamy bity, czyli 0 i 1. W większości modeluje się tak, że to jest albo światło włączone, albo wyłączone, albo ten prąd płynie przez daną bramkę, albo nie płynie. Ale możemy też to modelować trochę inaczej. Wyobraźmy sobie, że mamy elektron i pierścień. Puszczamy elektron w ten pierścień. I jeżeli on poleci w lewo, to będzie 0, a jeżeli poleci w prawo to mamy 1. I tak możemy modelować klasyczne komputery, składając razem te wszystkie pierścienie. To nie jest może najbardziej efektywne, bo przy komputerach klasycznych mamy lepsze metody.

Teraz wyobraźmy sobie, że ten pierścień, w który puszczamy ten elektron, jest nadprzewodnikiem, jest schłodzony do temperatury około zera absolutnego, jest odcięty od fal grawitacyjnych i spełnia jeszcze kilka innych kryteriów. Wtedy okazuje się, że możemy skorzystać z efektów kwantowych, bo ten elektron może polecieć w lewo i w prawo jednocześnie.

Tutaj nie będę wchodzić w szczegóły, jak to się dzieje, ale tak naprawdę wykorzystuje się dokładnie to i składa się takie pierścienie, które zamyka się w tubę, żeby je odciąć, schłodzić, podwiesza się pod sufit, dlatego też te komputery kwantowe wyglądają w tym momencie dość ciekawie, polecam zobaczyć zdjęcia w internecie. Po to właśnie, żeby móc ze sobą połączyć kilka takich pierścieni, przez które przepływają elektrony. I to co się dzieje, to mamy tzw. kwantowe bity, bo to, że może być 0 i 1 jednocześnie, czyli że elektron leci w lewo i prawo powoduje, że moc komputerów kwantowych rośnie wykładniczo w zależności od ilości tych pierścieni, od ilości kubitów, dlatego, że te pierścienie jeszcze między sobą interferują. Dlatego to jest takie ważne.

OK. Ciekawe wprowadzenie. Powiedz, gdzie jesteśmy teraz.

Na samym początku, ale już jesteśmy dalej niż byliśmy chociażby dwa lata temu. Dużo się rzeczywiście zmieniło przez dwa lata. Pewnie dużo ludzi słyszało o D-Wave, który działa już bodajże od 10 lat albo nawet od dwudziestu, bo w 1998 roku były chyba ich pierwsze próby. Na pewno już od dziesięciu lat działają bardzo aktywnie i mają te komputery, sprzedali już bodajże 2 czy 3 za kwoty rzędu dziesięciu milionów dolarów za jeden, więc nie jest to jeszcze użytek domowy. Jest znacznie więcej spółek: IBM, IBM-Q, Microsoft, Google i jest jeszcze kilka mniejszych spółek, które starają się robić hardware.

To jeszcze nie są tzw. uniwersalne komputery kwantowe, które będą w stanie rozwiązywać dużo problemów. To, co się obecnie buduje, to są komputery, które wykorzystują efekty kwantowe do konkretnych zadań, problemów, celów, typu rozwiązywanie problemów optymalizacyjnych czy kryptograficznych. Używa się do tego bardzo specjalnej architektury i tym też różnią się komputery tych wszystkich firm od siebie, są trochę inne, trochę do czegoś innego się ich używa, odrobinę inaczej się programuje. Nie ma jeszcze takiego ustalonego wzorca, czym jest dokładnie komputer kwantowy, jak powinien wyglądać, jak powinny działać pod tym programy. Jest trochę hardware’u i jest trochę software’u, to jest, to czym się zajmujemy w ramach Bohra.

Ale tak naprawdę to wszystko jest jeszcze na początku, chociaż są już rezultaty, które dość dobrze pokazują, że komputery kwantowe będą coraz lepsze. Tutaj wspomnę o takim dużym przypadku z 2017 roku, jakim była współpraca Volkswagena, D-wave’a i chińskiego rządu w Pekinie. Mianowicie Volkswagen na komputerach kwantowych D-wave’a zoptymalizował trasy taksówek z miasta na lotnisko w Pekinie, to oczywiście jest problem, który można rozwiązać klasycznie, ale już można zrobić to kwantowo. A docelowo idea jest taka, że komputery kwantowe dadzą znacznie większą moc, znacznie większe pole obliczeń do problemów, które obecnie są nierozwiązywalne za pomocą komputerów klasycznych lub liczą po prostu zbyt wolno.

Takie właśnie przykłady z życia wzięte są bardzo ciekawe. O komputerach kwantowych mówiło się już dawno, jak byłem na studiach. Natomiast mnie osobiście zawsze brakowało zastosowania w praktyce, żeby było to coś trochę więcej niż kolejna publikacja, która została stworzona na uczelni. Więc to jest inspirujący przykład.

Ostatnio czytałem artykuł o programowaniu właśnie, czytałem o takim języku, który się nazywa Q-sharp od pierwszej litery Q jak qubit. Ciekawie to wygląda. Ta wiedza jest inna od tej, która była na studiach i po studiach i trzeba przeprogramować swój mózg, żeby tego się nauczyć. Zastanawiam się, jak Wy to robicie, czego używacie pod spodem? Może wymień nazwy dla osób, które tym się interesują.

Jasne. My głównie operujemy na PyQuillu. PyQuill jest to pythonowskie środowisko dla maszyny Rigetti. Osoby, które znają Pythona, bardzo szybko mogą się w tym odnaleźć. To jest tak naprawdę Python, tylko że zawiera elementy fizyki kwantowej, które trzeba zrozumieć. Ale prawda jest taka, że jeżeli ktoś miał wcześniej do czynienia z data science, to jest w stanie dość szybko zrozumieć przynajmniej podstawy.

A jeżeli ktoś miał wcześniej do czynienia z fizyką kwantową, to nie ma żadnego problemu. Z drugiej strony jest też kilka innych języków. W tym momencie niestety jest tak, że każdy hardware wymaga innego języka programowania, ale prawda jest taka, że one wszystkie są oparte na Pythonie.

Jest na przykład taki mały, kanadyjski startup Xanadu, który robi jeszcze trochę inne komputery kwantowe, ale oni opierają właściwie cały swój sprzęt na TensorFlow, więc jeżeli ktoś wcześniej bawił się TensorFlow, to tutaj nie będzie miał najmniejszego problemu.

Dzięki wielkie za te polecenia. Już wspomniałem, że jeżeli chodzi o motywację zastosowania komputerów kwantowych, w szczególności w obszarze uczenia maszynowego, to jest zwiększanie mocy obliczeniowej. Jak myślisz, to jest takie pytanie trochę bardziej wizjonerskie, jak to może wpłynąć na rozwój ML, czyli uczenia maszynowego?

Ja na to patrzę tak, że jest to dodatkowa moc obliczeniowa, która przychodzi tam, gdzie tak naprawdę komputery klasyczne już nie są w stanie nic zrobić. To może znowu dam przykład z życia wzięty, który jest takim klasycznym przykładem tego, co chcemy zrobić i co będzie możliwe, jeżeli te komputery kwantowe będa lepsze, co w tym momencie tak naprawdę jest niemożliwe do rozwiązania przez komputery klasyczne na satysfakcjonującym poziomie. Wyobraź sobie, że masz linię lotniczą, zarządzasz samolotami, masz kilkadziesiąt samolotów, które są w różnych lokalizacjach na świecie. W większości linie lotnicze mają ustawiony bardzo ściśle plan dnia, jeżeli jakiś samolot wypada, to nagle zaczyna się takie wielkie domino.

Wyobraź sobie, że psuje Ci się samolot w Londynie, pasażerowie czekają. Jeżeli będą czekali dłużej niż 4 godziny, to będą nagle naliczane kary, wobec czego chcesz ten samolot uzupełnić innym samolotem, który jest może w innej lokalizacji. Wobec tego ten samolot powinieneś szybko przetransportować w ciągu tych 4 godzin. I nagle okazuje się, że musisz zorganizować załogę, bo chcesz samolot przenieść na przykład z Manchesteru do Londynu, musisz uzyskać pozwolenia od lotnisk, paliwo, policzyć, jakie będą koszty, może ci się opłaca ten samolot przenieść z innego miejsca. Potem okazuje się, że ten samolot z Manchesteru też był zajęty, musisz go zastąpić i zaczyna się takie domino. Szybko się okazuje, że masz setki tysięcy parametrów, które musisz wziąć pod uwagę i nie jesteś stanie tego policzyć. Nie jesteś w stanie tego policzyć w takim tempie, w jakim byś chciał, żeby było to do zastosowania.

Bo teoretycznie oczywiście zawsze możesz tutaj użyć Brute Force, jeżeli problem nie jest zbyt duży, a Ty akurat masz swój komputer, to może jesteś w stanie wyliczyć to w stosownym czasie, tylko problem polega na tym, że tutaj powinieneś podjąć decyzję w 15, 20, maksymalnie 30 minut, żeby być w stanie te wszystkie kroki zaaplikować. I tego w tym momencie nie da się zrobić. Linie lotnicze, z którymi rozmawialiśmy w Londynie czy w innych miejscach na świecie, mają planistów, którzy są bardzo doświadczeni i robią to ręcznie, używając intuicji.

I to jest przykład na to, jak komputery kwantowe wchodzą w sztuczną inteligencję, zapewniając dodatkową moc obliczeniową w problemach, które wcześniej były totalnie nierozwiązywalne. Może jeszcze wspomnę o tym, o czym mówiłem wcześniej, o Volkswagenie i zastosowaniu w Pekinie. To także było rozwiązanie hybrydowe. Teraz stosuje się właśnie rozwiązania hybrydowe, czyli część jest policzona na komputerze kwantowym, ale część to komponent AI, więc AI i komputery kwantowe idą obok siebie i się wspierają. Dla mnie są dla siebie uzupełnieniem.

Jaką widzisz przyszłość ludzi w najbliższych dziesięciu, dwudziestu latach?

To jest trudne pytanie. Do 10 lat myślę, że nie mam obaw, ale tak naprawdę w ciągu 20 lat może się wydarzyć wszystko. Rozumiem, że pytasz też o to, jak technologia może wpłynąć na ludzi? Trudno to przewidzieć, dlatego że to nie jest tylko postęp technologiczny, ale chodzi o regulacje, bo mimo tego, że technologia może się rozwijać i jestem przekonany, że będzie się rozwijała, to czym innym jest wdrożenie tej technologii na tyle, żeby była zauważalna w naszym życiu.

Myślę, że tutaj dobrym przykładem są samochody autonomiczne, które już w tym momencie są na tyle dobre, że na dobrą sprawę mogłyby jeździć po naszych drogach. Ale nie jeżdżą przez regulacje. Mimo tego, że na przykład Uber w Kalifornii już testuje samochody bez kierowcy. Sam mam znajomego, który zamówił Ubera i właśnie podjechał pod niego pusty samochód, otworzyły się drzwi, on wsiadł, a samochód go zawiózł. Więc to w Kalifornii już się dzieje. Mogłoby się dziać na większą skalę, ale nie dzieje się właśnie przez te regulacje. Dlatego to jest taki czynnik, który powoduje, że trudno jest przewidzieć, jaka będzie przyszłość ludzi. To, co robią firmy, to jest jedno, ale to co robią rządy na świecie, jak się rozwija społeczeństwo, to jest totalnie coś innego.

Zabrzmiało to tak, że regulator może wprowadzić pewne zamieszanie i pewne hamowanie. Nie wiem, czy to jest dobre słowo, bo tak naprawdę te hamulce wcześniej czy później trzeba odpuścić, bo ciężko jest powstrzymać ten napęd, tą energię, która się tworzy.

Tak, jest to hamowanie, ale jednocześnie też może być wspieranie. Nie chcę tutaj zabrzmieć, że to jest tylko pesymistyczne i niedobre, bo jest też wiele elementów, które są bardzo dobre. Przykładem może być Korea Południowa, Seul. Po wojnie koreańskiej w latach 50-tych rząd zadziałał bardzo sprytnie, ustawiając regulacje w taki sposób, żeby rozwijały się konkretne działki. Abstrahując od tego, że była to dość brutalna polityka i dyktatura wojskowa, ale to jak rząd myślał o ekonomii i jak wprowadził regulacje spowodowało, że w tym momencie Korea Południowa jest jednym z najbogatszych krajów na świecie.

Zadam ci jeszcze jedno pytanie, takie bardziej na myślenie. Jeśli miałbyś możliwość realizacji Twojego jednego dowolnego życzenia, to co by to było i dlaczego?

Chciałbym, żeby została stworzona ogólna sztuczna inteligencja. Dlaczego? Dlatego, że uważam, że to jest na tyle zmieniające doświadczenie i patrzę na to w sposób pozytywny. Myślę, że dużo problemów, które obecnie ma nasza planeta, związanych z klimatem, z przeludnieniem, głodem, różnymi takimi sytuacjami, które powodują, że myślimy negatywnie o przyszłości ziemi, może dzięki temu zostać rozwiązanych. To oczywiście jest tylko jeden ze scenariuszy, tutaj nie jestem całkowicie naiwny sądząc, że to jest absolutny środek na wszystko, ale wierzę, że to jest na tyle kluczowe rozwiązanie, które pozwoliłoby człowiekowi pójść znacznie dalej niż był dotychczas i zwiększyć ten ogólny poziom szczęścia. Chciałabym, żeby to się spełniło.

Przemek, jak można Ci pomóc?

Dobre pytanie. W tym momencie tak naprawde z jednej strony cały czas jestem otwarty na ludzi do współpracy, bo tych projektów w ramach grupy Ulam.ai jest naprawdę dużo, więc cały czas szukamy albo co-founderów, albo ludzi do pracy. Na ten moment najbardziej data scientistów, ale też business developerów, którzy szczególnie mają kontakty w tych niszach, w których my działamy jak logistyka, moda. To tak długofalowo. A z drugiej strony wspierając mnie na YouTubie, Facebooku, Instagramie, czy innych mediach społecznościowych.

Właśnie. I ostatnie pytanie. Gdzie Cię można znaleźć? Powiedziałeś już o mediach społecznościowych. Może jeszcze coś dodasz?

Tak naprawde najbardziej jestem aktywny na Facebooku, po pierwsze na profilu Ulama, po drugie staram się wrzucać te rzeczy, gdzie ja gdzieś występuję i i mam taki profil publiczny. Jeżeli ktoś chce się połączyć tak profesjonalnie i pomóc, jeżeli chodzi o rozwój sztucznej inteligencji to zdecydowanie Linkedin. Mam materiały na YouTubie, staram się od czasu do czasu prowadzić vloga, takiego niezobowiązującego, gdzie mówię o tym, co obecnie się dzieje w ramach mojego biznesu. To są bardzo krótkie filmiki po 2, 3 minuty publikowane średnio raz na 2 tygodnie.

Wielkie dzięki Przemek za tę rozmowę, za to że udało Ci się znaleźć czas, żeby podzielić się swoim doświadczeniem. Widać, że masz fajne talenty matematyczne, ścisłe. Próbujesz je aplikować, nie tylko tworzyć publikacje. Najbardziej inspiruje mnie w całej rozmowie to, że chcesz wykorzystać sztuczną inteligencję po to, żeby usprawnić życie ludzi, rozwiązać być może również te mniejsze problemy, ale kiedy zadałem tutaj pytanie wizjonerskie to argumentowałeś i wymieniałeś takie bardziej globalne problemy. Więc dziękuję. Trzymam kciuki, żeby udało Ci się zrealizować ten plan.

Dziękuję Ci bardzo za rozmowę.


Przemek również przygotował dla Ciebie prezent, a mianowicie listę 5 książek, które według niego warto przeczytać. Jeśli jesteś już zapisany na newsletter BiznesMyśli, to sprawdź swoją skrzynkę pocztową, a jeśli nie, to zapisz się na newsletter, bo wtedy będziesz regularnie dostawać różne ciekawe materiały.

Pierwszego września ruszył już DataWorkshop Tour. Kiedy nagrywam ten odcinek, szkolenia odbyły się już w Krakowie i Katowicach. Przygotowanie zajęło bardzo dużo czasu. Pod koniec kwietnia pojawił się pomysł i przez ten cały czas go rozwijałem. Dużo energii pochłonęły różne kwestie logistyczne. Prowadzenia szkolenia również było dość mocno wyczerpujące energetycznie, natomiast po rozmowie z ludźmi i analizie feedbacku, który był zbierany na różne sposoby, czuję, że było warto :).

W Tourze weźmie udział ponad 230 osób i będą to ludzie z różnych firm, takich większych jak Microsoft, Nokia, Intel, Gemius, Roche, Bayer, będzie również dużo software house’ów jak RTB house, startupów, sporo ludzi z uczelni, ale będą też między innymi ludzie z urzędu statystycznego. Mówiąc wprost, udało się zebrać ludzi z wielu firm i to szkolenie może wprowadzić pewne zmiany na rynku :).

Miałem też inne pomysły. Mimo tego, że cena biletu była naprawdę niska (podobne szkolenia, przy takiej logistyce, są warte 10 razy więcej i jeśli będzie druga edycja, to cena biletu będzie taka, żeby pokryć ten wysiłek), staram się też wspierać studentów, oferując dla nich zniżkę 50%. Wtedy koszt biletu wyniósł trochę ponad 100 zł. Z jednej strony to jest trochę słaba strategia, bo finansowo ledwie się spina. Natomiast myślę, że ostatecznie to ma sens… Kto wie, jak to zmieni życie młodych ludzi. Trzymam za nich kciuki :).

1 oraz 2 października 2018 roku w Warszawie odbędzie się konferencja Artificial Intelligence, na której również będę. Mam dobrą wiadomość, jeśli planujesz się tam wybrać, to specjalnie dla słuchaczy BiznesMyśli jest przygotowana zniżka 20% na hasło “BIZNESMYSLI”.

Teraz zapraszam do wysłuchania opinii absolwenta drugiej edycji online kursu „Praktyczne uczenie maszynowe„. Andrzej Steinder jest project managerem, ma duże doświadczenie PM, ponad 8 lat pracował w IBM, mniej więcej w trakcie kursu zmieniał pracę. Zapraszam do przeczytania. Uwaga! Specjalnie dla społeczności BiznesMyśli jest zniżka na kurs 20% – PRACTICAL_ML_BM20 (ważna do 1 października lub wyczerpania na pakiety Gold oraz Premium).

Andrzej Steinder
Andrzej Steinder

Cześć Andrzej, przedstaw się, kim jesteś, czym się zajmujesz, gdzie mieszkasz.

Cześć Vladimir. Nazywam się Andrzej Steinder, pracuję jako engineering manager, czyli menadżerem zarządzającym grupą developerów, mieszkam w Krakowie, pracuję teraz w firmie Relativity.

Co ostatnio czytałeś?

Z takich ciekawych rzeczy czytałem książkę „Release it!”. To jest bardzo fajna książka, która mówi o takich wymaganiach, ale także i patternach, dobrych praktykach, które trzeba spełnić przed wypuszczeniem oprogramowania na system produkcyjny. Dużo jest w tej książce mowy o takich rzeczach jak stabilność, skalowalność, odporność na błędy, monitoring. Zawiera dużo praktycznych przykładów z życia systemów, które już działają – jakie rzeczy mogą się zepsuć, bo czasem nawet najbardziej banalne problemy mogą spowodować wielkie awarie systemu, więc jeżeli ktoś jest zainteresowany tym tematem, to spokojnie mogę ją polecić.

Brzmi dość praktycznie. Rozmawialiśmy kiedyś ze sobą jakiś czas temu na temat uczenia maszynowego, że właśnie tym się zainteresowałeś, bo chciałeś rozwinąć swoją twórczą pasję w tym kierunku. Powiedz coś więcej. Jak to się stało, że się tym zainteresowałeś?

Machine learning jest obecnie popularnym czy nawet modnym tematem. Pracuję w firmie informatycznej, więc te tematy gdzieś dookoła mnie krążyły, nie zajmowałem się tym bezpośrednio, ale czułem zainteresowanie w tym kierunku z racji takich zainteresowań algorytmicznych, matematycznych i z tego powodu ten temat mnie zawsze intrygował. Natomiast wiadomo, że pracuję w ciągu dnia, a potem są obowiązki rodzinne, więc nie miałem za bardzo okazji się tym zająć i wtedy właśnie pojawił się temat Twojego kursu.

No właśnie, jesteś absolwentem drugiej edycji online kursu Praktyczne uczenie maszynowe na DataWorkshop. Powiedz, co Ci się najbardziej spodobało w kursie.

Parę kwestii – przede wszystkim to, że pomimo posiadania zupełnie pobieżnej wiedzy na temat machine learningu, mogłem wziąć udział w konkursie i relatywnie dobrze sobie poradzić. Ten materiał był bardzo dobrze przygotowany, tak że osoba zupełnie początkująca, tak jak ja, z praktycznie zerową znajomością języka Python, mogła przy odrobinie wysiłku zrealizować wszystkie zadania i skorzystać z tego kursu – to był jeden aspekt. Drugi aspekt to sposób przeprowadzenia i realizacji tego kursu: to że jest taki podstawowy wstęp teoretyczny, który daje wystarczającą ilość wiedzy, żeby potem realizować bardzo dobrze przygotowane praktyczne ćwiczenia.

Bardzo też pomógł mi fakt, że kurs nie zakładał dużego doświadczenia programistycznego w Pythonie. Ja mam doświadczenie programistyczne, ale w Javie, a Python jest oczywiście innym językiem. Bardzo mi się podobało zadanie konkursowe, które wprowadziło taki element zdrowej rywalizacji między uczestnikami kursu. Miałem taką chęć poprawienia własnego wyniku podczas tego zadania, do dziś wspominam tę adrenalinę – bardzo fajna rzecz. Wydaje mi się, że to są takie kluczowe elementy.

Powiedz, co planujesz dalej robić z tą wiedzą, bo Twoje życie zawodowe jest związane z troszkę innymi czynnościami, masz też obowiązki rodzinne i nie masz tak dużo czasu, ale może masz jakieś plany, żeby dalej się rozwijać w obszarze uczenia maszynowego?

Tak. Jest oczywiście to wyzwanie, o którym powiedziałeś, że mam wiele innych rzeczy na głowie, natomiast w takim średnim terminie chcę wziąć udział w zawodach w rozwiązywaniu problemów dla ludzi z całego świata na stronie Kaggle. Świetna sprawa, żeby sprawdzić siebie, także dzięki rywalizacji, jak najwięcej, jak najszybciej spróbować się dowiedzieć i porównać z innymi uczestnikami. W dłuższym terminie chciałbym na pewno tę wiedzę pogłębiać, czy to ucząc się samodzielnie, czy biorąc udział w kursach tak, żeby docelowo w przyszłości być może zająć się tym tematem zawodowo.

Myślę, że Kaggle może być całkiem ciekawym pomysłem w szczególności, jeżeli chodzi o zrozumienie algorytmów i różnych trików. Przy okazji polecam słuchaczom grupę na Facebooku Kaggle Polska, którą założyła Daria, absolwentka pierwszej edycji kursu. Bardzo staram się ją wspierać, bo widzę, że tam tworzy się pewna społeczność i można znaleźć chętnych, bo wiadomo, że lepiej jest działać w grupie, bo po pierwsze trudniej powiedzieć, że mi się nie chce, a po drugie osoby, które działają w grupie, nawzajem się nakręcają.

Komu polecasz przerobienie tego kursu, czy tylko programistom, czy dla jakiejś innej grupy?

Myślę, że podstawą jest zainteresowanie tematem, więc jeżeli ktoś jest nim zainteresowany i chciałby mieć bardzo efektywne i szybkie wprowadzenie do machine learning, które da mu taką bazę do tego, żeby dalej się rozwijać, poleciłbym mu to szkolenie. Przede wszystkim poleciłbym to tym wszystkim osobom, które tak ja, chciałyby się tym zająć, ale wiecznie nie mają czasu, a na pewno samodzielna nauka, żeby móc coś sensownego zrobić, zajęłaby mi dużo więcej czasu, o ile w ogóle byłbym w stanie dojść do tego momentu i nie zniechęcić się wcześniej. Na pewno jest to świetna sprawa na początek dla ludzi, którzy chcą w ten temat wejść, a potem już go móc w domu samodzielnie, czy na innych kursach, pogłębiać.

I ostatnie pytanie już na dzisiaj. Jak można się z Tobą skontaktować?

Asteinder (at) gmail.com albo LinkedIn. Jeżeli ktoś będzie miał jakieś pytania, to oczywiście bardzo chętnie odpowiem.

Super, dziękuję Ci bardzo Andrzej za Twój czas i chęć podzielenia się swoją opinią.

Vladimir, dzięki. Nie ma za co. Dziękuję za przygotowanie naprawdę fajnego kursu.

Zapisz się, a otrzymasz

Bm small small
  1. Dostaniesz wartościowe materiały w postaci ebooków, checklist czy podsumowań.
  2. Informację o kolejnych odcinkach podcastu
  3. Zniżkę (10% lub większą) na trening uczenia maszynowego
  4. Aktualności na temat sztucznej inteligencji
Rozpędź swój biznes sztuczną inteligencją Powered by ConvertKit
Jestem na

Vladimir

Podcaster at Biznes Myśli
Od 2013 roku zacząłem pracować z uczeniem maszynowym (od strony praktycznej). W 2015 założyłem inicjatywę DataWorkshop. Pomagać ludziom zaczać stosować uczenie maszynow w praktyce. W 2017 zacząłem nagrywać podcast BiznesMyśli. Jestem perfekcjonistą w sercu i pragmatykiem z nawyku. Lubię podróżować.
Jestem na
Share

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *