Чтобы лучше понять инструменты ИИ, мы поговорили с Дмитрием Хизбуллиным, ведущим инженером в Исследовательском центре Huawei о будущем машинного обучения, разработке новой архитектуры нейронной сети и о том, как добиться успеха в профессии.
- Дмитрий, расскажите, пожалуйста, о своем профессиональном пути. Вы всегда хотели быть инженером-исследователем? Пригодилось ли вам образование физика?
- Меня с самого детства привлекала электроника, уже в 15 лет я проектировал и самостоятельно изготавливал печатные платы и писал код для микроконтроллеров на ассемблере и даже продал несколько приборов районным школам. Во время учебы на радиофизическом факультете университета им. Лобачевского я начал понимать, что мир быстро меняется, и не только инженерия, но и наука уходит в софт: физические процессы чаще моделируются, чем замеряются на стэнде. Чтобы быть востребованным на рынке, нужно уметь писать код на С++, а теперь и на Python и знать все современные концепты в проектировании ПО. Тем не менее я хотел бы подчеркнуть важность технического образования, ведь именно оно дает практику строгого проведения экспериментов, критического мышления, настойчивого решения на первый взгляд нерешаемых задач. За 15 лет работы в России, Германии и Эстонии с каждым годом я многократно убедился в важности фундаментальных знаний. К примеру, нейронные сети, на которых строится современный ИИ, полностью лежат на пересечении математической статистики, численных методов оптимизации, а также теории хаоса - тех курсов, которые я изучал в университете.
- В своей профессии вы стремились стать универсальным специалистом или выбрали узкое направление, почему?
- Я являюсь сторонником идеи профессионализма в форме буквы “Т”. Успешный инженер должен иметь широкий кругозор далеко за рамками своей специализации и при этом обладать непревзойденной глубиной знаний в своей основной сфере.
- Что вы посоветуете специалистам со средним опытом, как выбрать карьерную траекторию, идти в стартап или крупную корпорацию?
- Выбор между стартапом и корпорацией зависит в основном от аппетита к риску. В успешном стартапе можно очень быстро вырасти до ведущих ролей, но можно и скатиться в безвестность - отсюда риск. В большой стабильной корпорации вас ожидает уверенный, но порой мучительно медленный карьерный рост, что дает больше стабильности. Гораздо важнее наметить для себя направление вашей основной специализации - ту самую вертикальную черту в букве “Т” и не отклоняться от нее как минимум в течение 5-8 лет, при этом не важно, пойдете вы в стартам или корпорацию. Для меня это направление - искусственный интеллект и обучение нейронных сетей.
- Какие глобальные проблемы человечества вы хотели бы решить, будучи выдающимся экспертом по ИИ с более чем 15-летним опытом?
- На протяжении нескольких лет я занимался беспилотными автомобилями - технологией, способной сократить число аварий на дорогах в десятки раз. Меня мотивирует в том числе возможность помочь спасти миллионы человеческих жизней, которые уносят автомобильные аварии. Также меня привлекают проекты в рамках устойчивого развития. К примеру, исследователи DeepMind применяют машинное обучение для редактирования генетического кода бактерий, чтобы дать им способность расщепить пластиковые отходы, которыми сейчас засорена планета. Другой проект, который меня вдохновляет, - применение обучения с подкреплением для удержания плазмы в токамаках и стеллараторах, позволяющее ускорить переход энергетики к термоядерному синтезу, являющемуся экологичным и безопасным видом энергии.
- За чем, по вашему мнению, будущее машинного обучения? Какие качества нужны молодым людям, чтобы преуспеть в этой профессии через 3-5 лет? Машинное обучение определенно еще не достигло пика своего развития. Почему оно набирает популярность?
- Потому что оно способно неожиданно решать крайне сложные задачи совершенно прорывным образом. Таким образом, абсолютно невозможно предсказать, на какие задачи будет упор в ближайшие несколько лет и когда мы увидим так называемый Общий ИИ. Тем, кто хочет войти в разработку ИИ, я советую набраться энтузиазма изучить все ключевые научные статьи по вашей теме, сделать несколько домашних проектов, решающих нетривиальные задачи и опубликовать технические статьи на Хабре или TowardsDataScience и таким образом улучшить свою видимость в сообществе.
- Насколько важен нетворкинг в вашей деятельности? Как развить такую широкую сеть нетворка, как у вас?
- Действительно, помимо жестких навыков, начиная с уровня руководителя команды, абсолютно необходимы мягкие навыки и нетворкинг. Есть один лайфхак, которым я хочу поделиться. У каждой научной статьи есть авторы, так же как и в github репозиториях у понравившихся вам проектов. Вы можете найти авторов в Linkedin или в любой другой профессиональной социальной сети и списаться с ними. В личном сообщении вы можете поблагодарить их за их проект и вклад, а для начала беседы задать вопрос, который у вас есть по статье или коду.
- Ваши разработки используются в проектах мирового масштаба. Как вы добились такого успеха и как вы нашли такие интересные проекты?
- Я руководствуюсь принципом взаимовыгоды при выборе проекта. Поскольку я готов принести свою экспертизу по ИИ и свою полную вовлеченность в проект, я тщательно анализирую компанию, команду и потенциал роста и легко говорю нет компании, которая не отвечает моим требованиям, даже за большие деньги. К примеру, эстонский стартап Starship привлек меня своей устремленностью к полной автоматизацию доставки по всему миру. Исследовательский центр Huawei позволил разрабатывать продукты, отражающиеся на всем бизнесе компании с оборотом в $136 млрд.
- Расскажите, пожалуйста, подробнее о вашем патенте.
- В рамках работы над беспилотными автомобилями в Huawei я разработал новую архитектуру нейронной сети, способную улучшить дальность зрения беспилотника до 250 метров. Для безопасности беспилотного автомобиля, движущегося на большой скорости, к примеру, по шоссе, критически важным является его способность заметить препятствие на дороге как можно раньше, чтобы успеть сбросить скорость. Предложенная мной архитектура нейронной сети запатентована в международном и в китайском доменах и используется в ассистенте водителя электромобиля Arcfox Alpha.
- С высоты вашей экспертизы в чем преимущества ML относительно любых других сфер, по вашему мнению?
- Машинное обучение прекрасно тем, что небольшая инженерная команда имеет возможность решать масштабные задачи с высоким качеством. Если раньше банкам нужен был штат банкиров, оценивающих заемщиков, то теперь это делает модель машинного обучения. Подобная автоматизация позволяет специалистам по нейронным сетям получать высокие зарплаты и иметь впечатляющие записи в резюме.
- Где сейчас сильнейшие школы, куда бы вы посоветовали обратиться молодым специалистам?
- Среди российских образовательных площадок, имеющих в своей программе курсы по машинному обучению, я бы порекомендовал OTUS, где я сам преподаю для уже состоявшихся программистов, желающих перепрофилироваться в нейронные сети. Преимущество OTUS в том, что каждую лекцию ведет преподаватель лично, и все они - высококлассные специалисты из индустрии, опытные практики.
- Работа в одиночестве или в команде, что предпочитаете вы? В чем ваш личный секрет успеха?
- Перефразируя известную поговорку, хочешь сделать проект быстро - делай один, хочешь реализовать большой значимый проект - делай командой. Начиная с уровня старшего инженера, не говоря уже о ведущем, лидерство в команде - естественный и единственно возможный способ увеличить свой рычаг влияния. Будучи экспертом по ИИ, я делюсь знаниями с командой, повышая их продуктивность и позволяя реализовать масштабные проекты.
Беседу провела Ирина Кислицына.
