ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

В чем разница между Artificial Intelligence, Machine Learning и Data Science?


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Разграничение понятий в области искусственного интеллекта и анализа данных.

Artificial Intelligence — AI (Искусственный Интеллект)

В глобальном общечеловеческом смысле ИИ — термин максимально широкий. Он включает в себя как научные теории, так и конкретные технологические практики по созданию программ, приближенных к интеллекту человека.

Что нужно для качественного машинного обучения?

Data Scientiest’ы! Именно они создают алгоритм прогноза: изучают имеющиеся данные, выдвигают гипотезы, строят модели на основе Data Set. Они должны обладать тремя основными группами навыков: IT-грамотностью, математическими и статистическими знаниями и содержательным опытом в конкретной области.

Машинное обучение стоит на трех китах

Получение данных
Могут быть использованы данные из смежных систем: график работ, план продаж. Данные могут быть также обогащены внешними источниками: курсы валют, погода, календарь праздников и т. д. Необходимо разработать методику работы с каждым типом данных и продумать конвейер их преобразования в формат модели машинного обучения (набор чисел).

Построение признаков
Проводится вместе с экспертами из необходимой области. Это помогает вычислить данные, которые хорошо подходят для прогнозирования целей: статистика и изменение количества продаж за последний месяц для прогноза рынка.

Модель машинного обучения
Метод решения поставленной бизнес-задачи выбирает data scientist самостоятельно на основании своего опыта и возможностей различных моделей. Под каждую конкретную задачу необходимо подобрать отдельный алгоритм. От выбранного метода напрямую зависят скорость и точность результата обработки исходных данных.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Процесс создания ML-модели.

Machine Learning — ML (Машинное обучение)

Раздел AI, активно применяющийся на практике. Сегодня, когда речь заходит об использовании AI в бизнесе или на производстве, чаще всего имеется в виду именно Machine Learning.

ML-алгоритмы, как правило, работают по принципу обучающейся математической модели, которая производит анализ на основе большого объема данных, при этом выводы делаются без следования жестко заданным правилам.

Наиболее частый тип задач в машинном обучении — это обучение с учителем. Для решения такого рода задач используется обучение на массиве данных, по которым ответ заранее известен (см.ниже).

Когда эффективно применение машинного обучения?

Когда есть большой набор статистических данных, но найти в них зависимости экспертными или классическими математическими методами невозможно или очень трудоемко. Так, если на входе есть более тысячи параметров (среди которых как числовые, так и текстовые, а также видео, аудио и картинки), то найти зависимость результата от них без машины невозможно.

Например, на химическую реакцию кроме самих вступающих во взаимодействие веществ влияет множество параметров: температура, влажность, материал емкости, в которой она происходит, и т. д. Химику сложно учесть все эти признаки, чтобы точно рассчитать время реакции. Скорее всего, он учтет несколько ключевых параметров и будет основываться на своем опыте. В то же время на основании данных предыдущих реакций машинное обучение сможет учесть все признаки и дать более точный прогноз.

Как связаны Big Data и машинное обучение?

Для построения моделей машинного обучения требуются в разных случаях числовые, текстовые, фото, видео, аудио и иные данные. Для того чтобы эту информацию хранить и анализировать существует целая область технологий — Big Data. Для оптимального накопления данных и их анализа создают «озера данных» (Data Lake) — специальные распределенные хранилища для больших объемов слабоструктированной информации на базе технологий Big Data.

Цифровой двойник как электронный паспорт

Цифровой двойник — виртуальная копия реального материального объекта, процесса или организации, которая позволяет моделировать поведение изучаемого объекта/процесса. Например, можно предварительно увидеть результаты изменения химического состава на производстве после изменений настроек производственных линий, изменений продаж после проведения рекламной кампании с теми или иными характеристиками и т. д. При этом прогнозы строятся цифровым двойником на основе накопленных данных, а сценарии и будущие ситуации моделируются в том числе методами машинного обучения.

Data Science — DS (Наука о данных)

Наука и практика анализа больших объемов данных с помощью всевозможных математических методов, в том числе машинного обучения, а также решение смежных задач, связанных со сбором, хранением и обработкой массивов данных.

Data Scientists — специалисты по работе с данными, в частности, проводящие анализ при помощи machine learning.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Как работает Machine Learning?

Рассмотрим работу ML на примере задачи банковского скоринга. Банк располагает данными о существующих клиентах. Ему известно, есть ли у кого-то просроченные платежи по кредитам. Задача — определить, будет ли новый потенциальный клиент вовремя вносить платежи. По каждому клиенту банк обладает совокупностью определенных черт/признаков: пол, возраст, ежемесячный доход, профессия, место проживания, образование и пр. В числе характеристик могут быть и слабоструктурированные параметры, такие как данные из соцсетей или история покупок. Кроме того, данные можно обогатить информацией из внешних источников: курсы валют, данные кредитных бюро и т. п.

Машина видит любого клиента как совокупность признаков:

. Где, например,

— доход, а

— количество фотографий дорогих покупок в месяц (на практике в рамках подобной задачи Data Scientist работает с более чем сотней признаков). Каждому клиенту соответствует еще одна переменная —

Совокупность всех данных

— есть Data Set. Используя эти данные, Data Scientist создает модель

, подбирая и дорабатывая алгоритм машинного обучения.

В этом случае модель анализа выглядит так:


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Алгоритмы машинного обучения подразумевают поэтапное приближение ответов модели

к истинным ответам (которые в обучающем Data Set известны заранее). Это и есть обучение с учителем на определенной выборке.

На практике чаще всего машина обучается лишь на части массива (80 %), применяя остаток (20 %) для проверки правильности выбранного алгоритма. Например, система может обучаться на массиве, из которого исключены данные пары регионов, на которых сверяется точность модели после.

Теперь, когда в банк приходит новый клиент, по которому

еще не известен банку, система подскажет надежность плательщика, основываясь на известных о нем данных

Однако, обучение с учителем — не единственный класс задач, которые способна решать ML.

Другой спектр задач — кластеризация, способная разделять объекты по признакам, например, выявлять разные категории клиентов для составления им индивидуальных предложений.

Также с помощью ML-алгоритмов решаются такие задачи, как моделирование общения специалиста поддержки или создание художественных произведений, неотличимых от сотворенных человеком (например, нейросети рисуют картины).

Новый и популярный класс задач — обучение с подкреплением, которое проходит в ограниченной среде, оценивающей действия агентов (например, с помощью такого алгоритма удалось создать AlphaGo, победившую человека в Го).


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Нейронная сеть

Один из методов Machine Learning. Алгоритм, вдохновленный структурой человеческого мозга, в основе которой лежат нейроны и связи между ними. В процессе обучения происходит подстройка связей между нейронами таким образом, чтобы минимизировать ошибки всей сети.

Особенностью нейронных сетей является наличие архитектур, подходящих практически под любой формат данных: сверточные нейросети для анализа картинок, рекуррентные нейросети для анализа текстов и последовательностей, автоэнкодеры для сжатия данных, генеративные нейросети для создания новых объектов и т. д.

В то же время практически все нейросети обладают существенным ограничением — для их обучения нужно большое количество данных (на порядки большее, чем число связей между нейронами в этой сети). Благодаря тому, что в последнее время объемы готовых для анализа данных значительно выросли, растет и сфера применения. С помощью нейросетей сегодня, например, решаются задачи распознавания изображений, такие как определение по видео возраста и пола человека, или наличие каски на рабочем.

Интерпретация результата

Раздел Data Science, позволяющий понять причины выбора ML-моделью того или иного решения.

Существует два основных направления исследований:

Например, при прогнозировании брака на производстве признаки объектов

— это данные настроек станков, химический состав сырья, показатели датчиков, видео с конвейера и т. д. А ответы

– это ответы на вопрос, будет ли брак или нет.

Естественно, производство интересует не только прогноз самого брака, но и интерпретация результата, т. е. причины брака для их последующего устранения. Это может быть долгое отсутствие тех.обслуживания станка, качество сырья, или просто аномальные показания некоторых датчиков, на которые технологу стоит обратить внимание.

Потому в рамках проекта прогноза брака на производстве должна быть не просто создана ML-модель, но и проделана работа по её интерпретации, т. е. по выявлению факторов, влияющих на брак.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

От нейрона до умного города

Чем цифровизация отличается от цифровой трансформации? Правда ли, что 5G продлевает жизнь? Что такое «сильный ИИ»? Разбираемся вместе.

Обложка: Meery Mary для Skillbox

Обозреватель Skillbox Media, в прошлом продюсер РБК. Пишет про идеи, технологии и истории. И про то, как на всём этом можно заработать.

Такие слова, как «искусственный интеллект», «нейросеть» и «цифровизация», мы слышим каждый день. С помощью всего этого работают и госучреждения, и хайповые приложения для обработки фотографий, и домашняя техника. Тем не менее объяснить устройство нейросети смогут не все, а цифровизацию, к которой так стремится бизнес, в каждой сфере понимают по-своему.

В этом гайде мы разберём самые важные понятия и процессы, связанные с диджитализацией. Расскажем, откуда взялись расхожие заблуждения (например, о том, что 5G вызывает рак). Спросим разработчиков, как научить нейросеть творить. Узнаем, когда люди начнут жить в умных городах и чем опасно быстрое развитие ИИ.

Единственного канонического определения искусственного интеллекта не существует. Обычно под ИИ подразумевают систему, способную «мыслить» или действовать как человек и постепенно учиться новому, используя собранную информацию.

Самые распространённые ИИ-технологии — это чат-боты, системы персонализированных рекомендаций в онлайн-магазинах и кинотеатрах и голосовые помощники вроде Siri или Алисы. Намного более сложные алгоритмы уже руководят строительством и разрабатывают новые лекарства.

И всё же искусственный интеллект пока не достиг уровня человеческого разума. Создать систему, которая справится со всем, что по силам человеку, то есть «сильный ИИ», — мечта многих разработчиков. По оценке технического директора Google Рэймонда Курцвейла, это произойдёт не ранее 2029 года.

Да, машинное обучение — это обучение ИИ. Чтобы создателю системы не приходилось постоянно дополнять её вручную, ИИ тренируют выполнять определённые действия, используя в качестве обучающих материалов массив данных. Например, показывают тысячи изображений котов и собак и учат отличать этих животных друг от друга. Если система назовёт собаку котом, программист поправит её и в следующий раз вероятность ошибки будет ниже.

В машинном обучении выделяют более сложный уровень глубокого обучения. Например, компания TwoSense. AI, которая специализируется на цифровой безопасности, с помощью глубокого обучения борется с мошенничеством. Алгоритмы составляют уникальный профиль для каждого пользователя, анализируя несколько параметров, включая длину его шага и геолокацию устройства. В глубоком обучении почти всегда участвуют нейросети.

Грубо говоря, нейронная сеть — это модель человеческого мозга. В биологии нейронами называют клетки мозга, которые принимают, обрабатывают и передают электрические сигналы. В цифровой сети нейрон — это математическая функция, вписанная в код.

Сеть состоит из нескольких слоёв нейронов, каждый из которых выполняет свою задачу. Например, первый слой принимает информацию, второй обрабатывает её, а на третий выводится результат вычислений. Каждому соединению нейронов — ребру нейросети — разработчики присваивают определённый вес. Если сеть ошибается, то вес корректируют. Это повторяется много раз до тех пор, пока система не перестанет делать ошибки.

Оказалось, что такой подход позволяет не только решать утилитарные задачи, но и творить. В 2016 году российское приложение Prisma, которое превращает фотографии в картины с помощью нейросети, попало в топ App Store. За прошедшие с этого момента пять лет нейросети научили писать собственные картины и музыку. А в 2017 году вышел рассказ «Гарри Поттер и портрет того, что выглядит, словно большая куча пепла», созданный нейросетью, в которую загрузили всю поттериану.

Иллюстрация: Майя Мальгина / Skillbox

Творческий процесс с использованием нейросети состоит из нескольких этапов. Прежде всего нужно выбрать архитектуру. Она зависит от задачи. Чтобы писать рассказы, нужна одна архитектура сети, а чтобы обрабатывать фото — другая. Например, тексты пишут нейросети, которые называют языковыми моделями. Они «читают» много текста, собирают статистику о нём и «учатся» понимать, как организованы слова: что за чем чаще всего идёт.

При этом нейросеть, которая «обучалась» на книгах Роулинг, не напишет ничего принципиально нового.

«Текст получится похожим на книги о Гарри Поттере, чем-то средним между всеми этими книгами. Чтобы он был другим, нужно дать нейросети „почитать“ других авторов. Например, Пелевина. Тогда на выходе получится что-то среднее между Роулинг и Пелевиным.

И это относится ко всем подобным моделям. Нейросети, которые пишут тексты, картины или обрабатывают фото, ничего принципиально нового в искусстве не изобретут», — рассказала Skillbox Media преподаватель Deep Learning School МФТИ Татьяна Гайнцева.

В широком смысле цифровизацией принято называть внедрение digital-решений, в частности нейросетей. Весь процесс обычно проходит в несколько этапов. Разберём их на примере бизнеса.

На первом этапе данные с физических носителей просто переводят в цифровой формат. Это стадия оцифровки. Завершив её, можно приступать собственно к цифровизации. На этом этапе оцифрованные данные используют для упрощения и оптимизации процессов. Но цифровизация не финальный этап. За ней следует цифровая трансформация. Это глубокое преобразование бизнеса с опорой на digital-решения. Цифровая трансформация открывает перед компанией новые возможности (например, выйти в новые ниши или повысить выручку за счёт новой стратегии), но не гарантирует успех. Это лишь возможности.

В 2020 году процесс цифровой трансформации резко набрал скорость из-за пандемии. По данным Dell, 85% компаний в России и 80% компаний в мире ускорили внедрение программ цифровой трансформации.

Сейчас digital-решения внедряют во всех сферах. И И помогает в выборе фильма на вечер и подбирает партнёров в Tinder. Дополненную реальность (AR) используют в играх (вспомним хотя бы Pokemon Go), а с помощью виртуальной реальности (VR) можно провести тест-драйв перед покупкой автомобиля.

Доцент «Сколтеха» Дмитрий Лаконцев называет одним из основных драйверов цифровизации интернет вещей (IoT). На бытовом уровне это явление особенно заметно: «умные» устройства с доступом к интернету «общаются» между собой. Чайник можно включить со смартфона, а холодильник также через телефон подсказывает владельцу, какие продукты купить. Это и есть интернет вещей. Правда, чайниками его возможности не ограничиваются. Промышленный интернет вещей (IIoT) автоматизирует производство с помощью «умного» оборудования.

Есть несколько факторов, которые этому мешают. Одних технологий недостаточно.

«Для того чтобы запустить процесс с нужной скоростью, нужны квалифицированные кадры. Пока таких специалистов не хватает», — объясняет заведующий Международной лабораторией цифровой трансформации в государственном управлении при НИУ ВШЭ Евгений Стырин.

По мнению продакт-менеджера Intel по глубокому обучению Ольги Перепёлкиной, для цифровизации нужно больше качественных, правильно размеченных данных, а их подготовка — например, соотнесение с определёнными классами — дорогой и трудоёмкий процесс. Также внедрение ИИ сдерживается недоверием людей к этой технологии и боязнью того, что искусственный интеллект заменит живых специалистов:

«Например, в медицине бывают случаи, когда персонал сопротивляется внедрению таких систем из страха, что часть функций будет отдана на откуп машинам, а специалисты потеряют свою ценность», — пояснила Ольга Skillbox Media.

Ещё одно существенное препятствие — недостаточное распространение 5G-сетей. По оценкам Ericsson, только к 2026 году на них будет приходиться больше половины мирового трафика.

5G — это мобильные сети пятого поколения. Буква G в названии означает generation. Первое поколение появилось ещё в 1980-х годах, а в 2010-х стал популярен стандарт 4G. Сейчас идёт развёртывание 5G-сетей. Сигнал 5G передаётся на более высоких частотах, чем 4G-сигнал.

Миф о том, что сети 5G провоцируют развитие рака, появился в 2019 году, когда журнал Scientific American опубликовал статью под названием «У нас нет никаких причин считать 5G безопасными». Её автор опирался на результаты эксперимента 2018 года: крысы, которых подвергали воздействию высокочастотных электромагнитных полей, чаще других болели раком. Эти выводы оказались ошибочными. Выяснилось даже, что самцы крыс, которые подвергались воздействию, жили дольше своих сородичей.

Scientific American выпустил опровержение через полторы недели после первой публикации, но волну паники было не остановить. Противники сетей нового поколения до сих пор жгут вышки 5G и всё, что за них принимают.

Новое поколение намного быстрее предшественников. Скорость 5G-интернета — 10–25 Гбит/с, а задержка в передаче сигнала — всего 1–2 мс. Для сравнения: в 4G скорость 1 Гбит/с считалась прорывом.

Это открывает новые возможности. Например, для передачи изображений высокого качества. C 5G виртуальная реальность станет доступной, а телемедицина — более продвинутой. То есть хирург сможет руководить операцией удалённо. 5 G ускорит развитие беспилотного транспорта, а идея умного города сможет реализоваться в полной мере.

Не совсем. Сразу оговоримся: единого определения умного города нет. Это словосочетание превратилось в бренд, под которым запускают разные проекты — от экологических до связанных с безопасностью и здравоохранением. Несмотря на разницу в подходах, большинство концепций «умных городов» предполагают такие характеристики, как:

Сейчас главная трудность в том, чтобы совместить и скоординировать все эти направления.

«Городское управление представляет собой не монолитную систему „умный город“, а своеобразный оркестр из множества информационных сервисов, которые работают в единой связке. Одни сервисы муниципалитеты могут создавать сами, другие они заказывают профильным поставщикам. Оптимальная IT-среда для такого оркестра — открытые гибридные облачные платформы, позволяющие быстро интегрировать новые сервисы, в том числе основанные на искусственном интеллекте», — рассказал Skillbox Media Олег Бяхов, директор по государственным программам и развитию бизнеса IBM в России и СНГ.

Чтобы смоделировать все процессы, которые происходят в городе, и оптимизировать их, строят цифровые двойники. Среди самых ярких проектов — двойники Сингапура, Бостона и нового индийского города Амаравати.

Это виртуальная модель объекта или процесса. Городу цифровой двойник нужен для того, чтобы эффективнее управлять инфраструктурой (например, «умными» светофорами, системами ЖКХ и общественным транспортом), следить за тем, как климатические изменения влияют на жителей и здания, моделировать разные варианты развития территорий и выбирать оптимальные.

А цифровой двойник завода помогает спрогнозировать разные сценарии и предсказать, когда нужно будет ремонтировать оборудование, а когда — менять. Ещё он может подсчитать, сколько именно сырья и в какой момент нужно иметь на складе. Если вы разрабатываете сложное промышленное оборудование, то с помощью цифрового двойника его можно виртуально протестировать в разных условиях. При этом не придётся тратиться на физический прототип.

Цифровые двойники — важная составляющая Индустрии 4.0. Этим термином принято обозначать технологии эпохи четвёртой промышленной революции. Третья пришлась на начало XXI века — она характеризовалась внедрением компьютеров и сокращением использования полезных ископаемых.

В Индустрии 4.0 материальные объекты соединяются с виртуальными и образуют единую цифровую экосистему. « Умное» предприятие, на котором многими процессами управляет ИИ, и есть такая система.

Подобные мысли в последнее время высказывают в разных странах на самом высоком уровне. Например, Европарламент хочет запретить ИИ принимать решения о применении оружия, а в США рассматривают вопрос о том, чтобы ограничить его использование при отсеивании резюме кандидатов. В России тоже хотят регламентировать применение ИИ в тех сферах, где ошибка может иметь юридически значимые последствия.

Татьяна Гайнцева (Deep Learning School МФТИ) считает, что опасения обоснованны: «Да, действительно, нейросети очень быстро развились, и законы не поспели за этим процессом. По сути, сейчас он никак не регулируется. Две главные проблемы — необъективность нейросетей и невозможность интерпретировать принятые ими решения.

Предвзятость связана с тем, что сеть обучается на данных. Нейросеть лучше „понимает“ то, что она видела чаще всего, а сделать выборку данных сбалансированной по всем параметрам невозможно. Допустим, в ней будет поровну мужчин и женщин всех рас, но тех, кто носит очки, окажется меньше, чем тех, кто их не носит. Людей с короткими волосами может быть больше, чем длинноволосых, и так далее. Всё это делает нейросеть предвзятой.

Вторая проблема: мы никогда не сможем сказать, почему сеть выбрала то или иное. Представим, что нейросеть выносит приговор в суде, — невозможно будет узнать, на каких выводах он основан.

„Вылечить“ это мы пока никак не можем. Поэтому я считаю, что сейчас нет другого выхода, кроме как внести в законы ограничения для нейросетей. Важно реагировать быстро: проблемы будут постоянно обнаруживаться то в одной сфере, то в другой».

Вопрос о том, что можно и нельзя поручать ИИ, — один из главных в цифровой этике. Эта область этики сейчас только формируется. К ней относятся нормы обращения с информацией (в том числе с персональными данными) и технологиями, а также правила онлайн-коммуникации.

Чтобы «присматривать» за ИИ, крупные корпорации, например Google или IBM, нанимают собственных специалистов по цифровой этике или создают для этого группы из нескольких экспертов:

«В IBM есть AI Ethic Boards, то есть комитеты по этике ИИ, которые ещё на этапе дизайна рассматривают проекты с применением искусственного интеллекта. В такие комитеты входят специалисты по данным, дизайнеры систем, юристы и бизнес-консультанты», — говорит Олег Бяхов (IBM).


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Жизнь можно сделать лучше!Освойте востребованную профессию, зарабатывайте больше и получайте от работы удовольствие. А мы поможем с трудоустройством и важными для работодателей навыками.

Ребёнок всё время в планшете. Отбираем и прячем или вместе развиваем цифровой интеллект?

Время на прочтение

Всем привет! Эмоциональный интеллект – термин, который уже довольно давно знаком нам, и все мы в курсе, зачем и как его нужно развивать. Понятие «цифровой интеллект» появилось сравнительно недавно, но по мере того, что люди из всех социальных сфер погружаются в digital-среду все больше и больше, сейчас он не менее важен. В этой статье я хочу рассказать вам о том, что такое цифровой интеллект, и поделиться идеями, как можно развивать его у самых восприимчивых пользователей гаджетов – у детей.

Матчасть. Термин и цифры

Эксперты прогнозируют, что 90% населения будет подключено к интернету в течение ближайших 10 лет. В статье Стефани Томпсон (редактора журнала Всемирного экономического форума) был проведен опрос 800 экспертов и руководителей в ИТ-отрасли, чтобы понять, как выглядит наше цифровое будущее. Более подробно можно посмотреть здесь.

С каждым годом становится всё труднее справляться с быстрым ростом технологий и адаптироваться к ним. Поэтому человечеству необходимо приспосабливаться к изменяющимся условиям окружающего мира. Для того, чтобы приспособиться к новым ситуациям выживания, природа снабдила человека интеллектом.  Существует теория Множественного интеллекта Говарда Гарднера, согласно которой у человека существует несколько видов интеллекта: лингвистический, логико–математический, пространственный, музыкальный, телесно–кинестетический, личностный модуль. На сегодняшний день в такую классификацию добавлен эмоциональный и социальный интеллект. Каждый вид интеллекта развивается по-разному.

Какой интеллект необходим для умения обращаться с гаджетами, поиска необходимой информации в интернете, общения в социальных сетях, и других навыков необходимых для существования в современном мире информационных технологий? Базируются ли эти навыки на уже известной форме интеллекта или для этого необходим «новый» интеллект?

Да, такой интеллект существует и недавно ученые выделили такое понятие как Digital quotient (DQ) «Цифровой интеллект». Термин «Цифровой интеллект» это абсолютно новое понятие, которое не стоит путать с искусственным интеллектом и машинным обучением. Например, профессор Yuhyun Park в своих исследованиях дает следующее определение цифрового интеллекта:

«Цифровой интеллект (DQ) — это комплексный набор технических, когнитивных и социально – эмоциональных компетенций, которые позволяют людям решать задачи цифровой жизни и адаптироваться к ним».

Он включает следующие структуры: Цифровая идентификация, Цифровые права, Цифровая грамотность, Цифровая связь, Цифровой эмоциональный, Цифровая безопасность, Цифровая надежность, Цифровое использование.

И вот более наглядно:


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Развитие цифрового интеллекта

Итак, в нашем могучем человеческом мозге появилось место для еще одного вида интеллекта. Это прекрасно! Но для чего мы можем применить его развитие на практике?

Одно из главных – борьба с киберпреступностью!

По результатам ежегодного исследования Norton Cybercrime Report, одного из крупнейших в мире исследований в сфере киберпреступлений в отношении пользователей, ущерб от киберпреступности за 2021 год будет оценивать в 6 триллионов долларов. Согласно результатам исследования, каждую секунду 18 пользователей старше восемнадцати лет становятся жертвами киберпреступности, ежедневно это более полутора миллионов жертв в мире. Средний ущерб от кибератаки на одного среднестатистического пользователя составляет $197. За последний год примерно 556 миллионов пользователей старше 18 лет во всем мире пострадали от киберпреступности, – это больше, чем все население Европейского Союза. Полную статистику можно найти, например вот тут. Цифры выглядят не очень, правда? К сожалению, жертвами мошенников становятся не только пожилые люди, но и молодежь, которая игнорирует правила безопасности в Интернете. Именно поэтому необходимо начинать прививать цифровую грамотность еще с детства.

Развиваем DQ у детей

Когда родители не знают, как объяснить маленькому человеку, почему нельзя разговаривать с незнакомцами и открывать дверь без взрослых дома, они просто говорят: «Нет – значит, нет». То же самое касается гаджетов и Интернета. Есть две крайности: либо родители просто отдают ребенку айпад и никак не ограничивают его использование, либо же планшет или телефон становятся предметом вожделения, который выдается раз в неделю за хорошее поведение. Так тоже неправильно: дети так или иначе должны познать цифровую среду и научиться комфортно существовать в ней без угрозы для их реальной безопасности

Тем более, что гаджеты – это не всегда вселенское зло для детей. Кроме доступа к актуальным сейчас онлайн-занятиям, существует много интересных приложений которые развивают критическое мышление, интеллект и многие другие навыки: например, Меморадо, Mekorama, Minecraft, в котором можно постигать азы программирования и т.д.

Эта техника тайм-менеджмента, которую часто рекомендуют для работы, пригодится и в развитии DQ у детей: учимся соблюдать баланс между цифровой и реальной жизнью. 25 минут учим уроки или занимаемся домашними делами,  далее делаем пятиминутный перерыв на игру или соцсети, затем снова 25 минут работы.  Для детей понятие времени идет не так как у взрослых, и даже не каждый взрослый умеет управлять им. Поэтому этот метод стал очень хорошим помощником – психологически ребенку стало проще переключаться, так как он знает, что когда закончит выполнять свои обязанности, он снова сможет поиграть определенное время.

Жулик, не воруй

Конечно, мы еще не все проговорили с нашим ребенком. Например, как справляться с кибербуллингом, как защитить себя в интернете, как управлять цифровой эмпатией. Но зерно посеяно, и оно явно дает плоды.

Есть ли у вас опыт обучения ребенка тому, как использовать гаджеты и находиться в Сети? Буду рада, если вы поделитесь им в комментариях!

Теория множественного интеллекта Говарда Гарднера

Научное обоснование индивидуального подхода к каждому ученику или очередной миф?

chinahbzyg / shutterstock

Филолог, полиглот, IT-гик. В прошлом — преподаватель английского и литературы и рецензент Rolling Stone Russia. Ныне переводит для РБК и пишет о программировании и образовании для Skillbox.

Вы наверняка замечали, что ученики по-разному проявляют себя: кто-то хорош в языках, кто-то в математике, а кто-то во всём сразу. Это заметил и американский психолог Говард Гарднер, который разработал на этом наблюдении теорию множественного интеллекта.

В конце XX века эта концепция была одним из главных козырей критиков IQ-тестов. Однако сегодня эту теорию критикуют едва ли не столько же, сколько IQ. Разбираемся, прав ли был Гарднер или это всего лишь очередной миф в педагогике.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

В начале восьмидесятых Гарднер изучал когнитивные способности и академические успехи людей разных возрастов. Среди исследуемых были как высоко одарённые, так и люди, имеющие мозговые повреждения. Психолог обнаружил, что результаты многих учащихся зависят не только от природных талантов и интересов, но и от того, как они усваивают информацию.

Например, если ученик не понял грамматическую конструкцию иностранного языка на слух, то это ещё не означает, что у него нет лингвистических способностей. Возможно, нужно было использовать другой подход — например, визуализировать информацию в таблице.

Спустя какое-то время Гарднер предположил, что с точки зрения устройства интеллекта мозг — это не единое целое, а множество независимых «блоков», каждый из которых отвечает за разные навыки и умения. И в 1983 году психолог выпустил книгу «Структура разума: теория множественного интеллекта» (оригинальное название — Frames of Mind: The Theory of Multiple Intelligences), в которой сформулировал теорию о существовании «множества интеллектов».

Первоначально Гарднер выделил семь типов интеллекта. Однако в 1999 году он дополнил теорию книгой «Переосмысление интеллекта: множество интеллектов в XXI веке» (оригинальное название — Intelligence Reframed: Multiple Intelligences for the 21st Century), в которой описал ещё один тип интеллекта — натуралистический. Так появилась современная «восьмёрка интеллектов» Гарднера:

Основная идея Гарднера заключается в том, что эти интеллекты автономны — между ними нет связи или она очень слабая. Психолог утверждает, что обычно у человека хорошо развиты несколько типов интеллектов, но некоторые из них могут сильно отставать от «главных». Из-за этого люди, которые блестяще показывают себя в одной дисциплине, порой не всегда в состоянии освоить даже школьную программу в другой.

Именно поэтому Гарднер видит в тестах IQ несправедливость образовательной системы — ведь по сути они оценивают лишь вербальный и логико-математический типы интеллекта.

Теория Гарднера приводит к выводу, что можно стать замечательным музыкантом или врачом, имея не самый высокий IQ. Однако этих людей ещё в школе списывают со счетов, ведь традиционный подход к образованию заточен преимущественно на логику и вербальную информацию.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

В книге «Переосмысление интеллекта: множество интеллектов в XXI веке» Гарднер также предложил ещё один вид интеллекта — экзистенциальный. По мнению психолога, этот тип наиболее отличает людей от животных, так как заставляет задумываться о смысле и причинах собственного существования и других философских проблемах.

Однако в интервью 2016 года веб-порталу BigThink психолог признался, что пока только думает о том, чтобы расширить устоявшийся список из восьми типов интеллекта. В той же беседе Гарднер рассказал ещё об одном типе, над которым много размышляет, — педагогическом. Его, считает Гарднер, легко обнаружить даже у четырёхлетних детей — уже в этом возрасте некоторые подбирают разные слова, объясняя одну и ту же тему взрослому и сверстнику.

«Интеллектов может быть восемь, десять или даже 12. Меня не столько волнует количество, сколько оспаривание теории о том, что интеллект — это нечто целое. Жизнь слишком коротка, и если посвящать всё время только одному интеллекту, у нас не останется времени на другие. Куда важнее другой вопрос: стоит ли развивать свои сильные интеллекты или же лучше подтягивать слабые?»

Говард Гарднер, интервью изданию BigThink

В интервью психолог также отверг идею существования юмористического, кулинарного и сексуального типов интеллектов. Гарднер прокомментировал, что, например, юмор — это часть логико-математического интеллекта, так как многие шутки строятся на разрушении ожидания логичной концовки.

Среди наиболее интересных продолжений теории Гарднера можно отметить попытку дополнить список цифровым интеллектом. Этот тип также получил название «метаинтеллект» — он объединяет другие типы и отвечает за взаимодействие человека с цифровой средой и технологиями.

В 2015 году южнокорейский педагог и доктор наук в отрасли биостатистики Пак Юхён со своими коллегами из Наньянского технологического университета изобрела понятие DQ (digital quotient, в переводе — «цифровой коэффициент»), о котором написала книгу «IQ EQ DQ. Новый интеллект в эпоху ИИ». В том же году специалисты запустили онлайн-платформу DQ Institute, которая активно продвигает идею цифрового интеллекта и разрабатывает стандарты DQ. Сама организация даёт следующее определение цифровому интеллекту:

«Цифровой интеллект — это совокупность социальных, эмоциональных и когнитивных способностей, которые позволяют людям противостоять вызовам и адаптироваться к требованиям цифровой жизни».


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

В 2021 году идея о DQ только начала популяризироваться, но в будущем цифровые компетенции могут встать в один ряд с EQ (эмоциональным интеллектом) и IQ. Цифровой интеллект, в частности, отвечает за умение быстро адаптироваться к технологиям и компьютерную грамотность — навыки, которые уже играют важную роль в современной экономике.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Теорию множественного интеллекта порой путают со стилями обучения, с чем Гарднер категорически не согласен. Например, широко известна теория об аудиалах, визуалах и кинестетиках, которых якобы нужно учить по-разному — правда, этому нет реальных подтверждений. Не раз доказывалось, что если условному аудиалу давать больше информации на слух, то это не гарантирует его высокие результаты в обучении. От этого же предостерегает и Гарднер — не стоит думать, что человека с сильно развитым визуально-пространственным интеллектом нужно обучать только с помощью картинок. Такой подход, по его словам, способен лишь ухудшить эффективность обучения и снизить развитие других интеллектов.

Психолог считает, что концепция разных стилей обучения не даёт чёткого критерия, как, кому и какой стиль необходимо выбирать. И неясно, как оценивать и определять тот или иной стиль:

«Стиль обучения — это лишь гипотеза о том, как человек подходит к изучению различных вещей. Если у обучающегося „рефлексивный стиль“, то предполагается, что он размышляет обо всём. Но мы не можем утверждать, что рефлексивность при письме обязательно говорит о рефлексивности этого человека, когда он взаимодействует с другими людьми. Однако если рефлексивность действительно проявляется во всём, то преподаватели должны серьёзно отнестись к этому стилю».

Говард Гарднер, статья в The Washington Post

Гарднер также советует не вешать ярлыки на обучающихся. Например, если ученик не может усвоить таблицу умножения классическим способом, это не обязательно значит, что у него слабо развит логико-математический интеллект. Возможно, ему просто нужен другой подход к запоминанию таблицы. В то же время, учитывая индивидуальные особенности ученика, важно не зацикливаться на одних и тех же подходах обучения для него.

Чтобы избежать ошибочного применения своей теории на практике, психолог составил три чёткие рекомендации для педагогов:

Может показаться, что принципы индивидуализации и разнообразия несколько противоречат друг другу, и сам Гарднер, к сожалению, не очень подробно писал о практике их применения. Однако можно представить сценарий, когда учитель объясняет новую тему классу, используя разнообразные способы — текст, иллюстрации, интерактивные упражнения, — а для закрепления даёт ученикам индивидуальные задания: например, кто-то пишет эссе, кто-то рисует схему, кто-то готовит доклад в паре с одноклассником.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Кадр: фильм «Школа рока»

По сути, именно за эти рекомендации педагоги полюбили теорию множественного интеллекта. Она сыграла немалую роль в том, что обучение стало больше концентрироваться на самом ученике и его особенностях. Теория Гарднера учит не делать поспешных выводов и помогает раскрыть «безнадёжных» учеников с совершенно иной стороны. Что в итоге способствует борьбе с той самой социальной несправедливостью, виновником которой психолог считает IQ-тесты и всю традиционную систему образования.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Исследования также показали, что попытки объяснить материал разными методами помогают учащимся лучше усвоить информацию. К такому выводу в результате масштабного метаанализа пришёл Джон Хэтти — педагог и создатель проекта Visible Learning, посвящённого эффективному обучению. А возможность учеников демонстрировать знания и навыки удобным для них способом повышает интерес, вовлечённость и эффективность обучения.

Всё это звучит замечательно, но с самой теорией Говарда Гарднера всё не так однозначно.

Несмотря на всю привлекательность теории и её влияние на педагогику, она так и не получила широкого признания в научной среде. Гарднера обвиняют как в отсутствии экспериментов, так и в пристрастном отношении к собственным идеям. Также под сомнением остаётся вопрос об эмпирических данных, которые использовались при создании теории. Сам психолог писал об этом честно:

«Хотя теория множественного интеллекта прошла проверку огромным количеством эмпирических данных, она не подвергалась серьёзным экспериментальным проверкам».

Говард Гарднер, «Структура разума: теория множественного интеллекта»

По мнению критиков, Гарднер просто смешал интеллект, таланты, черты характера и приобретённые навыки и назвал это всё «интеллектами». Не раз доказывалось, что виды интеллекта, которые Гарднер чётко разделяет, на самом деле тесно связаны — а это подтверждает теорию общего интеллекта. Например, люди, которые обладают развитым межличностным интеллектом, как правило, показывают и высокие результаты в тестах на логику — ведь, например, хорошим адвокатам и дипломатам необходимо уметь как логично аргументировать, так и успешно коммуницировать.


ВСЕПРОНИКАЮЩЕЕ ВЛИЯНИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ ЯВЛЯЕТСЯ ТАКОЙ ЖЕ ЧАСТЬЮ НАШЕЙ ЖИЗНИ КАК И МЫ САМИ В СВЕТЕ ЭТОГО ПОЧЕМУ В СОВРЕМЕННОМ МИРЕ КАЖДОМУ ЧЕЛОВЕКУ НЕОБХОДИМО ОБЛАДАТЬ ЦИФРОВЫМ ИНТЕЛЛЕКТОМ

Некоторые исследователи и вовсе называют эту концепцию псевдонаукой. В частности, нидерландский психолог Пит ван дер Плуг, проанализировав ряд научных работ, якобы подтверждающих достоверность теории множественного интеллекта, отметил нарушения в проведении экспериментов.

Дело в том, что во время сравнительных экспериментов подход к обучению в контрольной группе нередко искусственно «сушили» — превращали весь образовательный процесс в сплошную зубрёжку. Также группам испытуемых, на которых тестировали идеи Гарднера, иногда давали больше времени на учёбу, чем контрольным группам. А положительные результаты применения концепции, которые укладывались в рамки погрешности и не имели статистической значимости, часто интерпретировали в пользу теории множественного интеллекта.

Противником теории выступает и психолог Линда Готтфредсон — она убеждена, что IQ предопределяет не только академические результаты, но и карьерный успех. Эта связь, хоть и оспаривается отдельными критиками, подтверждается множеством исследований и метаанализов. Теория Гарднера этим пока похвастаться не может.

Итак, существует высокая вероятность того, что теория множественного интеллекта — не более чем красивый миф. Большинство учёных так и не признали идеи Гарднера, а сам психолог соглашается, что теория практически никак не доказана экспериментально. Но несмотря на возможную псевдонаучность концепции, в одном Гарднер однозначно прав — не существует универсального подхода к обучению. Даже если человеческий интеллект — цельная единица, точно не лишним будет учитывать особенности каждого учащегося и преподносить информацию разными способами. Это поможет ученикам усвоить материал и повысит эффективность обучения — и наука с этим согласна.

Оставьте комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *