Экспертные системы: второй круг ада, нейронный
Оригинал взят у ailev в Экспертные системы: второй круг ада, нейронный
Юрий Пахомов мне на на фейсбуковский таймлайн вытащил свой текст по итогам фестиваля Data Science Week -- https://www.pcweek.ru/ai/article/detail.php?ID=193193. Изо всех проблем он выделил коммуникацию предметных специалистов, программистов и data scientists (рука не поднимается писать "учёных данных", да и по-русски "дата сайентистс" звучит почти как "сайентолог". Хорошо, что вместо computer scientist и software engineer можно писать просто "программист"). При этом программисты и эти самые "новые статистики" склеились в одном лице (за счёт увеличения времени обучения до готовности к работе), а вот с предметными специалистами пока незадачка -- требуется обычно много лет для погружения в специфику предметной области.
Мне эта вся дискуссия напоминает случившееся с экспертными системами в 80-х. Там смычку спецов по экспертным системам (которые писали на языках представления знаний -- OWL дальний потомок тех языков) и предметных специалистов обсуждали как особую дисциплину, knowledge acquisition. В итоге:
-- трудозатраты на knowledge acquisition оказались запредельны, ручное кодирование знаний дорогое. Спецы по языкам знаний (как их только не называли! "Когнитологи" было только одним из многочисленных вариантов) были запредельно дороги, что твои data scientists сегодня.
-- создать экспертную систему оказалось можно, но никто не ожидал, что сопровождать её будет адов труд: никакого снижения затрат по сравнению со временем разработки (а ведь знания это быстропрокисающий товар, нужно всё время доучиваться). Более того, по мере роста знаний отлаживаться становилось сложней, и трудозатраты не падали, а росли.
В итоге экспертные системы не выжили, хотя хайпу было ой-ой сколько. Я и сам ими в восьмидесятых занимался. И даже успешно! Но это было "редким исключением", а не массовой практикой.
И вот публикация Юрия Пахомова вытаскивает проблему в очень близких формулировках: нужно собрать вместе предметных спецов и эээ... новых когнитологов, чтобы вытащить какие-то знания уже вроде как не из этих спецов непосредственно, а из имеющихся у них данных. А дальше всё то же самое: медленно и печально эти данные извлекаются из экспертов, причём получаемая нейроэкспертная система постоянно доучивается, тюнится -- всё как раньше.
Дух времени в том, что предметные спецы нужны не только для предоставления данных, с них нужно ещё стребовать предпринимательскую функцию: какую бы поставить задачу, чтобы её легко можно было решить этими самими нейроэкспертными системами. При этом предприниматели, они ведь даже более дороги, чем просто предметные спецы! То есть задача становится дороже сразу на входе (и в экспертных системах это тоже было, только не так остро осознавалось).
Вот кому как, а мне такой способ представления ситуации представляется тупиковым. Второй круг ада по граблям экспертных систем мне кажется не очень комфортным времяпрепровождением. Уже понятно, что там может быть и третий круг, и четвёртый -- заменяйте слово "нейро" на что-то другое, и вы легко их получите.
Я думаю, что жизнь будет устроена как-то по-другому. Инженерия систем машинного обучения по её месту в бизнесе не будет эквивалентна инженерии экспертных систем. Что-то должно пойти не так, как в конце 80-х с экспертными системами, иначе до зимы искусственного интеллекта мы доберёмся буквально за пару лет -- венчурные капиталисты люди ушлые, они ведь быстро разберутся.
Мне эта парадигма экспертных систем нового разлива не нравится. Моя чуйка говорит мне, что жизнь систем машинного обучения пойдёт другим путём. Например, облачное предоставление услуг тех же экспертных систем: тогда и огромная толпа людей, сопровождающая дорогущую и неуклюжую нейроэкспертную систему будет рентабельна, если пользоваться в конечном итоге ей будут миллиарды людей. Ну, типа нейроперводчика в Гугле: делать его тяжко, но зато результат масштабируем. И "экспертной системой" где-то в недрах какого-то производства эту систему не называют. Это всё пока "редкие исключения". Вот как-то так это поначалу и пойдёт.
Но не так, что "пришли новые люди, и решили все проблемы старых экспертных систем". Нет, все проблемы не решили, просто заменили набор одних проблем на другие. При этом ручной труд по кодированию знаний предметной области оказывается не самым важным ограничением. Сняли одно ограничение, уткнулись в другое. Не нужно текущую ситуацию обсуждать по накатанной дорожке экспертных систем, нужны какие-то другие способы думать -- другие способы снятия ограничений. Какие? Это и есть вопрос к предпринимателям. Основные новации ближайшего времени тут будут не алгоритмические (там просто дождик сейчас идёт разных достижений, это сейчас не главная проблема), а в части устройства жизненного цикла машинного обучения (переход от "науки" к "инженерии") и бизнес-моделей.
Юрий Пахомов мне на на фейсбуковский таймлайн вытащил свой текст по итогам фестиваля Data Science Week -- https://www.pcweek.ru/ai/article/detail.php?ID=193193. Изо всех проблем он выделил коммуникацию предметных специалистов, программистов и data scientists (рука не поднимается писать "учёных данных", да и по-русски "дата сайентистс" звучит почти как "сайентолог". Хорошо, что вместо computer scientist и software engineer можно писать просто "программист"). При этом программисты и эти самые "новые статистики" склеились в одном лице (за счёт увеличения времени обучения до готовности к работе), а вот с предметными специалистами пока незадачка -- требуется обычно много лет для погружения в специфику предметной области.
Мне эта вся дискуссия напоминает случившееся с экспертными системами в 80-х. Там смычку спецов по экспертным системам (которые писали на языках представления знаний -- OWL дальний потомок тех языков) и предметных специалистов обсуждали как особую дисциплину, knowledge acquisition. В итоге:
-- трудозатраты на knowledge acquisition оказались запредельны, ручное кодирование знаний дорогое. Спецы по языкам знаний (как их только не называли! "Когнитологи" было только одним из многочисленных вариантов) были запредельно дороги, что твои data scientists сегодня.
-- создать экспертную систему оказалось можно, но никто не ожидал, что сопровождать её будет адов труд: никакого снижения затрат по сравнению со временем разработки (а ведь знания это быстропрокисающий товар, нужно всё время доучиваться). Более того, по мере роста знаний отлаживаться становилось сложней, и трудозатраты не падали, а росли.
В итоге экспертные системы не выжили, хотя хайпу было ой-ой сколько. Я и сам ими в восьмидесятых занимался. И даже успешно! Но это было "редким исключением", а не массовой практикой.
И вот публикация Юрия Пахомова вытаскивает проблему в очень близких формулировках: нужно собрать вместе предметных спецов и эээ... новых когнитологов, чтобы вытащить какие-то знания уже вроде как не из этих спецов непосредственно, а из имеющихся у них данных. А дальше всё то же самое: медленно и печально эти данные извлекаются из экспертов, причём получаемая нейроэкспертная система постоянно доучивается, тюнится -- всё как раньше.
Дух времени в том, что предметные спецы нужны не только для предоставления данных, с них нужно ещё стребовать предпринимательскую функцию: какую бы поставить задачу, чтобы её легко можно было решить этими самими нейроэкспертными системами. При этом предприниматели, они ведь даже более дороги, чем просто предметные спецы! То есть задача становится дороже сразу на входе (и в экспертных системах это тоже было, только не так остро осознавалось).
Вот кому как, а мне такой способ представления ситуации представляется тупиковым. Второй круг ада по граблям экспертных систем мне кажется не очень комфортным времяпрепровождением. Уже понятно, что там может быть и третий круг, и четвёртый -- заменяйте слово "нейро" на что-то другое, и вы легко их получите.
Я думаю, что жизнь будет устроена как-то по-другому. Инженерия систем машинного обучения по её месту в бизнесе не будет эквивалентна инженерии экспертных систем. Что-то должно пойти не так, как в конце 80-х с экспертными системами, иначе до зимы искусственного интеллекта мы доберёмся буквально за пару лет -- венчурные капиталисты люди ушлые, они ведь быстро разберутся.
Мне эта парадигма экспертных систем нового разлива не нравится. Моя чуйка говорит мне, что жизнь систем машинного обучения пойдёт другим путём. Например, облачное предоставление услуг тех же экспертных систем: тогда и огромная толпа людей, сопровождающая дорогущую и неуклюжую нейроэкспертную систему будет рентабельна, если пользоваться в конечном итоге ей будут миллиарды людей. Ну, типа нейроперводчика в Гугле: делать его тяжко, но зато результат масштабируем. И "экспертной системой" где-то в недрах какого-то производства эту систему не называют. Это всё пока "редкие исключения". Вот как-то так это поначалу и пойдёт.
Но не так, что "пришли новые люди, и решили все проблемы старых экспертных систем". Нет, все проблемы не решили, просто заменили набор одних проблем на другие. При этом ручной труд по кодированию знаний предметной области оказывается не самым важным ограничением. Сняли одно ограничение, уткнулись в другое. Не нужно текущую ситуацию обсуждать по накатанной дорожке экспертных систем, нужны какие-то другие способы думать -- другие способы снятия ограничений. Какие? Это и есть вопрос к предпринимателям. Основные новации ближайшего времени тут будут не алгоритмические (там просто дождик сейчас идёт разных достижений, это сейчас не главная проблема), а в части устройства жизненного цикла машинного обучения (переход от "науки" к "инженерии") и бизнес-моделей.