Директор магистерской программы Высшей школы информационных технологий и информационных систем (ИТИС) Андрей КРЕХОВ в беседе с журналистом заявил: «Мы поднимаем в Казани программную инженерную школу c практическим заделом в области искусственных когнитивных систем (ИКС)».

- Одним из направлений вашей деятельности является разработка искусственного интеллекта. Расскажите, пожалуйста, в каком проекте вы этим занимаетесь?

- Если говорить в общем об искусственном интеллекте, то это довольно широкое понятие, которое невозможно описать несколькими словами. Я попытаюсь пояснить вам наш скромный вклад в эти громкие слова – «artificial intelligence».

Эксперты из компании «ICL-КПО ВС» провели огромную работу по формализации неисправностей – отказов в ИТ-инфраструктурах наших заказчиков из 26 стран мира для выявления типизации и закономерностей, которые впоследствии восстанавливают наши инженеры.

За шесть лет работы было выявлено, что множество работ – однотипны, то есть почти 60 процентов всех поступающих инцидентов-неисправностей достаточно формализованы. И мы задались вопросом: «А почему бы нам не автоматизировать обработку этих неисправностей?»

Группа архитекторов, исследователей и технических экспертов начала проводить исследования в области искусственных когнитивных систем. Нам удалось построить модель эмоционального машинного мышления, которую назвали «болталка», «говорилка».

- Но, как известно, для распознавания речи машине не обязательно обладать интеллектом?

- Распознавание речи/текста - это всего лишь набор правил и лингвистических моделей структуры языка со сформированными лексическими базами знаний, при котором идет идентификация английской или русской текстовой информации. В результате нашей работы получился некий транслятор – своеобразная машина с уровнем интеллекта ребенка двух-четырех лет.

- А что умеет делать созданный вами «четырехлетний ребенок» на просторах Интернета?

- Наш «ребенок» распознает текстовый запрос в файле, выделяет сущность запроса, подключает свою узкоспециализированную базу знаний, пытается принять исполнительное решение или обращается к разработчикам за помощью.

- То есть созданная программа понимает задачу с применением базы знаний и в этой базе знаний ищет решение этой задачи?

- Да. Но не только в своей базе, но и в той информации, которой мы его периодически снабжаем (дополняем – обучаем).

Это даже не понимание, а больше классический агрегатор подбора данных на основе жёстко запрограммированных моделей  возможных реализаций определённых конечных функций. По аналогии с системами, которые работают под названием Big Data (Большие данные - Прим. авт.)

- Вы проводили аналогии между искусственным интеллектом и биологическим?

- Концепцию искусственного интеллекта хорошо изложил Марвин Ли Минский - американский учёный в области artificial intelligence, сооснователь Лаборатории искусственного интеллекта в Массачусетском технологическом институте.

Опираясь на его ставшую фундаментальной  работу в области искусственных  нейронных сетей, мы начали создавать определенные требования к фреймам, которые должны быть в реальном времени доли секунд и иметь нестабильную по меркам программистов архитектуру.

- Если говорить о школах создания искусственного интеллекта, какой подход, по вашему мнению, наиболее продуктивен?

- За 50 лет, прошедшие после того, как Марвин опубликовал свой подход к исследованию искусственного разума, были созданы фундаментальные школы, в том числе, и в России.

Из американских школ по созданию искусственного интеллекта мне ближе Массачусетский университет. После того, как в МИТ пришла IBM, в английском языке появилось фраза «Scruffy School» – «школа грязнуль». Это их бренд, в котором определяется корпоративный дух Искусственного Интеллекта Watson.

В 2012 году мы подошли к тому, чтобы начать развивать собственную нейронную сеть и создавать модели устойчивых фреймов на их базе. Почти сразу же разработчики столкнулись с ограничениями в том, что у нас нет допуска к достаточно мощным компьютерам. Нам не хватало направлений для исследований, потому что суперЭВМы есть, в основном, лишь в академических школах. К тому же в рамках коммерческого предприятия нам достаточно проблематично тратить большое количество времени на исследования.

Таким образом, мы подошли  к мысли о создании собственной научной школы по аналогии с МИТ, то есть проведения исследований и разработок на академической платформе, а апробирование полученных результатов - в рамках опытно-конструкторских работ для применения в коммерческих разработках.

Мы не говорим о фундаментальной школе - мы говорим о промышленном исследовании и внедрении придуманных прототипов. Нам важны конечные решения.

Данная лаборатория может стать  кузницей кадров для компаний. Кстати, группа компаний ICL открыла учебный центр на базе Высшей школы ИТИС еще четыре года назад. Студенты получают возможность учиться непосредственно у тех представителей компаний, которые участвуют в реализации сложных проектов и разработках компании. Нужно отметить, подобных лабораторий на базе ИТИС сейчас уже более двадцати!

- А какую прикладную задачу будут решать в новой лаборатории?

- Необходимо быстро (за три-четыре года) получить готовое решение. Речь идет о большом пласте или искусственном интеллекте с позиций когнитивистики, нейробиологии или собственно классических прикладных методов. То есть мы начинаем поднимать в Казани программную инженерную школу. Наша задача: создать прототип, способный работать на базе обычного ноутбука без применения суперкомпьютера.

Для справки. Андрей Крехов - заместитель директора по техническим программам компании ICL Services, группы компаний ICL. С 2007 года участвует в разработке моделей (прототипов) реализации автоматизированных систем с применением подходов машинного эмоционального мышления для промышленного использования.

В 2014 году начал консультационно-преподавательскую работу в Высшей школе ИТИС КФУ в области развития кафедры программной инженерии. Имеет большой опыт системного разработчика, системного аналитика и руководителя. Опубликовал пять научных работ в области искусственного интеллекта.