Из гуманитариев — в data science: как историки и лингвисты стали специалистами по ИИ

Я много лет занимаюсь вовлечением специалистов в сферу искусственного интеллекта — и вижу, что в эту отрасль приходят люди с совершенно разным бэкграундом: опытом работы, университетской подготовкой. И это неудивительно — спрос на таких специалистов велик, более того, в ИИ можно отлично заработать. Чтобы таких людей становилось все больше мы и создали комьюнити AI Hub и запустили бота, который может с нуля обучить любого желающего азам применения искусственного интеллекта. Есть стереотип, что в data science могут работать только технари — но это не так. Я видела много случаев, когда люди с гуманитарными специальностями становились вполне успешны в ИИ — и даже создавали свои громкие проекты. Отличный пример — Алиса Чумаченко, основательница GOSU Data Lab, которая получила режиссерское образование в ГИТИСе, про нее Rusbase уже писал раньше. Оказалось, что людей, перешедших из лириков в физики, немало — истории своих знакомых я и собрала ниже. Марина Ашуркина, лингвист. Работала в Speaktoit (компанию купил Google), cherry.ai, Huawei Я училась в МПГУ на факультете иностранных языков, специальность — лингвист, переводчик. Выбрала эту профессию, потому что любила — и до сих пор очень люблю — немецкий язык. Сильно не задумывалась, куда поступать — и ни разу о своем выборе не пожалела. Но, когда начала искать работу, поняла, что знания одних иностранных языков недостаточно. Хотя отличное владение английским и немецким до сих пор считаю своей сильной стороной — именно благодаря знанию языка мне было очень легко даются в курсы на Coursera. После университета я пробовала быть переводчиком и персональным ассистентом руководителя — но все это было не мое. Мне хотелось расти, учиться, развиваться, а не просто выполнять рутинные задания. Поэтому и начала рассматривать разные вакансии, смежные с лингвистикой. Меня взяли в ABBYY аннотировать тексты, и мне очень понравилась атмосфера в IT. Пока работала там, продолжала искать «работу мечты» дальше. Найдя вакансию, которая меня заинтриговала (там было что-то вроде: «учим машины говорить»), я поняла, что должна туда попасть! Это оказалась вакансия компании Speaktoit — я проработала там более 4 лет, до тех пор, пока компанию не купил Google. И мы действительно учили машины говорить, причем на двенадцати языках! У нас было два продукта. Первый — голосовой помощник, аналог Siri или Алисы, а второй — платформа для создания чат-ботов и голосовых помощников. Сначала настоящего искусственного интеллекта там не было — мы просто использовали правила, чтобы научить машину понимать пользователя. Но постепенно мы перешли на machine learning. По своей природе я люблю все улучшать, автоматизировать процессы, и у меня это хорошо получается — поэтому в итоге я стала менеджером продукта. Я уже не представляю себе новый продукт, в котором не будет места для компонентов, построенных при помощи машинного обучения. Как я развивала свои компетенции в ИИ, имея лишь гуманитарное образование? Во-первых, я развивалась по ходу реализации проектов, во-вторых, училась сама. Чтобы прокачать навыки, я проходила онлайн-курсы, ходила на митапы Mail.ru, «Яндекса» и других компаний. С 2012 года я постоянно обучаюсь на разных курсах на той же курсере, а также EdX, Udacity. С тех пор как я пришла в ИИ, я успела поработать на разных проектах, делала чат-ботов и голосовых помощников. Сейчас дома у меня живут три колонки — Алиса, Алекса и Google Ассистент, и я пользуюсь ими каждый день. Очень рада, что я принимала участие в зарождении этого всего — и, надеюсь, что общение с голосовыми интерфейсами скоро станет для всех привычкой. Ася Ветлугина, востоковед. Сейчас работает в департаменте искусственного интеллекта МТС Я закончила МГИМО, регионоведение со знанием китайского языка. Это профильный «мидовский» набор, но во время обучения моя мама вышла замуж за гражданина США — и в МИД меня не взяли даже на стажировку, о чем я, кстати, ни капли не жалею. Выбор специализации в 18 лет — история не самая оптимальная, я просто пошла туда, куда и большая часть моих друзей. После окончания университета и «пятерки» на государственном экзамене по китайскому я выходила с мыслью, что не хочу работать с этим языком. Через неделю получила оффер в российское представительство китайской компании Alibaba Group. Работа в Alibaba — уникальный опыт. Я начинала персональным ассистентом, закончила в маркетинге. Именно там, увидев неэффективность ряда процессов, увлеклась большими данными. Много читала, смотрела курсы, взяла курс по большим данным и Python. В этот момент в МТС открылась вакансия аналитика в департаменте искусственного интеллекта — туда я и решила устроиться. Меня взяли, и я с удовольствием работаю в МТС уже третий год. Я анализирую тренды на рынке, общаюсь со стартапами и лидерами мнений, провожу исследования и собираю инсайты для продуктологов. В МТС мой главный ресурс для постоянной «прокачки» — опытный руководитель и сильная команда по machine learning. Курсы мне дали большой толчок для того, чтобы попасть в отрасль — но настоящее понимание технологий и трендов появляется уже в процессе взаимодействия с экспертами. Сергей Гаркуша, историк. Сейчас работает девелопером в компании Workday и развивает школу School of AI в Сан-Франциско Я учился в Украине. Моя профессия в прошлом — историк, если точнее, моя специальность была «история и педагогика». Но я ни дня не проработал ни в школе, ни в вузе. Я, правда, работал научным сотрудником в Николаевском областном краеведческом музее — я даже думал дальше заниматься наукой, защищаться. Заработать историком, да еще и в науке в Украине, было практически нереально — и я со всей очевидностью понял это во время кризиса 2008 года. Тогда бросил это дело и пошел в бизнес. Пробовал делать рекламное агентство — но почему-то не вышло. А вот программирование, которым я увлекался еще в школе, внезапно зашло. Мне удалось построить довольно-таки успешную карьеру программиста — пока в 2016-м я не переехал в Сан-Франциско, скажем так, по воле случая. И в 2017-м не устроился в стартап, направлением работы которого был как раз искусственный интеллект. По удачному стечению обстоятельств наш стартап тогда еще и попал в акселератор 500 Startups. Вот так я впервые прикоснулся к сфере искусственного интеллекта. Благо, оказалось, что для решения прикладных задач необязательно строить собственные модели — можно дообучать существующие. И, на самом деле, навыки в программировании оказались гораздо полезнее — я мог взять готовую модель, дообучить и «прикрутить» куда-нибудь в продакшн. Для многих людей с гуманитарным складом важно проявлять креативность, а тут просто берешь готовые модели, запихиваешь в них данные — кажется ужасной рутиной, но это не так. Простора для творчества предостаточно. Начинается оно в тот момент, когда ты видишь задачу и думаешь о том, как прийти к нужному результату. Потом этап сбора данных — какие данные брать, где их искать? Тоже не самый банальный вопрос. Процесс дообучения — самый креативный и интересный. И это уже не говоря о том, что можно делать комбинированные модели (на что алгоритмы пока не способны): например, одна модель генерирует портреты котиков, а другая — валидирует, насколько эти котики действительно похожи на котиков. И таких примеров креативных решений — миллион. В общем, в data science всегда есть где проявить свою творческую натуру! Конечно, мне пришлось подучиться, чтобы работать в сфере ИИ. Начал я с онлайн-курсов — в частности, знаменитого курса Andrew Ng по machine learning на «Курсере». Но быстро понял, что уровня математической подготовки мне не хватает — поэтому пришлось добавить курсы на Khan Academy по линейной алгебре, матанализу и статистике. Сегодня я работаю программистом в корпорации и возглавляю отделение School of AI в Сан-Франциско. Я занимаюсь проектом, который включает в себя такие разделы ИИ, как обучение с подкреплением и компьютерное зрение — но мы пока непубличные, поэтому, к сожалению, не могу рассказать больше. Мария Малашковец, юрист. Сейчас — Chief Product Officer в компании AimRevenue Я училась на юриста в УрГЮА, получила диплом бакалавра с отличием. Почему юриспруденция? Мои родители оба юристы, и большая часть семьи — тоже юристы в разных сферах. Поэтому, когда родители сказали: «Иди в юридическую академию — тебе там дадут хорошие знания. А дальше уже делай, что хочешь» — я решила, что это здравая мысль. Но с первого дня я поняла, что юристом я быть не хочу, несмотря на то, что учиться было интересно. Да и в целом, родители были правы — академия меня многому научила: во-первых, умению структурировано мыслить, во-вторых, способности четко излагать свою мысль, в-третьих, критическому мышлению и способности ответить за каждое слово, которое ты говоришь. Пока я училась, я работала в юридической клинике — чтобы лучше понять суть профессии, которую я выбрала. Такие организации помогают людям, которые не могут себе позволить профессионального юриста. Я бесплатно помогала людям в течение двух лет. Мне понравилось помогать, я почувствовала свою миссию в том, чтобы делать жизнь людей чуть лучше. Потом я поехала в Москву на практику. Я работала в юридическом консалтинге — и попала в фирму, которая входила в топ-10 лучших юридических фирм России. И в ходе этой практики я поняла, что мне безумно нравится консалтинг — из-за темпа, из-за того, что у тебя постоянно разные проекты. Но я окончательно поняла, что именно правом мне не нравится заниматься. В итоге я оказалась именно в консалтинге — после вуза стала работать в PwC, налоговым консультантом в нефтегазовой сфере. В окружении у меня стало появляться все больше айтишников, и в какой-то момент я подумала: может, я все-таки смогу применить свои скиллы в IT? Тем более что еще с университета меня интересовало все, что связано с IT, и особенно data science. Сначала мне казалось, что в этот поезд мне уже вообще никак не запрыгнуть — это все невероятно далеко, сложно и не для меня. Тем не менее я расспрашивала людей «оттуда», что нужно знать для такой карьеры. Поняла, что нужна математика, а я ее совсем не помню — и три года назад села учить математику, прямо начиная с пятого класса. Занималась в основном на Khan Academy, каждый день старалась уделить этому хотя бы полчаса. В итоге где-то за год-полтора я «закончила школу» и начала уже разбирать какие-то материалы для первых курсов технических университетов. Мне повезло с окружением — были люди, с которыми я могла посоветоваться, которые могли мне что-то объяснить. Параллельно я еще училась программировать — но я бы не сказала, что это носило систематический характер: я заканчивала какой-нибудь онлайн-курс, потом был перерыв, потом через какое-то время брала новый курс. Потом я пошла на курс по продакт-менеджменту, и там я познакомилась с классным человеком. Он был разработчиком, потом переквалифицировался в data science, сделал много крутых проектов. Мы придумали создать компанию, которая будет заниматься консалтингом в этой сфере: у него как раз была техническая экспертиза, у меня — бизнесовая. Сначала мы работали над маленьким проектом, плюс, вместе проходили курс по продакт-менеджменту — и просто смотрели, сработаемся мы или нет. Стало понятно, что мы прекрасно дополняем друг друга — и так появился наш проект AimRevenue. Сейчас мы предоставляем консалтинг для компаний, которые хотят внедрить ИИ-решения, и занимаемся аналитикой. Также разрабатываем ПО под запросы компаний — в том числе такие решения, как голосовые помощники, чат-боты, решения на базе computer vision. Впоследствии мы хотим выделить это в отдельное направление — предлагать уже готовые сервисы на базе того, что у нас сейчас чаще всего заказывают. Я в проекте выполняю роль продакта: смотрю, чтобы продукты, которые мы отдаем нашим заказчикам, соответствовали их запросам, чтобы было понятно, как пользоваться нашими решениями. Стараюсь сильно не лезть в техническую часть, но прошу ребят показывать мне код. Я очень люблю свое дело. Наконец-то я чувствую себя на своем месте. И, мне кажется, это самое вообще главное в жизни — когда каждое утро ты просыпаешься счастливая оттого, что ты сейчас пойдешь на любимую работу и будешь делать мир немного лучше. Фото на обложке: Unsplash