RAIF 2018: Как это было

RAIF 2018: Как это было

Наши журналисты побывали на Russian Artificial Intelligence Forum (RAIF 2018) и поделились своими впечатлениями об этом мероприятии.

 

Атмосфера

Форум RAIF проходил в Рэдиссон Ройал Москва. В светлых и просторных помещениях собралась довольно разношерстная публика: от топ-менеджеров в деловых костюмах и представительных ученых до гиков в пуловерах с супергероями, хотя первые, конечно, преобладали. Особенно выделялись молодые девушки в белых мини-платьях с синим мейкапом — помощницы организаторов. Женщин на ивенте в целом было довольно мало, им было трудно слиться с толпой. Было людно, атмосфера располагала к общению: в перерывах между лекциями гости активно знакомились и обменивались визитками.

 

Как все было устроено

Мероприятие состояло из нескольких треков, в каждом из которых параллельно читали лекции и обсуждали горячие вопросы: пленарная секция, дискуссионный зал, технический трек и зал для питчей. Даже во время обеденного перерыва приглашенные эксперты представляли свои проекты и отвечали на вопросы публики.

 

Организация

Это далеко не первое мероприятие, на котором нам довелось побывать, но одно из первых, на которых было действительно интересно и комфортно. Организаторы позаботились о том, чтобы гости не слонялись по конгресс-парку в поиске еды, им не приходилось “зазывать” искушенных слушателей, облюбовавших фуршет с шампанским, чтобы наполнить полупустой зал секции (мы видели и такое). Гости свободно перемещались между треками, равномерно наполняя залы. Ощущалась их заинтересованность в происходящем вокруг.


Что нам запомнилось?

Мы облюбовали пленарную секцию, где выступали эксперты из разных стран. Одним из ярких спикеров был Кладиус Калчер (Kladius Kalcher), дата-саентист компании Mostly AI. Он максимально подробно рассказал о том, как использовать данные финансовых транзакций для анализа, сохраняя при этом их анонимность. Распространённым способом является псевдонимизация – удаление личной информации о пользователе, с сохранением его ключевых характеристик. Однако в этом случае личность пользователя все равно можно установить. Поэтому Mostly AI предложила синтезировать данные с помощью ИИ, создав так называемые AI Synthetic Data. Такие данные сохраняют структуру и общие черты исходного массива данных, но их уже невозможно соотнести с реальными пользователями.

Еще один интересный спикер — Евгений Колесников, руководитель направления «Большие данные и машинное обучение» компании Инфосистемы Джет. Он подробно объяснил, как правильно организовать проект по внедрению ИИ или машинного обучения. Коротко о главном: 2 месяца стоит потратить исключительно на анализ и проработку гипотез, а затем 3-4 месяца – на запуск пилотного проекта, причем не одного, а 6-9. Выбирать лучше не самые интересные и перспективные проекты, а те, которые легче всего реализовать. Только после этого стоит запустить полноценные проекты.

Интересно было послушать Ярослава Шуваева, руководителя направления развития перспективных продуктов лаборатории «АК БАРС Цифровые технологии». Он рассказал, как ИИ способен улучшить клиентский опыт и сократить расходы контакт-центра на 40%. По его словам, разработанный сотрудниками банка искусственный интеллект Aimee API смог существенно оптимизировать внутренние процессы банка, что увеличило эффективность всех подразделений организации в разы. Он отметил, что при общении с клиентом банк переходит с экранного интерфейса мобильного или интернет-банка к созданию универсального и оперативного помощника, готового в любое время вступить в диалог, чтобы помочь клиенту решить его финансовую задачу.

Запомнилось выступление и Лариссы Сузуки (Larissa Suzuki), преподавателя из University College London. Она рассказывала о современном развитии “умных городов”. По ее словам, системы, которые управляют инфраструктурой городов, эволюционировали и включают в себя множество цифровых технологий, начиная от городских коммунальных служб и освещения дорог.

В техническом блоке мы отметили выступление ученицы Воронцова (известный специалист по машинному обучению) Эмели Драль. Она говорила про внедрение машинного обучения в промышленных компаниях и упоминала о проблемах, которые могут возникнуть в процессе внедрения (отсутствуют базы данных, потому сложно извлекать информацию). Причем, по ее мнению, выгода для промышленных предприятий не существенная, так как машинное обучение позволяет им сэкономить гораздо меньше, чем, например, IT-компаниям.

 

На наш взгляд, мероприятие прошло отлично, за что отдельное спасибо организаторам.