Продолжаем рубрику, в которой Рубен Арутюнян, наш IT-директор, анализирует актуальную повестку в сфере нейросетей.
За чтение таких статей должны молоко давать. Но лучше чернику. Я не знаю, кто решил, что мелкий шрифт на перегруженных графикой альбомных слайдах — хорошая идея, но его эффективность я бы не очень высоко оценил.
У этого материала две части — в первой нам как бы рассказывают в общем, что происходит, а во второй — что происходит в частности у конкретных систем. Вторую я трогать не буду — не являюсь активным пользователем и комментировать смысла не вижу — можно просто попросить у самих компаний демо провести, а вот первая часть крайне занятная (нет).
Если бы у меня было бинго 10×10 и в каждой ячейке было бы написано «алгоритмы искусственного интеллекта» — я бы его закрыл. Страшную вещь скажу — у нейронок нет алгоритма, кроме, собственно, предсказания следующего слова. Так что каждая эта фраза — неправда. А еще он ничего не анализирует, так что про анализ — тоже неправда. Эта продажа магии начинает слегка утомлять. Давайте прикинем, что нам нужно, чтоб нейронка могла нам предсказывать смежные навыки по резюме.
1. Нам нужна дикая куча резюме. Буквально тонны. Чем больше, тем лучше. Пара десятков тысяч? Да!
2. Дальше нам нужно, чтоб это были все резюме, а не только уже отсеянные. Потому что, алло, эффект ограничения выборки никто не отменял.
3. Нам нужно убедиться, что вот эти все смежные навыки с нами в одной комнате вообще есть у кандидата. Потому что мы это откуда знаем вообще? Ну ладно, убедились.
4. А теперь мы натравливаем на это нейронку! И учим! И оно потом возможно работает, если не всплывёт что-то типа внезапно обнаружившейся закономерности, где оптимальны мужчины/женщины или появляется дискриминация по еще какому признаку. На этом этапе мы просто манипулируем результатами, чтоб не противоречило законодательству/внутренним положениям компании/чему угодно ещё.
Применяем эту схему к любому «обучению» модельки.
Недавно Андрей Карпатый в очередном интервью выдал базы (он вообще любит наваливать базы, пока Дарио Амодеи бегает с горящими глазами) про то, что нейронки крайне плохо справляются с задачами на подумать (например, задача про поход пешком чтоб помыть машину) и с задачами, где данных для обучения мало (пример, шахматы, где данных добавили только в новых версиях, а раньше было очень грустно всё). Назвал он это «рваным интеллектом» (jagged intelligence). И обычно обучены модельки лучше решению тех задач, за которые больше платят и где больше открытых данных. А теперь прикинем — у моделек даже с программированием беда местами крайне серьезная, а там данных и денег несравнимо больше, чем в этой вашей оценке персонала и в HRе в целом. Быстрый гуглеж выдал разницу в объеме примерно в 20 раз (до 50 миллиардов долларов против 900 миллиардов только у разработки) и разницу в количестве общедоступных данных, которую даже оценивать смысла нет, так всё тут плохо у HR. Единственное, что HR спасает — это тот факт, что результаты, в отличие от разработки, проверить крайне сложно и можно смело врать. Парам-парам-пам.
За сим откланяюсь и пойду разминать глаза. Они сегодня пострадали.
Оставьте свои контактные данные и наш специалист свяжется с вами в ближайшее время.