Аяна Мусабаева – CTO казахстанского AI стартапа и исследователь в университете MBZUAI в Абу-Даби — одном из ведущих мировых центров исследований в области искусственного интеллекта. Недавно команда Аяны победила в конкурсе на крупнейшей AI-конференции NeurIPS, обойдя тысячи участников со всего мира.
Специально для Digital Business Аяна рассказала, как ее работа на стыке науки и инженерии помогает решать задачи — от анализа сигналов мозга до выявления буллинга в школах. Поговорили также об AI-комьюнити DSML с 10000 участников и его роли для развития отрасли в Казахстане.
«Когда-то распознавание цифр казалось мне магией. Захотела понять, как она работает»
– Заинтересовалась машинным обучением будучи студенткой бакалавриата в КБТУ. Тогда даже распознавание рукописных цифр казалось какой-то магией. Мне очень хотелось понять, как так получается, что обычные математические операции позволяют алгоритмам решать реальные задачи.
После магистратуры в Назарбаев Университете по электроинженерии и по математике в Манчестерском университете ушла в индустрию и возглавила ML/AI-отдел в стартапе в Дубае. О PhD тогда особо не думала — решение подать документы в MBZUAI (Mohamed bin Zayed University of Artificial Intelligence) получилось спонтанным.
Однажды услышала от одного знакомого, что он собирался в MBZUAI на PhD. Он так заманчиво рассказывал об этом, что на следующее утро я начала читать про процесс подачи, собрала пакет документов и подала заявку. Хоть карьера складывалась хорошо, в глубине души хотелось вернуться в академическую среду. А тут в часе езды располагался университет по искусственному интеллекту, входящий на тот момент в топ-10 в мире по этому направлению. В итоге поступила, хотя отбор проходят меньше 4% кандидатов. Забавно, что тот знакомый, чьи рассказы сподвигли меня поступать, сам в итоге даже не отправил заявку.
В университете занимаюсь исследованиями на стыке искусственного интеллекта и работы мозга. Разрабатываю AI-модели и методы, которые помогают лучше понимать и интерпретировать сигналы мозга.
Например, в некоторых экспериментах ученые уже могут примерно восстановить текст или изображение по сигналам мозга. Для этого ИИ сначала обучают на данных, где известно, что человек видел или читал, а затем алгоритм пытается сопоставить сигналы мозга с этими образами. Однако все это не слишком точно. Каждый мозг уникален, и сложно придумать один алгоритм, который будет одинаково хорошо работать для всех. Более того, реакция человека на одно и то же изображение сегодня может отличаться от реакции на него завтра или даже через час.
Моя работа — попытка приблизить будущее, в котором люди смогут использовать возможности искусственного интеллекта «силой мысли», без необходимости проговаривать или печатать свои запросы.
Например, в одном из исследований с коллегами разработали AI-модель, которая анализирует сигналы мозга и помогает распознавать так называемый P300-сигнал — реакцию мозга на стимул. Такие технологии используются, например, в системах «спеллеров», где человек может печатать текст с помощью мозговых сигналов.
«Втроем выиграли международный AI-челлендж, обойдя команду Meta»
– Одним из подтверждений того, что команда движется в правильном направлении, стала победа в AI-челлендже EEG Foundation Challenge в рамках конференции NeurIPS. Нужно было за месяц создать AI-модель, которая умеет распознавать сигналы ЭЭГ (электроэнцефалографии — записи электрической активности мозга – прим. Digital Business).
Было непросто. Во-первых, сама задача нетривиальна: нужно по ЭЭГ длительностью всего 2 минуты определить индивидуальные характеристики человека (его скорость реакции и психопатологию). Во-вторых, среди соперников были специализированные нейробиологические лаборатории и компании, например, Brain AI из Meta FAIR или французская компания Sigma Nova, занимающиеся исключительно AI-моделями для данных мозга. У таких команд есть и опыт, и большие вычислительные мощности — именно этого нам не хватало.
В итоге оказалось, что при правильном подходе можно обойти даже команды с огромными вычислительными кластерами (мощными объединенными серверами для обучения нейросетей – прим. Digital Business). Некоторые команды были очень большими, по 5–10 человек. Нас в команде было всего трое. Ануар Аймолдин также занимается исследованиями в области машинного обучения в MBZUAI, а Едыге Мусабаев учится на бакалавриате в немецком Hof University.
Участвовало 1220 команд со всего мира, и было отправлено 8622 решения. Наша команда заняла первое место — несмотря на то, что среди соперников были крупные исследовательские лаборатории и технологические компании. Разработали модель, которая по ЭЭГ способна оценить признаки вроде повышенной агрессии или других особенностей поведения, которые изучают нейробиологи.
«AI в реальном времени может выявлять драки и опасные ситуации в школах»
– Помимо академических исследований также работаю над прикладными AI-проектами. Сейчас я технический директор (CTO) в казахстанской компании QData, где мы создаем платформу для анализа видеопотоков с помощью искусственного интеллекта.
Cоздаем систему, которая в реальном времени анализирует видео с камер и помогает выявлять опасные ситуации в школах — например, драки, травмы, появление посторонних людей. Пилотный запуск уже проходит в 10 школах в Астане. Уже в первый месяц зафиксировали десятки случаев драк, что позволило администрациям школ более эффективно проводить воспитательную работу с учениками. Бывали случаи, когда наша система позволила опровергнуть ложные обвинения в сторону ребенка во время конфликтной ситуации и определить зачинщика ссоры. Наша статистика показывает, что количество конфликтных ситуаций с начала запуска постепенно снижается.
Параллельно занимаюсь развитием DSML Kazakhstan — сообщества специалистов по data science и машинному обучению, которое объединяет уже более 10000 участников. Оно было основано специалистом по машинному обучению Ануаром Аймолдиным в 2017 году.
На заре DSML еще не было AI-хайпа, и это было сообщество тех, кто действительно любит математику и машинное обучение. Наше сообщество направлено на поддержку тех, кто хочет разобраться детально, что такое AI «под капотом» и создавать что-то инновационное и свое. Сейчас очень много шума вокруг темы AI, но стоит понимать, что технологии искусственного интеллекта нельзя просто взять и выучить с нуля за полгода курсов. В лучшем случае можно получить лишь обертку — научиться вызывать готовые методы. В нашем сообществе проводим конференции и семинары, на которые приходят как школьники, так и ведущие специалисты, стоявшие у истоков ML-индустрии в СНГ. У нас некоммерческое сообщество: топовые специалисты не торгуют своим опытом, наживаясь на начинающих. Все инициативы держатся на энтузиазме наших единомышленников и желании делиться знаниями с начинающими.
В прошлом году мы составляли задачи и проводили первую республиканскую олимпиаду по искусственному интеллекту. По ее итогам казахстанская сборная заняла четвертое место в командном зачете на международной олимпиаде IOAI, где Казахстан выступал впервые – и это очень хороший результат.
Цель DSML – расширить горизонты для начинающих ребят, показать, что можно делать что-то фундаментальное и совершенно новое. В Центральной Азии пока чаще всего успешно интегрируют готовые решения в существующую цифровую инфраструктуру. Больше делается упор на базовое применение AI «здесь и сейчас», но не так много уделяется внимания менее практическим, но с научной точки зрения фундаментальным вопросам в развитии AI.
В ОАЭ цель, например, MBZUAI — долгосрочные исследования, разработка новых подходов и укрепление позиций на мировой AI-арене. Так, в этом году на конференции NeurIPS MBZUAI вошел в топ-50 организаций мира по количеству принятых научных статей — наряду с ведущими лабораториями Google DeepMind, Meta и MIT.
Станут ли результаты этих работ быстро интегрированы в AI-экосистему ОАЭ, сказать сложно. Но именно такие статьи создают основу для технологий будущего — в том числе для нейроинтерфейсов и систем, которые позволяют ИИ понимать сигналы мозга.
«Опасаться сценариев из “Черного зеркала” пока точно не стоит»
– Сегодня с данными мозга работают как нишевые стартапы, так и крупные игроки — например Meta, BlackRock Neurotech или Neuralink. Пока такие технологии далеки от повседневной жизни: мешают и технические сложности, и высокая стоимость устройств. Но, на мой взгляд, уже не за горами день, когда нейроинтерфейсы станут обычной частью быта.
Тема безопасности таких систем тоже активно обсуждается — этим занимается отдельное направление исследований. Я же вижу свою задачу в том, чтобы такие технологии вообще получили шанс стать реальностью. Пока опасаться сценариев в духе «Черного зеркала» или «Терминатора» не стоит. Уже в ближайшие десятилетия могут появиться задачи, где человеческий мозг будет работать вместе с искусственным интеллектом.
Во многом именно такие амбициозные цели и вдохновляют. Как и люди, которые стоят за большими научными открытиями. Мне довелось общаться с учеными, которые сформировали целые направления в науке, при всем своем высоком авторитете они с радостью обсуждают идеи со студентами и остаются очень простыми в общении. Меня мотивирует осознание, что за именами авторов самых великих работ стоят люди, которые умеют смеяться и шутить, которые не раз сомневались в своих суждениях и не всегда находили ответы на свои вопросы. Великие умы – такие же, как мы.
После получения докторской степени хотелось бы создать свою AI-лабораторию. Вижу огромный потенциал именно в людях — в моей команде, в коллегах за рубежом и в новом поколении студентов. Хочется объединять таких специалистов, чтобы вместе создавать общественно важные и действительно прорывные проекты, которые пока что кажутся невыполнимыми.