آندری سبانت
- آخرین کتابی که روی شما تأثیر گذاشت؟
- "ماشین، پلت فرم، جمعیت"، به نظر من، به زبان روسی، هنوز ظاهر نشده است. نویسندگان اساتید MIT هستند.
یکی از آنها در کنفرانسی که من هم در آن شرکت کردم، ارائه داد. این گزارش تا حد زیادی یک اعلامیه بود: "بهتر است یک کتاب بخوانید، من هنوز فرصت ندارم در 15 دقیقه همه چیز را به شما بگویم."
کتاب خوب است، مانند هر کتاب MIT. خواندن آسان، اگرچه توسط دو اقتصاددان نسبتاً برجسته نوشته شده است.
بچه ها تاریخچه تعامل سه چیز مختلف را توصیف کردند که از نظر آنها اصلی ترین آنها در توسعه فناوری های آینده است.
اولی همه چیز مربوط به هوش ماشینی و کامپیوترهای هوشمند است.
دوم، اقتصاد پلتفرم ها است. این پلتفرم بسیاری از ایده های اقتصادی کلاسیک و اساسی مانند قیمت و تقاضا را تغییر می دهد.
سوم - جمعیت. با این حال، آنها از این کلمه به خوبی استفاده نکردند. این نه تنها در مورد جمع سپاری و تامین مالی جمعی، بلکه در مورد بلاک چین نیز هست. یعنی هر چیزی که ساختار روابط را در جامعه مدرن ساده می کند، زمانی که به جای برخی سلسله مراتب پیچیده، یک سیستم همتا به همتا کم و بیش مسطح ظاهر می شود که در آن شرکت کنندگان زیادی وجود دارد. آنها با یکدیگر تعامل دارند و فناوری شفافیت و صحت این تعامل را تضمین می کند.
نویسندگان تعامل چنین چیزهایی را با سیستم های سلسله مراتبی در حال حاضر در شرکت های بزرگ در نظر می گیرند. به درستی اشاره شده است که یک شرکت می تواند به اندازه فیس بوک یا گوگل پیشرفته باشد، اما شرکت هایی در این مقیاس مجبور به سلسله مراتب هستند. در نتیجه کارایی چندانی ندارند. به طرز وحشتناکی بی تاثیر
بچه ها سعی می کنند بفهمند که چگونه با این موضوع کنار بیایند و در نظر بگیرند که چگونه فناوری های مختلف امکان سازماندهی مجموعه ای از تعاملات مسطح را در یک سیستم سلسله مراتبی رسمی و حفظ رقابت پذیری آن فراهم می کند. روح و سبک یک استارتاپ را در یک شرکت بزرگ، پیچیده و ساختار یافته حفظ کنید.
این شیوه ای است که آنها تعامل و تأثیر متقابل سه جنبه بسیار متفاوت را در نظر می گیرند که آینده را واضح تر از آنچه توسط افرادی که یکی را درک می کنند، ترسیم می کند.
این کتاب به من چیزهای مختلفی داد تا به آن فکر کنم. در کل من عاشق کتاب به عنوان محرک فکر هستم.
- بعد از خوندنش به چی فکر کردی؟
کتاب بسیاری از حقایقی را که من مشاهده کردم توضیح می دهد. به عنوان مثال، کارایی و پایداری Yandex. من از زمانی شروع به کار کردم که شرکت 30 نفر بود و الان 8 هزار نفر است. و خیلی چیزها حفظ شده است.
من می‌دانم که تئوری کتاب به خوبی به شما امکان می‌دهد به طور سیستماتیک مجموعه‌ای از چیزهای ناهمگن را توصیف کنید که معمولاً وقتی به مردم درباره Yandex می‌گویید با کاما جدا می‌شوند. به نظر می رسد که می توانید در مورد شرکت مورد علاقه خود از این نقطه نظر صحبت کنید که کاملاً یک نظریه نسبتاً منسجم و پیچیده را نشان می دهد.
در Yandex، من مشاهده می کنم که چگونه تعامل بین افراد هوشمند و ماشین های هوشمند شکل می گیرد، زیرا هوش مصنوعی زیادی در اطراف وجود دارد.
من بسیار خوشحالم که اکنون می توانم این کار را به عنوان زیست شناسی توصیفی انجام دهم - اینجا در Yandex این و آن، پنجم و دهم وجود دارد، و به دلایلی همه چیز به خوبی با هم کار می کند. در واقع، این یک تصویر واضح از تزهای عمومی است که به خوبی توسط مردم شکل گرفته است. درک این نکته خوب است که بدون دانستن تئوری، کارهای زیادی را درست انجام دادیم.
- هیجان اصلی در حرفه شما چیست؟
بسیاری من نمی دانم کدام یک اصلی است. از نقطه نظر یک هیجان صرفاً فکری، همیشه چیز جدیدی وجود دارد.
این داستان با تحصیل من شروع می شود. من از فیزیک و فناوری فارغ التحصیل شدم و به تحصیل علوم پرداختم. در علم، هیجان اصلی این است که اولین کسی باشید که چیز جدیدی را درک می کنید، اولین کسی که آن را کشف می کند، اگر آزمایشگر هستید. من این هیجان را می دانم، در تیم ما که درگیر انواع تحقیقات لیزری بود، آثاری دقیقاً در مورد آن وجود داشت - وای، ما این چیز را دیدیم! و به نوعی آنها حتی کمی آن را درک کردند. نه برای انتشار، انتشار به نوعی ثانویه است، اما در درجه اول یک هیجان فوق‌العاده است وقتی فکر می‌کنید: «وای، هیچ‌کس این را ندیده است. و مهمتر از همه، هیچ کس هرگز نفهمید که چه چیزی می تواند باشد. بیایید اکنون اولاً بررسی کنیم و ثانیاً کمی در مورد اینکه چگونه به این شکل است به ما بگویید.» هیجانی که در علم موجود است در یک شرکت با فناوری پیشرفته نیز کاملاً قابل دسترسی است و این فوق العاده است.
دوم مردم هستند. افراد زیادی در اطراف وجود دارند - افراد کاملاً شگفت انگیزی باهوش. برخی از آنها شعر درخشانی می نویسند یا در ادبیات متبحر هستند، برخی دیگر به دلیل اینکه برنامه نویس بسیار خوبی هستند، طرفدار نجوم هستند، آنها در مجلات نجومی منتشر می کنند و ناگهان شروع به گفتن از جهان برای شما می کنند. یکی دیگر معلوم می شود که یک نوازنده است. تصادفی نیست که اتاق های موسیقی زیادی در Yandex وجود دارد. ما افراد زیادی داریم که برای فکر کردن باید بروند و بازی کنند.
من فکر می کنم این ارتفاعات در صفحات عمود بر هم قرار دارند. نمی توان گفت کدام یک از آنها اصلی است، زیرا لذت صرفاً عقلانی بدون عامل انسانی ناقص است. و برقراری ارتباط با مردم و در عین حال نداشتن اشتیاق فکری برای ایجاد یا یادگیری چیزی جدید نیز یک طرفه است. بنابراین، فقط هر دو، فقط در ترکیب.
- آخرین باری که واقعا ترسیدی کی بود؟
چیزی که واقعاً ترسناک است زمانی است که خود را در موقعیتی در معرض خطر فیزیکی قرار می دهید. آخرین باری که چنین وضعیتی رخ داد دو سال پیش بود.
من عاشق انجام کاری هستم که به آن کوه نوردی می گویند. من در کوه های آمریکا، در توده نوادای شمالی، در بهار، دور از فصل اوج گردشگری بودم، و حتی مسیری که انتخاب کردم محبوب ترین مسیری نبود. از پارکینگی که ماشین را گذاشتم یک ساعت، دو ساعت پیاده راه بود. مطلقاً هیچ فردی در اطراف وجود ندارد، اما سکویاهای بلند وجود دارد. قد بلند و چاق.
سکویا درختی است که واقعاً می تواند طوری باشد که گوشه ای از پشت آن بپیچید، مانند یک خانه. پشت یکی از این درختان سرخ چوب می چرخم و ناگهان می بینم که یک توله خرس تقریباً زیر پایم، کنار مسیر، ازدحام کرده است.
توله خرس به خودی خود شایان ستایش است، اما مادر تقریباً در جایی نزدیک است.
خرس ها ، در اصل ، واقعاً به مردم حمله نمی کنند ، آنها معمولاً فقط از مردم دور می شوند ، اصلاً نمی خواهند درگیر شوند. اما مادری که تصمیم می گیرد چیزی فرزندش را تهدید می کند، خطر بزرگ و جدی است.
یخ زدم و بی سر و صدا شروع کردم به نگاه کردن به اطراف تا بفهمم بعدش چکار کنم. اگر بخواهم فرار کنم، یک ساعت می دوم تا به ماشین برسم، مطمئناً به عقب خواهم رسید.
اینجا از طرف دیگر توله خرس دومی به من نزدیک می شود که مشخصا به من علاقه مند است. اما در نهایت همه چیز به خوبی تمام شد. مامان ظاهر نشد، من از انجام عکسبرداری لذت بردم.
داستان در مورد برخورد در طبیعت با دو توله است که چند ثانیه اول ترسناک است. خیلی ترسناکه می فهمی که بعداً چیزی جویده شده پیدا می کنند.
- دلت برای چه چیزی در زندگی تنگ شده است؟
زمان.
- چطور کنار می آیی؟
نه من دارم عذاب میکشم به نظر من اکنون نمی توان با این موضوع کنار آمد. همیشه کاری هست که نمی توانید انجام دهید. باید رتبه بندی کنید: چه چیزهایی برای خواندن وقت خواهید داشت، چه کسانی وقت ملاقات خواهید داشت، چه کارهایی برای انجام دادن وقت خواهید داشت، به کجا خواهید رسید، پرواز کنید، بروید.
- چه ویژگی هایی را در خودتان بیشتر دوست ندارید؟
گرم مزاجی، پرخاشگری. وقتی چیزی را دوست نداشتم یا چیزی به نظرم نمی رسید، یک واکنش عاطفی منفی دارم.
از افرادی که مهربانتر یا از نظر عاطفی حساس تر هستند، واکنش من ناکافی به نظر می رسد. من می توانم شروع به تمسخر کنم، گاهی اوقات کاملاً خشن. گاهی اوقات می توانم فقط پارس کنم، بدون اینکه متوجه شوم، متأسفانه، این طرف دیگر قدرت است: اگر یکی از همکاران از میز کناری اینطور پارس کند، خوب، به جهنم، می توانید پارس کنید. و در اینجا، مهم نیست که شما چه می گویید، واضح است که مردی که این همه در اینترنت کار می کند، رئیس، پارس می کند، و حتی چند کلمه نیمه چاپی در مورد محتوای جمجمه به زبان می آورد. این باعث رنجش مردم می شود.
متأسفانه من خیلی راحت و بیش از حد به مردم صدمه می زنم. متأسفانه، حتی درک این موضوع کمک زیادی به اجتناب از دفعه بعدی نمی کند.
-رویای چی میبینی؟
بله، چیزهای بسیار متفاوتی وجود دارد!
رویای دیدن یکسری جاهایی را دارم که نرفته ام. من واقعا عاشق سفر هستم، مکان های مورد علاقه زیادی دارم که همیشه به آنجا برمی گردم، اما در عین حال می خواهم مکان های جدید را نیز ببینم. به عنوان مثال، من واقعاً می خواهم از آن طرف خط استوا دیدن کنم.
من به آمریکای جنوبی، استرالیا یا نیوزلند نرفته ام. وقتی عکس هایی از نیوزلند می بینم کمی آب دهانم ترشح می شود. من واقعاً می خواهم به آنجا بروم.
من دوست دارم یکی دو زبان غیر از انگلیسی بلد باشم. آرزوی احمقانه - آن را بگیرید و مطالعه کنید. اما اجازه دهید به نکته قبلی نگاه کنیم - زمان کافی ندارم.
مطالعه اسپانیایی در همه برنامه های من است، اما هرگز به طور جدی وقت کافی برای آن نداشتم. من می‌دانم که انگلیسی چیز خوبی است، اما دقیقاً به این دلیل که در ایالات متحده، در انگلیس، در اروپای شمالی، جایی که جوانان به راحتی انگلیسی صحبت می‌کنند، احساس راحتی می‌کنم. وقتی خودم را در حومه اسپانیا می بینم، می توانم با کمک انگشتان، حرکات و چند پانتومیم خود را توضیح دهم. اما می‌دانم که اگر می‌توانستم به‌طور عادی به زبان اسپانیایی مادری‌شان چت کنم، چقدر همه چیز جالب‌تر و جالب‌تر می‌شد. من واقعاً یک زبان دیگر می خواهم، اول از همه اسپانیایی. من در مورد آن خواب می بینم.
علاوه بر اسپانیایی، من یکی از هیروگلیف ها را می خواهم - چینی یا ژاپنی. وقتی به آنجا سفر می‌کنید، می‌فهمید که تفکر و فرهنگ این کشورها تا حد زیادی شکل گرفته است. بدون دانستن نوشته آنها، بدون دانستن زبان آنها، احتمالاً درک کامل آنها غیرممکن است، اما شما می خواهید بفهمید.
- و علاوه بر زبان ها؟
داستانی در مورد ارائه یک چیز کاملاً جدید.
شما می توانید نوعی معیار را ارائه دهید، می توانید نوعی خدمات را راه اندازی کنید، اما اینها چیزهای کمی متفاوت هستند. سروصدا وجود دارد، اما طعم آن کمی متفاوت است. آن هیجانی که وقتی چیزی جدید را کشف، کشف، اثبات یا فرموله می‌کنید، تجربه می‌کنید. هیجان چیزی جدید در علم دقیقاً همان چیزی است که احتمالاً دوست دارم دوباره تجربه کنم. این یک نوع خاص از لذت فکری است.
- چرا علم را رها کردی؟
ما باید انتخاب می کردیم - اینجا بمانیم و روش فعالیت خود را تغییر دهیم یا روسیه را ترک کنیم و به علم ادامه دهیم. چون علمی که انجام می دادم و برایم جالب بود در دهه 90 انجامش کاملا غیرممکن شد.
- چرا؟
فیزیک سخت تجربی به یک سری چیزهای بسیار مادی بستگی دارد. متاسفانه کاری وجود داشت که نیاز به تجهیزات بسیار گران قیمتی داشت که نه پولی بود و نه پولی. به علاوه مواد مصرفی گران قیمت که در دسترس نیستند.
بعضی چیزها باید دوباره انجام می شد. همانطور که معمولاً در دهه 90 اتفاق می افتاد ، همه چیز مربوط به ابزار دقیق علمی از بین رفت. این بخشی نبود که بتوان در آن به راحتی زنده ماند. کارخانه ای که تیراترون تولید می کرد(نوع لامپ های فرکانس بالا - I.S.)به سادگی وجود خود را متوقف کرد. او تنها بود و قبلاً همه چیز خوب بود، گیاه به دستور سلمش مانند پنیر در کره زندگی می کرد. این دستورات متوقف شد و این بدان معنی بود که دیگر تیراترون در جهان وجود ندارد. در اصل، می توانید دوباره روی برخی دیگر تمرکز کنید، اما آنها صدها هزار دلار هزینه دارند که در بودجه من نبود.
بار دیگر: آهن سنگین مستلزم وجود صنعتی به عنوان ابزارسازی علمی است که یک شبه در کشور از بین رفت. برای بهره مندی از ثمرات مهندسی علمی خارجی به مقیاس عظیمی از بودجه نیاز بود. علاوه بر این، خوب، تیراترون، من گازهای طیفی خالص مورد نیاز خود را که تولید آنها در کشور متوقف شده است، از کجا تهیه کنم؟ و من باید هر هفته سیلندرها را با آنها حمل کنم. خوب، غیر واقعی است.
گروه ما تقریباً به نصف تقسیم شد: یک نفر رفت و اکنون همه آنها استادان موفقی در دانشگاه های مختلف در سراسر جهان هستند یا در دانشگاه های تجاری موفق هستند. لیوشکا درگاچف برای یک شرکت ماشین عکس کار می کند - یکی از بزرگترین شرکت های پردازش لیزر آمریکایی. به اجرای نتایج علمی در فعالیت های صنعتی خاص می پردازد، اگرچه این دقیقاً علم نیست.
کسانی که باقی ماندند، از جمله من، شروع به جستجوی چیزی شبیه به علم کردند، اما نه علم. من نمی خواستم چیزی بفروشم. حتی در بخش بانکی، خیلی ها عجله کردند، اما به نوعی... ریاضیات جالب زیادی در آنجا وجود دارد، اما چیزی درست نیست.
اینترنت که در آن زمان ظاهر شد به نظر من شبیه به آنچه در آزمایشگاه خود به آن عادت داشتم، شبیه بود، بنابراین از من خواستم به اولین ارائه دهنده اینترنت که تازه در حال ظهور بود بپیوندم.
- از اینکه اون موقع به خارج از کشور نرفتی پشیمونی؟
خیر در واقع اینجا خیلی باحال است.
من توانستم یک زندگی دوم کاملاً کامل داشته باشم.
من از موفقیت خود در علم کاملاً راضی هستم. من خیلی از هر کاری را که می خواستم آنجا انجام دادم. من می‌توانستم کارهای بیشتری انجام دهم، اما این فقط پیشرفت تدریجی بود. خوب، آیا شما استاد می شوید؟ خوب باشه و سپس در یک محیط دیجیتال کاملاً جدید به یک متخصص بازاریابی نسبتاً خوب تبدیل شدم، در یک شرکت کاملاً فوق العاده کار می کنم، تجربه زیادی دارم - عالی.
آیا می توانید آخرین انتخاب دشوار زندگی خود را به یاد بیاورید؟
سخت ترین انتخاب زندگی به تازگی مورد بحث قرار گرفته است. این آخرین نه، بلکه سخت ترین بود.
رفتن یا ماندن انتخاب بسیار سختی بود. این همیشه انتخابی است که بر عزیزان شما تأثیر می گذارد، نه تنها بر مسائل و سؤالات حرفه ای تأثیر می گذارد: "لعنتی، من می خواهم جایی کار کنم که مجبور نباشم ساعت 8 صبح از خواب بیدار شوم." اینها همه جزئیات هستند، اما چیزهای زیادی در رابطه با روابط با عزیزان، با دوستان، آنچه که به طور رسمی ارتباطات اجتماعی نامیده می شود وجود دارد - این نیز بر انتخاب تأثیر زیادی دارد. انتخاب البته فقط بین علم و اینترنت نبود، بلکه بین ارتباطات اجتماعی، سازگاری اجتماعی و شکل‌گیری ارتباطات جدید در یک کشور جدید نیز انتخاب شد.
از بعدها... از سال 1995، در مدت کمی بیش از 20 سال، موفق شدم در 6 یا 7 شرکت کار کنم. هر بار انتخاب مکان بعدی داستان نسبتاً پیچیده ای است.
آخرین چنین انتخابی ساده بود. این زمانی اتفاق افتاد که لیکوس باشکوه وجود نداشت. این یکی از زیرمجموعه‌های یک شرکت سهامی عام آمریکایی یکی از اولین پورتال‌هایی بود که در حوالی سال 2000 در حباب معروف دات‌کام شروع به کار کرد. Lycos میلیاردها دلار در IPO خود جمع آوری کرد و شروع به گسترش در تمام کشورهای جهان و ایجاد شرکت های تابعه کرد. او یک شرکت زیرمجموعه در اروپا ایجاد کرد و بلافاصله شرکت اروپایی علاوه بر اروپای غربی به روسیه هجوم برد و من به عنوان رئیس همین لایکوس روسی استخدام شدم.
سپس Lycos ورشکست شد. در روسیه، با وحشت بسته شد، زیرا در تنگنای مرگ خود سعی کردند هزینه ها را کاهش دهند و کشورهای زیان ده را ببندند، اما این هنوز کمکی نکرد. ابتدا Lycos اروپایی سقوط کرد و سپس Lycos اصلی ورشکست شد.
انتخاب ساده بود - این یک شرکت ورشکسته است. بحثی در مورد ترک یا عدم ترک او وجود نداشت. در آن زمان من به خوبی فهمیدم که جالب ترین مکان در Runet بود که در اینجا دوستان کافی داشتم، از جمله در میان بنیانگذاران.
پروردگارا، 20 نفر در تمام یاندکس بودند و من همه آنها را می شناختم!
همه ما می توانستیم برای یک نوشیدنی دور هم جمع شویم. من گاهی به آن دعوت می شدم، یک روز رفتم، صحبت کردم و مرا بردند. من می خواستم به Yandex بپیوندم - من در Yandex کار کردم.
- سه مورد از معایب Yandex را نام ببرید.
این معایب ادامه مزایای آن است.
اولین نقطه ضعف اجتناب ناپذیر بودن یک سیستم بسیار ساختار یافته و بنابراین همیشه انعطاف پذیر نیست، زمانی که هزاران نفر برای شما کار می کنند.
آندری سبانت، مدیر بازاریابی Yandex در یکاترینبورگ با موضوع "چگونه بدون آینده رها نشویم" سخنرانی کرد. او درباره تغییراتی که در 10 تا 20 سال آینده در حوزه هوش مصنوعی در انتظار ما است و اینکه چگونه در بازار کار مورد تقاضا باقی بمانیم، صحبت کرد. راباس به نکات اصلی سخنرانی خود اشاره کرد.
1.
طی 10 تا 20 سال آینده، بشریت در چندین زمینه تغییراتی را تجربه خواهد کرد:
- فن آوری های افزودنی (چاپ سه بعدی)؛
- (CRISPR و غیره) و ;
- منابع انرژی تجدید پذیر و انرژی های نو؛
- کشاورزی (بیوتکنولوژی، رباتیک، یادگیری ماشین)؛
- حمل و نقل.
2.
رایانه ها توانسته اند در بازی هایی که نیاز به عمل شهودی و تفکر خلاقانه دارند (شطرنج، Go، Dota2) انسان ها را شکست دهند. یعنی ماشین ها می توانند کیفیت هایی تولید کنند که صرفاً انسانی در نظر گرفته می شد.
پیشرفت در یادگیری ماشین را از طریق مثال خود نشان می دهد: تیم یک شبکه عصبی ایجاد کرده است که موسیقی را به سبک آهنگسازان مختلف تولید می کند. شبکه عصبی اثری به سبک الکساندر اسکریابین خلق کرد و کارشناسان از آثار این نوازنده استقبال کردند.
3.
قبلاً به ماشین‌ها نیاز بود که الگوریتم‌های عمل داده شوند، اما اکنون این کار را نمی‌کنند. آنها می توانند اعمال خاصی را خودشان آموزش دهند و آنها را بهتر از بسیاری از مردم انجام می دهند. به عنوان مثال، در ایالات متحده آمریکا، از یک شبکه عصبی آموزش دیده برای تشخیص چندین نوع سرطان پوست استفاده شد. متخصصین پوست با تجربه و با تجربه خیلی بیشتر از او اشتباه می کنند.
4.
Sebrant معتقد است که اگر برنامه‌ای مجبور شود با همان قوانینی زندگی کند که مثلاً کودکی که در یک محیط زبانی جدید غوطه‌ور شده است، هر چیزی را می‌توان آموزش داد، به ویژه فرآیندهای خودکار.
5.
سخنران همچنین برای توضیح مقاومت مردم در برابر این ایده که ماشین‌ها سریع‌تر و بهتر یاد می‌گیرند، فرضیه‌ای را مطرح می‌کند:
فرضیه این است که ما یک انسان محوری قوی داریم. ما بالاترین مرحله تکامل هستیم و انواع ماشین ها پایین تر از ما هستند، آنها نمی توانند از نظر مغز از ما پیشی بگیرند، زیرا این مغز ما است که ما را خاص می کند. اما می پرسم: چرا؟ کی گفته ما تاج آفرینش هستیم؟ یا شاید ما یک مرحله میانی برای ایجاد ابرهوش ماشینی هستیم؟
6.
آندری سبرانت قوانین اساسی بقای انسان ها پس از سال 2020 را تدوین کرد:
- برای یادگیری و یادگیری مجدد در طول زندگی خود آماده باشید. عمر بسیاری از حرفه‌ها کوتاه‌تر از عمر افراد می‌شود و ما هنوز از جالب‌ترین حرفه‌ها هم نمی‌دانیم.
- تیمی از افراد و ماشین‌های خلاق را رهبری کنید.
- قادر به آموزش الگوریتم ها باشید، نه فقط افراد.
- شجاعت این را داشته باشید که وظایف را به یک ماشین بسپارید، نه فقط به افراد. و این خرد را داشته باشید که تشخیص دهید چه چیزی را به چه کسی واگذار کنید.
7.
در نهایت، سبرانت دو کتاب را توصیه می‌کند: «ناگزیر» نوشته کوین کلی و «ماشین، پلتفرم، جمعیت» نوشته اندرو مک‌آفی و اریک برینجولفسون که هنوز به روسی ترجمه نشده است. اولی درباره اینکه بشریت به کجا می رود، دومی توسعه هوش مصنوعی را از نقطه نظر اقتصاد و فرآیندهای تجاری بررسی می کند.
ضبط کامل سخنرانی آندری سبانت را تماشا کنید.
متولد 1954
تحصیلات: بالاتر، داوطلب رشته علوم فیزیکی و ریاضی.
در مسکو زندگی می کند
به عنوان یک فیزیکدان محقق، آندری سبرانت بر روی جنبه های مختلف برهمکنش تابش لیزر با سطح یک جامد و همچنین فرآیندهای توده پلاسمای لیزر در نزدیکی سطح نمونه تابیده شده کار کرد. اما پس از شروع اصلاحات در سال 1991، ابزارهای علمی در روسیه به عنوان یک کلاس ناپدید شدند و گروه سبرانت به سادگی منابع مادی کافی برای حفظ سطح مورد نیاز آزمایش را نداشت. پولی که دولت و حامیان غربی برای علم می دادند نمی توانست تمام هزینه یک محصول علمی معمولی در روسیه را پوشش دهد
باقی ماند- می گوید سبانت، - "بازخوانی نتایج قدیمی، التماس برای دعوت نامه های پولی برای کنفرانس ها، و غیره. ما به نوعی به خودمان احترام گذاشتیم که صحنه را بدون چنین آبروریزی ترک کنیم. علاوه بر این، همه به توانایی خود برای مستقر شدن و کار کردن با سر خود در مناطق دیگر - یا در کشورهای دیگر اعتقاد داشتند. ، اگر فیزیک را تغییر ندهید - (و به هر حال آنها اشتباه نکردند).
به دلیل فروپاشی سریع علم داخلی در شرایط یک بازار برنده، سبانت خود را در میان بسیاری از دانشمندان روسی یافت که به خاطر کارآفرینی حرفه خود را ترک کردند. با این حال، او هرگز در مورد "قداست علم" و "پایه بودن فعالیت تجاری" هیچ عقده ای نداشت - در دهه 70-80 او مدیر "کتابفروشی مردم" در موسسه تحقیقاتی بود که در آن کار می کرد. این یک شعبه بسیار محرمانه از موسسه انرژی اتمی در شهر ترویتسک بود که توسط ولیخوف (که در سالهای "پرسترویکا" با گورباچف در ایالات متحده سفر کرد) نظارت می کرد.
انتقال تدریجی Sebrant از رشته فیزیک تجربی به حوزه تجارت اینترنتی چندین سال به طول انجامید. انگیزه سازماندهی توسط همسر ولیخوف (که فعالانه درگیر کامپیوتری کردن آموزش بود) یک کمپ بین المللی کامپیوتر برای دانش آموزان مدرسه بود.
- ولیخوف،- سبرانت به یاد می آورد، - او به دلایلی علاقه مند به نقض وضعیت "بسته" ترویتسک بود و با استفاده از وزن سیاسی قابل توجه خود در آن زمان تصمیم گرفت که این اردو بر اساس یک مرکز رایانه ای کودکان در ترویتسک به نام "Baytik" برگزار شود.
به روش معمول شوروی برای حل مشکلات پرسنل با جذب داوطلبان، ولیخوف تصمیم گرفت به فیزیکدانان "خود" بسنده کند. برای پذیرایی از دانش آموزان، تیمی از آزمایشگران با تجربه در کار در روزنامه های دیواری، اردوهای پیشگام، با تیم های KVN، با برنامه "کجا" و غیره استخدام شدند. سبرانت نیز در این تیم حضور داشت. بنابراین، در تابستان 1988، Sebrant با شبکه های کامپیوتری مواجه شد. او که از طرفداران بزرگ داستان های علمی تخیلی بود، شبکه را به عنوان یک "داده کره" (اصطلاحی از رمان Hyperion اثر دن سیمونز) کشف کرد.
گلس نت در سال 1990 به عنوان پروژه ای از APC - انجمن ارتباطات پیشرو از سانفرانسیسکو آغاز شد. این شبکه به عنوان یک شبکه ایجاد شده برای دسترسی عموم غیر رایانه ای - فعالان اجتماعی، مربیان، روزنامه نگاران و انواع افراد غیررسمی ارائه شد. طبق قوانین آمریکا، استراتژی سازمانی که کمک های مالی دریافت می کند باید توسط هیئت مدیره ای تعیین می شد - کارشناسان محلی اینترنت که هیچ علاقه تجاری به گلاس نت نداشتند. به سبانت پیشنهاد شد که به هیئت مدیره بپیوندد - در سال 1993 او از جمله کسانی بود که توسعه گلاسنت را تعیین کرد.
البته با شروع تجاری سازی شبکه، گلاس نت به عنوان تامین کننده گروه های حاشیه ای مانند فعالان حقوق بشر، سبزها و ... محکوم به فنا شد. برای زنده ماندن در بازار ارائه دهندگان فعال در حال ظهور، تبدیل شدن به یک شرکت مؤثر و سودآور ضروری بود. هر مشاوری که به نیازهای آموزشی اعضای هیئت مدیره اهمیت می دهد (و سپس خود هیئت مدیره) ناپدید می شد. Sebrant نمی خواست از تجارت ناپدید شود، و با ترک موسسه، موقعیت رهبری را در کارکنان Glasnet (رئیس بخش WEB) گرفت.
فعالیت های او در سمت جدیدش با ایجاد یک وب سایت معمولی و به طور کلی یک بخش فناوری وب، هم برای رفع نیازهای مشتریان و هم به عنوان یک ابزار بازاریابی برای خود شرکت آغاز شد. در همان زمان، او همچنین وضعیت فعلی شرکت و بازار را تجزیه و تحلیل می کرد:
- مهارت ها و حتی نرم افزارهایی که در آزمایشگاه استفاده کردم به طرز شگفت آوری مفید بودند،- می گوید سبانت، - سرورهای ارائه دهنده حجم عظیمی از گزارش ها را تولید می کنند. این به طور غیرعادی شبیه به تعداد دیوانه وار پارامترهای مشخصه مشکلات دینامیک پلاسما است. بنابراین، شما فقط باید موارد کلیدی را پیدا کنید، یاد بگیرید که آنها را بشمارید، دائماً آنها را نظارت کنید و مدل های ساده را بر اساس تغییرات مشاهده شده بسازید. من این کار را تقریباً 20 سال قبل از پیوستن به گلاس نت انجام دادم و در آن بسیار خوب بودم. اکنون من انواع داده های جالب و پویایی رفتار آنها را برای بیش از سه سال دارم. و برای مثال، مدل‌های کارکرد رفتار کاربر هنگام تغییر قیمت‌ها.
یک سال بعد، Sebrant مدیر بازاریابی گلاسنت شد. وظایف او امروز شامل جمع آوری و تجزیه و تحلیل تمام آمارهای مهم مربوط به کار شرکت، تجزیه و تحلیل بازار، توسعه سیاست های قیمت گذاری و برنامه های توسعه، برنامه ریزی کمپین های تبلیغاتی و توسعه سناریوهای آنها و همچنین همکاری با مطبوعات است.
سردبیر دائمی مجله بازاریابی اینترنتی از زمان تأسیس آن در سال 2001، عضو شورای صندوق توسعه موزه پلی تکنیک، سازمان دهنده و ارائه کننده کنفرانس بزرگ سالانه Yandex، اما کنفرانس دیگری در زمینه بازاریابی.
آندری سبانت در 21 نوامبر 1954 در مسکو به دنیا آمد. در سال 1977 از موسسه فیزیک و فناوری مسکو (MIPT) در رشته فیزیک تجربی فارغ التحصیل شد. کاندیدای علوم فیزیک و ریاضی.
پس از فارغ التحصیلی از موسسه، در یکی از شعبه های موسسه انرژی اتمی به نام خود مشغول به کار شد. I. V. Kurchatov که در آنجا مشغول مطالعات تجربی در مورد جنبه های مختلف برهمکنش تابش لیزر با ماده بود، برنده جایزه لنین کومسومول و تعدادی جوایز دیگر شد و بیش از 60 مقاله علمی منتشر کرد.
من برای اولین بار با اینترنت آشنا شدم و در سال 1988 شروع به استفاده فعال از آن کردم.
از سال 1989، او شروع به ترکیب فعالیت علمی با کار در اینترنت کرد و در پروژه های آموزشی بین المللی اینترنتی مشارکت فعال داشت. چند سال بعد، او سرانجام علم را برای تجارت اینترنتی ترک کرد.
در سال 1995، آندری سبرانت سمت مدیر بازاریابی یکی از اولین شرکت های اینترنتی روسیه، Glasnet را بر عهده گرفت. او هم در سیاست تعرفه ای ارائه دهنده و هم در مسائل کلی بازاریابی با استفاده فعال از اینترنت درگیر بود. بعدها، زمانی که گلسنت توسط گلدن تلکام خریداری شد، او به عنوان مدیر تجاری شعبه Rossiya Online به کار خود ادامه داد.
از سال 1997 تا 2001، او سردبیر شعبه روسیه پورتال اینترنتی چند رسانه ای آمریکایی درباره بود. او همچنین در توسعه و ترویج تعدادی از پروژه های اینترنتی معروف روسیه (List.ru، Internet.ru، Listovka.ru، Pole.ru، و غیره) شرکت کرد. او به مشاوره در زمینه راه حل های اینترنتی برای تجارت مشغول بود. از سال 2000 تا 2003 - تولید کننده عمومی و مدیر استراتژی شعبه روسیه Lycos Europe، بزرگترین پورتال اینترنتی اروپا در آن زمان.
آندری سبانت نویسنده مقالات متعددی در مطبوعات آنلاین و سنتی در مورد جنبه های بازاریابی اینترنت، ویراستار علمی تعدادی از کتاب های ترجمه شده در زمینه بازاریابی اینترنتی، و شرکت کننده فعال در کنفرانس های روسی و بین المللی در زمینه بازاریابی و فناوری های اینترنتی است. او مرتباً در مورد فن‌آوری‌های بازاریابی و بازاریابی تعاملی برای دانشجویان دانشگاه‌های پیشرو مسکو و دانشجویان MBA سخنرانی می‌کند، به طور فعال با استارت‌آپ‌ها کار می‌کند و عضو برنامه و کمیته سازماندهی بزرگترین کنفرانس‌های روسیه در موضوعات اینترنتی است.
در سال 2004، او به عنوان مدیر پروژه های ویژه به Yandex دعوت شد. او امروز به عنوان مدیر بازاریابی خدمات به کار خود ادامه می دهد. به مسائل استراتژی و تاکتیک های بازاریابی شرکت، تجزیه و تحلیل بازار اینترنت روسیه و تجزیه و تحلیل رقابتی می پردازد، اجرای فناوری ها در بازاریابی شرکت را هماهنگ می کند و مسئول نمایندگی Yandex در رویدادهای مهم در مقیاس ملی و بین المللی است.
تمام کار موتورهای جستجوی گوگل و یاندکس یادگیری ماشینی کامل است. فیلتر کردن هرزنامه ها در ایمیل مدت هاست که یک فناوری یادگیری ماشینی بوده است. نکته جالب این است که در واقع "زیر کاپوت" چه اتفاقی می افتد زمانی که از یک جست و جوی معمولی بپرسید، "نام فیلمی است که در آن پسر به دلیل باج گیری با یک عکس از طریق دوربین لپ تاپ خود به قتل می رسد؟" هر کسی که Black Mirror را تماشا کرده است به سرعت متوجه می شود که هیچ صفحه ای با چنین توصیفی وجود ندارد. اما در بسیاری از موارد، ما می‌توانیم به سریال صحیح منتهی شویم، فقط به این دلیل که کلمات کافی در این عبارت طولانی برای درک معنای "آینه سیاه" وجود دارد - اگرچه تاکنون موتورهای جستجو این درخواست خاص را قطع کرده‌اند. همه پرداخت‌های الکترونیکی تنها به لطف یادگیری ماشینی امکان‌پذیر است، زیرا در حال حاضر هیچ سیستمی وجود ندارد که تراکنش‌های آنلاین را بدون دستگیری کلاهبرداران با استفاده از الگوریتم‌های یادگیری ماشینی خوب پردازش کند. همه آنها مدتها پیش مرده بودند و از پردازش تراکنش های آنلاین بدون سیستم یادگیری ماشین خودداری می کردند.
چگونه یک فرد می تواند از پیشرفت های تکنولوژیک در سطح روزمره استفاده کند؟ در کار هر شرکتی، این بیشتر یک موضوع سازمانی است، زیرا ما می‌توانیم از داده‌ها در یک رویه مدون استفاده کنیم، زیرا دستاوردهای زیادی داشته‌ایم، از پرتاب موشک گرفته تا عملیات یک شرکت شیمیایی مدرن. تولید بزرگ مدرن - همه به خوبی دیجیتالی شده است. اساسا، این یک چیز بزرگ خودکار است. در عین حال ، کلمه اتوماسیون کسی را نمی ترساند ، زیرا اعتقاد بر این است که اتوماسیون مجموعه ای از الگوریتم هایی است که توسط یک شخص نوشته شده است. و اکنون، با یک میلیون دستورالعمل که مردم کدگذاری کرده اند، می توانیم مدیریت سازمانی را کاملاً خودکار کنیم. به عنوان مثال، مونتاژ یک خودرو عمدتاً یک فرآیند خودکار است.
اما هنوز مشکلاتی وجود دارد. مثلا اروپایی ها می گویند بدترین کاری که ما الان شروع کرده ایم جمع آوری تفکیک زباله است. واقعیت این است که جمع آوری زباله به صورت جداگانه انجام می شود تا به نوعی این زنجیره از نظر اقتصادی بسته شود. به طوری که از بطری که دور انداختم، بعداً بتوانم یک کیسه پلاستیکی درست کنم. اما چگونه می توان به طور خودکار زباله ها را مرتب کرد اگر کیفیت آنها همیشه متفاوت است؟ با صحبت کردن در مورد این زباله، من در مورد یک کلاس کامل از مشکلات به شما می گویم: چگونه یک ماشین می تواند با پارامترهایی کار کند که در ورودی متفاوت هستند؟ از این گذشته ، پس از 10 سال آموزش ، فرد "احساس" ایجاد می کند! اما واقعیت این است که پس از یک ماه آموزش روی این سیاهه ها، سیستم های یادگیری ماشینی خوب نیز یک "احساس" ایجاد می کنند، یعنی بهتر از استاد شروع به تصمیم گیری می کنند. اما، متأسفانه، او نمی داند چگونه مانند یک استاد، پشم را به درستی روی گوش مافوق خود بکشد.
و در اینجا به سراغ مشکلاتی می رویم که تکنولوژیکی نیستند، بلکه روانی هستند. ما حتی یک نفر را داشتیم که او را «مفسر الگوریتم‌های تفسیر نشده برای روسای بزرگ» نامیدیم، زیرا وقتی به روسا نشان می‌دهید که او به وضوح اثر اقتصادی اتوماسیون دارد، می‌گوید: «خب، خب، حالا به من بگو چرا؟ چرا واسیا، که تمام زندگی خود را وقف این تولید کرد، نمی تواند این کار را انجام دهد، اما یک ماشین می تواند؟ ما سعی می کنیم به نحوی تجربه خودمان را تجزیه کنیم، اما مثل این است که اکنون از شما بخواهم توضیح دهید که چگونه یک گربه را از یک سگ تشخیص می دهید. و این همان داستان است - ما هرگز نمی توانیم توضیح دهیم که چرا دستگاه دقیقاً چنین تصمیمی گرفته است.
در حال بارگیری...
