Познакомьтесь с Эдгаром Дуэньесом-Гусманом, инженером-исследователем из нашей группы по исследованию нескольких агентов, который использует знания в области теории игр, информатики и социальной эволюции, чтобы агенты ИИ лучше работали вместе.

Что привело вас к работе в области компьютерных наук?

Я хотел спасти мир с тех пор, как себя помню. Вот почему я хотел быть ученым. Хотя я любил истории о супергероях, я понял, что настоящие супергерои — ученые. Именно они дают нам чистую воду, лекарства и понимание нашего места во Вселенной. В детстве я любил компьютеры и любил науку. Однако, когда я рос в Мексике, я не чувствовал, что изучение информатики возможно. Итак, я решил изучать математику, рассматривая ее как прочную основу для вычислений, и в итоге защитил университетскую диссертацию по теории игр.

Как учеба повлияла на вашу карьеру?

Работая над докторской диссертацией по компьютерным наукам, я создавал биологические симуляции и в итоге влюбился в биологию. Понимание эволюции и того, как она сформировала Землю, было волнующим. Половина моей диссертации была посвящена этим биологическим симуляциям, и я продолжал работать в академических кругах, изучая эволюцию социальных явлений, таких как сотрудничество и альтруизм.

Оттуда я начал работать в поиске в Google, где научился справляться с огромными масштабами вычислений. Спустя годы я собрал все три части вместе: теорию игр, эволюцию социального поведения и крупномасштабные вычисления. Теперь я использую эти части для создания агентов с искусственным интеллектом, которые могут научиться сотрудничать между собой и с нами.

Почему вы решили подать заявку в DeepMind, а не в другие компании?

Это была середина 2010-х. Я следил за ИИ более десяти лет и знал о DeepMind и некоторых их успехах. Затем его приобрел Google, и я был очень взволнован. Я хотел войти, но жил в Калифорнии, а DeepMind нанимал только в Лондоне. Итак, я продолжал отслеживать прогресс. Как только в Калифорнии открылся офис, я оказался первым в очереди. Мне посчастливилось попасть на работу в первую группу. В конце концов, я переехал в Лондон, чтобы заниматься исследованиями на постоянной основе.

Что вас больше всего удивило в работе в DeepMind?

Какие до смешного талантливые и дружелюбные люди. У каждого человека, с которым я разговаривал, есть захватывающая сторона вне работы. Профессиональные музыканты, художники, байкеры в отличной форме, люди, снявшиеся в голливудских фильмах, победители математических олимпиад — вы называете это, у нас есть это! И мы все открыты и стремимся сделать мир лучше.

Как ваша работа помогает DeepMind оказывать положительное влияние?

‍В основе моего исследования лежит создание интеллектуальных агентов, понимающих сотрудничество. Сотрудничество является ключом к нашему успеху как вида. Мы можем получить доступ к мировой информации и общаться с друзьями и семьей на другом конце света благодаря сотрудничеству. Наша неспособность справиться с катастрофическими последствиями изменения климата является провалом сотрудничества, как мы видели на COP26.

Что самое лучшее в вашей работе?

Гибкость в реализации идей, которые я считаю наиболее важными. Например, я хотел бы помочь использовать нашу технологию для лучшего понимания социальных проблем, таких как дискриминация. Я представил эту идею группе исследователей, специализирующихся в области психологии, этики, справедливости, неврологии и машинного обучения, а затем создал исследовательскую программу для изучения того, как дискриминация может возникать из стереотипов.

Как бы вы описали культуру в DeepMind?

DeepMind — одно из тех мест, где свобода и потенциал идут рука об руку. У нас есть возможность развивать идеи, которые мы считаем важными, и существует культура открытого обсуждения. Нередко вы заражаете других своими идеями и формируете команду, чтобы воплотить их в жизнь.

Вы состоите в каких-либо группах в DeepMind? Или другие виды деятельности?

Я люблю участвовать во внеклассных занятиях. Я являюсь фасилитатором семинаров Allyship в DeepMind, где мы стремимся дать участникам возможность действовать для позитивных изменений и поощрять союзничество в других, способствуя инклюзивному и справедливому рабочему месту. Я также люблю делать исследования более доступными и общаться с приезжими студентами. Я создал общедоступный учебные пособия за объяснение концепций искусственного интеллекта подросткам, которые использовались в летних школах по всему миру.

Как ИИ может максимизировать свое положительное влияние?

Чтобы иметь максимально положительное влияние, просто необходимо, чтобы выгоды распределялись широко, а не сохранялись у небольшого числа людей. Мы должны разрабатывать системы, которые расширяют возможности людей и демократизируют доступ к технологиям.

Например, когда я работал над WaveNet, новым голосом помощника Google, я чувствовал, что здорово работать над технологией, которая сейчас используется миллиардами людей в Google Поиске или Картах. Это хорошо, но потом мы сделали кое-что получше. Мы начали использовать эту технологию, чтобы вернуть голос людям с дегенеративными расстройствами, такими как БАС. Всегда есть возможности сделать добро, надо только ими воспользоваться.

С какими самыми большими проблемами сталкивается ИИ?

Существуют как практические, так и социальные проблемы. С практической стороны мы усердно работаем, пытаясь сделать наши алгоритмы более надежными и адаптируемыми. Как живые существа, мы воспринимаем надежность и приспособляемость как должное. Немного изменив расстановку мебели, мы не забываем, для чего нужен холодильник. Искусственные системы действительно борются с этим. Есть несколько многообещающих зацепок, но нам еще многое предстоит сделать.

Что касается общества, нам необходимо коллективно решить, какой тип ИИ мы хотим создать. Мы должны убедиться, что все, что производится, является безопасным и полезным. Но этого особенно трудно достичь, когда у нас нет идеального определения того, что это значит.

Какие проекты DeepMind вы считаете наиболее вдохновляющими?

‍Прямо сейчас я все еще пользуюсь AlphaFold, нашим алгоритмом сворачивания белков. У меня есть опыт работы в области биологии, и я понимаю, насколько перспективным может быть предсказание структуры белка для биомедицинских приложений. И я особенно горжусь тем, как DeepMind опубликовала белковую структуру всех известных белков в организме человека в глобальных наборах данных, а теперь опубликовала почти все каталогизированные белки, известные науке.

Какие-нибудь советы начинающим DeepMinders?

Будь игривым, будь гибким. Я не мог оптимизировать свою карьеру, ведущую к DeepMind (не было даже DeepMind, к которому можно было бы оптимизировать!) мир с ними.

Программирование волнует само по себе, но для меня оно всегда было скорее средством для достижения цели. Именно это позволило мне оставаться в курсе событий, когда технологии приходили и уходили. Я не был привязан к инструментам, я был сосредоточен на миссии. Сосредоточьтесь не на «что», а на «почему», и «как» проявится.

‍