Познакомьтесь с Эдгаром Дуэньесом-Гусманом, инженером-исследователем из нашей группы мультиагентных исследований, который использует знания в области теории игр, информатики и социальной эволюции, чтобы улучшить совместную работу агентов ИИ.

Что привело вас к работе в области информатики?

Сколько себя помню, я хотел спасти мир. Вот почему я хотел быть учёным. Хотя мне нравились истории о супергероях, я понял, что настоящими супергероями являются учёные. Именно они дают нам чистую воду, лекарства и понимание нашего места во Вселенной. В детстве я любил компьютеры и любил науку. Однако, выросший в Мексике, я не чувствовал, что изучение информатики осуществимо. 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?

В рамках своей докторской диссертации по информатике я создавал биологические симуляции и в итоге влюбился в биологию. Понимание эволюции и того, как она сформировала Землю, было воодушевляющим. Половина моей диссертации была посвящена этим биологическим симуляциям, и я продолжал работать в научных кругах, изучая эволюцию социальных явлений, таких как сотрудничество и альтруизм.

После этого я начал работать в отделе поиска в Google, где научился справляться с огромными масштабами вычислений. Спустя годы я соединил все три части воедино: 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.

Что заставило вас обратиться 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 Google приобрел его, и я был очень взволнован. Я хотел прийти, но жил в Калифорнии, а DeepMind набирала сотрудников только в Лондоне. Итак, я продолжал отслеживать прогресс. Как только в Калифорнии открылся офис, я оказался первым в очереди. Мне посчастливилось попасть в первую группу. В конце концов я переехал в Лондон, чтобы постоянно заниматься исследованиями.

Что вас больше всего удивило в работе в DeepMind?

Какие до смешного талантливые и дружелюбные люди. У каждого человека, с которым я разговаривал, есть интересная сторона вне работы. Профессиональные музыканты, художники, байкеры с отличной физической подготовкой, люди, снимавшиеся в голливудских фильмах, победители математических олимпиад – что угодно, у нас это есть! И мы все открыты и стремимся сделать мир лучше.

Как ваша работа помогает DeepMind оказать положительное влияние?

В основе моих исследований лежит создание интеллектуальных агентов, понимающих сотрудничество. Сотрудничество является ключом к нашему успеху как вида. Благодаря сотрудничеству мы можем получить доступ к мировой информации и связаться с друзьями и семьей на другом конце света. Наша неспособность справиться с катастрофическими последствиями изменения климата — это провал сотрудничества, как мы увидели во время COP26.

Что самое лучшее в вашей работе?

Гибкость в реализации идей, которые я считаю наиболее важными. Например, я бы хотел помочь использовать нашу технологию для лучшего понимания социальных проблем, таких как дискриминация. Я предложил эту идею группе исследователей, обладающих знаниями в области психологии, этики, справедливости, нейробиологии и машинного обучения, а затем создал исследовательскую программу, чтобы изучить, как дискриминация может возникать в результате стереотипов.

Как бы вы описали культуру DeepMind?

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

Состоите ли вы в каких-либо группах DeepMind? Или другая деятельность?

Я люблю участвовать во внеклассных занятиях. Я являюсь координатором семинаров по союзничеству в DeepMind, где мы стремимся дать участникам возможность действовать ради позитивных изменений и поощрять союзничество в других, способствуя созданию инклюзивного и справедливого рабочего места. Мне также нравится делать исследования более доступными и общаться с приезжими студентами. Я создал общедоступный образовательные пособия за объяснение подросткам концепций искусственного интеллекта, которые использовались в летних школах по всему миру.

Как ИИ может максимизировать свое положительное влияние?

Чтобы оказать наиболее положительное воздействие, просто необходимо, чтобы выгоды распределялись широко, а не оставались в руках небольшого числа людей. Мы должны разрабатывать системы, которые расширяют возможности людей и демократизируют доступ к технологиям.

Например, когда я работал над ВейвНет, новый голос Google Assistant, я чувствовал, что было здорово работать над технологией, которая сейчас используется миллиардами людей в Поиске Google или на 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 творить добро, нам просто нужно ими воспользоваться.

Каковы самые большие проблемы, с которыми сталкивается ИИ?

Существуют как практические, так и социальные проблемы. С практической стороны мы усердно работаем, пытаясь сделать наши алгоритмы более надежными и адаптируемыми. Будучи живыми существами, мы воспринимаем надежность и приспособляемость как нечто само собой разумеющееся. Небольшое изменение расстановки мебели не заставит нас забыть, для чего нужен холодильник. Искусственные системы с этим действительно борются. Есть несколько многообещающих направлений, но нам еще есть куда двигаться.

Что касается общества, нам необходимо коллективно решить, какой ИИ мы хотим создать. Нам необходимо убедиться, что все, что производится, безопасно и полезно. Но этого особенно трудно достичь, когда у нас нет четкого определения того, что это означает.

Какие проекты DeepMind вы считаете наиболее вдохновляющими?

Прямо сейчас я все еще нахожусь на пике АльфаФолд, наш алгоритм сворачивания белка. У меня есть опыт работы в области биологии, и я понимаю, насколько многообещающим может быть предсказание структуры белка для биомедицинских приложений. И я особенно горжусь тем, как DeepMind опубликовала белковую структуру всех известных белков человеческого тела в глобальных наборах данных, а теперь опубликовала почти все каталогизированные белки, известные науке.

Есть какие-нибудь советы начинающим DeepMinders?

Будьте игривы, будьте гибкими. Я не мог оптимизировать карьеру, ведущую к DeepMind (не было даже DeepMind, под который можно было бы оптимизировать!) Но что я мог сделать, так это всегда позволить себе мечтать о потенциале технологий, о создании интеллектуальных машин и улучшении мир с ними.

Программирование само по себе волнующее занятие, но для меня оно всегда было скорее средством 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. Не сосредотачивайтесь на «что», а на «почему», и «как» проявится само собой.