Казахстанка тренирует нейросети в стартапах Кремниевой долины

164316

Не нужно отказываться от своей мечты, даже если путь к её воплощению не пролегает по гладкой прямой дороге, а оказывается подобен тропинке, петляющей между холмами

Акбота Ануарбек
Акбота Ануарбек
ФОТО: © Rob Temmerman

В этом уверена участница рейтинга «30 до 30» Forbes Kazakhstan, экономист по образованию, действующий специалист в области машинного обучения и инженер по робототехнике 29-летняя Акбота Ануарбек.

Путь к мечте

Когда Акботе было семь лет, семья переехала из Алматы в Астану, и школьные годы нашей героини прошли в столице. Ученице, выросшей в семье потомственных математиков, этот предмет нравился и давался без особых усилий, но, прежде чем поступить в математическую школу, а затем в НИШ, Акбота некоторое время проучилась в гимназии, специализировавшейся на обучении иностранным языкам. Впрочем, и тогда склонность к математике давала себя знать – она участвовала в математических олимпиадах.

«Знаю, что многие ученики целенаправленно готовятся к олимпиадам, дополнительно занимаются с преподавателями. В моем случае такого не было: меня ставили перед фактом за день до мероприятия. Без специальной подготовки, знаний о способах решения мне было сложнее, чем другим ребятам. Выручало то, что предмет всегда давался легко, видимо, сказались годы жизни в семье математиков. К тому же мне всегда нравилось решать задачи, в которых было важно не только знание формул, но и логика», – вспоминает Акбота. Она даже получила право участвовать в международной олимпиаде в Москве, а после того, как в 10-м классе поступила в НИШ, учиться стало сложнее и интереснее.

После того как в один из дней в гости к ученикам выпускного класса пришли вчерашние студенты, окончившие Гарвард и Дьюкский университет, Акбота загорелась идеей поступления в американский вуз. Сдав необходимые тесты по профильному предмету и английскому языку, она поступила в Бостонский университет на специальность «математика» по программе «Болашак», но, когда до осуществления американской мечты оставалось рукой подать, решила… остаться в Казахстане. «Не знаю, почему я тогда отказалась от поездки в Бостон. Может быть, потому что в Астане оставались друзья, может быть, согласилась с родителями, считавшими, что лучше окончить бакалавриат в Казахстане, а уже в магистратуру поступать за рубеж», – рассуждает собеседница. Как бы то ни было, по окончании школы она поступила в Назарбаев Университет на факультет экономики.

Выбранная специальность увлекла, но девушке, любившей решать сложные математические задачи, не хватало занятий по точным наукам. Взятый по собственной инициативе урок Computer Science понравился настолько, что Акбота решила получить вторую специальность по математике. Инициативу одобрили и родители, уверенные, что для экономиста фундаментальные знания не будут лишними, и преподаватели, разглядевшие в студентке склонность к техническим наукам. В 2015 году, окончив НУ и теперь уж решив воплотить в жизнь давнюю мечту об учебе в Америке, Акбота поступила в магистратуру Дьюкского университета на специальность Computer Science.

«Совсем недавно я часто думала о том, что если бы сразу училась в математической школе, сразу поступила бы на ту специальность, которой занимаюсь сейчас, моя карьера сложилась бы лучше и легче, и лишь недавно пришло понимание, что пройденный путь – это опыт, за который надо благодарить жизнь. К тому же полученные знания никогда не бывают лишними, даже если напрямую не относятся к сфере твоей деятельности, как та же экономика», – делится размышлениями собеседница.

Учеба в Университете Дьюка давалась нелегко: многие дисциплины, знакомые другим студентам, приходилось изучать с азов, догонять, поскольку раньше Акбота училась по другой специальности. Сам преподаватель советовал не брать сложный курс по алгоритмам, ориентированный на студентов, готовившихся выполнить PhD. Но Акбота, твердо решив заниматься Computer Science и алгоритмами, не пошла по пути наименьшего сопротивления. В итоге она показала один из лучших результатов, а пройденный сложный курс оказался едва ли не самым ключевым и полезным в будущей профессии из всей программы.

Тренировки для роботов

Вернувшись в Казахстан в 2018-м, Акбота присоединилась к команде, осуществлявшей при Министерстве здравоохранения совместный с IBM проект по использованию ИИ (искусственный интеллект) для диагностики заболеваний. За время учебы в Америке девушка получила хорошие теоретические знания и рассчитывала в рабочем процессе сочетать теорию с практикой. «Проект цифровизации оказался интересным, но у меня изначально были немного другие ожидания. Мы покупали готовые решения у вендоров, а мне хотелось самой разрабатывать такие алгоритмы, хотелось больше творческой свободы в рамках своей специализации. Тогда я поняла, что искать работу всё же нужно за рубежом, ориентируясь на стартапы», – рассказывает собеседница.

ФОТО: © Меруерт Булекова

Работа в стартапах и правда стала ее стихией. По словам Акботы, необходимость постоянно думать над новыми задачами, каждая из которых отличается от предыдущей, держит в тонусе, дает простор для творчества и позволяет создавать решения, с помощью которых можно решить реальные задачи, стоящие перед реальными заказчиками, в число которых входят крупные компании из ретейла, логистики и почтовой службы, производственные гиганты, например, Walmart и FedEx.

«Исследовательская, академическая работа очень важна, но она в большей степени основана на теории, занимает много времени. В стартапах всё происходит очень быстро, и мне это по душе. Кроме того, поскольку в стартапах в основном не очень большие команды, часто приходится осваивать смежные профессии, учиться новому. Допустим, я начинала как инженер машинного обучения, работала в основном над тренировкой нейронных сетей, а Computer Vision – это совсем другая специальность. Работа в стартапах дала мне возможность не зацикливаться на одной специализации, осваивать разные направления, и этот опыт оказался очень полезным, потому что некоторые задачи невозможно решить, не владея комплексом знаний по разным дисциплинам», – отмечает собеседница.

Поиски работы за границей привели Акботу летом 2018 года в Сан-Франциско, в команду стартапа Aquifi. Стартап предлагает интеллектуальные решения контроля с использованием 3D-датчиков часто повторяющихся и высокопроизводительных процессов в производстве, логистике, электронной коммерции. Казахстанка обучала нейронные сети распознавать в реальном времени дефекты продукции на конвейере компании Ford Motor. Задачу осложняло то обстоятельство, что трещины и сколы нужно было выявлять в условиях непрерывного производственного цикла, во время движения конвейера на большой скорости, так что работа должна была быть выполнена быстро и аккуратно. «Благодаря тому что мы собирали данные с нескольких датчиков, использовали 3D-изображение, удалось оптимизировать алгоритмы, улучшить их точность, а мне понравилось работать с 3D», – рассказывает Акбота.

Схожие задачи ей предстояло решать и во время работы в команде стартапа QBoid, правда, уже применительно к сфере логистики: речь шла о разработке алгоритмов компьютерного зрения для классификации материалов, анализа форм и размеров объектов. «Говоря простыми словами, направив на объект специальное устройство, чем-то напоминающее смартфон, нужно определить, из какого материала произведен груз, например, из стекла или металла, и измерить его параметры с точностью до пары миллиметров. В автоматизации логистики такие вещи имеют очень большое значение для складирования и транспортировки, а 3D-камеры, например, не всегда могут представить корректное изображение, если в производстве объекта использованы те же стекло или металл, то есть прозрачные и отражающие материалы», – объясняет собеседница.

Акбота, по ее словам, читала много новейших исследований, экспериментировала с самыми современными алгоритмами, стремясь обеспечить максимальную результативность измерений. Во время пандемии, вернувшись в Казахстан, брала онлайн-курсы по компьютерному зрению и нейронным сетям, изучала принципы работы сформированной веками эволюции системы зрения человека и системы компьютерного зрения, которая становится всё более совершенной благодаря усилиям профессионалов.

В середине прошлого года Акбота получила предложение присоединиться к команде калифорнийского стартапа Dexterity, занимающегося производством промышленной робототехники. Обратить внимание на способного специалиста из Казахстана руководству компании рекомендовали коллеги из Aquifi – первого стартапа, с которым сотрудничала Акбота и где успешно внедрила алгоритмы, с помощью которых удалось улучшить результаты работы ИИ. «Пребывание в Кремниевой долине позволяет не только попробовать свои силы в работе над интересующими тебя направлениями и технологиями, но и завести много полезных знакомств. В данном случае сработало одно из них. Первое время я работала дистанционно, из Алматы, а осенью 2022 года переехала в США. Мне было интересно «учить» роботов, добиться того, чтобы они распознавали находящиеся вокруг них объекты, правильно понимали и оценивали происходящее», – рассказывает собеседница.

ФОТО: © Эламан Усупбеков

Как она объясняет, Dexterity предлагает роботизированные системы как услугу для выполнения разных операций в сферах логистики, складирования и поставок. Роботы Dexterity оснащены функциями зрения, сенсорными датчиками, откалиброванными таким образом, чтобы работать с разными видами грузов, включая самые хрупкие, а также контекстным интеллектом для обработки товаров с человеческой ловкостью и скоростью. Решения Dexterity справляются с самыми трудными задачами и не требуют изменений в существующей складской инфраструктуре. Таким образом, стартап решает проблему нехватки рабочей силы и автоматизации отрасли, делегируя роботам повторяющиеся монотонные задачи, такие как сортировка и укладка на паллеты. В 2021 году Dexterity объявил о привлечении инвестиций в размере $140 млн на внедрение в эксплуатацию новых роботов.

С каждым годом всё глубже постигая нюансы работы с ИИ, нейронными сетями и компьютерным зрением, Акбота пришла к выводу, что популярное представление о нейросетях, которые захватят мир, оттеснив на второй план интеллект человека, – не более чем фантастика. Конечно, людям свойственно ошибаться. Робот выполняет поставленные перед ним задачи более точно, лучше справляется с монотонными операциями, с тяжелой физической работой. Но в том, что касается креативных идей и их воплощения, современные нейронные сети не могут конкурировать с человеческим разумом, по крайней мере на нынешнем этапе, уверена собеседница. «Одна из основных задач Dexterity как раз и заключается в том, чтобы автоматизировать механические, повторяющиеся операции, дать возможность людям проявить себя на тех участках работы, где требуется неординарность мышления, а заодно помочь заказчикам сэкономить деньги», – объясняет Акбота.

Став частью команды Dexterity, она получила возможность не только освоить новые направления в своей профессии, но и опробовать новый формат работы в относительно большом коллективе – в стартапе занято более 200 человек. В этом смысле, признается собеседница, Dexterity не похож на небольшие стартапы, штат которых насчитывает несколько десятков человек и где каждый может почувствовать себя универсальным игроком, выполняющим разные задачи. Не рассматривая на перспективу возможность работы в крупных корпорациях, Акбота не исключает вероятности создания собственного стартапа – когда наберется опыта и почувствует, что придет время. «С развитием технологий появятся новые интересные задачи, и я придумаю, как их решить», – говорит она.

   Если вы обнаружили ошибку или опечатку, выделите фрагмент текста с ошибкой и нажмите CTRL+Enter

Орфографическая ошибка в тексте:

Отмена Отправить
Доктор Хегай – о лекарствах, лоббистах и недостатках медицины Казахстана Смотреть на Youtube