Рынок технологий искусственного интеллекта (AI) вырастет с $21,5 млрд в 2018 году до $190,6 млрд в 2025 году. На тренд реагирует и рынок труда, например, Harvard Business Review называет профессию специалист по анализу данных (data scientist) самой привлекательной специальностью XXI века. Средняя зарплата в этой сфере в США составляет $117 000 в год. При этом развитие технологий анализа данных требует переобучения сотрудников и в более традиционных профессиях.
Знания в области машинного обучения и программирования становятся ключевыми в работе с большими объемами информации и в компаниях, успех продуктов которых во многом полагается на данные.
Не так давно глава Сбербанка Герман Греф заявил, что компания перестала брать на работу юристов, которые не знают, как работать с нейронными сетями. Он считает, что любому специалисту, который заботится о своем будущем — менеджеру, экономисту, юристу, — рано или поздно придется работать с большими данными. Поэтому стоит заранее позаботиться о дополнительном образовании.
Поверьте, чем больше сотрудников смогут освоить базовые навыки, тем эффективнее будет работа с данными в вашей компании и тем успешнее будет совместная работа профессиональных data scientists и разработчиков со специалистами в других областях. В идеале через 5-10 лет возможно будет взять соискателя без опыта, дать ему игру и через неделю иметь полностью погруженного в контекст специалиста среднего уровня.
Зачем учиться?
Разумеется, освоение навыков, которые многие действующие специалисты считают далекими от своей профессии, требует мотивации. Послать сотрудника на курсы Coursera или Udacity недостаточно. По словам профессора нидерландского Университета Маастрихта и специалиста по педагогическому дизайну Йеруна ван Мериенбура, 95% людей бросают онлайн-курсы, не окончив их.
Что же им мешает? Первое — порог входа. Отсутствие опыта, первоначальных знаний и базового интереса к новой сфере сводит процесс обучения к принудительной обязаловке. Второе — удержание. По мере перехода от простых элементов к сложным людям становится скучно, и они начинают отвлекаться на мессенджеры, Instagram, YouTube и т. д. В итоге курсы проигрывают конкуренцию за внимание: возникает потребность в форматах, способных поддержать интерес и связать обучение с реальными рабочими ситуациями.
Низкий порог входа и удержание за счет продуманной кривой сложности — два главных фактора успеха еще в одной индустрии: играх. От способности разработчиков обеспечить их зависит выживание игрового продукта. Поэтому обучающие игры выигрывают в сравнении с онлайн-курсами: они позволяют увлекательно подать знания, а возрастающая сложность заданий чередуется с упрощениями, чтобы у игрока создавалось ощущение череды небольших, но нелегких побед на пути к грандиозному финалу. Мотивация в процессе только возрастает, а если игрок сталкивается со сложностью — игра подстраивается под него.
Мотивация с помощью игр
Объем рынка «умных» образовательных технологий и контента вырастет со $193 млрд в 2016 году до $586 млрд в 2021 году. При этом рынок обучающих игр пока занимает на нем лишь небольшую долю. В 2017 году он оценивался в $3,2 млрд, а к 2022 году, по прогнозам, вырастет до $8,1 млрд. Игр, обучающих именно навыкам работы с машинным обучением, на рынке пока не так много. Но те, что уже доступны, получают положительные отклики.
Одна из простейших игр для понимания основ машинного обучения разработана так, что понятна даже детям. Игрокам предлагается собрать базу объектов, обучить программу распознавать их и создать игру с использованием обученной системы. Другая разработка Bug Brain позволяет поэкспериментировать с созданием «мозга» для божьей коровки. Такие игры хороши для «входного» уровня, чтобы заинтересовать детей или взрослых с минимальным представлением о технологии.
Однако чтобы привлечь интерес, удержать игрока и научить чему-то, требуется устойчивая привязка к задачам из реальной жизни. Нередко образовательные игры ассоциируются с обучением детей, однако некоторые по графике и игровому процессу не уступают обычным.
Например, это может быть симулятор специалиста по машинному обучению, который зарабатывает на жизнь себе и своему коту визуальным программированием. Игра не требует специальных навыков, и ее задача — помочь разобраться, чем занимаются специалисты по ML, и попробовать себя в разработке AI-систем.
Важно, что это не обучающий курс с элементами геймификации, ведь игрок попадает в симуляцию реальной профессии и любыми действиями в игре изучает предметную область. Еще одна ключевая особенность: в игре есть отсылки к специально отобранным научно-популярным роликам на YouTube.
К подобным играм начинают проявлять интерес школы и вузы. В частности, в школе Crooms Academy of Information Technology во Флориде ученик сам принес копию такой игры в школу, и теперь с ее помощью на уроках изучают базовые блоки программирования. В екатеринбургской гимназии 210 на ее базе основам искусственного интеллекта учатся пятиклассники. А в инновационном университете НТИ «20.35» на основе показанных в игре результатов скоро начнут конкурсный отбор на интенсив по работе с искусственным интеллектом и большими данными.
Пользователи могут пробовать себя в разных областях программирования. Например, в игре-головоломке TIS-100 от компании Zachtronics игрок должен переписать поврежденные блоки кода, чтобы починить компьютер. Еще один пример — Shenzhen IO от того же Zachtronics. Игра воспроизводит приближенный к реальности бизнес-сценарий: игрок попадает в виртуальную среду, где он «работает» над продуктами для некой компании, изучает детальную инструкцию, приближенную к реальным мануалам для программистов, пишет код, создает собственные игры. Как минимум такой подход научит говорить с разработчиками на одном языке и лучше понимать их задачи в контексте реальной работы.