Rola gdańskiego oddziału Amazon w rozwoju Ogólnej Sztucznej Inteligencji (AGI). Dane, emocje i niejednoznaczność

Zapomnijcie o prostych algorytmach. Prawdziwa rewolucja w rozwoju AGI nie toczy się już tylko w linijkach kodu, ale w sferze kulturowych niuansów i ludzkich odczuć. Gdański zespół Amazon stoi dziś przed wyzwaniem nauczenia maszyn tego, co dla ludzi jest naturalne, a dla komputerów najtrudniejsze: interpretacji kontekstu i emocjonalnej szarości. O tym, dlaczego najważniejszą kompetencją przyszłości staje się radzenie sobie z tzw. niejednoznacznością (ambiguity) i jak specjaliści od niuansów językowych „karmią” danymi globalne modele takie jak Nova – wyjaśnia Agnieszka Nalepa, szefowa zespołu AGI Data Services w Amazon Polska.

IT Reseller: Nazwa Pani zespołu – AGI Data Services – brzmi niezwykle ambitnie i sugeruje wyjście poza ramy „zwykłej” sztucznej inteligencji. Czym dokładnie zajmuje się polski ośrodek i na czym polega Wasza rola w globalnym ekosystemie rozwoju technologii AI w Amazonie?

Agnieszka Nalepa (Amazon Polska): Mój dział, AGI Data Services (Artificial General Intelligence), pełni kluczową, choć specyficzną rolę: my nie rozwijamy produktów w sensie programistycznym, my dostarczamy „paliwo” do ich działania, czyli dane. Obsługujemy wewnętrznych klientów Amazon, dostarczając zweryfikowane informacje dla niemal wszystkich produktów AI-owych firmy – zarówno tych rozwijanych w Polsce, jak i tych powstających w innych częściach świata.

Przykładem może być model Nova. To zaawansowany model sztucznej inteligencji dostępny dla użytkowników i firm na całym świecie – również w Polsce – dzięki naszej chmurze AWS, gdzie już teraz obserwujemy duże zainteresowanie jego możliwościami. Zespoły Amazon w Polsce, w tym nasz gdański oddział, aktywnie wspierają jego rozwój, m.in dostarczając wysokiej jakości dane niezbędne do trenowania i udoskonalania tego typu rozwiązań. W naszej pracy nie ma sztywnych ograniczeń czy przypisania do jednej wąskiej kategorii. Działamy elastycznie – to, co w danym momencie jest priorytetem dla Amazon i wymaga największej ilości precyzyjnych, jakościowych danych, trafia właśnie do nas. Można powiedzieć, że w tym zakresie „sky is the limit”.

IT Reseller: Amazon rozwija technologie w Polsce już od dekady, co świadczy o dużym zaufaniu do lokalnych specjalistów. Jakich unikalnych kompetencji poszukujecie obecnie w zespole AGI i jak wygląda proces pozyskiwania talentów do tak specyficznych i dynamicznie zmieniających się zadań?

Agnieszka Nalepa: To świetne pytanie, ponieważ profil poszukiwanych przez nas kompetencji zmienia się diametralnie wraz z rozwojem technologii. Ostatnie miesiące przyniosły nowe wyzwania – przykładowo pojawienie się modelu Nova wymusiło poszukiwanie zupełnie nowych umiejętności, które jeszcze kilka lat temu nie były wymagane.

Niezmiennie podstawową kompetencją jest doskonałość językowa. Pracujemy w wielu językach, dlatego idealnym kandydatem jest native speaker, który rozumie nie tylko język, ale też kulturę, dialekty i niuanse. Szukamy osób władających m.in. niemieckim, włoskim czy francuskim, ale nie ograniczamy się tylko do rodzimych użytkowników języka. W miarę jak otrzymujemy coraz bardziej złożone zlecenia, potrzebujemy też osób ze specyficzną wiedzą dziedzinową.

Nasz proces rekrutacyjny jest wymagający i wieloetapowy, ale dzięki temu trafiają do nas ludzie otwarci na rozwój. W przeciwieństwie do zespołów typowo deweloperskich, my nie jesteśmy zamknięci na jedną wąską specjalizację. Stawiamy na ciągłe doskonalenie – gdy widzimy, że produkt ewoluuje w danym kierunku, dostosowujemy szkolenia tak, by nasi pracownicy błyskawicznie nabywali potrzebne umiejętności.

IT Reseller: Rozwój AI, a zwłaszcza AGI to maraton, a technologie ewoluują błyskawicznie. Z perspektywy Pani zespołu, jakie są obecnie największe wyzwania w pracy z danymi dla AI i jakie „miękkie” kompetencje będą kluczowe w najbliższej przyszłości przy trenowaniu modeli?

Agnieszka Nalepa: Największym wyzwaniem, a zarazem kluczową umiejętnością, na którą kładziemy obecnie ogromny nacisk, jest radzenie sobie z niejednoznacznością (ambiguity).

Podam prosty przykład: jeśli poprosimy narzędzie AI o wygenerowanie obrazka „kobieta w kawiarni”, to wynik może być interpretowany na tysiące sposobów. Czy ta postać ma być smutna, czy wesoła? Co w ogóle definiuje te emocje na obrazie? Jakie są niuanse kontekstu? Nasi pracownicy muszą wchodzić w sferę oceny emocjonalnej i walidacji bardzo subtelnych różnic. Odchodzimy od świata czarno-białych danych na rzecz świata pełnego odcieni szarości i emocji. Dlatego niezależnie od zajmowanego stanowiska czy profesji, to właśnie umiejętność poruszania się w sferze niejednoznaczności będzie w najbliższych latach absolutnie kluczowa.

IT Reseller: To fascynująca perspektywa – że w erze coraz potężniejszej sztucznej inteligencji to właśnie ludzka wrażliwość i umiejętność radzenia sobie z tym, co niejednoznaczne, stają się najbardziej pożądane. Dziękuję bardzo za ten inspirujący wywiad i za pokazanie, jak wygląda praca nad AI od środka – z perspektywy tych, którzy „karmią” modele danymi.