Образование
Высшее образование получил в Московском физико-техническом институте (МФТИ), который окончил по специальности «экспериментальная физика» в 1977 году.
Кандидат физико-математических наук.
Трудовая деятельность
По окончании вуза трудился в филиале Института атомной энергии им. И. В. Курчатова - ТРИНИТИ (работал над исследованием взаимодействия лазерного излучения с поверхностью твердого тела).
В 1989-м начал активную работу в международных образовательных интернет-проектах.
С января 1995-го по август 1999-го занимал пост директора по маркетингу одной из первых российских интернет-компаний «Гласнет» (GlasNet ISP).
Работал коммерческим директором отделения компании «Голден Телеком».
С 1997 по 2001 год был редактором российского отделения американского мультимедийного интернет-портала About.
С 2001-го и по настоящее время - главный редактор профессионального журнала «Интернет-маркетинг» (с момента основания).
В 2001-2003 гг. был генеральным продюсером и директором по стратегии российского отделения Lycos Europe, крупнейшего на тот момент интернет-портала в Европе. Также принимал участие в разработке и продвижении таких известных российских интернет-проектов, как List.ru, Internet.ru, Listovka.ru, работал в американском онлайновом гиде по России, создавал портал «Поле.ру».
С начала 2004 года является сотрудником компании «Яндекс». Пришел на должность директора по специальным проектам, затем занял пост директора по маркетингу (по настоящее время).
Член Internet Society, ICANN, координационного совета Российской Академии Интернета, правления РОЦИТ.
Награды
Занял 10 место среди маркетинг-директоров Москвы 2010 года согласно данным рейтинга «Московские персоналии», представленных порталом ГлобалМСК.ру.
В 2011 году стал обладателем премии «АРИСТОС» как победитель в номинации «Лучший директор по маркетингу».
Семейное положение
Женат, есть ребенок.
Вся работа поисковиков Google и Яндекса - это сплошное машинное обучение. Фильтрация спама в почте – давно уже машинное обучение. Интересно то, что на самом деле происходит «под капотом», когда вы задаете какой-то расслабленный запрос в поисковике типа: «Как называется фильм, в котором мальчик в итоге убивает, потому что его шантажируют картинкой через камеру лэптопа?». Кто смотрел «Черное зеркало», быстро сообразит, что страниц с таким описанием нет. Но во многих случаях мы можем вывести на правильный сериал, просто потому что в этой длинной фразе хватает слов, чтобы поймать семантику «Черного зеркала» -- хотя пока на конкретно таком запросе поисковики обламываются. Все электронные платежи возможны только благодаря машинному обучению, потому что сейчас нет ни одной системы, которая обрабатывает онлайновые транзакции и не отлавливает мошенников с помощью хороших алгоритмов машинного обучения. Они все бы давно сдохли и отказались обрабатывать онлайн-транзакции без системы машинного обучения.
Как вообще человек может использовать технологические достижения на бытовом уровне? В работе любой компании это вопрос больше организационный, потому что использовать данные в режиме хорошо прописанной процедуры мы можем, потому что достигли многого, начиная с запуска ракеты, заканчивая работой современного химического предприятия. Современное большое производство – оно все неплохо оцифровано. В общем, это большая автоматизированная штука. При этом слово автоматизация никого не пугает, потому что считается, что автоматизация – это написанный человеком набор алгоритмов. И вот имея миллион инструкций, которые закодировали люди, мы можем делать управление предприятиями полностью автоматическим. Сборка автомобиля, например, во многом такой автоматизированный процесс.
Но есть пока некоторые проблемы. Например, европейцы говорят, что самое страшное то, что мы сейчас начали делать - это раздельный сбор мусора. Дело в том, что раздельный сбор мусора делается для того, чтобы экономически хоть как-то замкнуть эту цепочку. Чтобы из той бутылки, которую я выкинул, можно было потом сделать пластиковый пакет. Но как автоматически разбирать мусор, если его качество все время разное? Рассказывая про этот мусор, я рассказываю вам про целый класс задач: как машине работать с параметрами, которые на входе варьируются? Ведь у человека после 10 лет тренировки развивается «чуйка»! Но дело в том, что через месяц тренировки на этих логах у хороших систем машинного обучения тоже развивается «чуйка», то есть она начинает принимать решения лучше мастера. Но, к сожалению, не умеет – как мастер - правильно вешать лапшу на уши начальству.
И здесь мы переходим к проблемам не технологическим, а психологическим. У нас даже был человек, которого мы называли «интерпретатор неинтерпретируемых алгоритмов для большого начальства», потому что когда ты показываешь начальству, что у него четко есть экономический эффект от автоматизации, он говорит: «Офигеть, ну, скажи теперь, почему? Почему Вася, который всю жизнь отдал этому производству, так не может, а машина может?». Мы пытаемся собственный опыт как-то декомпозировать, но это как если я вас сейчас попрошу объяснить, как вы отличаете кошку от собаки. А это та же самая история - мы никогда не сможем объяснить, почему машиной было принято именно такое решение.
Родился в 1954 году
Образование - высшее, кандидат физико-математических наук.
Живет в Москве
Как физик-исследователь Андрей Себрант занимался различными аспектами взаимодействия лазерного излучения с поверхностью твердого тела, а также процессами в факеле лазерной плазмы у поверхности облучаемого образца. Но после начала реформ в 1991 научное приборостроение исчезло в России как класс, и группе Себранта элементарно не хватало материальных ресурсов для поддержания необходимого уровня эксперимента. Деньги, которые давали на науку государство и западные спонсоры не могли покрыть всю себестоимость нормального научного продукта в России
Оставалось, - говорит Себрант, - "перепевать старые результаты, выпрашивать оплаченные приглашения на конференции и т.д. Мы как-то достаточно уважали себя, чтобы уйти со сцены без такого позора. Тем паче, что все верили в свои возможности устроиться и работать головой в других областях - или в других странах, если не изменять физике - (и не ошиблись, кстати).
Вследствие быстрого развала отечественной науки в условиях побеждающего рынка, Себрант оказался среди многих российских ученых, оставивших свою профессию ради предпринимательства. Впрочем, он никогда не имел комплексов по поводу "святости науки" и "низменности торгашества" - еще в 70-80 был директором "народного книжного магазина" при исследовательском институте, в котором работал. То был сильно засекреченный филиал Института атомной энергии в городе Троицке, который курировал Велихов (много путешествовавший в "перестроечные" годы по США с Горбачевым).
Постепенный переход Себранта из области экспериментальной физики в сферу интернетовского бизнеса занял несколько лет. Толчком послужила организация женой Велихова (которая активно занималась компьютеризацией обучения) международного компьютерного лагеря для школьников.
- Велихов, - вспоминает Себрант, - по ряду причин был заинтересован в нарушении "закрытого" статуса Троицка, и используя свой тогда немалый политический вес, провел решение, что этот лагерь пройдет на базе компьютерного детского центра г. Троицка под названием "Байтик".
В типично советской манере решать проблемы кадров путем привлечения добровольцев, Велихов решил обойтись силами "собственных" физиков. Для приема школьников была набрана команда из экспериментаторов, с опытом работы в стенгазетах, пионерлагерях, с КВНовскими командами, с передачей "Что? Где? Когда" и т.п. В этой команде оказался и Себрант. Так, летом 1988 года, Себрант столкнулся с компьютерными сетями. Большой любитель научной фантастики, он открыл для себя Сеть как "datasphere" (термин из романа "Гиперион" Дэна Симмонса).
"Гласнет" стартовал в 1990 году как проект APC - Association for Progressive Communications из Сан-Франциско. Он подавался как сеть, созданная для доступа некомпьютерной публики - социальных активистов, деятелей образования, журналистов и всяких неформалов. Согласно американским правилам, стратегию организации, получавшей гранты, должен был определять совет директоров - местных специалистов по использованию Интернета, не имеющих коммерческого интереса в "Гласнете". Себранту предложили войти в совет директоров - в 1993 году он оказался среди тех, кто определял развитие "Гласнета".
Разумеется, при начавшейся коммерциализации Сети "Гласнет" как провайдер для маргинальных групп типа правозащитников, зеленых и т.д был обречен. Чтобы выжить на уже активно формирующемся рынке провайдеров, надо было превращаться в эффективную прибыльную компанию. Всякие советчики из заботящихся о нуждах образования из членов совета директоров должны были исчезнуть (а затем и сам совет). Себрант исчезать из дела не желал, и, уйдя из института, занял руководящую должность в штате "Гласнета" (руководитель WEB-отдела)
Его деятельность в новой должности началась с создания нормального Web-сайта и вообще отдела web-технологий, как для обеспечения потребностей клиентов, так и как маркетингового инструмента самой компании. В то же время он занимался и анализом текущего состояния компании и рынка:
- Удивительно пригодились навыки и даже матобеспечение, которое я использовал в лаборатории, - говорит Себрант, - Сервера провайдера генерят чудовищное количество логов. На редкость похоже на бешеное количество параметров, характерное для задач динамики плазмы. Поэтому надо просто найти ключевые, научиться их считать, постоянно мониторить, строить на основе наблюденных изменений простые модели. Я этим занимался почти 20 лет до прихода в Гласнет, и у меня неплохо получалось. Теперь у меня есть всякие интересные данные и динамика их поведения за более чем три года. И рабочие модели поведения пользователя при изменении цен, например.
Через год Себрант стал директором Гласнета по маркетингу. В его задачи на сегодняшний день входит сбор и анализ всей значимой статистики, характеризующей работу компании, анализ рынка, разработка ценовой политики и планов развития, планирование рекламных кампаний и разработка их сценариев, а также работа с прессой.
Директор по маркетингу «Яндекса» Андрей Себрант провел лекцию в Екатеринбурге на тему «Как не остаться без будущего». Он рассказал о переменах, которые ждут нас в ближайшие 10-20 лет в области искусственного интеллекта и о том, как остаться востребованным на рынке труда. Rusbase выделил главные тезисы его выступления.
1.
В течение следующих 10-20 лет человечество ждут перемены в нескольких областях:
- Аддитивные технологии (3D-печать);
- (CRISPR и т.д.) и ;
- Возобновляемые источники энергии и новая энергетика;
- Сельское хозяйство (биотехнологии, робототехника, машинное обучение);
- Транспорт.
2.
Компьютеры смогли обыграть людей в игры, которые требуют интуитивных действий и творческого мышления (шахматы, го, Dota2). То есть машины могут вырабатывать качества, которые считались сугубо человеческими.
Иллюстрирует прогресс в обучении машин через собственный пример: команда разработала нейросеть, генерирующую музыку в стилях разных композиторов. Нейросеть создала произведение в стиле Александра Скрябина, и его оценили эксперты по творчеству музыканта.
3.
Раньше машинам нужно было задавать алгоритмы действий, а теперь – нет. Они могут самообучаться каким-либо действиям и станут выполнять их лучше большинства людей. Например, в США для диагностики нескольких типов рака кожи стали использовать обученную нейросеть. Опытные дерматологи со стажем ошибаются гораздо чаще нее.
4.
Себрант считает, что программу можно обучить чему угодно, особенно автоматизированным процесссам, если заставить ее жить по тем правилам, по которым, например, живёт ребёнок, погружённый в новую языковую среду.
5.
Спикер также выдвигает гипотезу, объясняющую сопротивление людей идее того, что машины обучаются быстрее и лучше:
Гипотеза состоит в том, что у нас сильный встроенный антропоцентризм. Мы самая высокая ступень эволюции, а всякие машины ниже нас, они не могут превосходить нас в том, что касается мозгов, потому что именно мозги делают нас особенными. Но я спрашиваю: почему? Кто сказал, что мы венец творения? А может, мы – промежуточная стадия для создания машинного сверхинтеллекта?
6.
Андрей Себрант сформулировал основные правила выживания для человека после 2020 года:
- Быть готовым учиться и переучиваться всю жизнь. Жизнь многих профессий станет короче жизни людей, а про самые интересные профессии мы ещё даже не догадываемся.
- Лидировать в команде творческих людей и машин.
- Уметь обучать алгоритмы, а не только людей.
- Иметь смелость делегировать задачи машине, а не только людям. И иметь мудрость отличать, что кому делегировать.
7.
Напоследок Себрант рекомендует две книги: «Неизбежно» Кевина Келли и «Machine, Platform, Crowd» Эндрю Макафи и Эрика Брайнджолфсона, которая еще не переведена на русский. Первая - о том, куда движется человечество, вторая рассматривает развитие искусственного интеллекта с точки зрения экономики и бизнес-процессов.
Смотреть полную запись выступления Андрея Себранта.
Загрузка...
