Не могли бы вы рассказать нам немного о себе и почему вы решили принять участие в приключении Артеи?
Конечно. До недавнего времени я был физиком, изучавшим теорию случайных матриц и ее приложения к сложным системам. Таким образом, я работал в нескольких исследовательских институтах в Польше, Франции и США. Примерно в то время, когда я заканчивал докторскую диссертацию, в 2014 году я заинтересовался наукой о данных. С тех пор я участвовал в программе «От науки к науке о данных» в Лондоне, работал фрилансером и консультантом по науке о данных, преподавал машинное обучение в Ягеллонском университете и использовал его инструменты в своих исследованиях. Наконец, в июле этого года я перешла из академического сообщества на штатную должность исследования и разработки в Arteïa.
Я решил принять участие, потому что компания сталкивается с разнообразным и довольно уникальным набором проблем, связанных с данными. Чтобы дать вам представление о масштабах, мы используем машинное зрение для извлечения функций, сегментации, поиска и помощи в аутентификации. Разрабатывается система рекомендаций, один портной для произведений искусства. Более того, нам потребуется достаточно продвинутая статистика для оценки цен на произведения искусства и прогнозирования будущих цен на произведения искусства. Все это чрезвычайно интересно, и список можно продолжить. Дело также в том, что многие функции платформы будут управляться данными, что важно для меня как для специалиста по данным - это означает, что я могу оказывать влияние на компанию.
Как вы думаете, каковы самые большие проблемы, с которыми Arteïa сталкивается или столкнется с данными?
Основными проблемами для компаний в этой области и на данном этапе развития являются сбор данных и конфиденциальность пользователей. Что касается первого, проблема, а также возможность состоит в том, чтобы спроектировать продукт так, чтобы он включал устойчивую структуру приема данных. Тот, который можно масштабировать, не влияет на качество данных и извлекает выгоду из сетевого эффекта от базы пользователей. Это как техническая, так и бизнес-задача. Последнее, как минимум, означает соблюдение GDPR (Общего регламента по защите данных), однако для Arteïa и мира искусства в целом это более тонкий аспект. На арт-рынке есть значительный сегмент игроков, для которых конфиденциальность является приоритетом. Задача здесь состоит в том, чтобы разработать решения, обладающие важными функциями, часто основанными на машинном обучении, но разработанные таким образом, чтобы обеспечить защиту данных пользователей. А это может означать, что до некоторой степени недоступно даже для Артейи. На первый взгляд решение этой проблемы может показаться невозможным, но именно так в игру вступают такие технологии, как блокчейн, гомоморфное шифрование и федеративное обучение. Интересно, что отрасль здравоохранения сталкивается с аналогичным набором проблем с персональными медицинскими данными.
Чего мы можем ожидать от сочетания технологий машинного обучения / искусственного интеллекта и технологии блокчейн, когда речь идет о таких платформах, как Arteïa?
Короче говоря, повышение конфиденциальности, безопасности и эффективности.
Но прежде чем я уточню, позвольте мне сделать общее замечание, так как здесь нужно быть осторожным. Действительно, данные имеют ключевое значение для обеих этих технологий. Машинное обучение использует данные, чтобы научиться отвечать на часто сложные вопросы в сложных условиях, а блокчейн - это технология, с помощью которой данные могут храниться (а иногда и обрабатываться - с помощью смарт-контрактов) децентрализованно, обеспечивая безопасность и доверие. Однако вы должны понимать, что у многих компаний нет подходящего варианта использования для реального слияния этих двух вещей. Объем приложений блокчейна уже ограничен законом. Некоторые способы использования машинного обучения скоро появятся. Самое главное, должно быть бизнес-обоснование. Таким образом, я думаю, что чаще всего нет, ИИ и распределенные реестры будут действовать как взаимодополняющие технологии, решая разные, иногда взаимосвязанные проблемы, которые решает бизнес.
Что касается Arteïa, мы стремимся в первую очередь задать вопрос о том, что нужно клиенту - что сделает взаимодействие наших клиентов с искусством более полноценным и безопасным. Начнем оттуда. В нашем случае технология распределенного реестра повысит прозрачность рынка, сохраняя при этом уровень конфиденциальности с помощью средства отслеживания происхождения. Машинное обучение будет использоваться, например, для обработки этих данных, чтобы повысить актуальность и надежность произведений искусства, рекомендованных на торговой площадке Arteïa.
—
Чтобы узнать больше об Arteïa и быть в курсе новостей, перейдите на наш сайт и подпишитесь на Telegram.
