Глава 27 · Часть I. Наука, которая становится будущим

Факел, который передают дальше

Александр Горбань · 8 мин чтения

Красивые и умные дети

В Иннополис я приехал впервые и, пожалуй, первое, что сказал бы о городе: здесь красивые и умные дети. Это не просто комплимент. Я смотрел на молодых научных работников, на молодых лидеров, на людей, которые уже строят вокруг себя команды, и мне было очень приятно видеть эту концентрацию энергии.

Мне понравилась сама среда. Университет, город, молодая команда, ощущение десятилетия, которое уже стало не только датой, но и результатом. Для науки такие места важны: они дают молодым людям не только аудитории и лаборатории, но и чувство, что они входят в живую интеллектуальную традицию.

Я приехал сюда не случайно. Нейронные сети, искусственный интеллект, молодые исследователи, вопросы о будущем — это все темы, которые сопровождают меня десятилетиями. И когда я увидел здесь людей, с которыми захотелось сотрудничать, я понял: это не просто визит. Это продолжение той самой эстафеты, которую когда-то передавали нам.

С шести лет — Пастер, жуки и молекулы

Мой путь в науку длинный, и начинать его нужно почти с детства. Где-то в шесть-семь лет я читал о Пастере, разбирался с право- и левовращающими молекулами, увлекался книгами о поведении животных и насекомых — тем, что потом будет называться этологией.

Это не было похоже на аккуратный образовательный план. Скорее это была ранняя страсть к знанию. Мне было интересно, как устроен мир: химия, живое поведение, математика, задачи, книги. Потом неожиданно оказалось, что я очень сильный математик. В школе я решал задачи лучше, чем учителя, и тут мне очень повезло.

Последняя школьная учительница математики была достаточно умной и деликатной, чтобы не соревноваться со мной и не давить меня. Она давала мне сложные задачи и приносила книги: про геометрию Лобачевского, про новые идеи, про то, что выходило за пределы обычного урока. Так учитель не ломает талант, а открывает ему пространство.

Красивые и умные дети. Очень хорошая команда.

Физмат-школа, университет и зигзаги судьбы

Потом была Новосибирская физико-математическая школа, затем Новосибирский университет. Были замечательные учителя: Борис Юрьевич Найдерф, Юрий Борисович Румер, Абрам Ильич Фет. На лекциях, в беседах, через книги и задачи я получал то, что невозможно заменить формальным учебным планом.

Но путь не был прямым. За политические выступления меня изгнали. Я окончил профтехучилище, работал токарем, был почти профессиональным актером, окончил педагогический институт. Потом в Омске создал свою маленькую физмат-школу.

Когда рассказываешь это как биографию, кажется, что в ней слишком много зигзагов. Но в науке зигзаги тоже работают. Токарный станок, театр, педагогика, математика, физмат-школа — все это не вычеркивается из опыта. Все остается внутри и потом влияет на то, как ты думаешь, учишь, разговариваешь с молодежью и видишь задачу.

Учителей много, наставника в строгом смысле не было

Когда меня спрашивают о наставниках, я отвечаю не совсем ожидаемо: настоящего научного руководителя в привычном смысле у меня не было. Были лекторы, учителя, друзья, сильные люди, беседы, книги, задачи. Я многому учился у Румера, у Фета, у Владимира Борисовича Меламеда, у коллег и соратников.

Меламед был для меня другом и отчасти учителем. Мы брали задачу, решали ее, получалась статья. Потом брали другую задачу. Наука для меня так и устроена: появляется задача, ты входишь в нее, начинаешь работать, а дальше либо получается результат, либо ты ещё не дорос до этой задачи.

Поэтому я не противопоставляю самостоятельность и наставничество. У меня не было наставника как административной фигуры, но была среда учителей, друзей и учёных, у которых я учился. Иногда этого даже больше: ты сам строишь траекторию, но рядом есть люди, которые дают тебе язык, планку и сложность.

Нейронные сети до того, как это стало модой

Я обладатель почетного титула «пионер российской нейроинформатики» и член правления Всемирной ассоциации нейронных сетей. Но началось все очень просто: в конце 1980-х в Красноярске мы поняли, что нейронными сетями нужно заниматься.

У меня был ученик Виктор Оходин — блестящий, гениальный человек. Он, в свою очередь, придумал свою версию обратного распространения ошибки. Мы начали работать, и в 1990 году вышла моя первая книга по глубокому обучению нейронных сетей. Тогда это было не модное слово и не медийная волна, а исследовательская область, которую нужно было строить почти с нуля.

Сейчас многое из того потока растворилось в общем развитии искусственного интеллекта. Иногда трудно понять, где именно твой вклад, кто что прочитал, что дошло напрямую, что через третьи руки. Но, по большому счету, это нормально. Если идея вошла в жизнь науки, она продолжает жить уже не только под твоим именем.

Главная проблема ИИ — ошибки

Одна из тем, которую я считаю центральной на ближайшие десятилетия, — ошибки искусственного интеллекта. Ещё до массового хайпа было понятно: будет взлет, потом будет спад, и одна из причин спада — проблемы ошибок.

Мы захотели забежать вперед и начали заниматься технологиями коррекции ошибок ИИ. Это сложная проблема, потому что искусственный интеллект не просто считает не так, как калькулятор. Он может быть убедительным, красивым, правдоподобным — и при этом ошибаться. Значит, нужны специальные методы, которые помогают ошибки обнаруживать, компенсировать и исправлять.

В этом смысле ИИ требует не восхищения и не страха, а зрелой инженерной и научной работы. Любая мощная технология становится действительно полезной только тогда, когда мы понимаем не только ее силу, но и ее слабые места.

Глия, память и мозг, который сложнее наших моделей

Другой проект связан с нейроастроцитарными системами рабочей памяти. Долгое время мозг воспринимали прежде всего как ансамбль нейронов, а глиальные клетки считали чем-то служебным. Но оказалось, что крупные глиальные клетки — астроциты — вмешиваются в регуляцию работы нейронов так, что могут организовывать процессы внимания и рабочей памяти.

В совместной работе с Сюзанной Горлеевой и коллегами мы первыми поняли и смоделировали этот механизм. Для меня это очень красивый пример того, как новая задача возникает почти мгновенно: я прихожу на семинар, слышу доклад, вижу связь с рабочей памятью — и через полгода появляется сильная статья, новая модель, признание, премия.

Этот механизм важен ещё и потому, что он существенно менее энергозатратен, чем привычные вычислительные схемы. По эффективности он может быть лучше современных трансформеров. Конечно, от идеи до компьютеров на таких принципах ещё очень далеко. Но идея работает, и она мне очень нравится.

Как привлекать молодежь в науку

Если молодой человек уже стоит перед выбором: идти в науку или в бизнес, — часто бывает поздно его «агитировать». Он уже созрел, уже видит варианты и сделает выбор. Вовлекать нужно раньше: физмат-школы, научные школы, летние и зимние программы, встречи с интересными людьми, реальные задачи, возможность почувствовать вкус мышления.

Нас учили в физмат-школах, и мы учили. Это была передача эстафеты — факела, который горит где-то внутри. Такую эстафету нужно продолжать. Не только через медийную популяризацию, не только через ролики и лекции, а через личное взаимодействие школьника или студента с учёным, задачей, школой, средой.

Наука начинается не там, где человек посмотрел красивое видео. Она начинается там, где ему дали трудную задачу на грани его возможностей, где он продрался через сложную книгу, где рядом оказался взрослый, который не упростил мир, а открыл его сложность.

Три уровня искусственного интеллекта

Когда говорят, нужно ли учить искусственный интеллект в школе, я бы сначала разделил уровни. Есть пользовательский уровень: пользоваться поиском, ChatGPT, распознаванием, переводом. Этому можно учить хоть с первого класса, как когда-то учили пользоваться компьютером или интернетом.

Есть инженерный уровень: понимать, как это устроено, как делаются системы, как они встраиваются в продукты и бизнес. Это можно начинать рано, но содержательно, через проекты и практику, а не через пустую болтовню.

И есть уровень оснований: математика, компьютерная наука, новые методы и алгоритмы. Сюда можно входить с шестого-седьмого класса, если есть интерес и подготовка. Но нужно понимать: учение, наука, инженерия и болтовня — это разные вещи. Профессионал должен уметь их различать.

Компетенции будущего

Есть классическое описание компетенций, необходимых в науке. Первая — узкопрофессиональная. Если хочешь заниматься математикой, решай задачи. Не лёгкие, а трудные, на грани возможности. Читай книги, через которые приходится продираться. Без этого не будет ни математики, ни настоящей профессиональной силы.

Вторая — коммуникативная. Нужно уметь передавать мысли, договариваться, объяснять, работать с людьми. Третья — понимание бизнеса и технологического предпринимательства: если ты создаешь прикладную вещь, нужно понимать, как она встраивается в мир.

И ещё одно — мультикультуральность. Мир неоднороден. Идеи по-разному живут в разных культурных средах: в Китае, Саудовской Аравии, Америке, России, Европе. Учёный будущего должен понимать эту среду и уметь работать в ней.

Мультиагентный ИИ и сопротивляющаяся реальность

Если говорить о ближайших технологических трендах, я бы выделил агентный и мультиагентный искусственный интеллект. Не просто системы, которые советуют человеку, а агенты, которые действуют, взаимодействуют друг с другом и выходят в реальность.

Я думаю, нас ждет мир социальных сетей интеллектуальных агентов. Они будут не только отвечать на вопросы, но и действовать, вступать во взаимодействия, сталкиваться с реальностью. И это принципиально другой уровень, потому что реальность сопротивляется. Именно в этом сопротивлении будут появляться новые данные, новые ошибки, новые задачи и новые формы интеллекта.

Сегодняшние большие модели во многом паразитируют на огромной библиотеке человечества, на всем, что собрано в интернете. Это мощно, но это ещё не вся история. Следующая история начинается там, где агент выходит за пределы текста и сталкивается с миром.

Театр, стихи и голос, который останется

Когда меня спрашивают о хобби, я вспоминаю театр. В Омске я стал актером, играл Ильина в «Пяти вечерах» Володина, и до сих пор люблю эту роль. Театр для меня не случайная биографическая деталь, а ещё один язык мышления и присутствия.

У меня есть YouTube-канал, где я записываю поэтические и научные моноспектакли. Это тоже часть внутренней работы: оставить голос, интонацию, текст. Может быть, дети и внуки будут слушать, может быть, нет, но возможность останется.

Наука, театр и поэзия не противоречат друг другу. Везде нужен живой голос, напряжение мысли, точность формы и способность удерживать внимание. Может быть, поэтому мне так важно, чтобы в науке было содержание, а не только шум вокруг модных слов.

Дочитать главу

Оставьте e-mail — пришлём главу целиком и сообщим о выходе книги.

Подпишитесь, чтобы не пропустить выход книги: анонсы и открытые главы выходят там же, где живёт проект

Подписаться на канал

Диалог с героем

Вопрос 01

Что я увидел в Иннополисе?

Молодых и сильных людей. Красивых и умных детей, молодых научных лидеров, среду, в которой хочется работать и сотрудничать.

Вопрос 02

Как начался мой путь в науку?

Очень рано: с книг о Пастере, поведении животных, молекулах, а затем через математику, сложные задачи, физмат-школу и университет.

Вопрос 03

Были ли у меня наставники?

В классическом смысле научного руководителя не было. Были учителя, лекторы, друзья, книги, задачи и люди, у которых я учился через разговор и совместную работу.

Вопрос 04

Почему нейронные сети стали моей темой?

В конце 1980-х в Красноярске мы поняли, что этим нужно заниматься. Появились работы, ученики, книга 1990 года по глубокому обучению нейронных сетей.

Вопрос 05

Какая главная проблема ИИ?

Ошибки. ИИ может быть убедительным и красивым, но неверным. Поэтому технологии коррекции ошибок становятся одной из ключевых задач будущего.

Вопрос 06

Как вовлекать молодежь в науку?

Рано: через физмат-школы, научные школы, сложные задачи, летние и зимние программы, личный контакт с учеными и передачу факела.

Вопрос 07

Что будет дальше в ИИ?

Мультиагентные системы: интеллектуальные агенты, которые не просто советуют, а действуют, взаимодействуют и сталкиваются с сопротивляющейся реальностью.

Цитаты героя

Мой путь длинен. Начинаю рассказывать с детства, с шести лет.

Учительница не соревновалась со мной, а давала мне сложные задачи и интересные книжки.

Нас учили в физмат-школах, и мы учили. Это передача эстафеты.

Возьми с собой

  • 01

    Не жди, пока интерес станет «профессией»: читай, решай, пробуй, входи в сложные темы как можно раньше.

  • 02

    Ищи не лёгкие задачи, а задачи на грани возможностей — именно они растят мышление.

  • 03

    Разделяй учение, науку, инженерию и болтовню: не всякий разговор об ИИ имеет содержание.

  • 04

    Не очаровывайся ИИ без проверки: красивая уверенность машины не означает истинность ответа.

  • 05

    Передавай факел дальше: если тебя учили, учи других.

  • 06

    Сохраняй культурный голос: наука становится сильнее, когда в ней есть не только алгоритм, но и человеческая интонация.

Итоговый вопрос главы

Какой факел знания я получил — и кому смогу передать его дальше?