Глава 21 · Часть I. Наука, которая становится будущим

Большая форма как способ оставить след

Сергей Николенко · 8 мин чтения

Иннополис десять лет спустя

Я был в Иннополисе уже не впервые. Первый раз приезжал почти десять лет назад, и тогда все выглядело совсем иначе: одно хорошо достроенное здание, вокруг только формирующаяся среда. Сейчас ощущение другое — город ожил.

Меня удивило, что даже в конце июня, когда студентов, казалось бы, должно быть меньше, здесь есть жизнь: проходят конференции, бегают детские группы, люди перемещаются по кампусу, и университет ощущается не декорацией, а работающей средой.

Для науки это важно. Наука возникает там, где есть не только аудитории и лаборатории, но и поток людей, разговоров, событий, тем, которые пересекаются. В этом смысле Иннополис стал хорошим примером того, как образовательное пространство может жить само.

Самый классический старт в науку

Когда меня спрашивают про необычный путь в науку, я обычно отвечаю, что он, наоборот, был максимально классическим. Я ещё со средней школы хотел стать математиком. Хотел — и стал. Поступил на математико-механический факультет Санкт-Петербургского государственного университета, занимался чистой математикой, писал диплом по высшей алгебре.

Моим научным руководителем был Николай Александрович Вавилов. Это был совершенно великий человек. Я пришел в правильное место, попал к сильному руководителю и начал изучать, а потом доказывать новые теоремы. Снаружи это может выглядеть просто, но именно такая простота часто и есть хороший старт: сильная школа, сильный руководитель, ясный предмет.

Потом вся моя траектория постепенно шла от более фундаментального к более прикладному. Сначала алгебра — трудно представить более абстрактную область. Потом аспирантура и теоретическая информатика. Кандидатская была по криптографии, но не по практическим протоколам, а по очень теоретическим вопросам вычислимости и односторонних функций. Все ещё математически, все ещё далеко от прикладного ИИ.

Я как минимум со средней школы хотел стать математиком. И пошел и стал.

Как я вошел в машинное обучение

Машинное обучение в моей жизни появилось почти случайно. В 2006 году мы, аспиранты Эдуарда Алексеевича Гирша, начинали проект Computer Science Club в Петербургском математическом институте. Идея была простая: приглашать интересных людей читать лекции на выходных. Вход свободный, много студентов, новые темы, живая атмосфера.

Потом мы решили делать более длинные курсы. И однажды наш первый спонсор Антон Лиходедов пришел и сказал: machine learning is hot, надо сделать курс по машинному обучению. Никто из нас в этом ничего не понимал. Я тоже не понимал. Все замялись — а я вызвался.

До сих пор считаю это прекрасным способом разобраться в новой теме: подготовить и прочитать небольшой курс. Конечно, тот курс был смешной и совсем не похож на то, что я читаю сейчас. Но с чего-то надо начинать. Иногда лучший способ войти в область — взять на себя ответственность объяснить ее другим.

Машинное обучение как пересчет знаний

Для меня важно объяснять машинное обучение не как набор модных архитектур, а как последовательность идей. Архитектуры меняются, конкретные алгоритмы устаревают, но некоторые смысловые конструкции остаются.

Например, мне близко представление машинного обучения как пересчета распределения вероятности. У нас есть знания до данных — априорное распределение. Потом приходят данные, мы учитываем их правдоподобие, перемножаем с априорным знанием и получаем новое состояние наших знаний о системе. В каком-то смысле все машинное обучение постоянно делает этот переход.

Конечно, дальше появляются оптимизация, модели, нейронные сети, вычисления, архитектуры. Но если за этим не видеть идеи, все быстро превращается в набор рецептов. А рецепты устаревают. Идеи живут дольше.

Книги как наследие

Больше всего из своих проектов я, наверное, горжусь книгами. «Глубокое обучение» уже много лет читают, хотя многие конкретные архитектуры, которые там описаны, естественно, устарели. Мне кажется, ее продолжают читать потому, что она хорошо написана и в ней есть последовательность идей, которые не устаревают так быстро.

В этом году у меня вышла новая книга — «Машинное обучение: основы, интеграция». Она более математическая, но там есть и главы почти без математики. Мне хотелось построить здание машинного обучения как понятный интеллектуальный объект: от вероятностных представлений к современным моделям.

Я всю жизнь хотел писать книги. Первая большая книга была написана ещё в студенчестве вместе с Александром Ильичем Толупьевым и Александром Сироткиным. Это были «Байесовские сети. Логика и вероятностный подход» — большой учебник в твердом переплете. Когда я взял его в руки, понял: да, это мне нравится. В этом есть желание оставить след, зафиксировать проект не только в лекции или статье, а в большой форме.

Три наставника

Если выделять людей, которые сформировали мой научный путь, я назову троих. Первый — Николай Александрович Вавилов. Он был моим первым научным руководителем на матмехе. В нем поражала широта: языки, культуры, математика, способность видеть глобальную картину мира. Он был человеком, на которого я хотел бы быть похожим, хотя понимаю, что это почти невозможно.

Второй — Эдуард Алексеевич Гирш, мой руководитель в аспирантуре. Он привёл меня в информатику, и за это я ему очень благодарен. Именно через эту линию я постепенно пришел к теоретической информатике, Computer Science Club и дальше к машинному обучению.

Третий — Александр Ильич Толупьев. Ему я отдельно благодарен за то, что он научил меня писать книги и не бояться больших форм. Это отдельное умение: держать длинную структуру, писать так, чтобы текст не разваливался, сохранять мысль на сотнях страниц.

Образование после появления ИИ

Образование в эпоху ИИ уже не будет прежним. У студента в кармане весь интернет, помощники, генераторы текстов, объяснения, код, решения. Простая передача информации как главная функция образования перестала работать. Информации слишком много, и получить ее слишком легко.

Поэтому главный вызов — мотивация. Как сделать так, чтобы человек действительно хотел разобраться, а не просто получить ответ? Как сделать так, чтобы он не имитировал знание, а проходил путь мышления? Искусственный интеллект может помочь сильному студенту стать сильнее, но может и прекрасно замаскировать пустоту.

Мне кажется, роль преподавателя постепенно смещается от источника информации к человеку, который создает контекст, ставит правильные задачи, поддерживает мотивацию и помогает не утонуть в бесконечном потоке контента.

Цифровой Скиннер и борьба за внимание

Я очень настороженно отношусь к системам, которые специально оптимизируются на захват человеческого внимания. Это можно назвать цифровым Скиннером: платформа подбирает стимулы так, чтобы человек снова и снова нажимал на педальку, возвращался, залипал, испытывал не обязательно удовольствие, а скорее нехватку следующего стимула.

Для популяризации науки это тоже проблема. Наука правда интересна. Но вокруг стало бесконечно много других интересных вещей. Можно выбрать настольные игры, кей-поп, мемы, любую узкую тему — и контента хватит на годы. Возникает вопрос: почему именно математика должна выиграть эту конкуренцию за внимание?

Ответа у меня нет. Но я уверен, что популяризация не должна врать. Хороший популяризатор может упрощать, но не должен терять смысл. Это редкое качество: сделать сложное доступным, не превращая его в красивую неправду.

Что? Где? Когда? как школа культурного контекста

Я люблю игры, и «Что? Где? Когда?» для меня почти идеальная игра. Она не развивает один узкий навык, кроме умения отвечать на вопросы, но она даёт широту культурного контекста. Каждый вопрос — маленькая история, зацепка, повод узнать что-то новое.

В шахматы можно играть всю жизнь и узнать главным образом о шахматах. В настольную игру можно играть и знать в основном ее механику. А здесь каждый вопрос открывает новую тему. Поэтому для человека, которому интересно попадать в разные миры, такая игра очень естественна.

В спортивное «Что? Где? Когда?» я пришел, когда переехал из Пскова в Петербург на матмех. Как только узнал, что такое существует, сразу побежал этим заниматься. И для меня это стало не просто развлечением, а способом постоянно расширять внутреннюю карту мира.

Пробовать бизнес тоже можно

Я не считаю, что молодых людей надо отговаривать от бизнеса. В машинном обучении и искусственном интеллекте сейчас очень много науки делается именно в компаниях: OpenAI, Anthropic, Microsoft Research, DeepMind, Google. Граница между академией и индустрией стала гораздо менее жесткой.

У меня тоже был опыт, когда меня, можно сказать, заманили на интервью в Google. Я прошел многочасовое интервью, меня взяли интерном-разработчиком, я побывал в Mountain View, даже пожал руку Сергею Брину. Первые месяцы мне было очень интересно: новая культура, новые люди, большой масштаб.

А потом как отрезало. Я понял, что дальше будет примерно то же самое. Проекты будут меняться, но логика работы мне не так интересна. И я рад, что попробовал. Если бы не попробовал, может быть, долго жалел бы. Поэтому совет простой: пробовать стоит. Но важно честно услышать, где тебе действительно интересно.

Пианино и новые миры

Я человек увлекающийся. Если чем-то увлекаюсь, то могу несколько лет этим заниматься, потом перейти к следующему. Так было с настольными играми, с современной живописью, с разными другими темами. Сейчас я учусь играть на пианино.

У меня в детстве было два или три класса музыкальной школы, я помнил только, как читать ноты, почти все остальное забыл. Но мне понравилось снова входить в новый навык. Я, конечно, никогда не буду играть профессионально, но сам процесс важен.

Мне нравится попадать в новый мир. Это вообще очень научная эмоция: открыть дверь в область, где сначала ничего не понимаешь, а потом постепенно видишь структуру, язык, правила и красоту.

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

Как я пришел в науку?

Самым классическим путем: со средней школы хотел быть математиком, поступил на матмех СПбГУ, попал к Николаю Александровичу Вавилову, занимался алгеброй, потом теоретической информатикой и криптографией.

Вопрос 02

Как я оказался в машинном обучении?

Через Computer Science Club. В 2006 году нам предложили сделать курс по machine learning, никто ничего не понимал, я вызвался и через подготовку курса начал входить в область.

Вопрос 03

Почему книги для меня важны?

Книга — это большая форма и связанный результат. Она позволяет оставить след, собрать последовательность идей и сделать текст, который читают даже тогда, когда конкретные архитектуры устарели.

Вопрос 04

Кто мои наставники?

Николай Вавилов дал широту и математическую планку, Эдуард Гирш привёл в информатику, Александр Толупьев научил писать книги и не бояться больших форм.

Вопрос 05

Что меняется в образовании из-за ИИ?

Передача информации перестает быть главным. Главный вызов теперь — мотивация, умение создавать контекст и желание студента действительно разобраться, а не только получить готовый ответ.

Вопрос 06

Почему я ценю «Что? Где? Когда?»?

Потому что это игра широкого культурного контекста: каждый вопрос открывает новую историю и даёт зацепку для дальнейшего интереса.

Цитаты героя

Я всю жизнь шел от более фундаментального к более прикладному.

Прекрасный способ разобраться в чем-то новом — подготовить и прочитать небольшой курс лекций.

Архитектуры нейросетей меняются, но последовательность идей не устаревает.

Возьми с собой

  • 01

    Не бойся начинать с фундаментальной области: прикладность может прийти позже естественным путем.

  • 02

    Чтобы разобраться в новой теме, попробуй подготовить курс, лекцию или объяснение для других.

  • 03

    Если хочешь написать книгу, начни не с команды, а с желания выдержать большую форму.

  • 04

    Ищи наставников, которые дают разные вещи: широту, направление и ремесло письма.

  • 05

    ИИ меняет образование: главным становится не доступ к информации, а мотивация к пониманию.

  • 06

    Береги внимание: не все, что удерживает тебя на экране, развивает тебя.

  • 07

    Расширяй культурный контекст: иногда новая идея приходит из вопроса, игры, музыки или неожиданной темы.

Итоговый вопрос главы

Что я делаю с новым знанием: просто потребляю готовый ответ или превращаю его в свою собственную большую форму?