Не присваивать чужие ошибки

Наставники и зерно, которое прорастает позже

Если говорить о наставниках, сначала я благодарен родителям. Они дали мне возможность учиться, сформировали настойчивость, стремление к новому и уважение к образованию. Это кажется базовой вещью, но на самом деле именно она часто определяет, сможет ли человек спокойно искать свой путь.

В науке я особенно благодарен своему научному руководителю Владимиру Львовичу. Он оказал на меня сильное влияние. Был ещё Владимир Иванов, с которым мы случайно познакомились в Казани. Тогда у нас с ним ничего не получилось в смысле совместной научной работы, во многом по моей вине, но он посеял зерно. Иногда важный человек не сразу приводит тебя к результату. Он просто показывает направление, а оно прорастает через годы.

В науке это нормально. Не все складывается с первого раза. Неудачная попытка не означает, что путь закрыт. Если интерес остался, можно попробовать второй раз, третью тему, другую команду, другую парадигму.

Наука — это осознанный выбор

Я не согласен с идеей, что людей нужно вдохновлять заниматься наукой любой ценой. Наука имеет свои минусы. Она требует времени, терпения, неопределенности, готовности долго не получать быстрый результат. Поэтому сначала человек должен честно спросить себя: хочу ли я этим заниматься?

Для меня занятие наукой — это осознанный выбор. Не потому что это модно. Не потому что мама сказала. Не потому что вокруг говорят, что сейчас всем нужно идти в искусственный интеллект. Человек должен понять: лично я хочу заниматься этим делом. Может быть, он не хочет науки, а хочет работать в индустриальной компании, в банке, в разработке. Это тоже нормальная профессия, и в ней можно быть сильным специалистом.

Самое важное — осознать свои желания. Я бы сказал, это 90% успеха. Когда ты понимаешь, чего хочешь, дальше начинается работа: итерации, ошибки, смена роли, смена темы, настойчивость. Но без этого внутреннего согласия любые внешние мотивационные слова будут работать плохо.

Индустрия и исследование как две части одной траектории

Мне близка связка науки и индустрии. Я пришел в исследования не из башни из слоновой кости, а через практическую работу. Поэтому хорошо понимаю: индустрия не противоположна науке. Иногда именно она даёт масштаб, данные, инфраструктуру, реальные задачи и возможность увидеть, что твоя разработка кому-то нужна.

В МТС и MWS AI мы работаем не только с идеями, но и с продуктами. У нас есть модель Cotype. Я уже не пишу ее руками, и мне немного жаль, что я довольно далеко от кода, но я руковожу командами и отвечаю за развитие направления. Это тоже отдельная стадия профессионального пути: сначала ты делаешь сам, потом помогаешь другим делать лучше, собираешь структуру, задаешь вопросы, удерживаешь качество.

Когда исследование становится продуктом, меняется ответственность. Научная идея должна не только красиво выглядеть в статье, но и выдержать эксплуатацию, метрики, пользовательские сценарии, ограничения бизнеса и инфраструктуры. В этом месте наука перестает быть абстракцией.

Агенты, бенчмарки и конференция как инфраструктура области

Один из проектов, за которыми мне интересно наблюдать, — бенчмарк по агентному программированию. Мы замеряем качество агентного программирования у моделей: насколько они способны не просто отвечать текстом, а выполнять более сложные программные задачи в режиме агента.

Я в этой истории скорее идейный вдохновитель, чем непосредственный исполнитель, но для исследовательского руководителя это тоже важная роль. Иногда нужно не написать весь код самому, а увидеть, что задача важна, собрать людей, поставить вопрос и довести работу до конференции и открытой публикации.

Есть ещё конференция AINL по компьютерной лингвистике. Я ее не придумывал, она существовала задолго до меня, но в какой-то момент подхватил и продолжаю проводить. Для науки конференция — это не формальность. Это инфраструктура области: место, где люди встречаются, спорят, показывают результаты, видят друг друга и понимают, что они не одиноки в своей теме.

LLM-помощники и границы применимости

Я пользуюсь LLM-системами. Как можно ими не пользоваться, если ты сам занимаешься языковыми моделями? В индустрии это называется dogfooding — использовать собственные продукты и продукты своей области. Я не луддит и не считаю, что нужно полностью отказываться от LLM-помощников.

Но самое важное при работе с такими инструментами — понимать границы их применимости. Где им можно верить, где нельзя, где нужно перепроверить, где модель просто красиво продолжает текст, но не даёт знания. Это особенно опасно для детей, потому что у них ещё не сформировано критическое мышление. Не потому что дети плохие, а потому что они ещё дети.

LLM может соглашаться с тобой, может галлюцинировать, может уверенно генерировать ошибку. Если у человека уже есть выстроенная система мышления, он понимает, как использовать инструмент. Если такой системы нет, инструмент может оказаться сложнее самого мышления человека.

Не присваивать чужие ошибки

Мне кажется, одна из главных опасностей в эпоху ИИ — присвоить чужую ошибку. Модель ошиблась, а человек взял этот ответ и стал считать его своим. С этого момента ошибка модели становится его ошибкой. Он уже не просто воспользовался инструментом — он перестал критически относиться к результату.

Критическое мышление — слово абстрактное. Я бы сказал конкретнее: нужна картина мира, умение работать с информацией и способность понимать, что именно ты проверяешь. Не все знания нужно держать в голове, но у человека должна быть внутренняя структура, которая позволяет отличать правдоподобное от проверенного.

Если инструмент сложнее, чем твоё мышление, он в каком-то смысле тебя поработит. Не в буквальном смысле, конечно, а в том, что ты перестанешь обходиться без него и перестанешь замечать его ошибки. Поэтому главный навык будущего — сомнение, проверка и отказ присваивать чужие ошибки.

Роботы, электричество и ресурсные ограничения

Когда меня спрашивают о технологиях ближайших пяти-десяти лет, я не люблю фантазировать без учёта ресурсов. К 2030 году роботы, скорее всего, не будут везде. Не потому что робототехника не развивается. Она развивается очень быстро. Гуманоидные роботы уже становятся достаточно вменяемыми, и список того, что они умеют делать, будет расширяться.

Но у робота есть не только преимущество, но и ограничение: ему нужно электричество. Там, где будет много дешевого электричества, роботов будет больше. Там, где его не будет, развитие будет упираться в ресурс. Мы как биологический вид всегда жили в условиях ограничений: сначала это была еда и безопасность, теперь все чаще это энергия, вычисления и инфраструктура.

Поэтому будущее ИИ и робототехники — не только вопрос алгоритмов. Это вопрос энергии, экономики, инфраструктуры и человеческой способности здраво оценивать ограничения.

Цифровой детокс и интерес как способ восстановления

У меня нет ощущения, что мне нужно специально сильно перезагружаться. Мне просто интересно то, чем я занимаюсь. Но цифровой детокс важен. Даже если у тебя уже сформировано мышление, даже если ты взрослый человек и осознанно контролируешь себя, все равно можно поймать себя на бессмысленном скроллинге ленты.

Иногда лучший способ восстановиться — оторваться от устройства и вернуть себе внимание. Это не отказ от технологий. Это способ сохранить себя как человека, который использует инструмент, а не становится его продолжением.