- Троицкий вариант — Наука - https://trv-science.ru -

Евгений Бурнаев: «А появится ли когда-нибудь Терминатор? Может быть!»

О том, что такое машин­ное обу­че­ние и как рабо­тать с Big Data, как создан­ные спе­ци­а­ли­ста­ми про­грам­мы поз­во­ля­ют, напри­мер, вовре­мя най­ти полом­ку в слож­ных тех­ни­че­ских систе­мах, — нам рас­ска­зал Евге­ний Бур­на­ев, канд. физ.-мат. наук, доцент Цен­тра Скол­те­ха по науч­ным и инже­нер­ным вычис­ли­тель­ным тех­но­ло­ги­ям для задач с боль­ши­ми мас­си­ва­ми дан­ных (Skoltech Center for Computational and Data-Intensive Science and Engineering), руко­во­ди­тель науч­ной груп­пы Advanced Data Analytics in Science and Engineering. В 2017 году Евге­ний стал лау­ре­а­том Пре­мии Пра­ви­тель­ства Моск­вы для моло­дых уче­ных, цере­мо­ния вру­че­ния кото­рой состо­я­лась в Крем­ле 5 фев­ра­ля 2018 года. Бесе­до­ва­ла Ната­лия Деми­на. Пол­ная вер­сия интер­вью (в *.pdf и в бумаж­ной вер­сии опуб­ли­ко­ва­на сокра­щен­ная).

— На ваш взгляд, ваша про­фес­сия, осно­вы­ва­ю­ща­я­ся на ана­ли­зе и обра­бот­ке Big Data, — про­фес­сия буду­ще­го?

— Я очень осто­рож­но отно­шусь ко вся­ким таким лозун­гам. В исто­рии чело­ве­че­ства были раз­ные пери­о­ды увле­че­ния какой-то обла­стью зна­ний, когда гово­ри­ли, что ядер­ная физи­ка или кос­мо­нав­ти­ка — это «наше всё», но потом эти обла­сти ста­но­ви­лись чем-то есте­ствен­ным. Объ­ем инфор­ма­ции рас­тет, на ее осно­ве мож­но делать мно­го полез­но­го, в том чис­ле авто­ма­ти­за­цию и опти­ми­за­цию каких-то про­цес­сов и про­из­водств. Мне слож­но про­гно­зи­ро­вать, будет ли потреб­ность в этом рас­ти экс­по­нен­ци­аль­но, но что она будет рас­ти — это точ­но.

— Спрос на вашу экс­пер­ти­зу рас­тет?

— Сей­час да, при­чем очень быст­ро. Мы ведем актив­ную рабо­ту над созда­ни­ем кур­сов для Скол­те­ха. Есть мно­го инду­стри­аль­ных заказ­чи­ков, кото­рые заин­те­ре­со­ва­ны в том, что­бы к ним при­шли люди и рас­ска­за­ли, что же такое Big Data, машин­ное обу­че­ние, ней­рон­ные сети. Вот все гово­рят: «Big Data», а пло­хо пони­ма­ют, что это. Мол, Big Data, при­ди и поря­док наве­ди.

— И кто появит­ся на выхо­де после тако­го кур­са обу­че­ния? 

— Мене­дже­ры, пони­ма­ю­щие, каким обра­зом пра­виль­но управ­лять про­ек­том с при­вле­че­ни­ем машин­но­го обу­че­ния, какие имен­но зада­чи машин­ное обу­че­ние может решать, для каких задач его исполь­зо­ва­ния себя не оку­пит. Порой во вре­мя обсуж­де­ния про­ек­та с заказ­чи­ком при­хо­дит­ся не толь­ко зани­мать­ся про­ра­бот­кой тех­ни­че­ско­го зада­ния, но и попут­но заказ­чи­ка обра­зо­вы­вать, объ­яс­нять, что такое ана­лиз дан­ных. Но было бы пра­виль­нее сфор­ми­ро­вать про­слой­ку управ­лен­че­ско­го зве­на, кото­рая уже изна­чаль­но пони­ма­ет, что мож­но делать с мето­да­ми ана­ли­за дан­ных.

Кро­ме того, у нас есть воз­мож­ность пре­по­да­ва­ния самых совре­мен­ных тем – сей­час очень попу­ляр­ны глу­бин­ное обу­че­ние и ней­рон­ные сети, блок­чейн, бес­про­вод­ные сен­сор­ные сети для задач мони­то­рин­га и интер­нет вещей, обра­бот­ка дан­ных дистан­ци­он­но­го зон­ди­ро­ва­ния и т.п. Все эти направ­ле­ния важ­ны для инже­не­ров и сей­час очень мно­го при­ло­же­ний стро­ит­ся на тако­го рода тех­но­ло­ги­ях.

Кро­ме это­го, в нашем цен­тре есть и вто­рое направ­ле­ние, «допол­ня­ю­щее» тех­но­ло­гии ана­ли­за дан­ных и машин­но­го обу­че­ния – а имен­но, мате­ма­ти­че­ское моде­ли­ро­ва­ние.

— Как про­ис­хо­дил поиск при­зва­ния? О чем вы меч­та­ли в дет­стве?

— В дет­стве я меч­тал о раз­ном, как и все дети. У меня была опре­де­лен­ная склон­ность к точ­ным нау­кам — как к мате­ма­ти­ке, так и к физи­ке. Основ­ной тол­чок в пра­виль­ном направ­ле­нии дал мне отец, кото­рый в свое вре­мя закон­чил МИФИ. Он физик, экс­перт в обла­сти быст­ро про­те­ка­ю­щих хими­че­ских про­цес­сов. Моя бабуш­ка, выпуск­ни­ца хим­фа­ка МГУ, тоже при­ня­ла актив­ное уча­стие в выбо­ре направ­ле­ния уче­бы. Хотя я и учил­ся в обыч­ной шко­ле, но, к сча­стью, у нас была очень хоро­шая учи­тель­ни­ца мате­ма­ти­ки, Т. А. Лепё­хи­на.

— Вы моск­вич, не моск­вич?

— Так полу­чи­лось, что я окан­чи­вал шко­лу в Вол­го­гра­де, хотя родил­ся в Москве и живу сей­час в Москве. На выбор — про­дол­жить обу­че­ние имен­но в Физ­те­хе — повли­я­ла опять-таки учи­тель­ни­ца мате­ма­ти­ки, у кото­рой к тому вре­ме­ни несколь­ко уче­ни­ков и сын учи­лись в МФТИ; с послед­ним я как-то встре­чал­ся и слу­шал его рас­ска­зы об МФТИ — и поду­мал, ну Физ­тех, поче­му бы и нет. К тому же мне понра­ви­лось, что на том факуль­те­те, на кото­рый я в ито­ге собрал­ся идти, была и доста­точ­но пол­ная мате­ма­ти­че­ская про­грам­ма, вклю­чав­шая спе­ци­аль­ные кур­сы на уровне мех­ма­та МГУ, и курс общей физи­ки.

Я поехал на олим­пи­а­ду МФТИ, где сра­зу полу­чил пол­ный балл. Потом съез­дил ради инте­ре­са еще и на физ­фак МГУ, посту­пил туда, собрал­ся идти сда­вать экза­ме­ны и на мех­мат МГУ, но у меня в тот момент что-то не скла­ды­ва­лось с доку­мен­та­ми, надо было куда-то за ними ехать, и я решил, что если посту­пил в МФТИ, то так тому и быть.

— Обра­зо­ва­ние, кото­рое вы полу­чи­ли, где луч­ше все­го дава­ли и дают сей­час?

— В то вре­мя в Москве было мало мест, где бы учи­ли не про­сто чистой мате­ма­ти­ке или инже­нер­ным нау­кам, а дава­ли бы обра­зо­ва­ние в обла­сти при­клад­ной мате­ма­ти­ки с укло­ном в ана­лиз дан­ных. Мож­но ска­зать, что я боль­ше само­об­ра­зо­вы­вал­ся. Когда я про­шел в Физ­те­хе общие кур­сы, я стал зани­мать­ся темой, свя­зан­ной с ана­ли­зом сиг­на­лов с исполь­зо­ва­ни­ем вей­влет-пре­об­ра­зо­ва­ния. У меня не было даже науч­но­го руко­во­ди­те­ля бака­лавр­ской рабо­ты, пото­му что тема была отно­си­тель­но новая, и я не нашел в МФТИ нико­го, кто мог бы им стать (ст. науч. сотр. Вычис­ли­тель­но­го цен­тра РАН Нико­лай Оле­нев и декан факуль­те­та управ­ле­ния и при­клад­ной мате­ма­ти­ки МФТИ Алек­сандр Шана­нин помо­га­ли мне с орга­ни­за­ци­он­ны­ми вопро­са­ми, за что им боль­шое спа­си­бо). Я сам этой темой зани­мал­ся и успеш­но защи­тил бака­лавр­ский диплом.

Потом ста­ло понят­но, что мне не хва­та­ет зна­ний, и я стал посе­щать спе­ци­а­ли­зи­ро­ван­ные кур­сы по веро­ят­но­сти и слу­чай­ным про­цес­сам на мех­ма­те МГУ, посколь­ку они лежат в осно­ве мето­дов ана­ли­за сиг­на­лов. В кон­це кон­цов я понял, что мне инте­рес­на мате­ма­ти­че­ская ста­ти­сти­ка, ана­лиз дан­ных и их при­ло­же­ния. Там я позна­ко­мил­ся со сво­им буду­щим руко­во­ди­те­лем дис­сер­та­ции ака­де­ми­ком РАН Аль­бер­том Нико­ла­е­ви­чем Ширя­е­вым.

Когда при­шло вре­мя аспи­ран­ту­ры, он мне пред­ло­жил занять­ся «зада­чей ско­рей­ше­го обна­ру­же­ния раз­лад­ки». Суть ее в том, что в режи­ме реаль­но­го вре­ме­ни наблю­да­ет­ся слу­чай­ный про­цесс, и необ­хо­ди­мо обна­ру­жить момент изме­не­ния его слу­чай­ных свойств. В насто­я­щее вре­мя эта зада­ча крайне вос­тре­бо­ва­на. Если рас­смат­ри­ва­ет­ся какая-то слож­ная тех­ни­че­ская систе­ма, то нуж­но вовре­мя обна­ру­жить, что у нее изме­ни­лось пове­де­ние: это может быть пред­вест­ни­ком буду­щей неис­прав­но­сти.

Может быть, вы слы­ша­ли такой тер­мин — «инду­стри­аль­ный интер­нет вещей» — это сей­час попу­ляр­ная тема, пото­му что тех­ни­че­ские и про­грамм­ные систе­мы ста­но­вят­ся всё более слож­ны­ми. У тех же само­ле­тов огром­ное чис­ло раз­лич­ных агре­га­тов, узлов. И несвое­вре­мен­ная заме­на узлов/​устранение поло­мок при­во­дит к финан­со­вым поте­рям; я уж не гово­рю про без­опас­ность — это отдель­ный вопрос. Если у вас деталь не довез­ли вовре­мя и в управ­ля­е­мой вами систе­ме — будь то ТЭЦ, само­лет или IT-сер­вис, предо­став­ля­ю­щий поль­зо­ва­те­лям какие-то услу­ги, — про­изо­шел сбой, то это сто­ит денег и репу­та­ции. Биз­нес пыта­ет­ся най­ти реше­ния, кото­рые помог­ли бы предот­вра­тить такие сбои.

Сей­час во мно­гих тех­ни­че­ских систе­мах есть дат­чи­ки, кото­рые изме­ря­ют раз­лич­ные физи­че­ские пока­за­те­ли — виб­ра­цию, тем­пе­ра­ту­ру, дав­ле­ние и др. Если в систе­ме начи­на­ет что-то раз­ла­жи­вать­ся, то в этих дан­ных появ­ля­ют­ся некие пред­вест­ни­ки того, что ско­ро будет про­бле­ма, полом­ка. И, ана­ли­зи­руя ста­ти­сти­че­ское пове­де­ние этих сиг­на­лов, вы може­те эти пред­вест­ни­ки выде­лить.

В кан­ди­дат­ской дис­сер­та­ции я иссле­до­вал тео­ре­ти­че­ские аспек­ты зада­чи о ско­рей­шем обна­ру­же­нии раз­лад­ки; быст­ро защи­тил­ся. После защи­ты дис­сер­та­ции я стал сотруд­ни­чать с про­фес­со­ром Алек­сан­дром Берн­штей­ном, рабо­тав­шим в то вре­мя зав. лабо­ра­то­ри­ей ИСА РАН, и его кол­ле­га­ми. И тогда уже появи­лась новая науч­ная тема, свя­зан­ная с про­ек­том от ком­па­нии Airbus.

В этом про­ек­те уже надо было не ана­ли­зи­ро­вать вре­мен­ные ряды и сиг­на­лы, как в кан­ди­дат­ской дис­сер­та­ции, а решать зада­чи пред­ска­за­тель­но­го моде­ли­ро­ва­ния, то есть зани­мать­ся постро­е­ни­ем моде­лей, кото­рые поз­во­ля­ли бы про­гно­зи­ро­вать зави­си­мость одних пара­мет­ров (напри­мер, подъ­ем­ной силы кры­ла само­ле­та) от дру­гих — напри­мер, от гео­мет­рии кры­ла и пара­мет­ров режи­ма поле­та.

Изна­чаль­но в пред­ска­за­тель­ном моде­ли­ро­ва­нии исполь­зо­ва­лись мате­ма­ти­че­ские моде­ли, осно­ван­ные на «пер­вых прин­ци­пах физи­ки». Они опи­сы­ва­ли физи­че­ские про­цес­сы и явле­ния слож­ны­ми диф­фе­рен­ци­аль­ны­ми урав­не­ни­я­ми в част­ных про­из­вод­ных с гра­нич­ны­ми усло­ви­я­ми. Мето­ды реше­ния таких урав­не­ний весь­ма тру­до­ем­ки — это каса­ет­ся как самих рас­че­тов, так и под­го­тов­ки исход­ных дан­ных и рас­чет­ных сеток, что суще­ствен­но сокра­ща­ет воз­мож­но­сти исполь­зо­ва­ния таких моде­лей при про­ек­ти­ро­ва­нии слож­ных объ­ек­тов. А это явный недо­ста­ток на ста­дии пред­ва­ри­тель­но­го про­ек­ти­ро­ва­ния, когда рас­смат­ри­ва­ет­ся боль­шое коли­че­ство вари­ан­тов реше­ния и цена ошиб­ки осо­бен­но высо­ка.

Одна­ко если в ходе рас­чет­ных симу­ля­ций, а так­же реаль­ных экс­пе­ри­мен­тов (напри­мер, в аэро­ди­на­ми­че­ской тру­бе) накоп­ле­на неко­то­рая база дан­ных, то по ней мож­но постро­ить так назы­ва­е­мую мета­мо­дель (или сур­ро­гат­ную модель, surrogate model), исполь­зуя мето­ды ана­ли­за дан­ных и машин­но­го обу­че­ния.

Как пра­ви­ло, тако­го рода мета­мо­де­ли име­ют суще­ствен­но более высо­кую вычис­ли­тель­ную эффек­тив­ность по срав­не­нию с исход­ны­ми источ­ни­ка­ми дан­ных. За счет это­го инже­нер может оце­нить зна­чи­тель­но боль­ше вари­ан­тов дизай­на изде­лия и срав­нить их меж­ду собой, что­бы выбрать наи­бо­лее пер­спек­тив­ные.

Дру­гим важ­ным при­ме­ром исполь­зо­ва­ния мета­мо­де­лей на прак­ти­ке явля­ет­ся про­гно­сти­че­ское управ­ле­ние про­из­вод­ствен­ны­ми систе­ма­ми и эко­но­ми­че­ски­ми про­цес­са­ми, обыч­но опи­сы­ва­е­мы­ми боль­шим коли­че­ством пара­мет­ров (про­мыш­лен­ное про­из­вод­ство саха­ра-пес­ка из сахар­ной свек­лы, авто­ма­ти­зи­ро­ван­ная кор­рек­ти­ров­ка пара­мет­ров кре­дит­ной про­це­ду­ры, и др.).

Так, напри­мер, эффек­тив­ность про­цес­са экс­трак­ции (диф­фу­зии) саха­ра-пес­ка зави­сит от фор­мы све­коль­ной струж­ки, её каче­ства, зна­че­ния саха­ри­сто­сти, pH, тем­пе­ра­ту­ры пода­ва­е­мой струж­ки и воды, от рас­пре­де­ле­ния тем­пе­ра­тур внут­ри диф­фу­зо­ра, и т.д. При этом, для мини­ми­за­ции затрат и сни­же­ния потерь необ­хо­дим выбор опти­маль­ных зна­че­ний пара­мет­ров про­из­вод­ства. Оче­вид­но, что даже опыт­ный тех­но­лог не в состо­я­нии усле­дить за всем мно­го­об­ра­зи­ем управ­ля­ю­щих воз­дей­ствий, усло­вий внеш­ней сре­ды, их вза­и­мо­за­ви­си­мо­стя­ми и вли­я­ни­ем на эффек­тив­ность про­из­вод­ства.

Соот­вет­ствен­но, мета­мо­де­ли, постро­ен­ные по дан­ным, накоп­лен­ным в резуль­та­те экс­плу­а­та­ции про­из­вод­ствен­ных уста­но­вок, и лежа­щие в осно­ве реко­мен­да­тель­ных систем, суще­ствен­но облег­ча­ют тех­но­ло­гу реше­ние его основ­ных задач по выбо­ру управ­ля­ю­щих пара­мет­ров про­из­вод­ствен­но­го про­цес­са (сво­е­го рода «вто­рое мне­ние») и поз­во­ля­ют сни­зить затра­ты и повы­сить каче­ство про­дук­ции.

Впро­чем, как потом ока­за­лось, зада­чи пред­ска­за­тель­но­го моде­ли­ро­ва­ния тес­но свя­за­ны и с темой моей кан­ди­дат­ской дис­сер­та­ции. Дело в том, что постро­е­ние мета­мо­де­лей поз­во­ля­ет выявить вза­и­мо­свя­зи меж­ду пара­мет­ра­ми систе­мы в нор­маль­ном режи­ме рабо­ты, а в даль­ней­шем путем срав­не­ния выяв­лен­ных вза­и­мо­свя­зей с теку­щи­ми резуль­та­та­ми теле­мет­рии, сни­ма­е­мой с дат­чи­ков в режи­ме реаль­но­го вре­ме­ни, обна­ру­жить ано­ма­лии и раз­лад­ки в рабо­те систе­мы. Таким обра­зом, ком­би­на­ция мето­дов пред­ска­за­тель­но­го моде­ли­ро­ва­ния и ско­рей­ше­го обна­ру­же­ния раз­ла­док поз­во­ля­ет реа­ли­зо­вы­вать эффек­тив­ные при­ло­же­ния в обла­сти т.н. пред­ска­за­тель­но­го обслу­жи­ва­ния.

Мето­ды пред­ска­за­тель­но­го тех­ни­че­ско­го обслу­жи­ва­ния исполь­зу­ют­ся для ско­рей­ше­го обна­ру­же­ния ано­ма­лий и суще­ствен­ных изме­не­ний (раз­ла­док) в рабо­те меха­низ­мов и слож­ных тех­ни­че­ских систем, напри­мер, таких как вспо­мо­га­тель­ная сило­вая уста­нов­ка пас­са­жир­ско­го само­ле­та. Основ­ная цель это­го под­хо­да – кор­рек­ти­ров­ка тех­ни­че­ско­го состо­я­ния или пол­ная заме­на меха­низ­мов до того, как выяв­лен­ные изме­не­ния ста­нут кри­тич­ны­ми для рабо­ты отдель­ных ком­по­нент или систе­мы в целом. Диа­гно­сти­че­ские воз­мож­но­сти мето­дов интел­лек­ту­аль­но­го пред­ска­за­тель­но­го обслу­жи­ва­ния зна­чи­тель­но воз­рос­ли в послед­ние годы. Это уда­лось сде­лать бла­го­да­ря улуч­ше­нию сен­сор­ных тех­но­ло­гий наблю­де­ния и раз­ра­бот­ке новых алго­рит­мов обра­бот­ки собран­ной инфор­ма­ции.

В ито­ге я зани­ма­юсь раз­ви­ти­ем мето­дов реше­ния опи­сан­ных выше задач, а так­же их инду­стри­аль­ны­ми при­ло­же­ни­я­ми.

— Вы один из глав­ных людей, кото­рые помог­ли Airbus уско­рить их про­из­вод­ствен­ные про­цес­сы?

— Назвать меня глав­ным — это, конеч­но, было бы не толь­ко невер­но, но и нечест­но по отно­ше­нию к моим кол­ле­гам; напри­мер, поста­нов­ки реша­е­мых мною задач фор­му­ли­ро­вал ака­де­мик Алек­сандр Пет­ро­вич Куле­шов… Прав­да в том, что после успеш­ной защи­ты дис­сер­та­ции я рабо­тал заве­ду­ю­щим лабо­ра­то­ри­ей интел­лек­ту­аль­но­го ана­ли­за дан­ных и пред­ска­за­тель­но­го моде­ли­ро­ва­ния в Инсти­ту­те про­блем пере­да­чи инфор­ма­ции (ИППИ РАН). В резуль­та­те успеш­ной реа­ли­за­ции ряда про­ек­тов для ком­па­нии Airbus был орга­ни­зо­ван рос­сий­ский спин-офф ИППИ РАН — ком­па­ния «Дата­д­ванс», где я, как руко­во­ди­тель груп­пы ана­ли­за дан­ных, внед­рил в про­мыш­лен­ную прак­ти­ку ряд мето­дов сур­ро­гат­но­го моде­ли­ро­ва­ния и опти­ми­за­ции; про­мыш­лен­ные реа­ли­за­ции этих мето­дов лег­ли в осно­ву про­грамм­ной биб­лио­те­ки pSeven Core (ранее MACROS) и впо­след­ствии были исполь­зо­ва­ны в раз­лич­ных инже­нер­ных про­ек­тах для таких ком­па­ний, как IHI, SAFT, Airbus, Astrium и дру­гие. В част­но­сти, эта про­грамм­ная биб­лио­те­ка при­ме­ня­лась для реше­ния задач моде­ли­ро­ва­ния и опти­ми­за­ции дизай­на пас­са­жир­ско­го само­ле­та и, по оцен­кам инже­не­ров Airbus, поз­во­ли­ла сни­зить вре­мен­ные затра­ты на моде­ли­ро­ва­ние на эта­пе пред­ва­ри­тель­но­го про­ек­ти­ро­ва­ния само­ле­та на 10%.

— Как устро­е­на тако­го рода про­грамм­ная биб­лио­те­ка и что с ее помо­щью мож­но делать?

— Напри­мер, нам нуж­но опти­ми­зи­ро­вать струк­ту­ру ком­по­зит­ной пла­сти­ны боли­да «Фор­му­лы-1», защи­ща­ю­щей гон­щи­ка от боко­вых столк­но­ве­ний. Суще­ству­ет набор пара­мет­ров, кото­рый опре­де­ля­ет тол­щи­ну раз­лич­ных сло­ев пла­сти­ны, их тип. Каж­до­му набо­ру пара­мет­ров соот­вет­ству­ет кон­крет­ный дизайн пла­сти­ны. Что­бы изме­рить ее проч­ность, мож­но изго­то­вить опыт­ный обра­зец и про­ве­сти экс­пе­ри­мент. Одна­ко это тре­бу­ет зна­чи­тель­ных средств и вре­ме­ни.

Дру­гой вари­ант — исполь­зо­вать мате­ма­ти­че­ское моде­ли­ро­ва­ние для задан­ной струк­ту­ры пла­сти­ны и оце­нить ее проч­ность с помо­щью тру­до­ем­ких вычис­ле­ний. В этом слу­чае тоже будет потра­че­но доволь­но мно­го вре­ме­ни, а резуль­тат рас­че­та, конеч­но, не совсем точ­но вос­про­из­ве­дет реаль­ные про­цес­сы, про­ис­хо­дя­щие при дефор­ма­ции ком­по­зи­та.

Зада­ча инже­не­ра в этом слу­чае — най­ти такой дизайн пла­сти­ны, при кото­ром мас­са пла­сти­ны будет как мож­но мень­ше и при этом ее проч­ность будет удо­вле­тво­рять задан­ным тре­бо­ва­ни­ям без­опас­но­сти. Основ­ная про­бле­ма заклю­ча­ет­ся в том, что даже спе­ци­а­ли­сту в дан­ной пред­мет­ной обла­сти физи­че­ски слож­но дер­жать в голо­ве то, каким обра­зом на целе­вые харак­те­ри­сти­ки, в дан­ном слу­чае мас­су и проч­ность, вли­я­ет одно­вре­мен­ное изме­не­ние более чем двух-трех пара­мет­ров.

Если мы зна­че­ние одно­го пара­мет­ра повы­си­ли, зна­че­ние дру­го­го — пони­зи­ли и т. д., то как это отра­зит­ся на свой­ствах изде­лия? При этом инже­нер не может про­ве­рить слиш­ком мно­го гипо­тез — для каж­дой тре­бу­ет­ся либо реаль­ный экс­пе­ри­мент, либо физи­че­ское моде­ли­ро­ва­ние, кото­рое не столь точ­но. Имен­но ком­пью­тер и ана­лиз дан­ных помо­га­ют «нащу­пать» эффек­тив­ную ком­би­на­цию пара­мет­ров, кото­рая соот­вет­ству­ет изде­лию с более эффек­тив­ным дизай­ном.

Если мы име­ем неко­то­рую началь­ную базу дан­ных, содер­жа­щую зна­че­ния пар «вход-выход» («вход» — зна­че­ния вход­ных пара­мет­ров, зада­ю­щие дизайн изде­лия; «выход» — зна­че­ния выход­ных харак­те­ри­стик, зада­ю­щие соот­вет­ству­ю­щие свой­ства изде­лия) и полу­чен­ную в ходе про­ве­де­ния натур­ных и/​или вычис­ли­тель­ных экс­пе­ри­мен­тов, то по этой базе дан­ных мож­но постро­ить про­гноз­ную модель, аппрок­си­ми­ру­ю­щую нели­ней­ные зави­си­мо­сти меж­ду пара­мет­ра­ми, выде­лить вход­ные пара­мет­ры, зна­чи­мо вли­я­ю­щие на про­гно­зи­ру­е­мые харак­те­ри­сти­ки.

Исполь­зуя постро­ен­ную про­гноз­ную модель вме­сто ресур­со­ём­ких натурных/​вычислительных экс­пе­ри­мен­тов мож­но быст­ро выбрать пер­спек­тив­ные ком­би­на­ции вход­ных пара­мет­ров и про­ве­рить на прак­ти­ке толь­ко эти вари­ан­ты реше­ния. Далее, на осно­ве полу­чен­ных оце­нок с помо­щью мате­ма­ти­че­ских мето­дов пла­ни­ро­ва­ния экс­пе­ри­мен­та стро­ит­ся план натурных/​вычислительных экс­пе­ри­мен­тов и про­цесс повто­ря­ет­ся. При этом для постро­е­ния про­гноз­ной моде­ли тре­бу­ет­ся раз­ви­тие новых мате­ма­ти­че­ских мето­дов машин­но­го обу­че­ния для кон­со­ли­да­ции раз­но­точ­ных дан­ных (в дан­ном слу­чае, дан­ных натур­но­го и вычис­ли­тель­но­го экс­пе­ри­мен­тов). Бла­го­да­ря этим мето­дам мож­но стро­ить про­гноз­ные моде­ли и лег­ко сле­дить за тем, как все мно­го­чис­лен­ные вход­ные пара­мет­ры вли­я­ют на свой­ства изде­лия.

При этом отме­тим, что раз­ра­ба­ты­ва­е­мые мето­ды могут при­ме­нять­ся для реше­ния инже­нер­ных задач подоб­но­го типа, воз­ни­ка­ю­щих не толь­ко при моде­ли­ро­ва­нии ком­по­зит­ных пла­стин, но и при рабо­те над зада­ча­ми из совсем дру­гих обла­стей – напри­мер, в зада­че опти­ми­за­ции соста­ва кре­ма. В этой зада­че изна­чаль­но име­лась неболь­шая база дан­ных про­ве­ден­ных экс­пе­ри­мен­тов, в ходе кото­рых для раз­ных соста­вов кре­ма были про­ве­де­ны оцен­ки того, каким обра­зом крем вли­я­ет на кожу, насколь­ко он хоро­шо отбе­ли­ва­ет, насколь­ко он ток­си­чен и тп. По это­му набо­ру дан­ных была постро­е­на пре­дик­тив­ная модель, и уже с её помо­щью уда­лось выбрать более удач­ный состав кре­ма.

Конеч­но, при рабо­те над подоб­ны­ми зада­ча­ми надо обла­дать и зна­ни­я­ми из соот­вет­ству­ю­щей пред­мет­ной обла­сти. Поэто­му при рабо­те над соот­вет­ству­ю­щим про­ек­том жела­тель­но нали­чие экс­пер­та, кото­рый зара­нее ска­жет, какие вход­ные пара­мет­ры наи­бо­лее важ­ные, про­ве­рит соот­вет­ствие мате­ма­ти­че­ской поста­нов­ки опти­ми­за­ци­он­ной зада­чи реаль­ным запро­сам заказ­чи­ка, и т.п.

Напри­мер, экс­перт может сра­зу под­ска­зать, что про­гноз­ную модель надо сра­зу стро­ить в зави­си­мо­сти от пло­ща­ди изде­лия, а не от дли­ны и шири­ны изде­лия, взя­тых по отдель­но­сти. Понят­но, что если выбор­ка дан­ных доста­точ­но пред­ста­ви­тель­ная, то мето­ды машин­но­го обу­че­ния потен­ци­аль­но смо­гут «выта­щить» из дан­ных тако­го рода зави­си­мость. Одна­ко, если подоб­ное апри­ор­ное зна­ние учесть зара­нее, то это поз­во­лит постро­ить более робаст­ные и точ­ные про­гноз­ные моде­ли за мень­шее вре­мя.

Теперь вер­нем­ся к раз­го­во­ру о мето­дах машин­но­го обу­че­ния и об алго­рит­ми­че­ской биб­лио­те­ке, кото­рую мы раз­ви­ва­ли. Что­бы решать при­клад­ные зада­чи, подоб­ные опи­сан­ным выше, нуж­но решать набор вза­и­мо­свя­зан­ных задач ана­ли­за дан­ных. Вза­и­мо­свя­зан­ных в том смыс­ле, что реше­ние одной зада­чи ана­ли­за дан­ных может быть, в неко­то­ром смыс­ле «вход­ной инфор­ма­ци­ей» для сле­ду­ю­щей за ней зада­чей.

Напри­мер, вы сни­жа­е­те раз­мер­ность дан­ных (дела­е­те новую пара­мет­ри­за­цию опи­са­ния ваше­го объ­ек­та, кото­рая будет содер­жать мень­ше пара­мет­ров и будет менее избы­точ­ной). При этом вы долж­ны пред­ло­жить такую пара­мет­ри­за­цию, кото­рая далее поз­во­лит полу­чить про­гноз­ную модель как мож­но более высо­ко­го каче­ства. Здесь появ­ля­ет­ся уже спе­ци­аль­ная постав­ка зада­чи сни­же­ния раз­мер­но­сти, и это явля­ет­ся толч­ком к раз­ви­тию новых мето­дов машин­но­го обу­че­ния.

В той алго­рит­ми­че­ской биб­лио­те­ке, кото­рую ком­па­ния «Дата­д­ванс» сей­час актив­но инду­стри­а­ли­зу­ет и про­да­ет, речь идет о набо­ре базо­вых про­це­дур, поз­во­ля­ю­щих решать инже­нер­ную зада­чу «в ком­плек­се». Инже­нер обу­чен реше­нию задач в сво­ей кон­крет­ной пред­мет­ной обла­сти, – он зна­ет про закон како­го-нибудь рас­тя­же­ния, но шаг в сто­ро­ну, и он может уже что-то не знать. Что уж гово­рить про зна­ние каких-то тон­ко­стей мето­дов машин­но­го обу­че­ния.

Инже­не­ру наши мате­ма­ти­че­ские труд­но­сти неин­те­рес­ны, ему нуж­но полу­чить резуль­тат, улуч­шить эффек­тив­ность рабо­ты изде­лия. Соот­вет­ствен­но, авто­ма­ти­за­ция при­ме­не­ния базо­вых про­це­дур ана­ли­за дан­ных, спе­ци­аль­но зато­чен­ных под тре­бо­ва­ния задач инду­стри­аль­ной инже­не­рии, и явля­ет­ся основ­ной целью дан­ной биб­лио­те­ки. Как след­ствие, одной из важ­ных про­блем, кото­рую мне и моей коман­де при­шлось решать при созда­нии биб­лио­те­ки, была раз­ра­бот­ка тако­го интер­фей­са вза­и­мо­дей­ствия с поль­зо­ва­те­лем, кото­рый был бы осно­ван на про­стых и понят­ных инже­не­ру поня­ти­ях.

Напри­мер, авто­ма­ти­че­ское реше­ние о том, какой же имен­но метод на каком шаге исполь­зо­вать при ана­ли­зе дан­ных, долж­но зави­сеть от отве­тов на какие-то содер­жа­тель­ные и понят­ные инже­не­ру вопро­сы: содер­жат ли дан­ные шум или нет? Име­ет ли рас­по­ло­же­ние таких-то точек дан­ных спе­ци­аль­ную струк­ту­ру? нахо­дят­ся ли они на решет­ке? и так далее.

Если учи­ты­вать такие осо­бен­но­сти, то это поз­во­ля­ет решать зада­чи ана­ли­за дан­ных гораз­до эффек­тив­нее. Сей­час для постро­е­ния пред­ска­за­тель­ных моде­лей в раз­лич­ных обла­стях попу­ляр­ны ней­ро­се­ти, алго­рит­мы их обу­че­ния тоже мож­но было бы исполь­зо­вать и при реше­нии задач инду­стри­аль­ной инже­не­рии. Одна­ко, инже­нер соот­вет­ству­ю­щий резуль­тат вряд ли при­мет, пото­му что, ско­рее все­го, он не будет удо­вле­тво­рять тре­бо­ва­ни­ям при­клад­ной обла­сти.

Напри­мер, ожи­да­ет­ся, что зави­си­мость выход­ной харак­те­ри­сти­ки будет изме­нять­ся линей­но при изме­не­нии того или ино­го пара­мет­ра, а из-за того, что ней­ро­се­те­вая модель очень силь­но нели­ней­ная, то её про­гноз так­же будет зна­чи­тель­но нели­ней­ным и его пове­де­ние будет иметь какие-то арте­фак­ты. Про­ре­шав боль­шое коли­че­ство задач инже­нер­но­го пла­на, мы при­мер­но поня­ли, какие осо­бен­но­сти у этих задач, что дей­стви­тель­но нуж­но инду­стрии. Мы суме­ли фор­ма­ли­зо­вать это зна­ние, сде­лав над биб­лио­те­кой алго­рит­мов над­строй­ку «верх­не­го уров­ня», кото­рая фор­ма­ли­зу­ет эти тре­бо­ва­ния в понят­ных инже­не­ру тер­ми­нах, а затем пере­во­дит их в алго­рит­ми­че­ский язык, выби­ра­ет наи­бо­лее под­хо­дя­щий метод или их ком­би­на­цию, а так­же авто­ма­ти­че­ски зада­ет пара­мет­ры алго­рит­мов обу­че­ния моде­лей.

Сей­час ком­па­ния «над­стро­и­ла» над раз­ра­бо­тан­ной алго­рит­ми­че­ской биб­лио­те­кой гра­фи­че­ский интер­фейс и успеш­но зани­ма­ет­ся его про­да­жей, ведь не все инже­не­ры любят и хотят про­грам­ми­ро­вать.

— А насколь­ко в вашей рабо­те нуж­но знать про­грам­ми­ро­ва­ние? Вы сами про­грам­ми­ру­е­те? 

— Про­грам­ми­рую мало, на это про­сто нет вре­ме­ни, а рань­ше да, конеч­но, про­грам­ми­ро­вал. 

— На каких язы­ках? 

— Как чело­век науч­но­го скла­да, я начи­нал делать какие-то вычис­ли­тель­ные экс­пе­ри­мен­ты в Matlab’е, а потом, когда в рай­оне 2008 года для ана­ли­за дан­ных начал актив­но исполь­зо­вать­ся Python, пере­шел на этот язык про­грам­ми­ро­ва­ния. У меня есть коман­да, с кото­рой я обго­ва­ри­ваю, какую функ­ци­о­наль­ность надо реа­ли­зо­вать, объ­яс­няю кол­ле­гам как долж­ны быть устро­е­ны алго­рит­мы и их вычис­ли­тель­ная реа­ли­за­ция.

Что каса­ет­ся про­мыш­лен­ной реа­ли­за­ции, то в слу­чае упо­мя­ну­той выше биб­лио­те­ки pSeven Core это было устро­е­но сле­ду­ю­щим обра­зом: мы дела­ли боль­шое коли­че­ство вычис­ли­тель­ных экс­пе­ри­мен­тов, раз­ра­ба­ты­ва­ли про­то­тип алго­рит­ма на Python, а его вычис­ли­тель­но эффек­тив­ную реа­ли­за­ции на C++ в спин-офф ком­па­нии делал спе­ци­аль­но обу­чен­ный чело­век, вме­сте с кото­рым мы потом встра­и­ва­ли алго­ритм в биб­лио­те­ку и раз­ра­ба­ты­ва­ли доку­мен­та­цию.

Я сей­час вер­нул­ся к тому, что мне кажет­ся наи­бо­лее важ­ным и инте­рес­ным, и это бОль­ше ака­де­ми­че­ские иссле­до­ва­ния, но я по-преж­не­му мно­го рабо­таю с инду­стри­аль­ны­ми при­ло­же­ни­я­ми, вза­и­мо­дей­ствую с раз­лич­ны­ми ком­па­ни­я­ми. На зада­чах от них мож­но, во-пер­вых, про­ве­рить раз­ра­ба­ты­ва­е­мые мною мето­ды, а, во-вто­рых, инду­стри­аль­ные при­ло­же­ния явля­ют­ся потен­ци­аль­ным источ­ни­ком новых поста­но­вок задач ана­ли­за дан­ных. Тем более, что в Скол­те­хе актив­но поощ­ря­ют сотруд­ни­че­ство с инду­стри­ей.

В одном рукопожатии от Колмогорова

— Ваш науч­ный руко­во­ди­тель ака­де­мик А. Н. Ширя­ев — уче­ник Кол­мо­го­ро­ва. Вы чув­ству­е­те, что нахо­ди­тесь в одном руко­по­жа­тии от Кол­мо­го­ро­ва?

— С Аль­бер­том Нико­ла­е­ви­чем я мно­го обща­юсь, бывал не раз у него в Кома­ров­ке (дом в посел­ке неда­ле­ко от г. Коро­лё­ва, быв­шая дача А. Н. Кол­мо­го­ро­ва. — Ред.). Я про­чи­тал днев­ни­ки Кол­мо­го­ро­ва, кото­рые Аль­берт Нико­ла­е­вич под­го­то­вил и издал. Кро­ме того, я читал неко­то­рые исход­ные мате­ри­а­лы. Я думаю, что это ока­за­ло на меня опре­де­лен­ное вли­я­ние — Кол­мо­го­ров был, конеч­но, чело­ве­ком неза­у­ряд­ным. Он внес вклад в самые раз­ные обла­сти мате­ма­ти­ки, а в неко­то­рых был пер­во­про­ход­цем. При этом у него есть при­клад­ные рабо­ты. Это хоро­ший при­мер для под­ра­жа­ния.

— В лек­ции на «Пост­на­у­ке» вы рас­ска­зы­ва­ли про кол­мо­го­ров­скую слож­ность [1].

— Это один из осно­во­по­ла­га­ю­щих кон­цеп­тов, кото­рый поз­во­ля­ет луч­ше понять, что вооб­ще про­ис­хо­дит с тем, что мы назы­ва­ем веро­ят­но­стью, слу­чай­но­стью.

— А насколь­ко ред­ко встре­ча­ет­ся соче­та­ние хоро­ше­го уче­но­го и хоро­ше­го орга­ни­за­то­ра? Мож­но ли это­му научить­ся, или это врож­ден­ный талант — уметь орга­ни­зо­вы­вать?

— Я бы ска­зал, что я орга­ни­за­тор поне­во­ле. Быва­ют такие направ­ле­ния иссле­до­ва­ний, при кото­рых мож­но сидеть одно­му в каби­не­те и решать какие-то зада­чи. Но я, к сча­стью или к сожа­ле­нию, зани­ма­юсь иссле­до­ва­ни­я­ми, в резуль­та­те кото­рых полу­ча­ет­ся алго­ритм, кото­рый надо про­ве­рять на дан­ных и при­ме­нять его для реше­ния инду­стри­аль­ных задач. Если ты участ­ву­ешь в при­клад­ном про­ек­те, в постро­е­нии реаль­ных инфор­ма­ци­он­ных систем, то их слож­ность тако­ва, что без коман­ды не обой­тись. Поэто­му я волей-нево­лей такую коман­ду орга­ни­зо­вал и ею управ­ляю.

У меня, смею наде­ять­ся, это полу­ча­ет­ся. Я не думаю, что тако­го типа вещам мож­но научить­ся; одно из двух — либо ты можешь это делать, либо нет. Дело в том, что все люди раз­ные, у кого-то одни пред­став­ле­ния, как долж­на быть устро­е­на рабо­та, у кого-то дру­гие. Поми­мо того что я чело­ве­ку объ­яс­няю чисто фор­маль­но, что надо сде­лать, при­хо­дит­ся быть немно­го пси­хо­ло­гом и гово­рить с кол­ле­га­ми не толь­ко о рабо­те. Хоро­ший руко­во­ди­тель может уви­деть, что его сотруд­ник сего­дня «не в себе», настро­ить его на пра­виль­ный лад, что­бы в коман­де было «бое­вое сла­жи­ва­ние». Без это­го рабо­та про­сто не пой­дет.

— А в чем глав­ные сек­ре­ты хоро­ше­го руко­вод­ства?

— Я бы ска­зал, что с людь­ми надо общать­ся, люди долж­ны в тебе видеть лиде­ра. Если я гово­рю, что зада­чу надо решать таким-то обра­зом, но не могу объ­яс­нить поче­му, не могу пове­сти людей за собой, то коман­да рас­па­дет­ся. Потом, в кол­ле­гах надо преж­де все­го видеть людей, со все­ми их досто­ин­ства­ми и недо­стат­ка­ми, не отно­сить­ся к ним как к неким вин­ти­кам — подай-при­не­си, сде­лай то, сде­лай это. У меня был опыт обще­ния с раз­ны­ми руко­во­ди­те­ля­ми. Неко­то­рые из них под­хо­дят к людям фор­маль­но, это пло­хо рабо­та­ет и в пер­спек­ти­ве при­во­дит к раз­ру­ше­нию кол­лек­ти­ва.

— Что самое непри­ят­ное в вашей рабо­те?

— Пожа­луй, это вопро­сы, свя­зан­ные с бума­га­ми, когда надо писать какие-то заяв­ки на гран­ты, ТЗ или отче­ты.

— А что самое увле­ка­тель­ное?

— Мате­ма­ти­че­ские иссле­до­ва­ния, реше­ние новых задач, вза­и­мо­дей­ствие с кол­ле­га­ми. При­ез­жа­ешь на кон­фе­рен­цию, а там новые люди, рабо­та­ю­щие в тво­ей обла­сти, и ты с ними обща­ешь­ся, полу­ча­ешь новую инфор­ма­цию, узна­ешь о новых под­хо­дах. Мне это при­но­сит боль­шое удо­воль­ствие, я испы­ты­ваю насто­я­щий драйв.

Сколтех открыт новому

— Если гово­рить о Скол­те­хе, то какие досто­ин­ства или недо­стат­ки вы види­те в этом про­ек­те?

— Идея Скол­те­ха здра­вая. В Скол­те­хе мно­го раз­лич­ных науч­ных направ­ле­ний и соот­вет­ству­ю­щих депар­та­мен­тов — есть центр раз­ра­бот­ки новых про­из­вод­ствен­ных тех­но­ло­гий и мате­ри­а­лов, цен­тры био­ин­фор­ма­ти­ки, неф­те­га­зо­вых тех­но­ло­гий и т. п. Я рас­ска­жу о цен­тре науч­ных и инже­нер­ных вычис­ли­тель­ных тех­но­ло­гий для задач с боль­ши­ми мас­си­ва­ми дан­ных, в кото­ром рабо­таю. У нас есть три основ­ных клю­че­вых пока­за­те­ля (KPI). Пер­вый — это рабо­та со сту­ден­та­ми, кото­рая преду­смат­ри­ва­ет раз­ра­бот­ку и веде­ние кур­сов лек­ций.

В Скол­те­хе — маги­стра­ту­ра, поэто­му слу­ша­те­лям чита­ют­ся не базо­вые пред­ме­ты типа мате­ма­ти­че­ско­го ана­ли­за, а про­дви­ну­тые кур­сы в рам­ках соот­вет­ству­ю­щей спе­ци­а­ли­за­ции. Напри­мер, лич­но я читаю курс лек­ций по совре­мен­ным мето­дам машин­но­го обу­че­ния и курс лек­ций по бай­е­сов­ским мето­дам машин­но­го обу­че­ния. В тако­го рода кур­сах, без­услов­но, есть и базо­вая часть — став­шие уже клас­си­че­ски­ми моде­ли и мето­ды. Одна­ко зна­чи­тель­ную часть кур­са я посвя­щаю новым резуль­та­там, рас­ска­зы­ваю о том, что недав­но появи­лось в нау­ке, что я узнал, сотруд­ни­чая с инду­стри­ей. Кро­ме чте­ния лек­ций я так­же руко­во­жу диплом­ны­ми рабо­та­ми маги­стран­тов.

Вто­рой KPI, по кото­ро­му оце­ни­ва­ют мою рабо­ту в Скол­те­хе, — это под­го­тов­ка и пуб­ли­ка­ция науч­ных ста­тей в рецен­зи­ру­е­мых жур­на­лах, уча­стие в про­филь­ных обще­при­знан­ных кон­фе­рен­ци­ях.

Еще один KPI — вза­и­мо­дей­ствие с инду­стри­ей. В Скол­те­хе есть про­ект­ный офис, кото­рый помо­га­ет в поис­ке про­ек­тов. Его сотруд­ни­ки нахо­дят нау­ко­ем­кие инду­стри­аль­ные про­ек­ты, в кото­рых нуж­на серьез­ная мате­ма­ти­ка и IT-тех­но­ло­гии. Мы не «про­грам­ми­ру­ем сай­ты», мы нуж­ны там, где тре­бу­ет­ся высо­кая ква­ли­фи­ка­ция в мате­ма­ти­ке и computer science, в ана­ли­зе дан­ных и машин­ном обу­че­нии.

Если бла­го­да­ря про­ек­ту может полу­чить­ся новый и потен­ци­аль­но вос­тре­бо­ван­ный про­дукт, то мож­но занять­ся инду­стри­а­ли­за­ци­ей полу­чен­ных резуль­та­тов.

При выхо­де на ста­дию инду­стри­а­ли­за­ции нуж­но учесть мно­го при­клад­ных аспек­тов — для это­го мы при­вле­ка­ем дру­же­ствен­ные ком­па­нии, кото­рые могут взять на себя инже­нер­ную и тех­ни­че­скую части рабо­ты. Я же, как про­фес­сор Скол­те­ха, отве­чаю за науч­ную, мето­до­ло­ги­че­скую состав­ля­ю­щую, за раз­ра­бот­ку алго­рит­ма, поста­нов­ку зада­чи, пере­вод «хоте­лок» биз­не­са на мате­ма­ти­че­ский и инже­нер­ный язык. После того как алго­ритм сде­лан и успеш­но про­те­сти­ро­ван, мож­но начать рабо­тать над про­дук­том для рын­ка.

В Скол­те­хе есть воз­мож­ность полу­чить началь­ное финан­си­ро­ва­ние, что назы­ва­ет­ся посев­ные день­ги, для того что­бы сде­лать про­то­тип. Мож­но создать кол­ла­бо­ра­цию с дру­ги­ми ком­па­ни­я­ми, орга­ни­зо­вать стар­тап, офор­мить патент на тех­но­ло­гию. В Скол­те­хе это поощ­ря­ет­ся, а систе­ма Скол­ко­во предо­став­ля­ет необ­хо­ди­мые для это­го инстру­мен­ты.

— Насколь­ко это труд­но — сов­ме­щать фун­да­мен­таль­ные и при­клад­ные иссле­до­ва­ния? Не про­ти­во­ре­чит ли одно дру­го­му?

— Если бы я зани­мал­ся толь­ко дока­за­тель­ством тео­рем, навер­ное, про­ти­во­ре­чи­ло бы. А посколь­ку у меня такая область, что сего­дня мож­но сде­лать что-то на бума­ге, а зав­тра-после­зав­тра уже внед­рить в про­из­вод­ство, то осо­бо­го про­ти­во­ре­чия и нет. Конеч­но, мне тре­бу­ют­ся и соот­вет­ству­ю­щие ресур­сы, и помощь людей, кото­рые зна­ют, как пра­виль­но соста­вить дого­вор, учесть какие-то юри­ди­че­ские и эко­но­ми­че­ские аспек­ты.

— Уже мно­го лет гово­рят, что рос­сий­ской нау­ке не хва­та­ет «цепоч­ки», вза­и­мо­свя­зи меж­ду фун­да­мен­таль­ной нау­кой и при­ло­же­ни­я­ми. Как вам кажет­ся, Скол­тех помо­га­ет эту про­бле­му решить?

— Мно­гое зави­сит от обла­сти иссле­до­ва­ний. Если мы гово­рим о тео­ре­ти­че­ской мате­ма­ти­ке, то там может и не быть при­ло­же­ний. Но тео­ре­ти­че­ская мате­ма­ти­ка необ­хо­ди­ма, она зада­ет неко­то­рый уро­вень, тре­ни­ру­ет экс­пер­тов, к кото­рым все­гда мож­но обра­тить­ся по каким-то тон­ким вопро­сам, — я счи­таю, что без такой под­пит­ки и экс­пер­ти­зы всё осталь­ное зачах­нет. Необ­хо­дим уро­вень, с кото­рым вы себя соиз­ме­ря­е­те. Что же каса­ет­ся осталь­ных дис­ци­плин, будь то раз­де­лы экс­пе­ри­мен­таль­ной физи­ки, био­ло­гии и т.п., там вез­де воз­мож­ны при­ло­же­ния. И я не вижу про­блем в постро­е­нии всей цепоч­ки от чистой нау­ки до выхо­да про­дук­та на рынок, было бы жела­ние. При­хо­дит­ся боль­ше тру­дить­ся.

— Это­му надо учить­ся? Вы это­му учи­те?

— Лич­но я это­му не учу, пото­му что у меня есть кон­крет­ный набор учеб­ных дис­ци­плин, за кото­рые я отве­чаю. Что каса­ет­ся Скол­те­ха, то здесь есть спе­ци­а­ли­зи­ро­ван­ные кур­сы, на кото­рых слу­ша­те­лям рас­ска­зы­ва­ют, что такое инно­ва­ция, как сде­лать про­то­тип, как орга­ни­зо­вать стар­тап, как постро­ить коман­ду, каки­ми каче­ства­ми дол­жен обла­дать ее лидер, как соста­вить план раз­ра­бот­ки и сфор­ми­ро­вать тех­ни­че­ское зада­ние.

У меня мно­го прак­ти­че­ско­го опы­та в этих вопро­сах, так что мне это не тре­бу­ет­ся, но вот сту­ден­там такое обу­че­ние очень полез­но. Когда ты пла­ни­ру­ешь какую-то рабо­ту (если речь идет о раз­ра­бот­ке), то нужен план; нуж­но каж­дую неде­лю соби­рать­ся и его кор­рек­ти­ро­вать — что успе­ли, что не успе­ли, рисо­вать соот­вет­ству­ю­щие гра­фи­ки, опре­де­лять после­до­ва­тель­ность задач. Даже для неболь­ших команд под­ход «да мы и так всё в голо­ве дер­жим» обыч­но не рабо­та­ет. 

К сожа­ле­нию, для моло­дых ребят это не все­гда понят­но. Они не все­гда могут най­ти пра­виль­ные инстру­мен­ты, мето­ди­ки пра­виль­ной орга­ни­за­ции рабо­ты. Какое-то хоро­шее начи­на­ние, хоро­шая идея может быть про­сто загуб­ле­на, пото­му что люди изна­чаль­но непра­виль­но сфор­ми­ро­ва­ли коман­ду и выстро­и­ли рабо­чий про­цесс. Соот­вет­ствен­но, в Скол­те­хе тако­го рода вещам обу­ча­ют.

Конеч­но, если у людей есть жела­ние, то они всё это осво­ят и сами, но если им уже рас­ска­за­ли, какие под­хо­ды и инстру­мен­ты есть, и как ими поль­зо­вать­ся, то разум­ный чело­век возь­мет всё это на воору­же­ние, и у него будет боль­ше шан­сов на успех. И в этом смыс­ле про­грам­ма обу­че­ния в Скол­те­хе посто­ян­но совер­шен­ству­ет­ся.

— Какой гори­зонт буду­ще­го вы види­те в Скол­те­хе? На сколь­ко лет впе­ред вы може­те пла­ни­ро­вать? (Если пола­гать­ся на инфор­ма­цию, что финан­си­ро­ва­ние в Скол­те­хе есть до 2022 года).

— Я об этом серьез­но не думал, но с теми тен­ден­ци­я­ми, кото­рые сей­час есть, по край­ней мере, «вокруг меня», я могу пред­по­ло­жить, что всё будет нор­маль­но. Сей­час актив­но отстра­и­ва­ют­ся иссле­до­ва­тель­ские цен­тры, фор­ми­ру­ют­ся коман­ды, актив­но идет рабо­та с инду­стри­аль­ны­ми заказ­чи­ка­ми и рабо­та ака­де­ми­че­ско­го пла­на. Пишут­ся заяв­ки на раз­лич­ные гран­ты и суб­си­дии, что­бы было допол­ни­тель­ное финан­си­ро­ва­ние имен­но на ака­де­ми­че­скую рабо­ту. Силь­ные ребя­та дей­стви­тель­но хотят что-то делать и не соби­ра­ют­ся про­сто «ждать у моря пого­ды».

Евгений Бурнаев. Фото Сколтеха

Евге­ний Бур­на­ев. Фото Скол­те­ха

— Какие зада­чи реша­ет ваш центр? Сколь­ко в нем науч­ных групп?

— Гру­бо гово­ря, у нас есть два направ­ле­ния: моде­ли­ро­ва­ние, осно­ван­ное на «пер­вых прин­ци­пах физи­ки», и моде­ли­ро­ва­ние на осно­ве дан­ных из раз­ных источ­ни­ков, с исполь­зо­ва­ни­ем мето­дов при­клад­ной ста­ти­сти­ки, ана­ли­за дан­ных и машин­но­го обу­че­ния. У сотруд­ни­ков наше­го цен­тра, осо­бен­но у моей груп­пы, накоп­лен боль­шой опыт рабо­ты по вто­ро­му направ­ле­нию.

Как я уже гово­рил, мы мно­го зани­ма­лись реше­ни­ем инже­нер­ных задач — напри­мер, стро­и­ли моде­ли для про­гно­зи­ро­ва­ния аэро­ди­на­ми­ки кры­ла само­ле­та для новой гео­мет­рии поверх­но­сти. При этом мы исполь­зо­ва­ли дан­ные из раз­ных источ­ни­ков: сре­ди них дан­ные пол­но­мас­штаб­ных аэро­ди­на­ми­че­ских экс­пе­ри­мен­тов и дан­ные вычис­ли­тель­ных экс­пе­ри­мен­тов с физи­че­ски­ми моде­ля­ми. Для это­го мы при­ме­ня­ем такие инстру­мен­ты машин­но­го обу­че­ния, как transfer learning (повы­ша­ем ско­рость и эффек­тив­ность обу­че­ния моде­ли, учи­ты­вая уже име­ю­щи­е­ся резуль­та­ты обу­че­ния на дан­ных, собран­ных при сход­ных усло­ви­ях) и domain adaptation (повы­ша­ем точ­ность про­гно­за моде­ли для дан­ных, отли­ча­ю­щих­ся от обу­ча­ю­щей выбор­ки).

Дру­гой важ­ный при­мер — про­гно­зи­ро­ва­ние уро­жай­но­сти по дан­ным дистан­ци­он­но­го зон­ди­ро­ва­ния. Для Рос­сии таких дан­ных мало, а, допу­стим, для Кана­ды, где кли­мат схож с нашим, дан­ные накоп­ле­ны; я имею в виду, есте­ствен­но, не толь­ко и не столь­ко спут­ни­ко­вые сним­ки Зем­ли, сколь­ко деталь­ную инфор­ма­цию о том, какие сель­ско­хо­зяй­ствен­ные куль­ту­ры и на каких полях рас­тут, состо­я­нии почв и т. д. Если постро­ить про­гноз­ную модель уро­жай­но­сти на осно­ве этих дан­ных и потом ее отка­либ­ро­вать по неболь­шо­му коли­че­ству рос­сий­ских дан­ных, это поз­во­лит сде­лать про­гноз уро­жая и в Рос­сии, а это важ­но для наше­го сель­ско­го хозяй­ства.

В неф­те­га­зо­вой отрас­ли мы тоже видим инте­рес­ные зада­чи, там тоже есть широ­кое поле для при­ло­же­ний, поз­во­ля­ю­щих повы­сить эффек­тив­ность это­го сек­то­ра.

Наш центр так­же зани­ма­ет­ся раз­лич­ны­ми аспек­та­ми интер­не­та вещей, раз­ра­ба­ты­ва­ет под­хо­ды к ана­ли­зу дан­ных о состо­я­нии поч­вы, поис­ку новых хими­че­ских соеди­не­ний и их исполь­зо­ва­нию в меди­цине и дру­ги­ми акту­аль­ны­ми про­ек­та­ми.

Ана­ли­зом дан­ных о состо­я­нии поч­вы зани­ма­ет­ся коман­да Ива­на Осе­лед­ца, у них есть сов­мест­ный про­ект с ком­па­ни­ей «РусА­г­ро». Поч­во­ве­ды выез­жа­ют на спе­ци­аль­ные «тесто­вые» поля, берут про­бы зем­ли и изу­ча­ют, как меня­ют­ся состав и свой­ства поч­вы в зави­си­мо­сти от исполь­зо­ван­ных удоб­ре­ний. Всё это важ­но для повы­ше­ния пло­до­ро­дия и уро­жай­но­сти земель.

Дизайн новых хими­че­ских соеди­не­ний поз­во­ля­ет опти­ми­зи­ро­вать их рас­тво­ри­мость, ток­сич­ность, «зато­чить» лекар­ства под опре­де­лен­ные цели. Тако­го рода зада­чи нахо­дят­ся на сты­ке био­ло­гии и меди­ци­ны, с одной сто­ро­ны, и вычис­ли­тель­ной мате­ма­ти­ки, с дру­гой. При­хо­дит­ся обра­ба­ты­вать боль­шие базы резуль­та­тов как реаль­ных экс­пе­ри­мен­тов, так и вычис­ли­тель­ных на осно­ве тру­до­ем­ких в постро­е­нии физи­че­ских моде­лей. Послед­ние исполь­зу­ют­ся для оцен­ки свойств хими­че­ских соеди­не­ний, кото­рую мож­но зна­чи­тель­но уско­рить бла­го­да­ря машин­но­му обу­че­нию.

— А вы друг с дру­гом вза­и­мо­дей­ству­е­те, про­во­ди­те какие-то общие кон­фе­рен­ции? Как вы обме­ни­ва­е­тесь инфор­ма­ци­ей?

— У меня с кол­ле­га­ми общий центр, наши каби­не­ты на одном эта­же, и я каж­дое утро про­хо­жу и со все­ми здо­ро­ва­юсь. Тут-то и начи­на­ет­ся вза­и­мо­дей­ствие — мы обсуж­да­ем раз­лич­ные зада­чи, воз­мож­ные под­хо­ды к ним. Есть общие про­ек­ты. Напри­мер, с Ива­ном Осе­лед­цем мы раз­ра­ба­ты­ва­ем ядер­ные мето­ды машин­но­го обу­че­ния: Иван — извест­ный спе­ци­а­лист в обла­сти вычис­ли­тель­ной мате­ма­ти­ки и зна­ет, как за счет раз­лич­ных аппрок­си­ма­ций уско­рить мат­рич­ные вычис­ле­ния; а я хоро­шо пони­маю, как адап­ти­ро­вать тако­го рода под­хо­ды, что­бы постро­ить более эффек­тив­ные ядер­ные мето­ды.

С Мак­си­мом Фёдо­ро­вым, дирек­то­ром цен­тра, мы вза­и­мо­дей­ству­ем по пово­ду задач хемо­ин­фор­ма­ти­ки; с Вик­то­ром Лем­пиц­ким, извест­ным экс­пер­том в обла­сти ком­пью­тер­но­го зре­ния, при­ме­ня­ем гене­ра­тив­ные моде­ли для сег­мен­та­ции изоб­ра­же­ний и обра­бот­ки 3D-дан­ных: эта область важ­на и для меди­ци­ны, и для рас­по­зна­ва­ния обра­зов, и для созда­ния бес­пи­лот­ных авто­мо­би­лей…

Я лич­но мно­го зани­ма­юсь мето­да­ми быст­ро­го обна­ру­же­ния изме­не­ний свойств боль­ших пото­ков дан­ных. Сре­ди при­ло­же­ний — неко­то­рые зада­чи кибер­без­опас­но­сти, про­гно­зи­ро­ва­ния поло­мок тех­ни­че­ских систем. Спе­ци­а­ли­сты неф­те­га­зо­вой обла­сти уже нача­ли пони­мать важ­ность подоб­но­го рода мето­дов, и мы с ними актив­но сотруд­ни­ча­ем.

Глава РАН А. Сергеев и Е. Бурнаев на церемонии вручения премий молодым ученым Москвы, 5 февраля 2018 года

Гла­ва РАН А. Сер­ге­ев и Е. Бур­на­ев на цере­мо­нии вру­че­ния пре­мий моло­дым уче­ным Моск­вы, 5 фев­ра­ля 2018 года

— Когда вы наби­ра­е­те маги­стран­тов и аспи­ран­тов, то каких моло­дых ребят ище­те? На что обра­ща­е­те вни­ма­ние?

— При при­е­ме в Скол­тех мы при­ни­ма­ем экза­ме­ны по мате­ма­ти­ке, англий­ско­му плюс про­во­дим очное собе­се­до­ва­ние. Это сво­е­го рода фильтр, кото­рый поз­во­ля­ет отобрать тех, кого надо. А если ко мне при­хо­дит аспи­рант и спра­ши­ва­ет, могу ли я стать руко­во­ди­те­лем его дис­сер­та­ции, то я смот­рю на его диплом, раз­го­ва­ри­ваю с ним, обсуж­даю его инте­ре­сы и пла­ны на бли­жай­шее буду­щее.

Я ищу хоро­ших маги­стров, аспи­ран­тов. Хоро­шие — это те, у кого хоро­шая мате­ма­ти­че­ская под­го­тов­ка уров­ня Физ­те­ха, мех­ма­та или физ­фа­ка МГУ. Ребят, кото­рые могут и в мате­ма­ти­ке разо­брать­ся, и пра­виль­но «поста­вить» вычис­ли­тель­ный экс­пе­ри­мент. А в целом, я в первую оче­редь смот­рю, что чело­век может, а не отку­да он при­шел.

В моей науч­ной груп­пе гео­гра­фия учеб­ных заве­де­ний, где аспи­ран­ты закан­чи­ва­ли бака­лаври­ат и/​или маги­стра­ту­ру, доста­точ­но широ­кая. Напри­мер, у меня есть аспи­рант, закон­чив­ший бака­лаври­ат в Сара­тов­ском гос. уни­вер­си­те­те, у него – отлич­ные резуль­та­ты, недав­но съез­дил с докла­дом по моти­вам при­ня­той ста­тьи на пере­до­вую кон­фе­рен­цию SIGIR в США, попасть на кото­рую весь­ма непро­сто.

При­чи­ны, по кото­рым люди идут в аспи­ран­ту­ру, раз­ные. Кто-то хочет потом остать­ся в нау­ке, и в таком слу­чае нали­чие уче­ной сте­пе­ни – обя­за­тель­но усло­вие. Кто-то хочет во вре­мя обу­че­ния в аспи­ран­ту­ре полу­чить «твёр­дые» базо­вые зна­ния по выбран­ной спе­ци­аль­но­сти, научить­ся не толь­ко исполь­зо­вать мето­ды машин­но­го обу­че­ния, но и раз­ра­ба­ты­вать новые и решать нестан­дарт­ные зада­чи, что­бы потом сде­лать хоро­шую карье­ру.

— А где ваши сту­ден­ты про­хо­дят прак­ти­ку?

— Я и мои кол­ле­ги сей­час актив­но при­вле­ка­ем аспи­ран­тов и пост­до­ков для уча­стия в при­клад­ных про­ек­тах Цен­тра. Наши про­ек­ты слу­жат для них сво­е­го рода испы­та­тель­ным поли­го­ном. В этом смыс­ле сту­ден­ты видят, как устро­е­ны насто­я­щие при­клад­ные про­ек­ты, и что необ­хо­ди­мо для реше­ния инду­стри­аль­ных задач.

Меж­ду пятым и шестым кур­сом у сту­ден­тов есть лет­няя прак­ти­ка, на кото­рой сту­ден­ты рабо­та­ют в той или иной ком­па­нии и зани­ма­ют­ся нау­ко­ём­ки­ми про­ек­та­ми. Есть неко­то­рый набор ком­па­ний (и этот набор посто­ян­но рас­ши­ря­ет­ся, мы ведем пере­го­во­ры с заин­те­ре­со­ван­ны­ми ком­па­ни­я­ми), в них выби­ра­ют­ся какие-то зада­чи, кото­ры­ми могут зани­мать­ся сту­ден­ты с уче­том их про­фи­ля под­го­тов­ки в Скол­те­хе. Лет­няя прак­ти­ка длит­ся поряд­ка двух меся­цев, сту­ден­ты полу­ча­ют соот­вет­ству­ю­щее денеж­ное «доволь­ствие» от инсти­ту­та и могут сосре­до­то­чить­ся на реше­нии при­клад­ной зада­чи. Есте­ствен­но, мы жест­ко мони­то­рим ситу­а­цию, что­бы это были нау­ко­ём­кие зада­чи, полез­ные для основ­ной дея­тель­но­сти ком­па­ний, а не «пере­кла­ды­ва­ние бума­жек».

— Отправ­ля­е­те ли вы сту­ден­тов в запад­ную аспи­ран­ту­ру? Есть ли в этом необ­хо­ди­мость? И где они пишут свои Ph.D. рабо­ты?

— Они пишут свои дис­сер­та­ци­он­ные рабо­ты в Рос­сии, под руко­вод­ством про­фес­со­ров цен­тра Скол­те­ха. Но в части дис­сер­та­ций и диплом­ных работ ино­гда задей­ство­ва­ны и со-руко­во­ди­те­ли из дру­гих уни­вер­си­те­тов, в том чис­ле и запад­ных. Недав­но один мой диплом­ник про­хо­дил ста­жи­ров­ку в ком­па­нии Philips, зани­мал­ся детек­ти­ро­ва­ни­ем объ­ек­тов по тер­маль­ным каме­рам.

Суть зада­чи в том, что в поме­ще­нии уста­нов­ле­но два вида камер – тер­маль­ная и обыч­ная; если в ком­на­те не очень хоро­шее осве­ще­ние, то за счет дан­ных с тер­маль­ной каме­ры мож­но улуч­шить точ­ность, напри­мер, детек­ции чело­ве­ка в ком­на­те. Соот­вет­ствен­но, диплом­ник раз­ра­ба­ты­вал алго­ритм, кото­рый поз­во­лял за счёт учё­та дан­ных от этих двух типов сен­со­ров улуч­шить точ­ность детек­ти­ро­ва­ния объ­ек­тов. В ито­ге, полу­чи­лась хоро­шая диплом­ная рабо­та с полез­ным инду­стри­аль­ным при­ло­же­ни­ем.

Дру­гой аспи­рант, ста­жи­ро­вав­ший­ся в той же ком­па­нии, но в дру­гом её отде­ле, зани­мал­ся раз­ра­бот­кой алго­рит­мов обна­ру­же­ния ано­ма­лий для ана­ли­за раз­лич­ных дан­ных поль­зо­ва­те­лей, исполь­зу­ю­щих неко­то­рую про­дук­цию ком­па­нии. У него были полу­че­ны опре­де­лен­ные резуль­та­ты и в насто­я­щее вре­мя он гото­вит ста­тью к пуб­ли­ка­ции. В этом смыс­ле Скол­тех под­дер­жи­ва­ет тако­го рода кон­так­ты, сти­му­ли­ру­ет сту­ден­тов к тому, что­бы не замы­кать­ся в себе. 

—А вы сами заду­мы­ва­лись поехать на рабо­ту за рубеж?

— В раз­ные пери­о­ды жиз­ни на этот счет у меня были раз­ные мыс­ли. К сча­стью, так сло­жи­лось, что у меня есть инте­рес­ная рабо­та в Рос­сии, при этом я доволь­но мно­го езжу по миру. Напри­мер, недав­но за месяц у меня было две поезд­ки в США. Сна­ча­ла я летал с докла­дом на одну из пере­до­вых кон­фе­рен­ций Artificial Intelligence and Statistics (AISTATS), а через неко­то­рое вре­мя – посе­тил неболь­шой ворк­шоп, посвя­щен­ный памя­ти М. Бра­вер­ма­на, рань­ше рабо­тав­ше­го в ИПУ, а потом уехав­ше­го в США. Он был одним из пат­ри­ар­хов машин­но­го обу­че­ния и полу­чил мно­гие зна­чи­мые резуль­та­ты.

Киберчеловек — фантазия или реальность?

— Воз­мож­но ли созда­ние кибер­че­ло­ве­ка или искус­ствен­но­го интел­лек­та, рав­но­го чело­ве­че­ско­му или даже его опе­ре­жа­ю­ще­го?

— На дан­ном эта­пе, мне кажет­ся, нет. Надо пони­мать, что рус­ский тер­мин «искус­ствен­ный интел­лект» и англий­ский artifcial intelligence раз­ли­ча­ют­ся по зна­че­нию. Рус­ский — под­ра­зу­ме­ва­ет созда­ние имен­но чуже­род­но­го интел­лек­та, чего-то типа систе­мы Skynet и Тер­ми­на­то­ра (из одно­имен­но­го филь­ма). Англий­ский же озна­ча­ет ско­рее ком­пью­тер­ную про­грам­му, кото­рая выпол­ня­ет огра­ни­чен­ный набор интел­лек­ту­аль­ных функ­ций соглас­но неко­е­му алго­рит­му.

Есть мно­го при­ло­же­ний, где тре­бу­ют­ся дей­ствия, кото­рые чело­век не может делать быст­ро, точ­но, и в этом смыс­ле про­грам­мы, ана­ли­зи­ру­ю­щие дан­ные, отлич­но научи­лись заме­нять людей. Я думаю, что через какое-то вре­мя мы будем еще тес­нее вза­и­мо­дей­ство­вать с таки­ми систе­ма­ми. У нас будет боль­ше элек­трон­ных помощ­ни­ков, совер­ша­ю­щих рутин­ные опе­ра­ции, даю­щих нам какие-то полез­ные реко­мен­да­ции.

Допу­стим, врач устал, к кон­цу рабо­че­го дня не уви­дел затем­не­ние в лег­ком, а ком­пью­тер может вра­чу «дать под­сказ­ку». Понят­но, что тако­го рода функ­ции очень полез­ны, но это не то, что обыч­но вкла­ды­ва­ют в поня­тие «искус­ствен­ный интел­лект». Тако­го рода систе­мы будут толь­ко раз­ви­вать­ся. А появит­ся ли когда-нибудь чело­ве­ко­по­доб­ный робот, кото­ро­го слож­но будет отли­чить от чело­ве­ка? Может быть!

— Вы вери­те в то, что мож­но встро­ить элек­трон­ную систе­му в мозг чело­ве­ка?

— Воз­мож­но, такое про­изой­дет. Но опять-таки, тут воз­ни­ка­ет мас­са про­блем, начи­ная от зако­но­да­тель­ных и мораль­ных и закан­чи­вая чисто тех­ни­че­ски­ми: как долж­на быть устро­е­на элек­тро­ни­ка, что­бы ее мож­но было встро­ить в мозг чело­ве­ка? Мно­го ли вы най­де­те людей, кото­рые захо­тят, что­бы им в голо­ву что-то встро­и­ли? Вот, напри­мер, по сути, уже суще­ству­ют тех­ни­че­ские воз­мож­но­сти для постро­е­ния бес­пи­лот­ных само­ле­тов. В реаль­но­сти пило­ты управ­ля­ют само­ле­том око­ло мину­ты, и даже эти дей­ствия мог бы выпол­нять авто­пи­лот. Одна­ко вряд ли люди обра­ду­ют­ся, если узна­ют, что в кабине нико­го нет, — они про­сто не поле­тят на таком само­ле­те. А вы гово­ри­те — внед­рить чело­ве­ку в голо­ву какую-то желез­ку. Может быть, когда-нибудь, когда будет прой­ден некий пси­хо­ло­ги­че­ский барьер… Мне слож­но про­гно­зи­ро­вать.

— У вас нет ощу­ще­ния како­го-то «стек­лян­но­го потол­ка»? Вы пол­но­стью реа­ли­зо­ва­лись здесь, или вам было бы луч­ше в Крем­ни­е­вой долине?

— Мы сей­час гово­рим об исто­рии — как мог­ла бы скла­ды­вать­ся моя жизнь — в сосла­га­тель­ном накло­не­нии, кото­ро­го исто­рия не тер­пит. На дан­ном эта­пе пожа­луй что ника­ких упо­мя­ну­тых вами ощу­ще­ний не испы­ты­ваю. При этом если бы я рабо­тал за рубе­жом, то баланс меж­ду более ака­де­ми­че­ски­ми про­ек­та­ми и инду­стри­аль­ны­ми при­ло­же­ни­я­ми, навер­ное, рас­пре­де­лил­ся бы по-дру­го­му. В Рос­сии тоже есть «точ­ки роста» и воз­мож­но­сти реа­ли­зо­вать себя, при этом в более усто­яв­шей­ся запад­ной систе­ме такие воз­мож­но­сти не все­гда лег­ко най­ти.

Евге­ний Бур­на­ев
Бесе­до­ва­ла Ната­лия Деми­на
Фото Скол­те­ха

1. postnauka.ru/author/burnaev

Если вы нашли ошиб­ку, пожа­луй­ста, выде­ли­те фраг­мент тек­ста и нажми­те Ctrl+Enter.

Связанные статьи