― Вы известны прежде всего как специалист в области анализа данных и машинного обучения, но, насколько знаю, свой путь начинали с биоинформатики. Чем вас заинтересовала именно эта область? И занимаетесь ли этим сейчас?

― Я учился в 57-ой школе ― одной из трех самых сильных математических в Москве. И когда уже оканчивал математический класс, понял, что математика мне надоела ― просто своей эфемерностью. Я уже тогда хотел видеть реальный результат того, что делаю. Поэтому когда большая часть моих одноклассников пошли на мехмат МГУ, я поступил на факультет биоинженерии и биоинформатики — он на тот момент существовал всего три года. Меня очень привлекло то, что там были максимально разнообразные предметы: и физика, и химия, и биология — даже ботаника с рисованием цветочков, чем я тоже занимался. Но при этом там было много математики и программирования — причем на серьезном уровне. И наконец, меня всегда интересовали науки о жизни, хоть я и был, и остаюсь технарем. Поэтому я сосредоточился на компьютерном моделировании внутриклеточных систем, их динамики и других подобных исследованиях.

А после того, как уже стал работать в Яндексе, в Школе анализа данных, преподавал программистам и биоинформатику тоже. Во-первых, так произошло, потому что Яндекс поддерживал в том числе и биоинформатические исследования. А во-вторых, все эти алгоритмы можно использовать во многих областях, в любых других разработках. Мне надо было рассказать о биоинформатике за две лекции программистам, которые вообще далеки от биологии. Но в итоге, считаю, удалось сделать интересный и очень популярный курс. Несколько программистов даже ушли заниматься биоинформатикой после него.

Потом, в 2021 году, я защитил диссертацию, она была посвящена компьютерному моделированию в биологических системах. А сейчас, несмотря на то, что занимаюсь в основном другими задачами, стараюсь биологию не забрасывать и разрабатываю методы машинного обучения для задач биологии и медицины: это и дизайн лекарств, и анализ изображений с микроскопа и другие вещи.

Елизавета Киселёва, Иван Аржанцев, Екатерина Серажим, Алексей Шпильман, Илья Обабков и Александр Крайнов на дискуссии «Образование в IT. Что-то тут не так». Источник: пресс-служба Яндекса

Елизавета Киселёва, Иван Аржанцев, Екатерина Серажим, Алексей Шпильман, Илья Обабков и Александр Крайнов на дискуссии «Образование в IT. Что-то тут не так». Источник: пресс-служба Яндекса

Как вы перешли из науки в IT?

― Еще когда я был студентом, меня заметил преподаватель, известный ученый Андрей Райгородский. И когда он создавал свою группу в Яндексе, вспомнил про меня и позвал туда. Так что с четвертого курса я сочетал работу в компании и биологию.

А дальше надо было сделать выбор. Учитывая, что зарплата аспиранта в то время была в районе 11 тысяч рублей, понятно, что работа в Яндексе была приоритетом. Ее я и выбрал. Собственно, именно в Яндексе я и познакомился с искусственным интеллектом. Мне показалось и до сих пор кажется, что это какое-то волшебство. До сих пор каждый раз, как мы создаем новую систему — я удивляюсь.

Но все-таки, получается, науку вы совсем не оставили. Вы же стали лауреатом научной премии Яндекса имени Ильи Сегаловича.

― Это было уже после того, как я ушел в JetBrains — Яндекс никогда не номинирует своих. Да, я получил премию за деятельность нашей научной группы и наши исследования. У нас была очень успешная лаборатория — трое наших ребят получили ту же премию в категории «Молодые исследователи».

Расскажите подробнее, какими исследованиями вы там занимались. И как вообще получилось вот так сочетать должность разработчика в IT-компании и научную деятельность?

― С переходом в JetBrains вообще связана довольно стандартная история ― я встретил девушку из Питера и переехал за ней. Хотел сосредоточиться на своей диссертации, но буквально через два дня после увольнения из Яндекса меня позвали в JetBrains. И тут удачно совпало: я хотел заниматься преподаванием и наукой, а им как раз были нужны такие люди с бэкграундом в IT.

Мне предложили зарплату разработчика и возможность создать собственную лабораторию. Сначала это была лаборатория машинного и глубокого обучения. Потом в компанию приехал исследователь обучения с подкреплением из Йоркского университета Дэниэл Куденко. Он уехал, а мне настолько понравилось работать с этой темой, что я продолжил развивать это направление на базе нашей лаборатории. 

Алексей Шпильман, Илья Обабков, Александр Крайнов на Yet another Conference on Education от Яндекса. Источник: пресс-служба Яндекса

Алексей Шпильман, Илья Обабков, Александр Крайнов на Yet another Conference on Education от Яндекса. Источник: пресс-служба Яндекса

А что такое обучение с подкреплением?

― С моей точки зрения, обучение с подкреплением — самая волшебная область машинного обучения. Хотя сейчас появились генеративные модели, и это тоже очень круто.

Обучение с подкреплением — это, например, AlphaGo, способный обыграть человека, или OpenAI Five, который обыграл чемпионов мира по Dota 2. Это, в каком-то смысле, самообучаемые агенты, которые обычно используют для игр, потому  что они довольно хорошо работают в модельных сферах, но пока, к сожалению, не в реальной жизни. Во-первых, потому что они очень долго обучаются, а во-вторых, потому что для этого нужны огромные вычислительные ресурсы. Но научное сообщество, в том числе и мы, постепенно к этому приближаемся.

Можете привести какой-то пример из ваших исследований?

― У нас был интересный эксперимент, который нам в итоге удалось развить в неплохую науку и сделать несколько научных публикаций.

Нам было интересно, можно ли научить нейросети социальной справедливости. И мы попробовали создать некое ИИ-правительство. Мы взяли платформу Neural MMO, на базе которой можно создать простенькую многопользовательскую игру. Добавили туда восемь типов агентов, которые, условно, отвечали за восемь кланов или народов. Как в любой подобной игре, они собирали ресурсы, развивались, иногда воевали друг с другом.  А сверху поставили еще одного агента — своего рода надзирателя, который их наказывал за неправильное действие.

Мы поставили надзирателю цель — поднять среднюю продолжительность жизни игровых «народов». И очень быстро ИИ пришел к выводу: чтобы средняя продолжительность жизни поднялась, надо убрать семь из восьми агентов, и тогда последнему будет житься очень хорошо. Средний показатель жизни в итоге вырос многократно. Потом у нас появились агенты-альтруисты, которые постоянно кончали жизнь самоубийством. И мы пытались математически объяснить нейросети, что это не лучшее решение.

Звучит диковато, но на самом деле мы занимались математикой социальных взаимодействий и решений ИИ. Это помогает лучше контролировать мультиагентные системы и системы взаимодействия людей и ИИ.

Фото: Никита Селиверстов / «Мегабайт Медиа»

Фото: Никита Селиверстов / «Мегабайт Медиа»

Какими задачами вы занимаетесь сейчас?

― Сейчас я работаю в «Газпром нефти». Пошел туда ради интересных проектов, а еще потому, что мне предложили работать с инициативами на федеральном уровне — так я могу работать с как можно большим количеством процессов, которые происходят в нашей стране с ИИ. Мне очень интересно развивать это направление именно здесь, в России.

― Но на первый взгляд, связь между нефтегазовой компанией и IT неочевидна.

― На самом деле «Газпром нефть» — одна из самых передовых компаний (в нефтегазовом секторе так точно), которые используют ИИ во внутренних процессах. В том числе у нее есть дочернее предприятие «Газпромнефть  —  Цифровые решения», в котором работает несколько тысяч человек. По сути, это одна из крупнейших ИТ компаний в России — даже просто по количеству специалистов.

Вы упомянули, что очень хотите развивать ИИ в России ― в целом в масштабах страны. Как именно вы уже решаете эту задачу?

― Вообще, у моей должности очень длинное название: руководитель программ развития технологий и инструментов искусственного интеллекта. Если проще, можно сказать, что я навожу мосты между промышленными компаниями и университетами — в том числе как научный руководитель ассоциации «Искусственный интеллект в промышленности». Мы занимаемся развитием и улучшением текущих решений, в том числе с помощью научного потенциала университетов. Например, с ИТМО мы сейчас разрабатываем систему оптимального планирования обустройства месторождения, и это очень неочевидная задача оптимизации.

Я сам давно преподаю в вузах, занимаюсь наукой и при этом практически всю свою карьеру работаю в коммерческих компаниях. Поэтому получается, что оказался в очень удобном месте между наукой и бизнесом.

Прочитайте также:

ИИ-помощники, городское планирование, метавселенные: ученые ИТМО представили новые разработки в области искусственного интеллекта

Открытый код + наука: в ИТМО запустили программу менторства открытого кода

Ученые ИТМО стали победителями первого конкурса прорывных научных проектов Blue Sky Research

Недавно вы как раз стали руководителем программы ИТМО «Разработка программного обеспечения». Какие задачи ставятся перед программой сейчас, в новых условиях, планируются ли какие-то изменения?

― Наш главный принцип — дать лучшее образование, которое мы можем дать. Эта программа всегда была одной из флагманских в России, и люди, которые ее проходят до конца, — это 100% специалисты высокого уровня, которые нужны вообще везде. У нас довольно большой отсев: поступают 40–50 человек, а выпускаются не больше 20. Это действительно такая Спарта, после которой получаются настоящие «гладиаторы» — не все такое выдерживают. 

Но, конечно, фокус немного сместится: раньше программа в большей степени ориентировалась на подготовку разработчиков программных продуктов и инструментов. «Газпром нефти» это тоже нужно, но, например, дата-инженеры, которые будут создавать инфраструктуру, — нужнее. Но это не значит, что мы перестанем учить компиляторам или будем запрещать студентам ими заниматься. 

Я считаю, что образование можно дать только в творческой свободе. Мы не говорим: «Вот изучайте только это и это, чтобы потом работать в "Газпром нефти"». Это задача компании — заинтересовать студентов. Мы же даем доступ ко всем технологиям, которые сейчас используются, но свой индивидуальный путь прокладывает уже сам студент — исходя из того, что ему нравится и что ему интересно.

Фото: ITMO.NEWS

Фото: ITMO.NEWS

IT-специалистов на рынке сейчас остро не хватает ― это общее место, о котором говорят и пишут сейчас везде. Где их взять и как сделать это быстро?

― Специалистов на рынке всегда не хватало: и 10, и 20, и 50 лет назад. Даже у Стругацких в повести «Понедельник начинается в субботу» обсуждают, что не хватает программистов. Сейчас эта нехватка ощущается еще сильнее. И единственное, что можно сделать, — воспитывать новых специалистов.

Мне нравится аналогия из сериала «Newsroom», там новоиспеченной начальнице отдела новостей объясняют суть ее новой работы: «Ты плывешь в лодке, в ней — дырка. Есть ведерко, ты вычерпываешь им воду. Дырку заделать нельзя, но плыть надо». У нас то же самое — нужно готовить больше специалистов, чем ты теряешь, то есть вычерпывать воду быстрее, чем она набирается.

Так что вопрос образования — ключевой. Для любых поставленных целей мне нужны будут специалисты, которые смогут это сделать. Их неоткуда взять — можно только научить, так что я всегда буду этим заниматься.

Алексей Шпильман. Фото: Дмитрий Григорьев / ITMO.NEWS

Алексей Шпильман. Фото: Дмитрий Григорьев / ITMO.NEWS

― Как человек, поработавший в разных сферах, поделитесь, пожалуйста, мнением: а куда сейчас молодым специалистам лучше идти после вуза за опытом?

― Я бы сказал, что в любой индустрии есть команды, которые занимаются интересными вещами. Можно попасть на очень скучные проекты и в компании, которая строит космические корабли, а можно найти классные задачи даже в бухгалтерском учете. Поэтому очень полезно в процессе обучения походить на практики и стажировки, познакомиться с разными командами, пообщаться с людьми. У нас в «Газпром нефти» сейчас очень много интересных проектов, к которым можно присоединиться.