«Образование можно дать только в творческой свободе»: лауреат научной премии Яндекса Алексей Шпильман ― о развитии ИИ в России и подготовке IT-специалистов

― 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.

— 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. 

— 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.

— 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.

— 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.

― 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.