Возможность получить свою лабораторию - мечта каждого ученого. Ведь это шанс реализовать свою идею, ради которой человек и приходит в такую сложную сферу, как наука. Большинство становятся завлабами ближе к 40 годам и даже позже, а вам всего 29 лет. С какой идеей выиграли конкурс?
Александр Хватов: Речь идет о создании систем композитного искусственного интеллекта (ИИ).
Про искусственный уже все наслышаны, но композитный... О сути еще поговорим, а скажите, вы именно на эту тему защищали свою диссертацию? Обычно ее предлагает научный руководитель.
Александр Хватов: Здесь была иная ситуация. Я закончил бакалавриат Санкт-Петербургского технического госуниверситета, который у нас называют "Корабелка". Потом уехал в Данию, где учился в магистратуре университета Ольборга. Пригласил профессор Сергей Владиславович Сорокин, который там преподавал. Он знал меня еще по "Корабелке".
Он предложил тему - особенности распространения звука в периодических структурах. На основе таких исследований можно решать задачи виброизоляции, создавать методы гашения шумов. Хотя сейчас занимаюсь совсем другими вопросами, но звук остался моим хобби, продолжаю заниматься в свободное от основной работы время.
Понятно. Как первая любовь... Традиционный вопрос для всех, кто учился и работал за границей. Предлагали остаться? И если - да, почему вернулись?
Александр Хватов: Да, предлагали, но тогда так сложились обстоятельства. Я выиграл грант только на обучение, а все проживание за свои деньги. Их не хватило, так как страна очень дорогая. Вернулся, стал работать в Университете ИТМО и ни разу не пожалел об этом. Здесь у нас отличный коллектив, интересные работы. Это тот самый случай, когда говорится, что ни делается, все к лучшему.
И изменили акустике с ИИ. Как появилась эта тема?
Александр Хватов: Мы занимаемся машинным обучением и постоянно ищем направления, где еще очень много "белых пятен", исследования только в самом начале, мало проторенных дорог. Словом, где можно сделать небольшой прорыв. И остановились на искусственном интеллекте, но созданном не на основе нейросетей - в этой сфере сегодня настоящий бум, - а выбрали композитный вариант.
Если совсем просто, то суть в следующем. Нейросеть вначале обучают на множестве примеров, а потом выпускают в "люди", и она решает задачи в той же области, в которой ее обучали. Наряду с очевидными достоинствами таких систем у них есть серьезные недостатки. Не буду перечислять все, назову лишь один из главных. Дело в том, что нейросеть - это, по сути, "черный ящик". Никто, даже сами авторы, не знает, что в ней происходит, как она считает. Они видят только входные данные и результат. Поэтому уже сейчас, когда ИИ начинает стремительно вытеснять человека из многих сфер деятельности, сами разработчики говорят об опасности такого безоглядного доверия к машине.
Но есть модели ИИ, которые работают на другом принципе. Можно заставить компьютер подбирать разнородные модели, а затем собирать их в одну большую. Мне, в частности, очень интересно создавать их на основе дифференциальных уравнений. В отличие от нейросетей здесь абсолютно понятно, как получен результат, так как работает обычная математика. И результату можно доверять.
А почему бум происходит с нейросетями, у которых такие минусы, а положительные "дифференциалы" в тени?
Александр Хватов: Со "сборными" моделями намного сложней работать. В частности, потому, что требуют очень серьезной, глубокой математики и понимания алгоритмов. Так вот, мы решили совмещать модели, чтобы, с одной стороны, повысить ее точность, а с другой - прозрачность. Одну часть задачи поручить нейросети, а другую, как вы выразились, "дифференциалу". А на выходе соединить эти модели, что позволяет получить оптимальный результат, который заслуживает намного больше доверия. Это и есть композитный ИИ. Кроме того, такой подход избавляет сотрудника от нудного ручного труда на стадии подготовки информации для обучения ИИ.
Как сегодня говорят, собрали из разных моделей своего рода пазл. И, оказалось, попали с этой идеей в десятку, выиграли престижный грант. Какова сумма? Вы сами решаете, как тратить, или родной вуз "помогает"?
Александр Хватов: Деньги выделены на три года по 14 миллионов рублей ежегодно. Я могу ими совершенно свободно распоряжаться, но что-то уходит вузу за предоставление разных услуг. Это, например, позволяет снять с себя часть бюрократической работы, больше времени оставляет на науку.
Сколько у вас сотрудников? Где их набирали? Средний возраст?
Александр Хватов: У нас сборная команда, кто-то из той лаборатории, где я раньше работал, остальные новые, в основном магистранты. Средний возраст около 27 лет. Самому старому 34 года.
Многие руководители жалуются, что значительная часть молодежи, особенно магистранты, подрабатывают на стороне, так как зарплаты в науке низкие. Как у вас?
Александр Хватов: Наши молодые специалисты, которые работают полный рабочий день, получают вполне достойные деньги. Как и магистранты с сокращенной нагрузкой. Во всяком случае, эти суммы позволяют им заниматься только наукой, а не искать подработку на стороне. У нас в лаборатории таких нет. Подчеркну, что всегда рады видеть у себя в команде новых людей.