Сергей Салкуцан: «Очаги цифровизации возникают в разных областях знаний»
То, каким будет наш мир через несколько десятилетий, определяет научно-технологический прогресс, который невозможен без пытливых умов в вузах, НИИ, корпоративных R&D и независимых лабораторий. Как меняется наука сегодня, может ли ИИ заменить ученого и как молодым исследователям и изобретателям найти поддержку своих идей? На эти и другие вопросы «РБК Трендов» отвечает эксперт Сергей Салкуцан.
Желание получить ощутимый результат
РБК: Наука сделала мир таким, каким мы его знаем. Какие вопросы сегодня в зоне внимания ученых?
С. С.: Наука — часть общества, и она отвечает на вопросы, которые мы перед ней ставим. Есть глобальные вызовы, от решения которых зависит качество нашей жизни. Например, мы явно не хотим оказаться во временах, когда антибиотики не работают, а значит, туберкулез и другие заболевания, которые сегодня нас уже не беспокоят, невозможно будет вылечить. А эта угроза есть из-за появления супербактерий, нечувствительных к существующим антибиотикам. Или через 30 лет прогнозируется рост населения Земли почти до 10 млрд человек— как всех прокормить ограниченными ресурсами?
Поиском ответов на эти и многие другие глобальные вопросы занимаются в том числе и ученые. Но они не только ищут решения конкретных проблем. Исследования помогают снижать уровень нашего незнания, лучше понимать окружающий мир и себя. А некоторые исследования переворачивают наши представления и приводят к прорывам.
РБК: При этом результат работы ученых не всегда очевиден обывателю?
С. С.: Да, это так. Желание получить от науки ощутимый результат очень понятно. Ведь ученые, особенно в России, преимущественно работают на деньги налогоплательщиков— доля государства в финансировании науки составляет порядка 75–80%.
Одновременно история учит нас, что принятие и понимание некоторых открытий требует времени. Например, специальная теория относительности Эйнштейна была для своего времени революционной. Поняли ли ее современники ученого, далекие от науки? Далеко не все. Даже сейчас есть те, кто не понимает, что в ней особенного. Было ли понимание, как эту теорию можно использовать на практике? Не сразу. Но сегодня благодаря выводам из этой работы мы имеем GPS и не боимся, что самолеты столкнутся в воздухе.
Когда вы вкладываетесь, к примеру, в строительство, вы инвестируете в конкретные кирпичи, оборудование, профессионалов. Вы можете управлять процессом и знаете, что через пару лет на этом месте будет здание определенной высоты и внешнего вида. Можете ли вы так же управлять наукой? Особенно когда речь идет о нахождении новых, прорывных областей? Очень ограниченно. Это творческий процесс. Бывают еще ситуации, когда не хватает текущих мощностей оборудования, чтобы продвинуться вперед. Как это было, например, в 1970-е годы с ИИ.
РБК: А сейчас, с развитием технологий, стала ли работа ученых проще?
С. С.: И проще, и сложнее одновременно. Да, появилось больше инструментов для поиска закономерностей и объяснения того, что мы наблюдаем. С учетом того что мы умеем собирать данные и накопили их огромный массив, это отличная новость. Лет десять назад речь шла про 50 млн научных статей за все время. Сегодня их явно больше.
Благодаря демократизации технологий машинного обучения, технологий с использованием искусственного интеллекта ученому необязательно разбираться, как это будет работать на уровне программирования. Раньше распознавать образы, например опухоль, приходилось вручную, потом появился алгоритм, но рядом нужен был специалист. А сейчас вы можете не быть специалистом — достаточно загрузить данные, и дальше «машина» сама находит закономерности, решения. Это помогает быстрее идти вперед и задавать более сложные вопросы. Такие решения для разных сфер, например, предлагают ученые из ИТМО, Политеха, ДГТУ, СФУ и многих других университетов.
И хотя мы можем сегодня моделировать гораздо больше, чем раньше, но строить высокоадекватные модели во многих областях мы еще неспособны. То есть модели, описывающие сложившуюся ситуацию, повторяющие ее в цифровом виде с учетом множества внешних и внутренних факторов. В механике можем чуть больше, в химии— меньше, в медицине — еще меньше, в обществе — совсем мало. И в каждой области знания движение идет неравномерно.
Когда мы пытаемся с помощью технологий это сделать, возникает проблема валидации и верификации получаемых данных. Насколько мы можем доверять им? Только ответив на этот вопрос, можно перейти к следующему этапу — стандартизации и сертификации. А сейчас мы не всегда можем воспроизвести результат. Как только это получается сделать, мы продвигаемся еще дальше, что открывает сферу применения, например, в промышленности.
Поддерживающая роль ИИ в науке
РБК: Технологии искусственного интеллекта продвинулись далеко вперед. Может ли ИИ заменить ученого?
С. С.: Пока нет. Это все еще поддерживающая технология. Даже если мы обратимся к совсем недавнему примеру защиты дипломной работы (студентом РГГУ в 2023 году.—РБК), написанной с помощью нейросети ChatGPT. Даже там речь идет об аналитической части—собрать и проанализировать уже имеющиеся данные. Например, ученые таким образом могут проверить гипотезу, сузить область поиска, выполнить рутинные операции. В каких-то исследованиях можно не выращивать культуры в чашке Петри, а использовать математическую модель, сократив время исследования, и выращивание оставить для подтверждения гипотезы. Или с помощью обученного ИИ распознавать опухоли, находить какие-то неочевидные закономерности.
Но чего не могут такие технологии, так это генерировать новые области знания или искать принципиально новые решения. Проанализировать имеющиеся данные они могут, но синтезировать из этого новое знание — пока очень ограниченно.
РБК: Станет ли это когда-то возможным?
С. С.: Скорее тогда, когда мы придем к настоящему ИИ, способному самостоятельно думать. В прошлом году к нам в фонд пришел проект, который хотел ответить на вопрос: можно ли математически оценить, что художник попал в состояние вдохновения? Можно ли оценить этот процесс, воспроизвести его в цифре? К сожалению, тема оказалась за рамками финансируемой в тот момент области. Но давайте представим, что такое исследование получилось. Фактически мы бы стали на шаг ближе к тому ИИ, который сможет что-то создавать. Не по текстовому запросу, составленному человеком, а генерировать самостоятельно то, что ему хочется увидеть. Если мы это перенесем на науку, ученый тоже попадает в определенное состояние, когда он занимается научной деятельностью. Он может не называть это вдохновением, но это что-то близкое к нему. Вот когда мы сможем такие процессы понять, смоделировать и оцифровать, тогда возможно.
Но сейчас, повторюсь, технологии ИИ играют поддерживающую роль в науке.
Лучшая мотивация для поиска решения
РБК: Как понять, в какие научные проекты вкладываться, когда они находятся только на стадии идеи?
С. С.: Мы не всегда можем оценить перспективы и возможность появления чего-то. Даже лучшие умы не могут. Например, двумерные материалы в прошлом веке казались чем-то невозможным. В 1930-е годы именитые физики-теоретики утверждали, что подобные материалы неустойчивы и не могут существовать, что находило экспериментальные подтверждения еще многие десятилетия после. Но в 2004 году Андрей Гейм и Константин Новоселов смогли получить тот самый двумерный материал — графен. И получили за это открытие Нобелевскую премию в 2010 году.
Для общества выгодно, чтобы была система, в которой у каждого или почти каждого молодого ученого есть возможность провести исследование, интересное лично ему. Развить свою идею, которой может не быть подтверждения в существующей парадигме.
Потому что, во-первых, интерес к задаче — лучшая мотивация, чтобы продолжать упорно искать решение, даже когда с первого раза не получается. Во-вторых, ученые проходят весь путь исследования — от гипотезы до реализации. И они становятся более компетентны в решении «нерешаемых» задач. В-третьих, запуская это на большом числе ученых, мы как общество можем получать небольшую, но все же долю исследований, которые потенциально могут изменить существующую науку. Чуть больше будет исследований, которые превратятся в технологические или продуктовые решения. Что-то до поры до времени так и останется забавным исследованием. И связано это не с тем, что они занимались какой-то глупостью, а просто мы сейчас не знаем, где это может пригодиться.
РБК: Сразу вспоминается Шнобелевская премия.
С. С.: Это отличный пример, ведь он ставит вопрос: как на самом деле понять, что важно, а что нет? Любое исследование может оказаться ценным. Кто бы мог подумать, что понимание того, что привлекает самок малярийных комаров больше — запах сыра или человеческих ног, позволит разработать специальные ловушки, которые будут очень востребованы в Африке. Или мой любимый пример — с расплющиванием насекомых о лобовое стекло. В 1997 году, когда это исследование проводилось, оно казалось забавным. Но стало очень востребованным, когда начали создавать беспилотные автомобили.
РБК: Кто занимается подобным финансированием у нас в стране?
С. С.: Есть два источника — государство и меценаты, готовые вкладываться, потому что считают это направление или эту идею важной для развития общества. Но пока это нераспространенная практика, и подавляющее большинство поисковых исследований ранней стадии финансируются за счет государства. У этого есть свои ограничения — требования к ученому, его опыту и прошлым достижениям, к тематике — ведь речь идет о бюджетных средствах.
Бизнес приходит на более поздней стадии, когда понятно направление исследования и есть представление, как его можно дальше использовать или коммерциализировать. Постепенно к финансированию таких исследований подключаются университеты — они развивают внутренние гранты для молодых ученых на их идеи. Мы как фонд уже второй год проводим экспериментальный конкурс научных проектов молодых ученых Blue Sky Research, где исследователю не нужно соответствовать общепринятым научным критериям и после отчитываться стандартными показателями вроде статей или патентов, а в течение года в процессе работы можно изменить траекторию исследования, если становится понятно, что это тупиковый путь. Финансируем, так сказать, то самое любопытство.
Вкладываться в поисковые исследования, фундаментальные или практико-применимые и в какой пропорции — это вечный спор, который ведется во всех странах.
РБК: В каких областях мы можем ждать научных прорывов?
С. С.: Совсем свежий пример — исследование российского ученого Максима Никитина, работающего в МФТИ и университете «Сириус». Он сумел доказать, что ДНК не обязательно образовывать двойную спираль, чтобы хранить и обрабатывать генетическую информацию. Это кардинально меняет наше представление об одной из главных парадигм биологии.
Очевидно, что в краткосрочной перспективе большое значение будут иметь практичные исследования и разработки. Есть текущая ситуация, и мы не можем этого не замечать. Но, если выйти за рамки, многие прорывы будут происходить в областях, связанных с химией, биологией, медициной и пищевыми технологиями. Их будет больше, потому что там сейчас возникают очаги цифровизации и, соответственно, появляется больше интересных решений, которые помогают двигаться вперед.
Повестка научно-технической политики стран — лидеров мировой науки в первом квартале 2023 года (семантическая карта)
Размер шрифта и круга показывают динамичность термина — средний темп роста его значимости за анализируемый период. Значимость рассчитывается как число случаев упоминания термина в массиве документов, нормированное на размер корпуса документов и умноженное на среднее значение близости термина со всеми другими терминами, включенными в анализ.
Фото: Matthew Lloyd / Bloomberg via Getty Images