Как добиться успеха в науке и сохранить себя? Интервью с Иваном Оселедцем.

— Из вашей биографии я узнал, что вы потомственный математик сразу по обеим линиям. Казалось бы, в такой ситуации сложно стать кем-то еще, кроме как математиком. И все же, если бы не математика, где бы вы хотели и могли себя реализовать?

— Я всегда стремился к математике. Но сейчас мне кажется, что я довольно успешно справляюсь с управленческими задачами. Это не совсем гуманитарная работа — скорее, организационная деятельность, и она мне подходит.

— Я также читал о том, что поступление в МФТИ для вас было непростым. Можете рассказать об этом подробнее?

— Ситуация была следующей: в 2000 году был рекордный конкурс, в том числе из-за того, что в 1983 году произошел бэби-бум, и я как раз родился в это время. В Советском Союзе женщинам разрешили уходить в декрет с сохранением рабочего места, и многие начали рожать. Так что я оказался среди тех, кто родился в этот период. Конкурс был очень высоким. Я, конечно, поступал на мехмат МГУ. Поступление проходило в три этапа. На первых двух я не прошел, и начал рассматривать другие варианты, подал документы в Физтех (МФТИ) на всякий случай. В результате я поступил и туда, и на мехмат, но выбрал Физтех. Вот и вся история.

— Если бы вы все-таки поступили на мехмат, занимались бы той же тематикой, которая вас интересует сейчас?

— Как известно, у истории сослагательного наклонения нет. Однако мне очень повезло попасть в Физтех, потому что, если посмотреть на тех, кто пошел на мехмат, Физтех оказался значительно более мобильным, интересным и предоставляющим более сложные задачи, нежели МГУ. Отвечая на ваш вопрос: скорее всего, нет.

— Про вас также пишут, что вы стали самым молодым доктором наук в своей специальности, получив степень в 29 лет. Это правда?

— Да, я защищался по вычислительной математике[1].

— Насколько я понимаю, вам пришлось столкнуться с определенными трудностями и сопротивлением во время защиты. Что бы вы могли посоветовать современным молодым исследователям, которые сейчас защищаются и оказались в похожей ситуации? Как вы справились с этим? Какие качества вам понадобились?

— Это была обычная академическая ситуация: если есть сопротивление, это обычно означает, что то, что вы делаете, либо очень плохо, либо очень хорошо и вызывает зависть. Если вы столкнулись с таким, проведите анализ: не все ли у вас действительно плохо, и не делаете ли вы ерунду. Если нет, то радуйтесь за себя и сохраняйте спокойствие. Ничего особенного. Это неприятно, но не смертельно.

— Ваша супруга Екатерина тоже занимается вычислительной математикой, верно? Вы даже проводите совместные исследования?

— В настоящее время уже нет. Она занимается искусственным интеллектом, является профессором и руководителем лаборатории.

— Каково это, когда ваша супруга является соавтором ваших статей? Насколько работа проникает в семейную жизнь? Удается ли вам разграничивать: семья здесь, работа там?

— Конечно, работа проникает в семейную жизнь. В этом есть и плюсы, и минусы. Академические семьи — это отдельная история, и такое встречается довольно часто. У нас есть то, что есть, и в целом мы с этим хорошо живем. Не особенно жалуемся. Хотелось бы, конечно, отключаться от работы, но не всегда это удается. С другой стороны, дома можно решить некоторые рабочие вопросы.

— В каких направлениях вы сейчас ведете исследования и почему выбрали именно эти темы?

— В настоящее время я руковожу большой научной группой, в которой помогаю талантливым ребятам развиваться, и мы работаем по нескольким направлениям. Есть направление, связанное с тензорами, которое принесло группе основную научную известность. Это применение тензорных методов для ускорения машинного обучения, для сжатия и построения новых моделей.

Много работы ведется с эффективными методами обучения и инференса (инференс — это процесс работы уже обученной нейросети — прим. ред.), как их ускорить, сжать и сделать более точными. Большая работа также проводится с диффузионными моделями и большими языковыми моделями.

Есть еще одно направление, связанное с ускорением классических методов моделирования. Там уже предложено много новых подходов, например гибридные методы. Искусственный интеллект проникает во все сферы, где требуется моделирование, и мы стараемся развивать такие алгоритмы.

В общем, работы могут быть совершенно разными. В настоящее время очень сложно сказать, что я работаю в одном направлении и буду заниматься этим пять лет. Так делать невозможно. Все время что-то меняется и возникает что-то новое. Нужно подстраиваться.

— Насколько вам удается следовать мировым трендам в этих направлениях?

— Стараемся. Не мне судить, но в некоторых аспектах мы показываем хорошие результаты. Хотя всегда есть желание и ощущение, что нужно делать больше, и некая неудовлетворенность. Но интересные результаты есть, статьи публикуются, прикладные проекты реализуются. В этом плане все довольно неплохо.

— Как вы думаете, в будущем вы продолжите заниматься этими направлениями? Будут ли они развиваться? Или скоро дойдут до пределов насыщения, и придется переключаться?

— Я уверен, что все будет развиваться. Пока предела не видно. Происходит очень быстрое развитие, немного необычное. Но, опять же, ничего страшного в этом нет. Насыщения не будет.

— Над какими еще проблемами вы хотели бы поработать в ближайшем будущем?

— Мы начали работать над генеративным проектированием. Это применение генеративного моделирования для автоматизации процессов в строительстве и проектировании. Например, как построить разводку электрики с помощью нажатия одной кнопки? Это очень востребованная задача, и пока никто не знает, как это реализовать. Всегда интересно заняться чем-то подобным.

— Как вы думаете, в чем сейчас сильна отечественная школа вычислительного искусственного интеллекта?

— В целом мы очень умные и сообразительные. У нас просто не всегда хватает GPU (GPU, или графический процессор, поддерживающий параллельные вычисления, что делает его востребованным в машинном обучении. — прим. ред.). Но все, кто у нас обучается, если не остаются здесь, находят работу в приличных местах за границей. Это свидетельствует о высоком интеллектуальном потенциале наших кадров. Хотя порой нам не хватает системного подхода к постановке задач и глубокой трактовки, мы ничем не хуже других в мире.

— Кого из российских или советских ученых вы могли бы назвать отцами-основателями направления, в частности искусственного интеллекта?

— Это непростой вопрос. Если позволите, я подумаю. Отечественные ученые, отцы-основатели искусственного интеллекта?

— Давайте переформулируем. Кого бы вы могли назвать своими учителями?

— Из известных это, конечно, Владимир Вапник и Алексей Червоненкис. Также можно отметить Леонида Вассерштейна из советских ученых. Леонид Канторович сделал значительный вклад в теорию оптимального транспорта, которая сегодня используется в машинном обучении. Если немного дальше посмотреть — Андрей Колмогоров.

У нас была целая школа по искусственному интеллекту, но она была специфичной и закрытой. И были очень хорошие результаты. Например, тот же «Буран» — абсолютно автоматическая посадка в 1988 году,