Академик РАН, математик и «информатик» Игорь Соколов о значении фундаментальных знаний в образовании, недоразумении с понятием «искусственный интеллект» и оптимистическом взгляде на школьные учебники.
Фото: Дмитрий Коротаев, Коммерсантъ
— Три года назад в научной жизни нашей страны произошло важное событие: в результате объединения нескольких институтов был создан федеральный исследовательский центр «Информатика и управление» — коллектив ученых, способный осуществлять фундаментальные и прикладные работы в достаточно широкой области знания, к которой относятся и вычислительная математика, и прикладная математика, и информатика, и кибернетика. Это шире, нежели Computer Science в интерпретации наших зарубежных коллег. Объединение, в частности, понадобилось для консолидации усилий в разработке проблематики «искусственного интеллекта». Этот популярный и, как говорит молодежь, «хайповый» термин прижился, несмотря на то что он описывает предмет, не имеющий никакого отношения ни к искусственности, ни к интеллекту.
350 лет мы жили в парадигме Ньютона и Лейбница — описания множества процессов системой дифференциальных уравнений. И вот в 50-х годах прошлого века произошел научный прорыв, появились компьютеры — одно из величайших достижений человека, позволяющее моделировать любые процессы двумя символами — нулем и единицей. Оказалось, что особенно не надо заботиться об аналитически точном решении дифференциальных уравнений, достаточно построить мощные ЭВМ, разработать хорошие численные методы решения — и решить дифференциальное уравнение с любой наперед заданной точностью в разумное время.
Казалось бы, наступило время благоденствия, но нет. Мы стали все чаще сталкиваться с объектами и процессами, которые принципиально нельзя описать дифференциальными уравнениями. Простейший пример — текст письменной или устной речи, который не поддается такому описанию, хотя содержит большое количество данных и информации.
— Для понимания: мы соотносим данные и информацию как сырье и конечный продукт?
— Да. Вот мы с вами понимаем друг друга, а компьютер пока не понял бы. Второй пример — деятельность мозга: сейчас проводятся многомиллиардные по стоимости попытки моделирования процессов в мозгу. Но еще нет даже минимального представления о том, как подступаться к этой задаче.
— То есть «нейронные сети» — это скорее маркетинговый ход?
— Конечно. Нейроны — это всего 10%, к тому же это не сеть, а многомерность. И мы не знаем, как это работает. Еще один пример — общественные процессы, социальное поведение человека…
Человечество получает все больше данных от сенсоров и датчиков, включая те, что находятся в наших смартфонах, от экспериментальных установок. Например, несколько минут работы адронного коллайдера потом несколько лет обрабатывают тысячи коллективов по всему миру. Исследования в биологии также порождают массу данных. Я встречаюсь с людьми, которые говорят: «Мы вчера закончили статью, которая позволяет по-новому взглянуть на секвенирование живых организмов на клеточном уровне, и нам нужны новые математические методы, давайте обсудим…» Это в прямом смысле слова сегодняшний день в науке: нет проблем в наблюдении, есть проблема извлечения знания из его результатов.
При этом вновь возникающие научные задачи становятся настолько сложными, что их просто не под силу решать не только отдельным ученым, но и целым коллективам, даже когда они состоят из 200–300 человек. В результате сегодня научный мир двигается по пути создания альянсов и сетевых структур. Сейчас перед нами стоят три основные задачи — объединение инструментов, объединение данных и объединение ученых.
Заметим, что цифровые трансформации на самом деле начались именно с науки: ученые осознали важность этих преобразований гораздо раньше политиков и предпринимателей. Когда-то цифровые технологии использовались для создания электронных библиотек и баз данных, а затем все перешло в понимание необходимости использования информационных технологий при проведении фундаментальных и прикладных исследований в самых различных отраслях.
Для моделирования таких процессов понадобились новые методы, которые и получили — по недоразумению — название «искусственный интеллект». Ровно потому, что они оперируют непривычными для традиционной математики понятиями «похожесть», «близость», «прецедент».
Сегодня в нашей, да и не только, научной области развитие этих новых методов является целью номер один. Это особенно важно, поскольку мы находимся в ситуации проникновения информационных технологий в экономику, изменения под их воздействием содержания экономических отношений. Некоторые экономисты, например, считают, что повсеместное использование информационных технологий нивелирует преимущество крупных фирм перед мелкими, поскольку инструменты воздействия на рынок становятся общедоступными.
— Рыночная экономика — это всегда конкуренция: как уживаются между собой тренд на объединение научных усилий для решения больших задач и рыночная конкуренция, в условиях которой потом эти решения должны применяться?
— Конкуренция на уровне получения научных результатов была всегда. Мы помним хрестоматийные примеры: Ньютон и Лейбниц, Маркони и Попов, многие другие. Так устроена научная деятельность, что к финишу работы над насущной для всех проблемой часто приходят одновременно в разных местах. Есть и борьба за ресурсы, например, доступ к экспериментальным установкам или возможность набирать сотрудников. Но ведь наука, как и любая отрасль, построена по принципу «есть человек — есть коллектив», который собирается под лидера, а не под проблему. Таких людей всегда немного, поэтому особенной конкуренции внутри научного сообщества я не наблюдаю.
Да, исследования ведут и очень мощные рыночные корпорации. Только в IBM штат одних математиков составляет 3 тыс. человек. Исследовательские компании работают и в нефтяной, и в телекоммуникационной, и во многих других отраслях экономики. Apple и Samsung, которые постоянно генерируют массу новых решений, ведут между собой настоящие патентные войны. Но и они, безусловно, включены в научный обмен.
Нужно учитывать, что многие «исследования», проводимые современными корпорациями, фактически представляют собой компиляцию уже известного. Их цель — создание эффектного продукта, востребованного потребителем. Он может быть и эффективным, но здесь чаще всего не идет речь о каком-либо научном прорыве или научной конкуренции.
При этом практически все ученые вовлечены в сотрудничество с коммерсантами, и мы тоже. Я бы даже не сказал, что мы вынуждены это делать из-за безденежья, хотя финансовый аспект зачастую присутствует. Дело в том, что вне такого взаимодействия можно упустить что-то важное. Есть области науки, которые не требуют постоянной подпитки от практики, но наша требует точно. Поэтому мы сотрудничаем, например, с тем же Samsung: наше решение для распознавания лиц стоит во всех топовых моделях смартфонов.
— Социологи утверждают, что всего около четверти наших родителей были бы рады научной или инженерной карьере детей — такова текущая оценка статуса этих профессий обществом. Насколько это критично?
— Это нужно учитывать. Я сам являюсь «продуктом» прошлой волны интереса общества к науке. В детстве и юности попал на «спор физиков и лириков», заочные математические школы, бесконечные олимпиады, читал журнал «Квант» — затянуло. И считаю, что никто не может остановить молодого человека, если в нем есть исследовательская потребность. Как заведующий кафедрой МГУ, я вижу, что при общем, к сожалению, понижении уровня абитуриентов наличие ярких, интересующихся и активных личностей не уменьшается, они есть всегда. Если не препятствовать активно, а, напротив, создавать возможности для того, чтобы человек проявил свои наклонности в науке, он проявится.
Конечно, это не тот массовый масштаб, что нужен индустриям,— об удовлетворении их потребностей должно заботиться государство, правильно распределяя ресурсы, влияя на содержание образовательных программ.
Абсолютно уверен в том, что в содержании на первое место всегда нужно ставить фундаментальные основы любого предмета, в том числе и такого на первый взгляд прикладного, как информатика. Нужно опасаться перекоса в прикладную часть. Иногда слышишь, давайте воспитывать в ребенке навыки пользования инструментом,— брать в руки молоток и стучать. Мы же не объясняем ему при этом, из какого именно металла этот молоток сделан, какую предельную нагрузку выдерживает… И тогда зачем в информатике все это — системы счисления, теории алгоритмов, методы ввода и обработки информации, понимание устройства того или иного редактора!? Нас начинали учить на учебной ЭВМ, специально придуманной профессором МГУ Николаем Трифоновым для того, чтобы вложить в головы основные принципы работы. После этого не было никаких проблем понять, как работает любая машина. Точно так же нам рассказывали не о конкретных системах управления базами данных, а об общих принципах этого управления. Да, на примерах. Но при этом нас учили не только писать команды, чтобы получить требуемый результат, но и понимать то, что происходит «внизу»: как устроена память, как распределяются данные…
Сейчас появилось очень много людей, которые умеют «складывать кубики»: из нескольких кубиков сложат «коровку» или даже «зайчика». При этом сами кубики они никогда не сделают. Это явление приобретает массовый характер, потому что у «коровок» и «зайчиков» есть потребители, которые их покупают. Проблема в том, что настоящие исследователи на этом фоне теряются, их перестают поддерживать как на государственном, так и на корпоративном уровне. Их работа сложна, ее результат неочевиден, а тут пообещали сложить «зайчика» и сложили. Но необходимо всегда помнить, что, например, для обеспечения технологической независимости и информационной безопасности нужны те, кто умеет «делать кубики».
— То есть в образовании баланс между базовым пониманием принципов и владением навыками использования готовых программ — это, по сути, баланс общественных интересов, баланс между скоростью и устойчивостью развития?
— Весь мир так устроен, и мы тоже. Разумеется, в школе нужно закладывать и основы базовых знаний, и основы навыков. Пригодится и то, и другое. На рынке есть программисты, которые по сути своей работы близки к научной деятельности, а есть кодировщики — массовая профессия, хорошо развитая, например, в Индии, Ирландии, Венгрии: значительная часть их экономик обеспечена заказами со всего мира именно на услуги кодировщиков. При этом вузовская специализация должна быть более насыщенной, и этого насыщения научными аспектами сегодня зачастую не хватает.
Фото: Дмитрий Коротаев, Коммерсантъ
— В вузы пойдут не все. И с точки зрения интересов национальной экономики, и с точки зрения интересов каждого молодого человека было бы здорово, если бы уже на выходе из общей школы выпускники обладали навыками, которые увеличивали бы их шансы на трудоустройство. С вашей точки зрения, навыки неплохого кодировщика могут быть сформированы в рамках школьной программы информатики и, например, технологии?
— Да, однозначно могут. Но и в этом случае нельзя ограничиваться только формированием этих навыков. Выпускник школы должен понимать, что такое робот, как устроено управление робототехническими устройствами, свободно владеть методами поиска и извлечения информации, другими soft skills,— школа обязана и способна это реализовать.
— При утверждении ныне действующих образовательных стандартов была большая дискуссия о роли и содержании «фундаментального ядра образования», его отражении в учебниках. Был достигнут определенный консенсус между представителями науки и образования. Он остается актуальным или нуждается в изменении?
— Считаю, что сегодняшние учебники хороши, они отвечают всем современным требованиям и с точки зрения базовых знаний, и с точки зрения воспитания навыков. Конечно, от учителя зависит, как он донесет все это до ребенка, но в отношении и содержания, и методики здесь я не вижу причины бить в колокола. Наоборот, нужно не допустить их ревизии: баланс есть, нужно его соблюдать.
Я с большим уважением отношусь к документам двух типов. Во-первых, к стандартам, которые являются квинтэссенцией многочисленных научных исследований и опыта практического использования. И во-вторых, к учебникам. Поскольку я имею прямое отношение к работе и над стандартами, и над учебниками, могу утверждать, что глупостей никто не творит. Как правило, люди, разрабатывающие их,— это ответственные профессионалы.
Кроме того, для большинства наук, основы которых преподаются в школе, база меняется совсем не быстро.
— Какие механизмы трансляции накопленного наукой знания в образовательные программы вы считаете самыми важными?
— Самый важный механизм основан на наличии у учителя интереса к происходящему в его предметной области. Он должен разбираться в новациях, пусть и без особенных подробностей. Будет заинтересованный учитель, будут и новые Ньютоны, Курчатовы, Колмогоровы. Добиться массового интереса учителей к своему предмету как к науке крайне сложно, но пытаться необходимо. Второй механизм — работа методистов, людей, подсказывающих учителю, как правильно передать знание ученику: они уже просто обязаны интересоваться наукой. И третий — традиционные массовые мероприятия, конференции, на которых учителя встречаются с представителями науки. Мы уже много лет проводим конференции, на которые съезжаются до тысячи преподавателей математики и информатики изо всех стран бывшего СССР. Это очень действенный механизм, поскольку в таких конференциях участвуют только активные и неравнодушные люди.
— Вы оптимист или пессимист в отношении сохранения баланса между базовыми знаниями и практическими навыками в нашем образовании?
— Оптимист. Во-первых, чтобы ни происходило, главное — это дети. Так устроено общество, и оно никогда не позволит разрушить этот принцип никакими экономическими, политическими или другими новациями. Во-вторых, при всех проблемах, как правило, учителя — это подвижники. Два этих фактора не дадут разрушить этот баланс. Хотя попытки предпринимаются.