В нашем подкасте Иван Ямщиков, исследователь генеративного ИИ и сооснователь AI-лаборатории Pleias, говорит об устройстве современной академии, которая, по его мнению, слишком часто поощряет выслугу лет, а не исследовательскую смелость. Он связывает между собой образование, рынок труда, технологические сдвиги, этику ученого и логику стартапов, показывая, что спор об искусственном интеллекте на самом деле упирается в спор о том, чему и зачем мы вообще учим людей. Ниже — 10 главных сюжетов из подкаста «Мыслить как ученый» с Иваном Ямщиковым. 1. Система, которая делает не то, что обещает «Есть статьи, которые показывают, что где-то с середины XX века возвратные инвестиции в науке снижаются. Это, в общем, базовое экономическое свойство любой экономической системы: когда ты открываешь какой-то новый источник ценности, то по первости возвратные инвестиции больше. И с наукой происходит то же самое. Но при этом мы живем в мире, в котором рекордное количество ученых: никогда столько ученых в мире в абсолютных числах не было. И в проценте от населения планеты тоже никогда столько ученых не было. То есть это огромный кусок нашего общества. Мы вкладываем туда больше и больше в надежде получить тот возврат на инвестиции, который у нас был 500 лет назад. И при этом есть образование, некоторый субстрат, который создает ученых, который тоже сформировался за последние лет двести. И мы дальше попали как муха в смолу в систему образования, которая выстроена для решения конкретных прикладных задач государств XIX века. Чем больше я смотрю на результаты разного рода образовательных программ в среднем в мире и на то, как работает наука, тем больше у меня остается впечатление, что в широком смысле современная система высшего образования — это способ формирования элиты, который скорее построен по принципу “очивок, лычек”». 2. Почему отличники не всегда становятся лучшими учеными «Венчурный капиталист не спрашивает тебя, где ты учился. Венчурный капиталист не спрашивает, защитил ты PhD или нет. Венчурный капиталист спрашивает, что ты хочешь делать. А во всю эту систему мы засыпаем тех, кто прошел систему образования. Я приведу простой пример: от того, как у тебя работает внимание, ты или проходишь с более высоким результатом современной системы образования, или не проходишь. Я большой любитель брать на научные проекты студентов, у которых средний балл средний, а не высокий. Потому что они, оказывается, лучше как ученые, чем те, у кого высокий средний балл. Потому что те, у кого высокий средний балл, обладают очень высоким уровень конформности и очень низким уровенем самоходности. Им надо говорить, что делать. А те, у кого средний балл плохой, они ершистые, они в драку лезут и они придумывают чего-то. Мы буквально тех людей, которые, возможно, лучшие ученые, берем и отсеиваем системой образования. Потому что система образования воспитывает отличных бюрократов, но не очень хороших ученых. В среднем». 3. Любопытство как наказуемое отклонение «Я пошел учиться в аспирантуру по специальности финансовой математики. Я не мог пойти в аспирантуру по компьютерным наукам, потому что у меня был диплом физика и диплом финансовой математики. Две магистратуры, но мои шансы попасть в компьютерные науки в качестве аспиранта были не так высоки, как мои шансы попасть в качестве аспиранта по финансовой математике. Дальше я закончил аспирантуру по финансовой математике и понял, что хочу заниматься генеративным искусственным интеллектом. Но у меня таких примеров очень мало в современной науке, потому что в среднем ты идешь на постдока в том направлении, в котором у тебя были публикации в аспирантуре. А дальше, если ты хочешь стать профессором, в среднем нужны те публикации, которые ты сделал во время постдока, и ты по этим рельсам катишься. И любой шаг в сторону система максимально наказывает. Хотя ровно этот шаг в сторону представляет собой ценность с точки зрения твоего кругозора как ученого. То есть внутри системы выстроено много этапов, которые постоянно наказывают тебя за любопытство и поощряют за конформность». 4. Когда физики и лирики пили в одних барах «Один из механизмов — это венские кабаре и венские кафе, в которых встречались ученые и художники без креденциализма. Когда Фрейд сидит рядом с кем-то из социона, а рядом с ними находится Мах, и они вместе пьют и общаются не как эксперт в области науки с экспертом в области искусства — у них по-другому идет обмен знаниями. У тебя высокий уровень концентрации таланта. Талант этот не только научный и не столько научный. И у тебя есть очень много такого балаганного формата взаимодействия, который как раз контр-креденшалистский. Если посмотреть на то, как была устроена квантовая механика в начале XX века или большие физические прорывы, там тоже креденшализмом особо не пахло. Эйнштейн, будучи патентным клерком, статьи какие-то публиковал без аффилиации. Без аффилиации посылал статью в журнал! О боже мой, как так-то вообще? Более того, жуткое дело: редакторы журналов читали статьи, которые им посылают. Любой человек, просто любой, ни из университета, ниоткуда, из патентного бюро города Берн, мог прислать статью в серьезный физический журнал. И редактор этого журнала, уважаемый человек, должен был это все читать. О боже мой, что с нами стало?» 5. Если считаешь налогоплательщиков плебсом — не бери у них денег «Если ты считаешь, что налогоплательщики — это плебс, то не бери у них денег. Нехорошо это, неэтично брать деньги у людей, которых ты считаешь почему-то людьми второго сорта. У нас у всех одна жизнь, мы все живем как можем. И если мы законов не нарушали, то ценность представляем примерно сопоставимую. Есть миллиард причин, почему этот человек не стал профессором, а ты стал. И если ты считаешь нормальным на основании того, что ты стал профессором, называть человека плебсом, живя на его налоги, то по крайней мере не бери у него денег». У нас нет хороших измеримых данных, объясняющих, что такое хороший ученый, кроме тех, которые верифицированы научным сообществом. Это, в общем, явная этическая проблема. И, мне кажется, решением этой проблемы должна быть некоторая скромность в широком смысле. Любой ученый должен понимать, что он оказался там, где оказался, вследствие большого количества случайностей и благодаря тому, что он молодец. Но какой баланс между этими двумя факторами, никто на самом деле не знает». 6. Науке нужны вторые шансы и случайность «Если ты служишь обществу, то твоя большая функция — давать людям шансы. Образование — это социальный лифт. Если человек не успел на социальный лифт, двери закрылись, ты не переломишься спуститься обратно за ним и открыть двери еще раз. Ничего катастрофического в твоей жизни не произойдет от того, что ты спустишься снова и проверишь, не остался ли кто-то в подвале. Если у тебя есть пул кандидатов, из которых какие-то кандидаты выглядят супер, а какие-то выглядят средне, позови средних на собеседование. Следующий шаг, который мне тоже кажется очень понятным и важным, — это то, что в академии надо внести элементы случайности. Мы очень сильно закостенели: подалось 20 проектов на грант — давайте соберем на основании мнения экспертов пять лучших проектов и дальше дадим квантовому компьютеру выбрать один. Не первый возьмем, а случайный из топ-5. Потому что они достаточно хороши, потому что они отранжировались из 20 в топ-5, но элемент случайности в науку надо вернуть. Его там сильно меньше, чем должно быть, для того чтобы люди получали шансы и получали стимулы рисковать». 7. Hard skills скоро можно будет отдать AI «Я думаю, что в образовании нужно что-то менять. Расходы на образование должны давать больше возвратных инвестиций в науке. Образование сейчас устроено так, что у нас есть уникальная возможность его поменять при помощи искусственного интеллекта. И мы можем его перестроить так, чтобы научная компонента образования была больше и чтобы результаты образования были измеримы лучше и давали, среди прочего, большее количество научных результатов на выходе. Скорее всего, вещи, связанные с тем, что называется hard skills, можно будет полностью автоматизировать. Просто полностью. Весь этот курс можно, скорее всего, в ближайшие несколько лет будет полностью отдать на откуп большой генеративной модели, которая генерирует задачки по математике для школьника в соответствии с его текущим знанием математики и которая дает ему обратную связь. Это освобождает много времени учителей и университетских преподавателей, которые, наверное, надо финансировать по-другому. А в образовании, особенно в том, что офлайне происходит, должен быть намного больший упор на мягкие навыки, на проектную работу и на то, что называется перевернутый класс, когда студенты что-то делают, а преподаватель работает как источник обратной связи и как ментор, а не как фронтальный лектор». 8. Проблема трудоустройства — это еще и проблема учебных программ «Мои студенты выходят на рынок. Сложный job market. Мы внутри университета обращаем внимание на то, что ищут люди на джуновых позициях, и из-за этого перестраиваем наши образовательные программы. Я переделываю свой курс примерно каждый семестр. Но кто-то не делает этого. И в этом проблема: выходит человек на рынок с неактуальными знаниями и не может найти работу. Ну так это же проблема системы образования, в первую очередь, а не искусственного интеллекта. Система образования не подготовила человека к новому рынку. Система образования не хочет сходить на рынок и узнать, что там нужно. Когда я сказал, что мы на LinkedIn идем и смотрим вакансии, на которые наши студенты будут подаваться, чтобы учитывать это в наших курсах, на меня один из участников семинара посмотрел как на идиота. Так и чего? Правда ли AI проблема? Серьезно? Есть огромный гриф: ты будешь сюда пять лет ходить и потом найдешь работу. Это были люди, которых уже кинула система образования. Их родители платили налоги, чтобы они получили образование, после которого они найдут работу. Они получили это образование, а работы не нашли». 9. Мастер и подмастерье должны встречаться раньше «Очень многие проблемы системы образования — про то, что она не дает вторых шансов, что она диспропорционально поощряет детей, которые по определению усидчивы, и, наоборот, наказывает детей, которые неусидчивы, вместо того чтобы заниматься какой-то коррекцией их поведения. Она не выводит детей на практику и на взаимодействие по модели “мастер — подмастерье”, которое вообще-то до появления школьной системы всегда происходило в детстве. То есть подмастерья не были двадцатилетними людьми. Подмастерьям было 10–12 лет». Мне кажется, этот этап должен раньше происходить. То, что мы делаем в школе, в основном смысле бесполезно, оно должно быть полностью переделано. И взаимодействие на уровне мастера и подмастерья должно случаться в возрасте раннего подросткового развития. Потому что тогда оно наиболее сильно влияет и на трудовую этику, и на формирование вообще человека. Если в 12 лет человек попадает в профессиональное взаимодействие с ответственным взрослым, который вводит его в ту или иную профессию, делится опытом и становится для него значимым взрослым на минималках, это сильно дает ему больше шансов на карьеру». 10. Открытый AI без воровства «Идея была такая: где-то под Рождество 2023 года позвонила мне моя старая знакомая Анастасия Стасенко и говорит: “А можно, наверное, обучить языковую модель на открытых данных?” Я говорю: “Наверное, можно”. Типа, чтобы не воровать чужое, а взять и обучить на том, что открыто. И она говорит: “Ну, может, стартап сделаем?” Я говорю: “Ну, может, сделаем”. Вот так, собственно, дело и пошло, если очень упрощать. Мы запустили компанию в конце 2023 года с базовой идеей, что хочется сделать полностью открытое решение. Мы получили большой грант на компьют. Мы закоммитили, что опубликуем все, включая исходный код. То есть мы опубликовали данные, мы опубликовали код и мы опубликовали веса модели. Мы это поменяли за год примерно. Мы зарелизили проект, который называется Common Corpus. Это большой датасет под лицензией Apache 2.0 или даже мягче, который позволяет учить большие языковые модели. Эта штука использовалась, по крайней мере, в восьми разных семействах языковых моделей. К примеру, та же компания Nvidia наш Common Corpus использует для обучения своих моделей».
В нашем подкасте Иван Ямщиков, исследователь генеративного ИИ и сооснователь AI-лаборатории Pleias, говорит об устройстве современной академии, которая, по его мнению, слишком часто поощряет выслугу лет, а не исследовательскую смелость. Он связывает между собой образование, рынок труда, технологические сдвиги, этику ученого и логику стартапов, показывая, что спор об искусственном интеллекте на самом деле упирается в спор о том, чему и зачем мы вообще учим людей. Ниже — 10 главных сюжетов из подкаста «Мыслить как ученый» с Иваном Ямщиковым. 1. Система, которая делает не то, что обещает «Есть статьи, которые показывают, что где-то с середины XX века возвратные инвестиции в науке снижаются. Это, в общем, базовое экономическое свойство любой экономической системы: когда ты открываешь какой-то новый источник ценности, то по первости возвратные инвестиции больше. И с наукой происходит то же самое. Но при этом мы живем в мире, в котором рекордное количество ученых: никогда столько ученых в ми