С чего начать изучение науки
Начало научной карьеры (часть 1)
Всем доброго времени суток!
Замечаю, что темы, связанные с образованием и наукой на Хабре достаточно популярны. Я тоже решил внести свой небольшой вклад в развитие этого направления. На сей раз речь пойдёт о том, как в принципе выглядит университетская карьера, какие в ней имеются особенности, сложности и подводные камни.
Разумеется, я могу рассуждать лишь о своём опыте. Он вкратце таков: законченная аспирантура в России (прикладная математика), законченная аспирантура в Европе (computer science). Основное поле деятельности — computer science. Если ничего не сломается, со следующего семестра займу позицию assistant professor’а, пока не знаю где (есть предложения, но я ещё точно не уверен, куда поеду).
Итак, приступим. Основная тема сегодняшней заметки, к сожалению, грустная: научную карьеру придётся начинать за рубежом. Наверно, лучше всего в Европе или в Штатах. Почему не у нас? Об этом ниже.
Разумеется, у нас есть гениальные учёные и успешные профессора, чьей карьере в науке можно только позавидовать. Проводятся мероприятия, ведутся исследования. Но для начинающего специалиста ничего привлекательного вам, увы, не предложат.
Штука в том, что научная деятельность наукой не ограничивается. Люди идут в университеты чтобы «have fun» 🙂 Везде в мире в промышленности зарплаты повыше и работа более стабильная, определённая. В университетах же создаётся своя, тонкая, интересная атмосфера, возможность ездить по миру, общаться с людьми, заниматься в спокойной обстановке любимым делом.
У нас же эта «научная жизнь» отсутствует напрочь (по крайней мере, в области computer science). Мы, к сожалению, варимся в собственном соку, и ничего хорошего в этом нет и быть не может. Такое впечатление, что весь остальной мир находится где-то далеко, и мы к нему имеем весьма опосредованное отношение.
Чтобы не быть голословным, несколько примеров.
1) Взглянём на место проведения популярной конференции String Processing and Information Retrieval (SPIRE):
2003 — Canada, 2004 — Italy, 2005 — Argentina, 2006 — UK, 2007 — Chile, 2008 — Australia.
Россию не ищите; вряд ли есть хоть одна серьёзная «перемещающаяся» конференция, хотя бы иногда проводящаяся в России.
2) На Западе весьма приветствуются обмены опытом, поездки студентов на год-два в другой университет, «visiting lecturers». У нас каждый университет — это здание за каменной оградой. Студент не может прослушать курс даже на соседнем факультете, а потом «засчитать» его вместо какого-либо курса на своём факультете. В дальнейшем эта замкнутость сохраняется. Люди варятся в собственном соку, и реальные контакты с внешним миром (не считая конференций) минимальны.
3) Одно интересное сотрудничество у меня не состоялось, поскольку предполагаемый соавтор хотел публиковать статьи ТОЛЬКО на русском языке и ТОЛЬКО в российских журналах. Причина — пресловутый список ВАК «рекомендованных» журналов. То есть бюрократическая контора сверху указывает, где публиковать «правильно», а где «неправильно». Вопрос хорошести журнала не стоит, в самом списке ВАК явно куча изданий внесена по политическим причинам (например, там есть «вестники» СЛИШКОМ многих наших университетов второго эшелона).
4) Бюрократия у нас просто ужасающая. Взгляните, например, на список документов, требующихся для защиты кандидатской диссертации. И подумайте, что за каждым элементом списка стоит нетривиальный процесс его получения. Кстати, за бугром почти всю бумажную работу делают секретари, это их обязанность. У нас же вы ещё спасибо скажете, если просто не нахамят.
5) После аспирантуры бюрократия не кончится. Любой грант, любая поездка на конференцию (при далеко не всегда работающем условии наличия денег) оборачивается безумной бумажной волокитой. Далеко не каждый такое выдержит. «У них» любой профессор имеет некое заранее оговоренное количество годовых денег на поездки и прочие расходы, связанные с исследованиями. Т.е. деньги есть СРАЗУ, нужно лишь их потратить и отчитаться.
6) При этом, конечно, и зарплаты у нас, мягко говоря, неконкурентны. Ну да низкую зарплату, наверно, можно пережить, если есть какие другие бонусы, а у нас «бонусы» начинаются с вахтёра на проходной…
Разумеется, можно сказать, что смысл науки не в высокой зарплате и не в развлечениях в виде поездок по заграницам и обменов опытом, а в продвижении высоких идей. Но, честно говоря, я не готов жертвовать прелестями жизни ради даже высокой цели. Тех, кто готов — искренне уважаю. Хотя и считаю, что такая богатая страна, как Россия, может себе позволить платить учёным достаточно, а не рассчитывать на их приверженность идеалам (особенно когда обилие денег в иных городах очевидно). Не стоит также думать, что «у нас» все как раз делом заняты, а «у них» развлекаются. За границей тоже есть свои критерии приёмки качества, и обычно они повыше наших.
Наверно, к этому моменту времени складывается впечатление, что я только и делаю, что кидаю камни в огород нашего государства. Так вот, это не совсем так. Есть, скажем, совершенно замечательная во всех отношениях страна Финляндия. Но там не делают своих автомобилей. Таким образом, если вам хочется делать машины, Финляндия будет просто неверным выбором. Так и наша страна, быть может, хороша и даже очень, но в силу тех или иных причин наука у нас практически стоит. Вероятно, правительство не считает это направление приоритетным (их право, в конце концов). В России можно заниматься чем-нибудь другим.
Что ж, на сегодня достаточно. В следующий раз я расскажу о гораздо более интересных и приятных вещах — как «влиться» в общемировой научный процесс и чем там можно заниматься 🙂 Смысл же этого поста — объяснить, что дальше речь пойдёт именно о «мировой» научной деятельности и сразу, к сожалению, отсечь её от «нашей», внутренней.
10 книг, с которых стоит начать знакомство с наукой
12 февраля весь мир празднует день рождения Дарвина — главный праздник популяризаторов науки. Нас часто спрашивают, с чего начинать изучение тех или иных областей: от нейробиологии до физики. Мы подобрали книги, которые станут вашим проводником в мир науки, даже если вы ей никогда раньше не занимались.
Начинать знакомство с наукой стоит с первых людей и антропологии. Камни и черепа могут очень много рассказать о прошлом: как жили семьи, дети становились взрослыми, люди приманивали охотничью удачу, открывали новые земли и лечили зубы. Сергей Дробышевский собрал 50 иллюстрированных историй о том, что наши предки были людьми: любили, боялись, осваивали хобби в свободное от охоты время. Если хотите больше узнать об антропологии — эта книга для вас.
Бен Орлин — учитель математики. В книге он объясняет, что эта наука лежит буквально в основе всего: от лотереи до «Звёздных войн», от рецептуры шоколадных пирогов до выборов. И тот, кто владеет основами точной науки, получает возможность разобраться в природе и устройстве окружающих нас вещей и явлений. Всё это описание Орлин сопровождает дурацкими рисунками, заскучать точно не получится.
Физики знают очень многое про повседневность: как заставить бокал запеть, какие законы определяют форму капель и пузырьков, как работают индукционная плита и микроволновка, что происходит при приготовлении жаркого, почему соты в форме шестиугольника? Если вы не знали, как применить школьную физику к жизни, эта книга — ваш путеводитель в новый мир.
Нейробиолог и профессор Стэнфордского университета Роберт Сапольски сейчас на переднем крае науки о человеке. В его книге — самые основы, которые переворачивают представления о том, как устроен мозг и что нами движет. И книга эта большая, потому что, если вы хотите понять поведение человека и природу хорошего или плохого поступка, вам придётся разобраться буквально во всем — и в том, что происходило за секунду до него, и в том, что было миллионы лет назад.
Стоицизм отвечает на многие вопросы современности: он учит принимать решения, управлять гневом, воспринимать критику и правильно жить. Главный принцип стоицизма — умение различать, что находится под нашим контролем, а что — нет. Умение весьма полезное в условиях неопределённости. Философ и биолог Массимо Пильюччи предлагает исследовать стоицизм и, главное, показывает, как перенести знания Античности на современность. Если хотите с чего-то начать знакомство с философией, начните со стоицизма.
Многие думают, что лингвисты — полиглоты, которые просто знают много языков, но это не совсем так. Книга Владимира Алпатова рассказывает, чем на самом деле занимаются лингвисты и что их интересует. Зачем они читают старинные рукописи, отправляются в экспедиции в джунгли и пишут компьютерные программы. Как появились лингвистические теории и как они помогают решать практические задачи: преподавать языки, разрабатывать письменности, создавать алгоритмы машинного перевода.
Страх помогает нам избежать опасности — но ценой неизбежных ложных тревог. Уныние позволяет не тратить силы на погоню за несбыточным, но часто перерастает в патологическую депрессию. Веские эволюционные основания имеются и у сексуальных расстройств, и у сохранения генов шизофрении. Опираясь на показательные случаи из практики и открытия эволюционной биологии, доктор Рэндольф Несси отвечает на вопрос, почему естественный отбор сформировал у человека такую хрупкую психику.
2021, ООО «Альпина Диджитал»
Все права защищены
С чего начать изучение науки
Наверное, многие из вас задаются этим вопросом и думают куда подойти, как выбрать научную тему и научного наставника. В этом случае вам помогут координаторы НИРС МУиС. Координаторы по науке имеются в каждом подразделении и готовы оказать консультацию по разным вопросам студенческой науки.
На сегодняшний день в СВФУ работает всего 256 студенческих научных кружков (далее – СНК), где руководителями являются кандидаты, доктора наук, доценты и старшие преподаватели. Они помогут вам сделать первые шаги в науку, выбрать тему исследовательской работы и будут делиться своими теоретическими, прикладными знаниями.
Основной целью деятельности СНК является создание благоприятных условий для повышения качества подготовки кадров и специалистов высшей квалификации путем развития научно-исследовательской деятельности студентов, участия их в научных исследованиях учебных и научных подразделений университета, а также обеспечение возможности для студентов реализовывать свое право на творческое развитие личности в рамках компетентностного подхода в образовании и воспитании.
Занимаясь в СНК вы получите углубленное освоение различных методов научных исследований, делать обработку и анализ материалов научных исследований, представлять материалы научных исследований в виде докладов, тезисов, статей и результативную деятельность в сфере науки.
Членом СНК может стать каждый студент университета. Запись в научные кружки производится постоянно в течение учебного года на кафедрах подразделений. Во всех учебных подразделениях СВФУ функционируют студенческие научные кружки.
Студентов, занимающихся наукой объединяет Студенческое научное общество СВФУ (далее – СНО). Общество работает с целью повышения качества подготовки специалистов за счёт творческого освоения студентами навыков научно-практической работы, получения ими опыта проведения научно-исследовательских работ, дальнейшего использования полученных знаний в профессиональной деятельности и при поступлении в аспирантуру.
СНО СВФУ приглашает тех, кто хочет попробовать себя в написании научных статей; публичном выступлении с докладом на научной конференции; создании и развитии собственных проектов; организации и проведении крупных мероприятий; организации и проведении семинаров, мастер-классов и круглых столов и т.д.
Если решили заняться научной деятельностью, то должны правильно организовать свое время. И самое главное – подобрать интересную, актуальную тему. Важно знать, что научная работа как и дипломная работа состоит из теоретической и практической составляющей, авторских разработок и исследований. Научные исследования могут проложить дорогу к перспективной работе, где предоставляется возможность эти начинания продолжить.
Начинайте исследования с идеей о том, как вы планируете собирать и организовывать заметки и материалы. Учитесь читать научную литературу и заниматься в библиотеке. Чтение фундаментальных трудов учит думать, анализировать и строить гипотезы. Ознакомьтесь с базами научных статей.
Не бойтесь пробовать писать научные статьи. Это лучший способ актуализировать свое увлечение наукой. Перейти, так сказать, от теории к практике. Тем более что есть научные журналы, которые публикуют студентов. Но даже если вы не попадете в РИНЦ, то, по меньшей мере, опубликуетесь в каком-нибудь студенческом сборнике и получите опыт написания статей.
Конечно, сразу заниматься узкой научной проблемой сложно. Поэтому можно начать с обзорных статей: подготовить материал о той литературе, которая уже существует по интересующей вас теме, и грамотно все это изложить. За время написания такой статьи вы научитесь навыкам сбора материала и выстраиванию его в последовательный, научно аргументированный текст.
Студент, занимающийся наукой должен свободно выступать перед публикой и защитить свою научную работу. Для этого надо активно участвовать в различных научных конференциях и конкурсах. В разделе «Научные мероприятия» вы найдете текущие научные мероприятия.
Научный форум dxdy
Математика, Физика, Computer Science, Machine Learning, LaTeX, Механика и Техника, Химия,
Биология и Медицина, Экономика и Финансовая Математика, Гуманитарные науки
С чего начать изучение методологии науки?
 |
Расставьте последовательность изучения предметов. Какие из них можно изучать параллельно?
Логика
Математика
Философия науки
Научный метод
| Заслуженный участник |
 |
| Супермодератор |
 |
| Заслуженный участник |
 |
 |
Действительно, на примере одной математики трудно понять, что такое научный метод.
В наше время полно примеров, когда в естественных науках строятся математически непротиворечивые модели, оторванные от поытных данных, или даже сознательно искажающие результаты этих данных.
Так что математически метод вроде и научный, но практически нет.
Про «гуманитарные науки» вообще наверное лучше не заикаться. Там господствует не научный метод, а «школы». Каждая со своим видением, обычно политизированным.
То есть если попытаться философствовать, то сраву можно очертить разделы философствования:
1. Математика
2. Естественные науки
3. Гуманитарные науки
И в каждом из этих разделов появляется своя философия.
| Заслуженный участник |
|
|
Последний раз редактировалось NMKP 22.10.2017, 21:36, всего редактировалось 1 раз.
Под философией науки я как раз имел ввиду методологию, а не философию как предмет
Спасибо за совет. Думаю, я понял
По поводу гуманитарных направлений – я не воспринимаю их как науку. Я, скорее, разделяю науки на формальные, естественнонаучные, антропологические и прикладные
По поводу научного метода. На сколько я знаю, он формирует теоретические модели, которые проверяют эмпирически и должны быть воспроизводимы. Это называется валидность. То есть дело не в одной математике
| Заслуженный участник |
|
Имейте в виду, что изучать историю научной теории можно, только когда Вы уже знакомы с самой этой научной теорией. Иначе Вы просто не сможете адекватно отнестись к материалу, не поймёте, где движение к цели, а где ложный путь.
|
Последний раз редактировалось NMKP 22.10.2017, 22:15, всего редактировалось 1 раз.
Я предполагаю изучать науку примерно по следующему алгоритму: книга по истории наук от древности до современности с выходом на первоисточники. Например, прочесть главу про математику в древней Греции и потом читать древнегреческих авторов в первоисточнике. После этого следующую главу по тому же алгоритму
То есть цель – проследить, как наука формировалась хронологически. Я думаю, что не совсем правильно начинать с конца – учебников по математике. Иначе получатся чисто фрагментарные знания без понимания логики процессов
| Заслуженный участник |
|
Последний раз редактировалось arseniiv 22.10.2017, 22:21, всего редактировалось 1 раз.
|
Последний раз редактировалось NMKP 22.10.2017, 22:26, всего редактировалось 1 раз.
| Заслуженный участник |
|
| Заслуженный участник |
|
Последний раз редактировалось Anton_Peplov 22.10.2017, 22:33, всего редактировалось 1 раз.
Ого. Предполагать такое, конечно, круто. Ещё круче будет, если Вы с этим справитесь. Небось ещё и на языке оригинала будете читать, как принято у историков?:)
Наоборот. Вот Вам аналогия: человек в лабиринте с завязанными глазами наощупь ищет выход. Если иметь перед собой карту лабиринта (современные физические и математические теории), то картина его блужданий становится ясной. А вот если просто читать его дневник, тут и будут «фрагментарные знания без понимания логики».
Впрочем, я говорю это уже во второй раз. В третий повторять не буду, поступайте как знаете. Только не говорите потом, что Вас не предупреждали.
Ну вот, готово. Человек приходит с вопросом, а потом оказывается, что он знает все ответы лучше спрашивающих (вернее, у него такая иллюзия) и не готов принять того, что идёт вразрез с его препозициями. И зачем тогда было спрашивать?
Я не знаю, какие тексты привели Вас к выводу, что
| Заслуженный участник |
 |
| Заслуженный участник |
|
Кто сейчас на конференции
Сейчас этот форум просматривают: нет зарегистрированных пользователей
Как начать науку с нуля
О том, с какими проблемами сталкивается лауреат конкурса мегагрантов 2011 года в России, мы побеседовали с профессором Владимиром Спокойным, зав. сектором математических методов предсказательного моделирования ИППИ РАН. C ноября 2011 года он заведует Лабораторией структурного анализа данных и оптимизации МФТИ. Беседовала Наталия Демина.
— Перед тем как вернуться в Россию для руководства мегагрантом, вы долгое время прожили за рубежом. Когда вы уехали из страны?
— В 1992 году я уехал в докторантуру во Францию. Там получил предложение и потом почти сразу же переехал в Германию, где и остался, пройдя путь от научного сотрудника до профессора и заведующего лабораторией. Всё у меня было прекрасно, и никаких мыслей о возвращении на родину не было, пока бывшие коллеги не обратились ко мне с предложением подать заявку на мегагрант.
Раньше в мои молодые годы здесь, в Москве, был своего рода научный Клондайк по большинству научных направлений, в том числе по математической статистике, работала очень эффективная рабочая группа. Ее лидером был Рафаил Хасьминский, работавший в ИППИ РАН. Он меня и пригласил тогда работать в ИППИ. Когда я уехал, а потом из этой группы разъехались почти все, научная школа математической статистики и в Москве и фактически во всей России практически умерла. Примерно 20 лет в России не появлялись ни новые научные идеи, ни новые молодые кадры по этому направлению.
Когда возникло предложение по мегагранту, то первой моей мыслью было стремление не то чтобы реанимировать эту научную школу, но хоть как-то активизировать исследования в этой области. Деньги у нас были, и в первые два года мы организовали активную деятельность.
Формально моя лаборатория существует в рамках Физтеха. Позиция руководства университета проста и достаточно прагматична. Математическая статистика — не их профильная специальность, они готовы иметь лабораторию по математической статистике и оптимизации, если для этого ничего не надо инвестировать. Наши публикации и достижения идут в зачет всего университета. Рядом с главным корпусом Физтеха находится здание, в котором располагается факультет прикладной математики, там для нашей лаборатории выделили одну небольшую комнату.
Физтех нас поддерживал в том смысле, что совершенно не мешал. Не пытался залезть к нам в карман. Но когда речь зашла о продлении мегагранта, о возможности соинвестирования, то тут мы столкнулись со стеной. Университет в нас вкладывать не хочет. У него есть свои любимые направления, а математика — это не их дитя.
— Если вас спросят, на что пошел мегагрант, каковы результаты вашей научной деятельности, что вы ответите?
— Да, меня порой спрашивают, вот вам грант дали, чем вы занимаетесь? Что вы создали? Я говорю, я приехал в Россию делать науку, а наука — это ученые. Мне приходится растить науку с нуля, практически на пустом месте.
В других математических коллективах, например у Станислава Смирнова или Федора Богомолова, не пришлось начинать с нуля, в их областях науки были научные школы, они не разрушились, была какая-то научная инфраструктура: семинары и полноценное научное общение. Да и то им пришлось многое сделать, чтобы вдохнуть в науку новую жизнь. Но в моей области не осталось почти никого и ничего. Пришлось создавать всё заново. Это не делается за год или два.
Когда я приехал, то начал с того, что прочитал студентам курс лекций. Результатом был экзамен. Так мы набрали десяток студентов, которым интересна математическая статистика. Через год еще десяток. Сейчас я читаю курс в третий раз. На экзамен записалось еще 15 человек.
— Имеется в виду студенты Физтеха или любых других вузов? Вы приглашаете всех?
— Я читаю лекции в Независимом Московском университете. С Физтеха там большинство студентов, но есть и с Мехмата, что меня радует, есть из ВШЭ. Отовсюду, где есть математика, ко мне на лекции приходят студенты. Мы их отбираем по очень высокой планке, я читаю лекции по материалам собственных научных разработок.
Мы стараемся работать с ребятами 3–4 курса, иначе дальше они уже расписаны по другим научным руководителям, и отбор вести поздновато. Иногда мы делаем исключение и берем студентов 5–6 курса. Итак, берем студентов 3–4 курса, начинаем их вести с бакалавриата. Потом ведём студентов до магистерского диплома, наша цель — магистерская работа на уровне кандидатской диссертации. И сразу пытаемся вовлекать студентов в активную научную работу.
Мы организовали школы, конференции и семинары. Каждый месяц у нас проходят научные события, есть студенческие и научные семинары. Мы создаём такой научный котёл, в котором молодые ребята могут вариться и расти. Моя главная продукция за эти два года — это 20 молодых специалистов, которые прошли через мою лабораторию, которые уже сейчас в состоянии пусть не самостоятельно, но активно работать в команде.
— Если молодые ученые заинтересуются этой областью исследований, то на каком сайте можно получить информацию?
— Наш сайт называется ПреМоЛаб.
В министерстве от нас ожидают быстрого результата, прорывных проектов по новейшим направлениям. Но для того, чтобы вести сложные проекты, нужны подготовленные кадры. Первоочередную задачу набора перспективных кадров мы решили, но за два года их не вывести на передовой научный уровень. У меня есть группа в Берлине, её я растил 15 лет, там у нас есть подобные проекты. Я мог бы перенести полученные там результаты сюда, в Россию, но ведь цель не в этом. Нам надо заложить базу для собственных научных исследований.
Я перед дилеммой, как я могу сочетать ведение прикладных проектов и зарабатывание денег в Москве и одновременно заниматься обучением молодёжи? Это 3–4 курс, разве можно их бросить на прикладные проекты? Их это только поломает. Им надо учиться, их надо постепенно выходить на научный уровень. Их надо посылать на топовые научные конференции, я вожу их к себе в Германию, показываю, как устроена наука, как надо работать по-современному.
Это главный парадокс российской программы мегагрантов, ее главная проблема, которую мы, математики, понимали уже в самом начале, но в министерстве нас не слышат. Такая программа должна быть рассчитана не на 2 года, а на 20 лет или хотя бы на 12. В Германии подобные программы рассчитаны на 12 лет. Это же совсем другое дело! А у нас получается почти тупиковая ситуация: большими усилиями создан научный коллектив, но если не будет дальнейшего финансирования, то это все однозначно умрёт. И набранные и подготовленные кадры разойдутся по каким-то конторам. Получится, что вся моя работа была напрасной. Зачем было вбухивать полтораста миллионов рублей? Механизм перестройки работы лабораторий после срока финансирования в программе мегагрантов не предусмотрен.
Организаторы этой программы ждут какого-то сильного эффекта за 1–2 года. Но за такой короткий период речь может идти либо о покупке дорогостоящего оборудования, либо новых технологий на западе. Иначе такого эффекта быстро не достичь.
Если же речь идет о подъеме науки в России, то в первую очередь речь должна идти о создании научных школ, создании системы кадров. А это требует гораздо большего времени. В этом случае нельзя планировать программу на два года и требовать годовой отчетности. Такого нет ни в Германии, ни в какой-либо другой стране, с которой я сотрудничал.
— А вы говорили об этом министру Ливанову и его коллегам?
— Естественно, эта тема активно обсуждалась уже «первой волной» мегагрантников, когда министром был еще Андрей Фурсенко, который лично интересовался этой программой. Но сейчас наше министерство проводит реорганизацию академии, глобальную перестройку научно-образовательной сферы. Очень хочется, чтобы ошибки и недочёты программы мегагрантов учлись при проведении реформ.
В программу мегагрантов уже вбухали и вбухивают гигантские деньги, разумеется, их можно потратить разумно, но у нас нет культуры терпения. Люди не понимают, что если выделить много денег на очень короткий срок, то их трудно использовать разумно, проще быстро распилить. Ничего другого с ними сделать нельзя.
Между тем, есть известный мировой опыт. Есть примеры США и Германии. Это две страны с максимально широкой линейкой научных программ. Там масса программ, от самых микроскопических до больших. Например, в Германии минимальный срок программы — 3+3 года.
— В Российском научном фонде сейчас появилась программа 3+2.
— Все равно немного маловато. Большие программы обычно идут по схеме 5+5 или 4+4+4. После каждого периода идет серьезная перезагрузка. Проводится тщательная экспертиза проектов. Это, например, делает NSF в США, либо DFG в Германии. Туда приглашаются ведущие учёные, которые оценивают каждый проект по самым высоким научным стандартам. Только жизнеспособные проекты получают продолжение и поддержку. Инструмент для контроля есть, и надо давать хорошим проектам возможность для продолжения работы.
— Вам могут сказать, мол, зачем вы вернулись, неужели не хватало работы в Германии?
— В Берлине я был загружен на 120%, ведь я — завлаб в институте и профессор в университете. В России же моя нагрузка как минимум удвоилась. Я всё это тяну в ущерб своей семье и здоровью. Но все компенсируется тем, что я вижу плоды, вижу, как работает моя группа, моя команда, как приходят новые и новые сильные ребята.
В России нет культуры современной научной работы. Раньше, когда я был молодым, то в одной комнате сидело по 5 человек. У меня был столик на третьем этаже ИППИ, в 303-ей комнате. Мы приходили раз в неделю, когда был семинар, общались, расходились и в основном работали дома. Такая была академическая система работы. Сейчас так в мире не работают. Сейчас в одиночку в прикладных науках работать нельзя, не будет развития. Нужно работать в командах, в коллективах.
— Надо чаще встречаться в реале?
— Да, вариант, когда каждый сидит в уголке, кропает что-то свое, уже не работает. Нужны регулярные совместные мероприятия. В Берлине мы стараемся проводить хотя бы 3 мероприятия в неделю, в которых участвуют члены моей группы. У меня есть большая группа, которой руковожу, есть команда моих коллег, аспирантов, студентов, группа, которой я руковожу научно. С ними я стараюсь встречаться три раза в неделю. Один семинар рабочий, один специальный, еще есть неформальная встреча.
Кроме того, провожу личные встречи. Каждую неделю каждый мой студент или аспирант приходит ко мне индивидуально, мы час с ним разговариваем, иногда дольше. Каждый в моей команде знает, чем занимается другой, по возможности мы стараемся кооперироваться, даем возможность обмениваться идеями. Мы создаем такой котел, в котором студенты и аспиранты «варятся» постоянно, закладывается культура научной работы.
Кадры — это первоочередное, что нужно восстанавливать в России. Но для этого нужен не только энтузиазм ученых, но и долговременная поддержка государства. Меня удручает то, что у нас уже на 2015 год нет мало-мальски чёткого финансирования.
— Вы будете обращаться в научные фонды?
Я работаю в Берлине в Институте прикладного анализа и стохастики имени Вейерштрасса, который считается прикладным. Мы входим в так называемое сообщество Лейбница. В Германии есть разные системы организации науки. В системе Макса Планка собраны институты, которые занимаются фундаментальными исследованиями, они на 100% финансируются из федерального бюджета. В свою очередь, сообщество Лейбница основывается на паритетном финансировании: деньги поступают из федерального бюджета и бюджета регионов (земель). Плюс у нас 10% самофинансирования в том смысле, что нам дают 90% требуемой суммы, а 10% мы можем либо сэкономить, либо заработать сами. Это считается нормальной планкой для того, чтобы мы могли вести научные исследования на передовом уровне. Есть другая система — общество Фраунхофер (Fraunhofer-Gesellschaft), там 60% самофинансирования, но они вообще высокой наукой не занимаются, они просто добывают деньги.
То есть существует планка самофинансирования, выше которой люди не могут заниматься передовой наукой, а работают на хлеб насущный. Если речь идет о фундаментальной науке, то самофинансирование и само-софинансирование ей просто противопоказано. Если ученых оставлять заниматься хлебом насущным, то какая наука? Эти две вещи совершенно несовместимы.
Я могу представить, что есть отдельные, очень прикладные области, где можно выйти на коммерческий уровень. Даже у нас в Берлине есть такого типа программы. Делайте выход на коммерцию, делайте стартапы. Однако фундаментальная наука с добыванием денег несовместима. Либо ты зарабатываешь деньги, либо ты занимаешься наукой. А требовать этого от научного коллектива, чтобы он добывал деньги и производил научную продукцию, статьи высокого уровня, это утопия. Это две вещи, которые друг друга взаимно уничтожают.
Я хочу возродить российскую школу математической статистики. Для меня это важнее, чем один конкретный проект или другой. Проекты у меня есть, их много в моей группе в Берлине, сил не хватает все их вести, но работа над проектами — это уже когда люди вышли на определённый уровень. Только дав студенту и аспиранту необходимый запас знаний, его можно подключать к практическим задачам, но для начала его нужно на этот уровень вывести, нужно создать научный коллектив. И это, я считаю, является главным продуктом на нынешнем этапе.
Однако ценность этого продукта здесь, в России, очень сильно недооценивается. Это то, что я пытаюсь объяснить, пытаюсь достучаться до принимающих решения чиновников. Хочу, чтобы меня услышали и поняли. Да, действительно, моя молодая московская группа занимается потенциально интересными прикладными задачами, иначе бы наш мегагрант не продлили. Но в плане подъема российской науки есть другой продукт, который не менее, а может быть более ценен, но который не меряется заработанными деньгами. Это наше научное будущее, наши молодые ученые.
Выращивая научные кадры, нужно иметь терпение. Если люди чего-то достигли, то им надо дать возможность все сделанное сохранить, а не бросать их на произвол судьбы в океан страстей. Понятно, чем это кончится, если нас прекратят финансировать. Это то, за что у меня душа болит. Я не хочу, чтобы все, что мы сделали, во что инвестировали свои силы и время, пошло прахом. Это меня очень сильно беспокоит.
— Что кажется самым важным из того, что вы делаете?
— Моя лаборатория занимается предсказательным моделированием. Задачу можно объяснить так: есть сложная система, которую наблюдают. Это может быть общество, финансы, автомобиль, электростанция, банк — сложная система, которая как-то живет и функционирует. А теперь нужно предсказать поведение этой системы, чтобы принять какое-то решение.
Для этого строится математическая модель, так называемая суррогатная, т. е. не повторяющая всей сложности моделируемой системы, практическая задача переводится на математический язык и решается с использованием передовых научных разработок, часто приходится развивать новые методы. Потом математическое решение апробируется на пробных данных и только потом применяется для решения практической задачи. Часто этот процесс приходится повторять много раз.
Лучше всего это иллюстрируется на примере банков. Банки дают кредиты на короткое время, но иногда на 5 лет, на 10. Чтобы дать кредит на 10 лет вперёд, банк должен посчитать свою выгоду, чтобы выставить правильный процент. Фактически банк должен смоделировать развитие финансового рынка на 10 лет вперёд. Это одна из задач, которыми мы реально занимаемся. У меня в группе есть специалисты, которые являются мировыми специалистами в этом вопросе, как вычислять правильную цену финансовых продуктов, связанных с предсказанием будущего. Это могут быть процентные ставки, а могут быть опционы, что тоже связано с будущим, на разные временные горизонты.
Разумеется, у нас есть и другие интересные практические задачи, которыми занимается наша лаборатория. Возможно, мы совместно с моей группой в Берлине начнем большой проект по исследованию механизмов работы головного мозга. Есть запущенный проект по анализу и предсказанию поведения клиентов Сбербанка, там огромный статистический материал. Сейчас мы обсуждаем проект по участию в программе по биобезопасности. Кроме того, обсуждаем проект по кооперации с фирмой Bosсh, по испытанию систем автонавигации, автобезопасности машин. Есть еще большое число проектов по обработке данных соцсетей. Это гигантский объем данных, которые нужно обрабатывать и их них извлекать информацию.
— Какой математический аппарат используется? Теория вероятностей?
— Теория вероятностей, теория случайных процессов. Но этого недостаточно. Например, в финансовой сфере есть еще один аспект, связанный с тем, что кроме рынка как объекта есть еще и субъекты. Это и люди, и банки, и фирмы, которые являются активными игроками, и каждый имеет свою стратегию. Стратегии сводятся к тому, что каждый участник рынка оптимизирует свою целевую функцию. Поэтому для того, чтобы моделировать систему, нужно моделировать эти стратегии, это сводится к теории оптимального управления, к теории оптимизации. Для решения задачи предсказательного моделирования приходится привлекать различные математические дисциплины: кроме теории вероятностей и статистики ещё нужна теория оптимизации, теория оптимального управления, теория графов и сложных систем, теория алгоритмов и вычислений, и многие другие.
Например, моделирование цен сложных финансовых инструментов сводится к тому, что просчитываются разные сценарии развития, исходя из стохастической модели. Моделируется каждый сценарий. Для каждого решается оптимизационная задача. Потом итоговые результаты обрабатываются статистически. Если действовать прямолинейно, нужно просчитать 1000 в пятнадцатой степени сценариев, это немыслимо ни сейчас, ни потом, никогда. А решение надо принять за несколько минут. Тут без новейших математических методов не обойтись.
Со Сбербанком мы прогнозируем поведение клиентов. По истории клиента и по поведению других клиентов с похожими характеристиками мы моделируем его поведение на полгода вперед.
Представьте, картинка состоит из кубиков, а этот нейрон в кубике как иголка в стоге сена, как его можно найти? Для обнаружения волокна используются так называемые структурные предположения, которые состоят в том, что это волокно не само по себе, а находится в пучке, что волокна идут вместе, параллельно. Эта область исследований называется fiber tracking — отслеживание нейронных пучков в головном мозге.
Недавно был начат еще один проект совместно с центром нейробиологии в Магдебурге по исследованию процессов обучения. Ученых интересует, что происходит в головном мозге в процессе обучения. В этот проект вовлечено много разных групп, есть много разных исследовательских задач. Эксперименты проводятся на мышах, обезьянах и на людях.
Моделирование в банковской сфере
Все участники финансового рынка имеют свою стратегию. Стратегии сводятся к тому, что каждый игрок оптимизирует свою целевую функцию. Поэтому для того, чтобы моделировать систему, нужно моделировать эти стратегии. Для решения задачи предсказательного моделирования приходится привлекать различные математические дисциплины: кроме теории вероятностей и статистики, еще нужна теория оптимизации, теория оптимального управления, теория графов и сложных систем, теория алгоритмов и вычислений и др.
Так, моделирование цен сложных финансовых инструментов сводится к тому, что просчитываются разные сценарии развития исходя из стохастической модели. Моделируется каждый сценарий. Для каждого решается оптимизационная задача. Потом итоговые результаты обрабатываются статистически. Если действовать прямолинейно, нужно просчитать 1000 15 сценариев, это немыслимо ни сейчас, ни потом, никогда. А решение надо принять за несколько минут. Тут без новейших математических методов не обойтись.
Еще одна задача — улучшение системы оценки кредитоспособности людей (credit scoring). Есть разные кредиты — ипотечные и потребительские. С ипотекой проблем меньше, а вот с потребительскими сложнее. Задача такова: пришел клиент, как понять за 20 минут, отведенных клиенту, давать кредит или нет. При анализе используются данные из его анкеты, которую он заполнил. Кроме того, могут использоваться данные из социальных сетей, тех же Facebook и Twitter.
Моделирование в тестировании систем автонавигации
Многие уже знакомы с системой компьютерной помощи водителю. Встроенная в автомобиль система предупреждает водителя о том, что на дороге появились препятствия, что впереди поворот, что пешеход на дороге, что меняются погодные условия. В определенные моменты эта система включается в активные действия самостоятельно — когда по каким-то причинам нужно резко затормозить или система видит, что машина не туда едет, — дается сигнал автоматического торможения.
Допустим, фирма Bosch сделала новую систему driving assistant, и ее надо в течение 15 тыс. часов на разных входных данных протестировать. Это очень долго, более 600 дней. Как это время тестирования сократить, не жертвуя качеством тестирования? Всё это делается на программных данных, на моделях.
— Занимались ли вы тем же в Германии? Можно ли понять чем отличается российский клиент банка от немецкого? Или такое сравнение трудно сделать?
— В Германии мы работаем по первой теме — предсказанию и вычислению цен сложных финансовых продуктов. А с оперативной работой с клиентами там намного проще, поскольку рынки намного стабильнее. Это здесь за клиентами бегают «с сачками», потому что высокий процент по выплатам.
— Беспокоит ли вас то, что российские банки порой работают с плохими клиентами, что они дают кредиты людям, которые не в состоянии их вернуть?
— Как раз наш проект и направлен на решение этой проблемы. Есть разные кредиты — ипотечные и потребительские. С ипотекой проблем меньше, а вот с потребительскими сложнее. Задача такова: пришел клиент, как понять за 20 минут, отведенных клиенту, давать кредит или нет.
— Вы работаете только со статистическими данными? Или вы привлекаете психологов и социологов?
— Нет. Моя наука основано только на анализе данных. Если есть достаточно данных, то ни о какой психологии можно не думать.
— Под статистикой имеется в виду год рождения, пол, место работы и прочее?
— Есть анкета, клиент вносит данные о себе. То, что мы пытаемся делать, это использовать данные из социальных сетей, тех же Facebook и Twitter.
— Ого! То есть когда вы пишете в Twitter’e сообщение.
— Вы показываете и себя, и свое окружение. Эта информация может быть использована, в том числе для оценки кредитоспособности (credit scoring). Наша задача улучшить систему credit scoring для уменьшения риска кредитного дефолта.
Кроме того, очень интересен класс задач, связанных с медициной, которыми мы начали заниматься в Берлине. Даже не с медициной, а с неврологией, исследованием деятельности и болезней головного мозга. Обычно используются неразрушающие технологии, когда мы в голову не лезем, а измерения делаются обычным томографом, который регистрирует магнитное поле в головном мозге.
И здесь есть задачи разного типа. Первый тип задач, которые мы раньше решали, это определение расположения функциональных центров головного мозга. Примерно известно, где они находятся, но у каждого конкретного человека немного в разных местах. Пример типичная задача: можно ли у человека удалить опухоль, не задев главных функциональных центров. Для этого эти центры нужно идентифицировать. Мы этим занимались, сделали программный пакет, который на данный момент считается самым продвинутым в этой области. Это задача более-менее решена.
— То есть здесь тоже помогает только математика? Вам не нужно сотрудничать с нейрофизиологами?
— Естественно мы сотрудничаем с медиками, причем и в Германии, и в Америке, у нас есть партнёры в университетах Берлина, Магдебурга, Мюнстера, Нью-Йорка.
Следующий, более интересный класс задач связан с исследование активности головного мозга. Оказывается, что важную роль играют не только функциональные центры, а но и нейронные связи, структура нейронных пучков и волокон в головном мозге. Основная проблема в том, что разрешающая способность томографов ограничена на физическом уровне, это примерно 1 кубический миллиметр, лучше сделать невозможно. То есть в головном мозге можно увидеть точку (воксель) миллиметр на миллиметр на миллиметр. А толщина одного нейронного волокна — 1 микрон. И нам нужно эти волокна идентифицировать.
Представьте, картинка состоит из кубиков, а этот нейрон в кубике как иголка в стогу сена, как его можно найти? Самое парадоксальное не в том, что это невозможно, а в том, что мы это делаем. Для этого используются так называемые структурные предположения, которые состоят в том, что это волокно не само по себе, а находится в пучке. Мы считаем, что волокна идут вместе, параллельно. Эти пучки имеют неприятную особенность пересекаться, делиться на части, или наоборот сливаться. Это сложные вещи. Эта область исследований называется fiber tracking — отслеживание нейронных пучков в головном мозге.
Сейчас мы начинаем еще один проект совместно с центром по нейробиологии в Магдебурге по исследованию процессов обучения, нас интересует, что происходит в головном мозге в процессе обучения. Проводятся исследования на мышах, обезьянах и на людях. Человек, например, наблюдает сигналы, в которых есть какие-то закономерности, но он не знает какие, ему надо понять. Два раза пикает, пауза, еще раз пикает на фоне какого-то шума. В зависимости от способностей человека с какого-то момента, после третьего-четвертого теста, он начинает распознавать закономерность. Что при этом происходит в головном мозге? Как этот механизм можно отследить и потом, может быть, на него повлиять? Вот краткая суть нашего проекта.
Там задействовано абсолютно всё, что есть в нашей науке. В этот проект вовлечено много разных групп, есть много разных исследовательских задач. Нужно понять, как устроена деятельность головного мозга, как описывать деятельность в этом процессе. Что происходит? Как эти структуры меняются, когда это обучение произошло?
Понятно, что человек — сложный организм, там происходит многое, что не связано с процессом обучения. Нужно отделить одну компоненту от другой и все смоделировать. И это нужно делать сравнительно быстро на основании разных видов данных. Данные могут поступать и от магнитно-резонансной томографии, и от электроэнцефалограммы, и еще от каких-то методов измерения, результаты которых нужно собрать вместе.
С одной стороны, у каждого индивидуума обучение идет по-разному, а с другой стороны, есть какие-то закономерности. Нам нужно понять, как это устроено у разных людей, надо понять, как их поделить на группы, ведь одни люди быстро обучаются, другие медленно. Такова задача, которую, я очень надеюсь, можно будет исследовать не только в Магдебурге (Германия), где находится институт. Я надеюсь подключить к этому большому проекту один из московских институтов.
— Мне рассказали, что вы работаете еще над проектом driver assistance, можете о нем сказать несколько слов?
— Задача состоит в том, чтобы ускорить и повысить эффективность методов тестирования и валидации разных компьютерных систем автонавигации. В данном случае идет речь о системе компьютерной помощи водителю. Водителя предупреждают о том, что на дороге появились препятствия, что дорога поворачивает, что пешеход на дороге, что меняются погодные условия. В определенные моменты эта система включается в активные действия самостоятельно. Когда по каким-то причинам нужно резко затормозить, когда система видит, что машина не туда едет, дается сигнал автоматического торможения.
Такие вещи делает фирма Bosch в Германии. Она озабочена повышением эффективности проверки, то есть — как эти системы работают — не к нам вопрос. Речь идет о том, что сделана система, ее надо проверить, как она работает. Вот сделана новая версия системы, и ее надо в течение 15 тысяч часов на разных входных данных протестировать. Это очень долго, более 600 дней. Как это время тестирования сократить, не жертвуя качеством тестирования? Точно так же, когда разрабатывается крыло самолета или его система охлаждения, никто не будет проводить многочасовые полетные испытания по каждому изменению. Всё это делается на программных данных, на моделях.
— Слушаю ваш рассказ и вспоминаю знаменитую фразу, что в основе мира был великий математик. Получается, что математика — основа познания мира?
— Абсолютно верно. В принципе, трудно найти задачу, где бы не требовалось математического моделирования и предсказания. Здесь мы на месте. Как-то раз я давал интервью на эту тему «Большому городу». Меня спросили, как коротко сказать, чем вы занимаетесь, зачем вы нужны? Я ответил, что, помните, была такая песня про гадалку: «Ну что сказать? Ну что сказать? Устроены так люди, желают знать, желают знать, желают знать, что будет». Мы — не гадалки, но мы можем сделать научный прогноз. На математическом уровне мы пытаемся объяснить, что будет, исходя из имеющихся данных. Это наша специализация. И за этим стоит хорошая и довольно крутая математика.
— Спасибо большое за интервью.