Ежегодно 8 февраля в России отмечают День науки — праздник людей, которые открывают новые законы природы, создают технологии и делают нашу жизнь проще и интереснее. Еще 10–15 лет назад за пределами университетов мало кто говорил о машинном обучении и искусственном интеллекте. Сегодня же — это одна из самых обсуждаемых тем в российской науке.
Российское научное сообщество в области ИИ в последние годы развивается семимильными шагами: растет число профильных вузов, бизнес и государство охотно инвестирует в технологии, а энтузиасты открывают исследовательские лаборатории.
Научные лаборатории становятся центрами притяжения талантливых молодых исследователей. В этой статье мы поговорим о работе ученых и что стоит за результатами их работы. А помог нам в этом Александр Безносиков — научный руководитель BRAIn Lab, директор центра агентных систем Института искусственного интеллекта МФТИ, заведующий лабораторией проблем федеративного обучения ИСП РАН.
Как работает научная лаборатория?
В современной российской науке лаборатория перестала быть закрытым цехом для избранных ученых. Сегодня это динамичная экосистема, где ключевую роль играет не столько возраст и ученые степени, сколько скорость вовлечения в реальные исследования. Наш научный руководитель Александр Безносиков уверен, что структура научного коллектива строится на азарте молодежи и фундаментального взгляда более взрослого поколения:
Науку всегда делали студенты и аспиранты. Причем вовлечение студентов бакалавриата — характерная черта именно российской системы.
Если на Западе научная деятельность чаще начинается на этапе магистратуры или аспирантуры, а в Китае, напротив, студенты приступают к исследованиям чуть ли не с первого курса из-за жесткой конкуренции, то Россия занимает промежуточную позицию. Уже с третьего курса бакалавриата студенты, например, МФТИ, активно включаются в проекты лабораторий — причем сразу в качес��ве полноценных участников исследовательского процесса. Для многих из них кандидатская диссертация становится скорее результатом проделанной научной работы, а не главной целью.
У нас в МФТИ всегда были ориентированы на прикладную науку — в дополнение к фундаментальной школе, традиционно сложившейся в российских вузах. Но в эпоху динамичного прогресса ИИ граница между теорией и практикой размылась. И если еще пару лет назад основной акцент делался на публикационную активность (статьи в топовых журналах, выступления на международных конференциях и тд.), то сегодня приоритет постепенно смещается в сторону внедрения. Фундаментальные исследования никуда не делись — они по-прежнему составляют основу научной репутации. Но теперь главной задачей мы ставим преобразование результатов анализа в осязаемые решения. Хочется, чтобы то, что мы создаем, можно было пощупать в жизни.
Порог входа: меньше страха, больше упорства
Карьерный путь в научной лаборатории начинается поэтапно: студент делает пробный проект под кураторством более опытных коллег в рамках учебного курса, получает оценку от преподавателя, лаборатория оценивает потенциал новичка, а молодой исследователь — перспективы в лаборатории. Если обе стороны остаются довольны друг другом, работа продолжается и студент, как правило, берет еще несколько проектов.
Первые полгода–год требуют серьезной поддержки, потому что научная работа сильно отличается от учебы непредсказуемостью результата. Но уже спустя время студенты самостоятельно формулируют задачи, ведут исследования и даже курируют новичков. А через пару лет у многих уже формируются собственные группы из нескольких человек, работающих над смежными задачами.
Что касается финансовой стороны вопроса — скажу честно: зарплаты начинающих ученых пока не конкурируют с предложениями компаний на джуновских позициях. Зато это своеобразный фильтр: полгода с менее высоким доходом становятся проверкой на искренний интерес к науке. Те, кто остаются, делают это ради возможности решать нестандартные задачи и участвовать в исследованиях, выходящих за рамки коммерческой разработки.
Ситуация выравнивается, когда студент превращается в опытного исследователя. Проработав два-три года в лаборатории, сотрудники достигают нужного уровня экспертизы, и доход уже сопоставим с зарплатами в IT. Конечно, мы не рассматриваем экстремальные кейсы в роде опционов в стартапах, но по «средней больнице» конкурируем уверенно.
Нередко ученые балансируют между наукой и карьерой в бигтехе, особенно это касается AI-специалистов. Никто этому не препятствуют, даже наоборот: здорово, когда в компании сотрудником решаются те же исследовательские задачи, что и в лаборатории. Выгоду получают обе стороны: компания — доступ к новейшим техноло��иям и публикационной активности, а лаборатория — дополнительные ресурсы, данные и возможность внедрения разработок в реальные продуктовые задачи.
О нас: чем занимаются лаборатории фундаментальных исследований искусственного интеллекта МФТИ
Мы — ученые лабораторий фундаментальных исследований искусственного интеллекта МФТИ и проблем федеративного обучения ИСП РАН.
Изначально научная повестка лаборатории формировалась вокруг численных методов. Действительно, современное машинное обучение строится на решении сложных задач оптимизации. Мы изучаем и разрабатываем как классические, так и новые методы, уделяя особое внимание численным аспектам — точности, устойчивости и скорости сходимости алгоритмов.
По мере смены поколений студентов, спектр исследований сильно расширился. Сейчас мы работаем над несколькими крупными направлениями: это развитие математического аппарата для ИИ, оптимизация языковых моделей (ускорения обучения, эффективное хранение и тд.) и создание специализированных нейросетей для прикладных задач. Еще одна наша страсть — это федеративное машинное обучение: мы тренируем модели на персональных устройствах, не вынося данные за их пределы.
Сейчас наша команда состоит из более 70 человек, что само по себе много для исследовательской группы. Но главное — что ядро составляют не кандидаты и доктора наук, а студенты магистратуры. В год многие из них публикуют по 5 статей в журналах уровня A и A* и еще несколько в Q1 — самых престижных изданиях научного сообщества. С работами они выступают с на ведущих мировых конференциях по ИИ, таких как ICML, ICLR, AAAI и не только. По российским меркам, это результат уровня топовых ученых, а не студентов!
А еще в нашей лаборатории уже два лауреата научной премии Яндекса — Александр Безносиков и Александр Богданов, — а также награда Национальной премии «Лидеры ИИ». Ученые не остаются без внимания, и это наша большая гордость.
Сейчас мы собираемся в Марокко и Рио-де-Жайнеро, потому что целых 7 наших статей приняли на престижные конференции ICLR и AISTATS! Со многими из них можно ознакомиться по ссылкам:
Unlocking the Potential of Weighting Methods in Federated Learning: Insights Through Communication Compression
High-Probability Bounds for the Last Iterate of Clipped SGD
LoRA Meets Riemannian Geometry: The Muon Optimizer for Parametrization
Differentially Private Clipped-SGD: High-Probability Convergence with Arbitrary Clipping Level
Многие проекты уже вышли за рамки фундаментальных исследований, а студенты и аспиранты работают напрямую с заказчиками, создавая продукты для реального внедрения. Сейчас главный фокус направлен на обучение крупных нейросетевых моделей для медицинских задач, а также на разработке методов защиты данных и предотвращения угроз, влияющих на качество ИИ-системы.
Подписывайтесь на наш блог, чтобы больше знать о современной науке в России! Мы готовим продолжение, поэтому нам важно ваше мнение. Поделитесь в комментариях, о чем нам рассказать в первую очередь?
А если вы хотите делать проекты с нами или заказать у нас рисерч — напишите нашему научному руководителю Александру Безносикову на почту: beznosikov.an@phystech.edu
🔗 Подписывайтесь на наш telegram-канал: @brainlaboratory
