Мы оказались в одном шаге от очередной технологической революции, принесет которую такая наука, как интеллектуальный анализ информации. В данных условиях особенно актуальным оказывается бережность в отношении государства к науке. Следует, не ставя рамок для научного поиска вновь обучиться постановке государственных задач перед наукой.

В центре дискуссии о предстоящей реформе Академии наук с момента ее старта оказался Александр Кулешов, академик РАН и директор Института проблем передачи информации им. А. А. Харкевича РАН. Он, например, еще в 2011 году опубликовал статью «Не нужно революций», в которой раскритиковал предложения относительно реформы, выдвинутой Михаилом Гельфандом, его заместителем, а также Дмитрием Ливановым, являвшимся тогда ректором Национального исследовательского технологического университета МИСиС. Предложения эти были опубликованы в статье «Верните действенность науке».

Однако реформа все же воплотилась в 2013 году, и Александр Петрович оказался одним из активнейших участников ее обсуждения. Войдя в оргкомитет Конференции научных работников, он оказался одним из самых заметных спикеров. Конференцию с той поры собирали дважды. Оба раза он был не просто постоянным, но и активным ее участником.

Естественно, хотелось бы знать оценку академика Кулешова процесса реформы. Но сперва желательно упомянуть деятельность института. Стоит только взглянуть на перечень лабораторий, чтобы изумиться разнообразию направлений, на которых специализируется институт: от самой теории передачи данных с управлением вплоть до сравнительной и функциональной геномики прокариот. Этот факт сам по себе необычен и любопытен.

Академику недавно задали целый ряд актуальных вопросов. В частности, спросили и о том, что именно объединяет все имеющиеся в составе института лаборатории, на каком основании их включали в его состав.

По словам Кулешова, общей объединяющей базой оказалась математика. Многие узкие специалисты, занимающиеся зрительными системами, а также физиологи и биологи оказались переучившимися физиками или математиками. Даже собственно Кулешов получил математическое образование на мехмате МГУ – тогда оно было, пожалуй, лучшим в мире. Но он всегда работал вовсе не математиком, а инженером. Иными словами, Кулешов – переучившийся на инженера математик. Он неоднократно за свою карьеру доказывал различные теоремы, в числе прочего – и для диссертации. Это было необходимо, чтобы достичь некоего практического результата. Ведь инженерная деятельность в настоящее время тесно связана с математикой. Так что все правильно и логично: хорошим инженером он смог стать благодаря математике.

Данный тренд получает все большее распространение, ведь в настоящее время все достойные научные и технические успехи связаны с тем или иным решением междисциплинарных проблем. В связи с этим становится очень любопытным один факт, не очень известный широкому кругу граждан. Среди всех научных областей более всего Нобелевских премий получила томография, которая шла по различным направлениям: физиологии, физике и медицине.

Какова история томографии? Эдвард Перселл и Феликс Блох однажды осознали, что возможно объединение возможностей трех уже известных на тот момент научных достижений. Первое: преобразования Радона. Ведь, с помощью обратного преобразования Радона, вполне реально восстановление по площадям сечений целого трехмерного тела. Вторым достижением явилась возможность определения «площади» подобного сечения по функции ослабления проходящего сквозь тело рентгеновского сигнала. И наконец, третьим моментом явилось наличие на тот момент компьютеров, при помощи которых можно было численным образом решать данную обратную задачу и, таким образом, известную нам всем томограмму.

Все это сошлось у них в виде единой идеи – и вышел томограф. Здесь не было чего-либо радикально нового, вышло просто нечто уникальное, имеющее в своей основе, в первую очередь, математические результаты. Институт Кулешова в этом плане воплощает подобную междисциплинарность, когда на общих семинарах работают люди из различных областей, совместно работая и общаясь.

Идет ли речь о какой-либо конкретной математической области?

Чтобы разобраться в этом вопросе, следует изучить историю института, которому вскоре исполняется 55 лет. До его образования здесь работала лаборатория, разрабатывавшая под руководством генерала Коваленко научные проблемы проводной связи. Стартовала новая эра связи, и стране требовалась собственная теория кодирования. А ведь подобная теория является чистейшей математикой: смесью из теории вероятности, комбинаторики и алгебры. Для этого потребовался набор математиков. При этом в те времена в Математическом институте им. В. А. Стеклова РАН было руководство, которое отказывало в работе евреям. Так что во вновь образованный институт пришло множество талантливых математиков. В итоге была сформирована сильнейшая математическая школа. Институт подарил миру троих филдсовских лауреатов: Андрея Окунькова, Максима Концевича и Григория Маргулиса. Сейчас здесь трудится академик Яков Григорьевич Синай, лауреат Премии Абеля. А другой сотрудник, Максим Львович Концевич, является не только членом Французской академии, но и двукратным лауреатом Мильнеровской премии. Чаще летом, но иногда и зимой, эти люди нередко приезжают для ведения семинаров и работы с молодежью.

Однако со сменой времен изменились и «лидирующие» математические дисциплины. В первую очередь, сейчас речь идет об анализе данных, или же интеллектуальном анализе данных: это Data Science, Machine Learning. Данная наука в действительности объединяет абсолютно все имеющиеся в институте направления.

Рассмотрим совокупный объем информации, оказавшейся в общем компьютерном пространстве. Девяносто процентов его возникло за последние пару лет. Это – хоть и фантастика, но правда. Выяснилось, что извлечь из этих данных можно немало. Подобная технологическая возможность привела к возникновению свежих математических задач. Скажем, так называемое распознавание в многомерных пространствах многообразий. Речь идет о разнообразных сферах человеческой деятельности: от социологии до машиностроения. В настоящее время активно обсуждают интеллектуальный анализ видеопотоков. В процессе распознавания изображений человек ошибается в пяти процентах от всех случаев, современная же система Deep Learning - в шести процентах. Эта история совершенно фантастична, она уже приближает нас к первым невероятным результатам. Нельзя сказать, чтобы данную задачу уже научились хорошо решать, однако мы близки к этому. В скором времени это перевернет всю нашу жизнь. Очередная технологическая революция уже на пороге – мы видим первую ее волну.

Свежие возможности, предоставляемые нам data science, привели к сложнейшим «тектоническим» процессам во всем мире. Многое пока не имеет устоявшихся терминов. Иногда употребляется словосочетание «технологический интернет», подразумевающее предоставление радикально новых возможностей широчайшему кругу пользователей. Скажем, хочет человек кресло с минимумом уровня отклонения в 110 градусов, максимумом – в 150, рассчитанное на его вес в сотню килограммов. В интернете, из невероятного числа 3D-моделей кресла ему подберут самое подходящее. А если и не найдут, то автоматически сконструируют именно то, что требуется.

При этом образуется сложнейшая проблема. Начинают постепенно исчезать люди со средней квалификацией, так называемые «синие воротнички», занимавшиеся ранее рутинной работой такого характера. В наши дни в мире около 70 миллионов конструкторов, лишь один процент из которых можно называть в соответствии с принятой ныне международной практикой экспертами. Так вот лишь этот один процент способен работать с современными сложнейшими средствами проектирования. Проектируется же сейчас все что угодно: от велосипедов с садовыми домиками вплоть до атомных станций с ракетами. Пространство для людей со средней квалификацией потихоньку сжимается. В наши дни никому не интересен человек, всю жизнь рисовавший гайки с болтами. Не требуются и студенты, которых готовят к этому: девать их будет некуда. Проблема это действительно глобальна и серьезна.

В Париже, например, корпуса «Ситроена», «Рено» или «Пежо» просто огромны: ранее там едва ли не миллионы людей работали, а сейчас каждому цеху хватает нескольких человек и манипуляторов. Уже к 2020 году обещают создать машину без водителя. Может, сделают ее и к 2025 году. Но водителей-то в нашей стране также миллионы!

Развитие человека не поспевает за технологической революцией. По мнению Кулешова, квант биологической эволюции составляет двадцать пять лет, технологической же – года три-четыре, не более пяти.

В выигрыше останется человек, получивший отличное образование, а также страна, где такое образование получить реально. В подобных условиях преступлением перед своим собственным народом оказывается снижение расходов на образование и общего его уровня, а также снижение расходов на науку. А ведь именно это у нас и происходит!

Кулешов утверждает, что наша страна за последние четверть века раз в сто поглупела. Цифра, конечно, весьма условна, но может оказаться близкой к реальности. Ведь образовательный уровень падает, поскольку самые молодые уезжают…

Но стоит вернуться к институту. Кулешова попросили выделить основные достижения, которыми он, безусловно, гордится.

По словам академика, настоящее время в мире применяют шесть различных систем кодирования, из которых две с половиной созданы в данном институте. В частности, именно здесь разработали алгебро-геометрические коды, сверточные обобщенные коды, признанные всем миром. Стоит пояснить его оговорку «с половиной». В Qualcomm разработали американский стандарт мобильной связи – CDMA. Однако рассчитали его и обосновали профессор Зигангиров и его коллеги, что также признано повсеместно.

Некоторое время назад в России, в Санкт-Петербурге, проводился всемирный симпозиум IEEE, который посвятили теории информации. IEEE является крупнейшей инженерной международной организацией, создавшей большую часть мировых стандартов в сфере IT. Организатором оказался как раз институт Кулешова, что было для них большой честью. Ведь их заслуги в данной сфере признали по всему миру. Для этого и создавался институт, и данная задача выполнена.

В настоящее время огромное внимание уделяют проблеме импортозамещения в сфере программного инженерного обеспечения. Готовы ли мы к этому?

Академик недавно изучал работу CIMdata Report, авторитетнейшей консалтинговой компании, занимающейся инженерным софтом, PLM-системами. Там дали совокупную оценку, сколько требуется человеко-лет для того, чтобы создать все средства инженерного софта, используемые в настоящее время в мире. Речь идет о 750 тысячах человеко-лет! Иными словами, проблема не в финансах… Завали мы данную отрасль долларами, и ничего от этого не изменится. Мы попросту не можем делать все то, чем занимается мир вокруг нас. Одна половина отечественной промышленности трудится на системе Unigraphics, другая половина – в 3D-CAD на системе CATIA. Причем как раз CATIA создавалась на глазах Кулешова: четырьмя тысячами человек в течение трех десятков лет. У нас просто нет таких ресурсов. Так что просто не стоит фантазировать.

Было предпринято невероятное количество попыток создания отечественных ERP-систем, скажем, аналогов SAP. Были «Паруса», «Галактики» и так далее… Но их нет… Уцелела лишь 1C для бухгалтерии, поскольку бухгалтерия в нашей стране весьма специфична.

Проблема заключается не в принципиальной невозможности сделать это, а просто в скромных размерах нашего рынка. Он составляет лишь полтора – два процента от общемирового. Выжить на таком рынке попросту невозможно. Выполнима концентрация ресурсов для одноразового создания чего-либо. Но если ты, условно говоря, ползешь со скоростью черепахи, а мимо на скорости в триста километров в час мчатся поезда, ты неизбежно отстанешь. Требуется экономический ресурс для развития на данной площадке своей системы, но его нет на нашей площадке. Для этого нет экономики, просто экономического ресурса, а понять это также не желают.

Как развивались, скажем, китайцы? Они для выживания начали поддерживать экспорт. Необходимо поддерживать то, что приобретается по всему миру, за рубежом. Это и станет импортозамещением. Иными словами, импортозамещение является ориентацией со стороны государства на экспорт, необходима поддержка компаний, способных трудиться на международных рынках, но остающихся здесь. Это и станет нашим импортозамещением. Такие компании станут развиваться самостоятельно, ведь они экспортируют, их рынком является весь мир. Отличным примером является «Лаборатория Касперского», чью продукцию приобретают по всему миру миллионы людей.

Еще раз, желая импортозамещения, необходимо поддерживать экспорт. Конечно, государству следует ставить перед наукой конкретные задачи. Нужен какой-то внешний импульс. Государству придется сформулировать: зачем требуется наука вообще и академия в частности?

Вот, скажем, провели реформу, сказали, что сделали все хорошо. Но что станет объективным критерием оценки, действительно важным для государства показателем? В наши дни принято рассуждать об эффективности науки. Если понимать под этим количество статей в Web of Science, то это окажется нелепицей с государственной точки зрения. В реальности же эффективность науки подтверждается улучшением качества жизни людей. Если можно будет выстроить позитивные причинно-следственные связи между качеством жизни рядового российского гражданина и наукой, то можно будет сказать, что это хорошо.

В реальности это не так уж и сложно. Кулешов уже предлагал создавать Национальные лаборатории. У нас принято считать, что в Америке всю науку делают в университетах, что очень далеко от истины. Скажем, в США существует семнадцать междисциплинарных Национальных лабораторий. Сюда еще не вошли лаборатории, работающие при Национальном институте здоровья. В указанных междисциплинарных лабораториях трудится больше шестидесяти тысяч исследователей высочайшего уровня.

Там также требуются трансдисциплинарные коллективы, которые ориентированы на решение задач прикладных, актуальных для государства.

Подобные задачи были бы связаны с нашим будущим. Речь идет об информационных технологиях, энергетике, оборонной тематике, науке о людях. Подобные цели с задачами необходимо формулировать. К сожалению, в настоящее время мы абсолютно утратили механизм, позволявший нам делать это в советские годы.

В то же время недопустимо ограничение фундаментальной науки в ее свободе научного поиска. У ученого должна иметься возможность занятия тем, чем он хочет и на что он способен. Как сказал в свое время один из авторов советского атомного проекта, академик Арцимович: «Наука — это лучший способ удовлетворения собственного любопытства за государственный счет».

Ни один футуролог ни за что не сможет предсказать то, что получится. Истории известны примеры, когда абсолютно абстрактные исследования приводили к возникновению вещей, актуальнейших и совершенно «чудесных» для всего человечества, совершенно непредсказуемых априори.