Дмитрий Скугаревский, ведущий научный сотрудник института проблем правоприменения при Европейском университете
Т. Троянская― 13 часов 6 минут, в студии Татьяна Троянская. Программа «Чаадаев». Сегодня мы будем говорить о физиках и лириках. Я с удовольствием представляю гостей в студии. Напротив меня – Дмитрий Скугаревский, ассоциированный профессор ПАО «МТС»
по эмпирико-правовым исследованиям Европейского университета. Дмитрий, добрый день!
Д. Скугаревский― Здравствуйте!
Т. Троянская― Антонина Пучковская, руководитель программы «Анализ культурных данных и визуализация» ИТМО, здравствуйте, Антонина!
А. Пучковская― Здравствуйте!
Т. Троянская― И Андрей Фильченков, руководитель Лаборатории машинного обучения, тоже ИТМО. Добрый день!
А. Фильченков― Добрый день!
Т. Троянская― В центре нашего внимания сегодня магистерская программа, которая стартует в ИТМО в следующем ученом году, которая объединяет физиков и лириков. Да? Перед тем, как начать разговор, я у вас спросила, мы будем говорить о человеке Возрождения? Чем дальше мы живем, тем больше я понимаю, что люди сейчас объединяют сразу в себе несколько профессий. Причем иногда взаимоисключающих. Как было принято? Если ты гуманитарий, то ты ничего не смыслишь в точных науках, и наоборот. Все правильно?
Д. Скугаревский― Это известный вопрос, кем должен быть ученый.
Человеком Возрождения, знающим все из разных областей, или узким специалистом. Сейчас с ростом специализации все уже становится компетенция исследователей. Наша идея – объединить разные знания и людей из разных областей, которые раньше никогда бы друг с другом не встретились. С чего все началось? Могу привести конкретный пример.
Я второй раз имею удовольствие быть у вас в студии. Приблизительно полтора года назад мы рассказывали здесь про хакатон, рассказу про это чуть позже что это такое, который мы устраивали с ИТМО. У нас была конкретная задача в сфере госуправления, которую могли бы решить программисты. Мы пришли в технический университет ИТМО и сказали: «Волонтеры! Вот вам 24 часа. Придумайте нам алгоритм!» Мы оценили результаты работы и поняли, что программистам не хватает способности ставить содержательные вопросы. И сейчас мы здесь собрались, чтобы рассказать о программе, которая исправить этот пробел в их образовании.
Т. Троянская― Дмитрий, а новых людей вы будете делать из прирожденных физиков или из прирожденных лириков? Есть же все таки и такой вопрос, родился ты гуманитарием, или человеком с логическим мышлением. Антонина, может быть вы ответите?
А. Пучковская― Я как кандидат по культурологии могу дать ответ. Мы в Университете у себя любим говорить про такую интердисциплинарность – новый черный, и это программа создавалось с целью столкнуть эти два мировоззрения. Внутри этой программы существует три трека, один из которых для гуманитариев, для людей с гуманитарным бэкграундом, как раз для того, чтобы обучить их новым компетенциям и привить им новые навыки. Здесь прав Дмитрий, у гуманитариев есть контентное знание, постановка задачи, но отсутствует прикладное исследование или прикладные знания как можно применить алгоритмы самые несложные для анализа этих данных. Они хороши в интерпретации, а анализ иногда проседает в зависимости от образования.
Здесь я говорю про чистого культуролога или философа, который в отличие от социолога вообще ни с какими статистическими методами не знаком по роду своего образования. Мне бы хотелось думать, что это и будет человек эпохи Возрождения, эпохи Возрождения 2.0, в которой может существовать обновленный гуманитарий и технарь c более расширенным мировоззрением, хотелось бы в это верить, потому что программа создавалась с этой целью, мировоззренческой.
Т. Троянская― Дмитрий вспомнил о хакатоне. Давайте поясним, что такое хакатон, хотя мы в нашем эфире не раз об это рассказывали, но тем не менее!
Д. Скугаревский― Есть такое разделение труда, все интересные вещи, все, что делается для души, для создания общественного блага в широком смысле, делается не в рабочее время. Это по-английски называется pack projects, домашние проекты. Вы приходите с вашей работы и начинаете писать код для себя или для общества.
Т. Троянская― Разгрузка для интеллектуалов!
Д. Скугаревский― Хакатон – от английского to hack, то есть не ломать, а делать что-то в обход каких-то традиционных путей для достижения интересной цели. Hack и marathon. И мы собираем людей, которые во внерабочее время хотят что-то создавать для души, используя свои технические компетенции, и даем им понятную задачу.
Мы дали задачу и нам не понравились результаты. Не потому, что они не владеют алгоритмами, а наоборот, алгоритмы – это их сила. Победили студенты академического института РАН, очень сильные ребята. А как они интерпретировали результаты, почему они включили те переменные модели, а те не включили – это для нас как для знающих людей было непонятно. Поэтому сегодня мы возвращаемся к этому вопросу.
Т. Троянская― Они хорошо делают свою работу, но презентовать ее хорошо не умеют?
Д. Скугаревский― В том числе, да.
Т. Троянская― Это основная проблема?
Д. Скугаревский― Я бы не позволил себе говорить, что это основная проблема. Проблем много. И все нужно решать. Наверное Андрей может что-то добавит со стороны технического человека.
Т. Троянская― Со стороны технического человека, который руководит Лабораторией машинного обучения! Андрей, что такое машинное обучение?
А. Фильченков― Машинное обучение – это большой и активно развивающийся пласт, который связан с разработкой алгоритмов, которые позволяют анализировать данные. Про искусственный интеллект слышали все. В современном мире, когда говорят про искусственный интеллект, обычно имеют в виду машинное обучение. Это огромный инструментарий средств алгоритмических, которые позволяют решать довольно сложные задачи. Огромный спектр – начиная от распознавания речи, поиска закономерностей, обработки текстов, то есть всего того, с чем ассоциируется современный искусственный интеллект, хотя раньше это было не совсем так.
Т. Троянская― А как было раньше?
А. Фильченков― Раньше машинное обучение было одной из составляющих.
Т. Троянская― Частью было?
А. Фильченков― Было много разных подходов, но в силу разных причин они уже не столь актуальны, и сейчас глубокое обучение, которое является частью машинного обучения, фактически синонимично искусственному интеллекту. Но по сути это все еще набор технологий, которые позволяют решать задачи. И с этими технологиями чем дальше, становятся все более и более фундаментальными компетенциями. В разных странах на это смотрят по разному. В России – положительно и ставят довольно реалистические цели подготовки таких специалистов. Сейчас технологии искусственного интеллекта – это такое программирование. Если в 2000-х понимали, что сейчас наша экономика будет цифровой, и нам нужно делать программы и иметь специалистов, чтобы писать код, то сейчас нужно большое количество специалистов, которые умеют писать искусственный интеллект. Но при этом владение технологией не значит умение, куда ее применять.
Это то, о чем говорил Дмитрий, что технические специалисты могут очень хорошо решать задачи, но саму задачу они ставить не умеют. Они не умеют интерпретировать, а часто нужно решать задачу, понимая зачем ты ее решаешь. И не всегда получается поставить задачу так, что пошел и сделал. Практически во всех случаях необходимо подбирать решения, которые позволяют решать главную задачу, которая не лежит на поверхности, а в сфере юриспруденции, в сфере культурологии, не важно какой. И задачу нужно все время обновлять. Ставить задачу, смотреть, насколько они позволяют достичь цели.
Т. Троянская― Гибкость нужна!
А. Фильченков― Гибкость и понимание не только того как делать, но и для чего мы это делаем. Какие подводные камни бывают. Этого трудно с человеком достичь, потому что или человек физик – и он умеет это делать, либо человек лирик, и он понимает для чего это нужно.
Т. Троянская― Скорее физика легче обучить лирике, чем наоборот?
А. Фильченков― Наверное все же нет. Есть разные подводные камни. Сравнить что проще сложно. У программистов есть предубеждение против гуманитарных наук, и это мешает их переобучить. И этих камней довольно много. В этой программе мы будем пытаться с ними бороться.
Д. Скугаревский― По поводу физиков и лириков, может быть Антонина меня дополнит с философской стороны. Где-то две недели назад в США широко разошелся в научном сообществе твит: 2005 год – учите технические науки. Гуманитарии бесполезны. 2010 год – учите технические науки. Гуманитарии бесполезны. 2015 год — учите технические науки. Гуманитарии бесполезны. 2019 год – наша демократия в кризисе! Что делать?
Гуманитарии действительно полезны, и я не соглашусь с тем, что физика легче переучить в лирика, чем наоборот, потому что я сам был на презентациях программистов, которые показывали результаты работы алгоритмов, и никак не задумывались об этических предпосылках. Они говорили: «Вот мой результат, да он неустойчив, да, он не обладает внешней и внутренней валидностью, его нельзя будет повторить в будущем, но если мне много заплатят, я скажу, что он хороший и надежный». С эстетической точки зрения это неприемлемо.
Т. Троянская― Но это же просто человеческое! Иной лирик тоже самое скажет!
Д. Скугаревский― На мой взгляд, нет, не так! Хороший курс поэтики и философии заставляет человека переставать так думать. Хотя бы в момент принятия решения по моделированию.
А. Пучковская― И я согласна. И я наверное гуманитарий в трансформации. Я заканчивала. Санкт-Петербургский государственный университет, факультет философии. Сейчас он называется Институт философии. И попала в ИТМО. Я там уже два с половиной года, скоро три. И я попала в совершенно новую для себя парадигму, поле смыслов и дискурса. Все это наши любимые и красивые слова. И я могу сказать о том, чему меня научило общение с условно говоря физиками. Это постановка задачи с точки зрения валидности, изменяемости, того что можно измерить, а потом еще раз перемерить и прийти к каким-то общим выводам и знаменателям.
И это осуществимо! У меня меняется, трансформируется постановка задач, но при этом у меня понимание самого контента не уменьшается. Я как читала много книг, сколько я в них понимала, так и понимаю. Но теперь я хотела бы какой-то верификации, и пробовать новые методы, потому что и в культурологии, и в философии, в гуманитарных науках есть тоже методы. Это и сравнительный анализ, и несколько другой сравнительный анализ.
И интересно, имея такую подготовку пробовать дополнять новыми методологиями, которые наши коллеги из Лаборатории машинного обучения апробируют на нашем же исследовании, и сравнивать методологии физиков и лириков. Мы даже создали в ИТМО лабораторию, которая называется Лаборатория цифровых гуманитарных исследований.
Т. Троянская― Которой вы руководите?
А. Пучковская― Да. Это далеко не новое направление, но оно актуальное сегодня. На Западе оно конечно более развито. И это как раз тот цифровой гуманитарий.
Т. Троянская― А что там происходит?
А. Пучковская― У нас происходят как раз такие цифровые гуманитарные проекты. Мы берем компетентных людей в разных гуманитарных областях и пытаемся задачи, которые они ставят перед собой, решать алгоритмами, и при помощи коллег из различных лабораторий, которые у нас есть в ИТМО. Самые тесные отношения у нас с Лабораторией машинного обучения. У нас сейчас есть проект по перспективной визуализации топонимов Санкт-Петербурга. Мы создаем интерактивную карту Петербурга и наносим разные локации. Это не просто. Карт много и вряд ли мы сделаем что такое сверхъестественное, но интерес заключается в том, что по каждому топониму мы анализируем огромный пласт информации и находим интересные факты, какие люди там бывали, что там происходило. И получается, что каждый топоним обрастает историей. Она и называется ретроспективной, потому что ты, кликая, допустим на, Эрмитаж не будем брать, а на чью-нибудь квартиру, где жил Чайковский или Блок, и ты начинаешь смотреть вглубь и видеть, что помимо Блока так еще кто-то жил, или заходил, или гулял…
Т. Троянская― Такие исторические слои начинают раскрываться!
А. Пучковская― И получается такая многослойная карта. И если мы представляем эту задачу только как гуманитарии, то на это ушло бы много времени, много сил, много гуманитариев. И здесь мы скорее говорим о сокращении временных рамок. И благодаря алгоритмам машинного обучения, может быть Андрей меня поправит, но здесь не сколько сложные алгоритмы, сколько они сложно обучаемы, потому что мы говорим о русском языке. Тут тонкость в том, что у нас программа на английском языке, а очень много из того, что мы изучаем – это русский корпус, и мы наращиваем и обогащаем русский корпус, благодаря этому.
Т. Троянская― А иностранные магистранты предполагаются?
А. Пучковская― Да.
Т. Троянская― Это у нас новый курс, дополненный. А у вас уже были выпускники?
А. Пучковская― Я первый год руковожу, а до этого программа сама была на русском языке, с сентября 2019-го – мы открыты, и даже по KPI нужно обязательно набирать иностранцев-контрактников, поэтому и программа создавалась на английском языке.
Т. Троянская― А вы анализировали у кого интерес к этой программе? У выпускников каких вузов?
А. Пучковская― Если я буду про свою часть говорить, про гуманитариев, с ними с точки зрения продвижения просто. Что мы обещаем, и что будет реализовано, — это мы повышаем стоимость на рынке труда гуманитариев. Мы обучаем его новым навыкам, знаниям и компетенциям. Здесь – СПбГУ, ВШЭ, наши топовые гуманитарные вузы. Не знаю, поедут ли к нам люди из Москвы?
Т. Троянская― А там есть альтернатива Москве? В Москве есть на русском языке программа «Цифровые методы в гуманитарных науках» в Высшей школе экономики. Но они больше заточены на гуманитариев как на таковых. А у нас есть трек, и здесь Андрей лучше расскажет про трек по машинному обучению, где мы привлекаем сильных ребят, подкованных технически. Поэтому у нас такая коллаборация и столкновение этих двух мировоззрений. У нас большой набор – 25 человек и очень интересно, что из этого получится, как они будут объединяться, рассоединяться, какие микрогруппы будут создаваться внутри самого набора.
А. Фильченков― Программы, которые посвящены смешению цифрового и культурного создаются на базе культурного. Все эти программы, которые мы смотрели – они на базе гуманитарных факультетов. А ИТМО – вуз более физико-технический, и эта программа разрабатывалась не как «давайте мы повысим уровень гуманитариев», а это куда более сбалансированная история, где есть место и для людей с гуманитарным бэкграундом, и для людей с техническим. И как сказала Антонина, один из треков программы – это хороший анализ данных для людей, которые не решили перепрофилироваться, а уже может быть не столь реально, но уже имеют опыт программирования и техническую подготовку. И решили, что все эти таёжнические задачи, на которые обычно специалисты по машинному программированию кидаются, не столь важны и значимы, потому что они решают какие-то вполне обозримые проблемы, которые помогали человечеству, но очень опосредованно, но у многих, в том числе и у своих студентов, я видел желание поменять технологии для ответа на куда более понятные вопросы. Не как лучше распознавать изображение, или какие паты в поведении клиентов находить, а понимать что-то про общество, про взаимодействие общества, про коммуникацию. И как раз такого рода люди в первую очередь пойдут на переговоры. Помимо технического аспекта и для третьего трека дают существенное погружение в область гуманитарных задач, именно семантики самих проблем, как все устроено в области цифровой копирологии ?. В одном смысле мы нашли баланс лучше, чем те программы, которые уже существуют.
Д. Скугаревский― Я хотел бы пояснить, в социальных и гуманитарных науках основной инструмент – герменевтика толкования. Когда мы видим что-то, какой-то текст, начиная с текста Библии, мы его толкуем, и из этого делаем какие-то выводы. Технологии позволяют это толкование проводить без участия человека, например толкование текста. Как в примере Антонины с топонимами. Мы видим какие-то закономерности, не прочитав текста, а позволив их прочитать машине. И когда мы вынимаем из этого процесса человека, возникает конфликт. У меня он был достаточно часто.
Т. Троянская― Вот вы говорите об этом, и у меня он возникает, этот конфликт!
Д. Скугаревский― Когда машина дает результат, я смотрю на него как эксперт, и не верю! Не может такого быть! В 90% случаев я ошибался, когда писал код, и это моя ошибка. Но в 10% — это истина, которую мы никогда бы не заметили традиционным способом.
Т. Троянская― Машина умнее человека?
Д. Скугаревский― Нет, машина плюс эксперт, который внимательно смотрит на всех стадиях, не допущена ли ошибка.
Т. Троянская― В написании кода?
Д. Скугаревский― Во всем! И в коде, и в данных, и в интерпретации. И такой комплексный взгляд позволяет быть уверенным, что машина плюс человек станет лучше, чем просто человек.
Т. Троянская― А как же без посредников общение с текстом?
Д. Скугаревский― А это так называемое удаленное чтение. Может быть Антонина расскажет лучше. Профессор Моретти: «Если вы не можете прочитать книгу, позвольте ее прочитать машине». И есть замечательная литература про то, какие закономерности мы видим при корпусе работ Шекспира, например. Как построены связи между актами.
Т. Троянская― Но даже важнее процесс, а не получение результата! Я понимаю, когда тебе надо какой-то объем знаний за очень короткое время, ты можешь воспользоваться этим, но процесс важнее! Тогда лирика отсюда выдавливается! Это уже совсем не лирика!
Д. Скугаревский― По поводу важности процесса, я бы не согласился. Результат важнее для бизнеса, и сейчас машинное обучение, это как лучше распознать изображение, как повысить продажи, как в конкретном бизнесе лучше предсказание, а вот важность процесса – действительно наука. То есть мы делаем что-то высокое, оставаясь в башне из слоновой кости, и представляем это на конференции.
Т. Троянская― Мне кажется, что вы лирику просто жестоко используете ради получения всяческих выгод! Разве не так?
Д. Скугаревский― Интересно каких?
Т. Троянская― Ради того, чтобы проще было физикам! Или это мои субъективные ощущения.
А. Пучковская― В этой программе принимает…
Т. Троянская― Давайте прервемся, у нас новости!
НОВОСТИ
Т. Троянская― У нас продолжается дискуссия. Андрей только что произнес здравую мысль.
А. Фильченков― Если мы будем смотреть на то, как понимают слово лирики, в своем большинстве лириков из университетов не выпускают. Мы скорее пытаемся говорить про… Лирики против физиков – синонимично гуманитарии против технарей. И когда мы говорим про лириков и физиков мы имеем ввиду гуманитариев и технарей. Их из вузов и выпускают. А вот лириков скорее нет. Лирики и физики – это скорее больше про состояние души. Лирик может выбрать творческую профессию, как чаще всего и происходит и в ней себя реализовывать.
Т. Троянская― В фильме «Девять дней одного года», у взрослых людей сразу возникает ассоциация с этим фильмом. Там люди занимаются наукой, но при этом философски размышляют о жизни. И вспоминаю деятелей культуры, которые получили базовое образование в негуманитарном вузе, как например корабел Григорий Козлов, а режиссер Андрей Могучий, и мы знаем музыкантов, которые учились в технических вузах, но…
Антонине мы не дали договорить до новостей.
А. Пучковская― Это к вопросу вытесняем ли мы лирику из нашей программы, подменяя понятие человек Возрождения человеком универсальным. При это все знают, что все то, что универсально – оно…
Т. Троянская― Не качественно!
А. Пучковская― Не работоспособно, и не применимо в жизни. В эту программу и набор такой большой и она создавалась для того, чтобы помимо узких прикладных задач, которые мы будем ставить перед нашими ребятами, потому что им надо накапливать порт-фолио, но им нужно, и здесь Андрей прав, получив корочку об магистрантском образовании. Это два года, и довольно интенсивно надо учиться. И им нужно будет найти работу и трудоустроиться. Мы все еще существуем в реалии, когда… Представителей аристократического общества мало. Все выходят и ищут работу. А даже сразу и на первом курсе.
Помимо этого мы будем устраивать семинарские занятия, где я бы хотела, чтобы мы обсуждали в том числе и как технологии влияют на нашу жизнь, и куда мы идем, и ставить эти философские вопросы перед ребятами. По моему опыту, как я преподаю в ИТМО, когда я ставлю перед ребятами такие вопросы, вроде перед классическими технарями, они дают очень нетривиальные интересные ответы. Они как раз умеют размышлять. Скорее они эти вопросы не ставят для себя. А если перед ними кто-то этот вопрос ставит, они с удовольствием и рефлексируют, и отвечают и дают здравые интересные решения и ответы. А философия и славна постановкой вопроса, скорее даже чем ответа.
Т. Троянская― Постановка вопроса это как триггер? Человек, который начинает размышлять, думать. У нас есть рубрика «Умный город». Сегодня речь пойдет про машины и эмоции.
Умный город
С. Кагермазов― Как известно машины отличаются от людей тем, что уних нет чувств. Однако это не значит, что машина не способна считывать эмоции людей. Последнее направлении в развитии умных городов – это работа с человеческими эмоциями.
Зачем это вообще нужно? Ответ прост. Это необходимо почти для всех сфер жизни. Собеседование во время приема на работу. Системы наблюдения на вокзалах в метро. Вождение автобусов и пилотирование самолетов. Взаимодействие с умными цифровыми помощниками. Всюду необходимо правильно распознавать то, что чувствует человек.
Поэтому не удивительно, что существует масса различных автоматических способов выявлять человеческие эмоции. Один из самых известных и надежных способов – изучать выражение лица.
Исследователи отмечают, что больше половины всей информации люди передают с помощь мимики и наклона головы. Поэтому сегодня разрабатывают особый алгоритм для камер наружного наблюдения. Эти алгоритмы позволяют менеджерам ресторанов или начальникам службы охраны казино быстро вычислить то, счастливы ли были их завсегдатаи или наоборот, не хочет ли кто из них устроить драку.
Еще один действенный способ – это считывать физиологические параметры. Например с помощью энцефалограммы или электрокардиографии. Раньше для этого нужно было помещать человека в больницу или лабораторию. Сегодня существуют особые умные браслеты. Они могут считать температуру тела и электропроводимость кожи и определить с высокой вероятностью какую эмоцию вы сейчас испытываете. Вы даже не успеете посмотреть, который час.
Наконец никуда не деться от вездесущего анализа сантиментов. Сантимент – это не совсем чувство. Это – эмоция связанная с конкретной вещью или окружающей обстановкой. По сантименту можно понять как устроен человек по отношению к чему либо. Сегодня изучение сантимента очень популярно для анализа социальных сетей и широко применяется в маркетинге.
Такой анализ позволяет сказать счастливы ли люди или наоборот озабочены, основываясь на словах, которые они используют. Исследователи создают целые карты сантиментов и выделяют для каждого города мира особенное эмоциональное состояние.
Все эти три метода сегодня активно используют в самых разных исследованиях того, как люди ощущают себя в городах. В будущем как отмечают ученые возможно создадут адаптивную архитектуру. Она будет откликаться на чувства человека и подстраиваться под них.
Однако с изучением эмоций есть пока по крайней мере одна загуоздка. Умные технологии одинаково хорошо распознают не все эмоции. Если ярость, грусть и радость – это мейнстрим, и любая более-менее смышленая камера способна их уловить, то любовь, отвращение, страх и благодарность распознаются гораздо сложнее.
Поэтому можно сказать, что то, что делает нас особенными существами, это то, что мы умеем любить, бояться и быть благодарными. Машинам этого пока до конца не понять.
Т. Троянская― Институт исследовательских программ Европейского университета готовит эту рубрику. Есть у вас, что добавить? Видите, не человеческие эмоции подвластны технике, и это мне кажется прекрасным. Пока не все.
А. Фильченков― Тем более, что никто пока точно не знает, что является эмоцией, а что нет. Даже любовь. Ну да ладно. Здесь очень богатый материал для того, чтобы приводить примеры для того, о чем мы говорили до этого. В частности в машинном обучении все алгоритмы были написаны основаны на машинном обучении. Распознаем ли мы лица людей, читаем ли сигналы, которые доносят до нас сигналы с браслетов, или мы читаем тексты, их автоматическая обработка для предсказания того какую эмоцию сейчас отображает человек – это все говорит о машинном обучении. И задача анализа сантимента, которая обычно называется анализом тональности, скорее это задача, с которой программы будут сталкиваться.
Здесь важно то, что люди умеют, и чем дальше, тем лучше устанавливать эмоции. Куда важнее делать содержательный вывод на этом основании. Если вы владелец ресторана и распознаете эмоции людей, и вы видите, что люди печальны, это вовсе не значит, что люди печальны потому что вы что-то неправильно делаете. Может быть ваш ресторан стал местом, где люди чаще расстаются и говорят грустные новости. Или так влияет экономическая ситуация. Вы выложили новое меню, а у всех уменьшили зарплаты. Содержательная интерпретация полученных выводов – это то, чем технари занимаются в значительно меньшей степени, и в значительно меньшей степени склонны к тому, чтобы ставить правильно вопросы о причинно-следственной связи. И не потому, что люди в целом не могут увидеть причинно-следственную связь, а потому что здесь требуется знание не только того, что вы предсказали, но и то как устроена та область, где происходит это предсказание. И здесь не обойтись
без людей, которые в этой области понимают.
Давайте я расскажу про то, как обычно строятся междисциплинарные исследования. Это сложная история. У меня был опыт совместных междисциплинарных исследований с политологами, с социологами, медиками, культурологами, и найти общий язык бывает очень сложно, потому что другая сторона ожидает, что мы, математики, искусственный интеллект, умеем делать некую магию. «Приходите, и сделайте эту магию для нас!» А мы ожидаем, что задача будет поставлена понятно, с понятными критериями, чтобы мы…
Т. Троянская― Вы просите, чтобы они выражались конкретнее.
А. Фильченков― И тут общий язык найти сложно, поскольку, давайте будем обобщенно называть их лириками, и лирики думают, зачем ставить задачу – есть же искусственный интеллект, вы и задачу поставите лучше и решите ее, а мы дальше сделаем содержательные выводы. А мы со своем стороны стараемся донести, что так не получится.
Т. Троянская― Возникают трудности перевода.
А. Фильченков― Возникают трудности соединения
Т. Троянская― Как разъемы разные, как USB и…
А. Фильченков― Да, примерно так. И требуется много терпения и переговорных способностей, чтобы выработать общую точку соприкосновения.
Т. Троянская― А тут машины помогут?
А. Фильченков― Нет, тут к сожалению машины если и помогут, то лет через 15-20. Тут слишком большое пространство для интерпретации.
Т. Троянская― У нас одна минута до конца. Где будут работать эти люди, которые закончат вашу магистерскую программу?
Д. Скугаревский― Это гуманитарии, которые могут прийти в компанию, например в музей, и сказать, давайте мы оптимизируем ваши потоки, вашу экспозицию так, чтобы это было максимально выгодно с точки зрения выручки, и это технари, которые позволяют улучшать общество, сколь избитым не был бы этот лозунг не только в свободное время, но и на профессиональной основе. Если уложиться в одну минуту, то пожалуй так.
Т. Троянская― Вы готовите современного нового человека.
А. Пучковская― Эпохи Возрождения!
Т. Троянская― Этим и завершим. Спасибо большое и удачи!