Юрий Макарычев – математик, ученый, профессор (Toyota Technological Institute at Chicago (TTIC), Department of Computer Science и The College в University of Chicago). В интервью Юрий рассказал о своей профессиональной карьере и исследованиях, а также порассуждал, как современные технологии меняют мир.
Расскажите о направлении ваших исследований, пожалуйста.
Я занимаюсь теоретической информатикой, по-английски это называется theoretical computer science. Эта область информатики очень близка к математике. Конкретно моя область исследований — это алгоритмы для комбинаторной оптимизации.
Что же это такое простыми словами?
Идея заключается в том, что есть много сложных задач, про которые мы знаем, что компьютеры не могут решить их точно за разумное время. Я придумываю аппроксимационные алгоритмы, позволяющие решить эти задачи приближенно – а не точно — за приемлемое время.
Где это применяется на практике?
Комбинаторная оптимизация используется в очень многих областях, например, для оптимизации бизнес-процессов, логистики, составления расписаний. Есть даже такое направление — исследование операций (Operations Research), которое занимается приминением комбинаторной оптимизации в бизнесе. В последние время много внимания привлекло использование комбинаторной оптимизации и аппроксимационных алгоритмов в machine learning. Машинное обучение или распознавание образов занимается решением задач, которые раньше были доступны только людям. Самые известные примеры последних лет: беспилотные автомобили, ChatGPT и другие большие лингвистические модели, программы создания изображений, такие как DALL-E и Midjourney. Используется machine learning и в бизнесе.
Приведете пример?
Например, всем известный сайт amazon.com. Задача – понять, какие товары, книги, фильмы могут быть для вас интересны, и предложить вам именно их. Для этого нужно проанализировать огромное количество информации, начиная со списка ваших покупок и заканчивая покупками тех людей, чьи интересы схожи с вашими (таких людей тоже сначала нужно вычислить, сравнивая ваши и их покупки). Такие задачи – очень сложные, с огромным количеством данных, их очень тяжело решить точно за короткое время. Но можно решить приближенно. Я как раз работаю над алгоритмами, которые это делают. Но меня интересуют в первую очередь математические основы решения таких задач.
Чем это отличается от data science, работы с big data?
Понятие big data сейчас очень размыто, разные люди понимают его по-разному, и включает в себя разные области computer science и статистику. Да, можно сказать, что многое из того, чем я занимаюсь, относится к big data.
Расскажите, пожалуйста, почему вы выбрали математику как основное приложение своих сил?
Я стал увлекаться математикой очень рано, уже в первом классе с удовольствием читал книгу Перельмана «Занимательная математика». Во втором классе мы с братом пришли в компьютерный кружок, и хотя мы не проходили по возрасту, нас взяли. Затем перешли в специализированную математическую школу, в старших классах принимали участие в различных математических соревнованиях, олимпиадах. Затем – учеба на мехмате МГУ. Я говорю «мы» – потому что мы с моим братом-близнецом Константином Макарычевым прошли этот путь вместе.
Два увлеченных математика в одной семье?
Да, так получилось, что мы оба всерьез заняты computer science и математикой. У нас много совместных научных проектов до сих пор. И после окончания МГУ вместе уехали в США по рабочим визам. Сейчас брат работает в Northwestern University.
Здорово иметь брата-единомышленника. Расскажите, как сложилась ваша карьера в Америке.
После переезда небольшое время я работал программистом в Силиконовой долине. Затем поступил в аспирантуру в Принстонский университет.
Где было сложнее учиться, в МГУ на мехмате или в Принстоне?
Я бы сказал, что учиться и там, и там было не сложно, ведь я занимался тем, что мне было интересно. В Принстоне я учился на PhD программе, поэтому большую часть моего времени занимали именно научные исследования, а не посещение учебных курсов. После аспирантуры я два года проработал как postdoctoral fellow в Microsoft Research, это была исследовательская позиция.
То есть, несмотря то, что вы работали не на научное учреждение, а на коммерческую компанию, вы занимались именно теоретическими исследованиями?
Да, сейчас многие крупные технологические компании имеют свои научные подразделения, например, Google, Meta (бывший Facebook), Microsoft, IBM и так далее. Их исследования могут носить как более теоретический, так и более прикладной характер, но в целом это настоящие научные исследования.
Как вы себя в первую очередь определяете? Кто вы: математик, исследователь, ученый, преподаватель?
Ученый. В Америке для профессоров в ведущих университетах самое главное – это исследования, хотя преподавание, конечно, тоже важно. Поэтому на профессорские должности в основном идут люди, которые могут увлечь своими исследованиями студентов и аспирантов, и вместе с ними развивать науку.
Расскажите о том, где вы работаете сейчас.
Я профессор в Технологическом институте Toyota в Чикаго (TTIC, Toyota Technological Institute at Chicago). Этот институт был основан в начале 2000-х годов компанией Toyota Motor Corporation и семьей Toyota. Это очень небольшой институт, который занимается только информатикой, причем не всей, а только несколькими областями: machine learning, искусственным интеллектом, а также теоретической информатикой. Именно ею я и занимаюсь.
Кто учится в этом институте?
На нашей PhD программе учатся аспиранты со всего мира. TTIC расположен в Гайд-парке на территории кампуса Чикагского университета (University of Chicago) и тесно с ним связан. Наши аспиранты могут посещать любые курсы в Чикагском университете или, например, пользоваться библиотекой и спортивным центром в Университете. В свою очередь, студенты и аспиранты Чикагского университета могут посещать любые курсы в TTIC. Поэтому, с точки зрения студентов, мы просто одно из подразделений Чикагского университета. Я также являюсь профессором Чикагского университета.
Вам нравится преподавать?
Да, мне нравится делиться своими знаниями, рассказывать про то, что я люблю. Часто, готовясь к лекции, нахожу какие-то новые исследования, статьи – узнаю что-то новое для себя, лучше понимаю какой-то материал. На мой взгляд, лучший способ понять алгоритм, теорему или теорию – это рассказать о них студентам или колллегам.
Пожалуй, самая модная тема в технологиях сейчас – искусственный интеллект. Многие переживают из-за его стремительного развития. Как вы считаете, победит нас, людей, искусственный интеллект?
Я – оптимист, и верю, что эти технологические изменения приведут к улучшению качества жизни, откроют новые возможности для творчества. Как это было в прошлом, многие технологии меняли мир, например, когда начали использовать паровые машины или электричество. Да, люди боялись, что машины многих оставят без работы, но этого не произошло. Так же и сейчас многие опасаются, что искусственный интеллект сильно повлияет на рынок труда, часть профессий станет значительно менее востребованной. Я понимаю их озабоченность, но не думаю, что эти изменения в целом будут к худшему. Хотя да, конкретные люди могут потерять работу.
Например, говорят, что работу, которую делают рядовые программисты, скоро будет делать искусственный интеллект. Это правда?
С искусственным интеллектом главная проблема в том, что никто не знает, что будет дальше. Еще несколько лет назад было трудно предположить, что ChatGPT сможет поддерживать диалог на таком высоком уровне. Мы не знаем, что будет завтра. Десять лет назад мы думали, что компьютеры заменят водителей, но пока этого не произошло, и не понятно, произойдет ли вообще в обозримом будущем.
Решает ли искусственный интеллект задачи, которые вы даете своим студентам?
ChatGPT и подобные системы пока не в состоянии решать задачи по программированию такого уровня, который я требую от студентов, я проверял. Но более простые задачи компьютер решает без проблем. Что будет через два года, я не знаю; возможно, ChatGPT научится решать и более сложные задачи. Если возвращаться к вопросу о том, смогут ли компьютеры заменить программистов, то, вероятно, в перспективе да, entry level специалистов заменит. Поэтому молодым людям, изучающим программирование, советовал бы уже сейчас брать более продвинутые курсы.
Искусственный интеллект наверняка внесет большие изменения в систему образования, ведь домашнюю работу можно будет сделать при его помощи вообще без проблем. Вы как преподаватель видите в этом опасность?
Да, это проблема. Преподавателям надо перестраиваться. Образование вообще ждут большие перемены. Я пока просто студентов прошу не пользоваться ChatGPT. Иногда легко можно определить, написан ли текст человеком или ChatGPT – ChatGPT любит какие-то слова и выражения; бывает, что его текст слишком правильно написан. Но у меня не было случаев, чтобы студенты сдавали решения, написанные ChatGPT. Сейчас ценится умение правильно сформулировать вопрос искусственному интеллекту. Скорее всего, в будущем и это умение не будет особенно востребовано, нейронные сети научатся понимать, что от них хотят, вне зависимости от того, как им зададут вопрос. Посмотрим.
Да, эти технологии развиваются стремительно…
Безусловно, искусственный интеллект, ChatGPT и похожие технологии очень изменят мир. Какие-то изменения будут даваться нам тяжело. Но я надеюсь, что будет немало и позитивных изменений. Например, можно предположить, что у каждого студента будет свой персональный советчик, созданный на основе искусственного интеллекта, с которым можно будет обсудить все задачи, найти решение, понять суть той или иной проблемы. И это может быть очень хороший опыт.
В заключение, пожалуйста, дайте совет молодым людям, которые стремятся строить карьеру в науке.
Самое главное – это выбрать область науки, которая вам интересна, и тогда все получится.