- Новости науки со всего света

Премия Ильи Сегаловича: кто может претендовать на внушительную награду

Лауреатов выбирает Совет премии и конкурсная комиссия, в которые входят представители компании “Яндекс” и научного сообщества.

Фото компании “яндекс“.

“В основе наших технологий лежат разработки, которые были бы невозможны без сильной математической школы и фундаментальной науки”, – Аркадий Волож, генеральный директор группы компаний “яндекс“.

Фото компании “Яндекс”.

Сейчас Анастасия руководит Лабораторией BigData в Проектном офисе Стратегии развития Нижегородской области, куда Анастасию пригласили после получения премии.

фото компании “Яндекс”.

Ильи Сегаловича не стало в 2013 году. В 2012 году у выдающегося российского учёного и мецената обнаружили злокачественные

фото sergey vladimirov/flickr.

“От того насколько будет успешна наша наука, будет успешна и наша компания”, – Александр Крайнов, руководитель Лаборатории машинного интеллекта компании “Яндекс”.

Фото компании “Яндекс”.

Михаил Биленко, руководитель управления машинного интеллекта и исследований компании “Яндекс”.

Фото компании “Яндекс”.

Общий бюджет премии составляет 15 миллионов рублей.

фото компании “Яндекс”.

“Илья был очень-очень щедрым человеком и, конечно, ему было бы очень приятно, что у нас теперь есть такая премия”, – отметила жена Ильи Сегаловича, Мария (слева). Справа Юлия Рудый, “Вести.Наука”.

фото компании “Яндекс”.

Чтобы понять, по каким траекториям двигаются частицы внутри коллайдеров, учёным также необходимы методы машинного обучения.

Иллюстрация LHCb/CERN.


Научная премия имени Ильи Сегаловича присуждается за вклад в развитие компьютерных наук в России, Беларуси и Казахстане. В начале этого года лауреатами премии стали студенты, аспиранты и учёные из Москвы, Санкт-Петербурга, Нижнего Новгорода и Гомеля.

Перед началом приёма новых заявок, который стартовал 15 октября 2019 года, мы пообщались с победителями и создателями премии, чтобы понять, кто может претендовать на внушительную награду.

В первом отборе в номинации "Молодые исследователи" победили:

– Арип Асадулаев, студент ИТМО;

– Андрей Атанов, студент НИУ ВШЭ и Сколтеха;

– Павел Гончаров, студент Гомельского технического университета;

– Эдуард Горбунов, аспирант МФТИ;

– Александра Малышева, студентка НИУ ВШЭ (Санкт-Петербург);

– Анастасия Попова, студентка НИУ ВШЭ (Нижний Новгород),

А также аспиранты Сколтеха Александр Коротин, Марина Мунхоева и Валентин Хрульков.

"В основе наших технологий лежат разработки, которые были бы невозможны без сильной математической школы и фундаментальной науки", – Аркадий Волож, генеральный директор группы компаний "яндекс".

Фото компании "Яндекс".

Среди работ лауреатов — классификация эмоций в речи, теоретический анализ нейросетевых моделей, улучшение методов оптимизации, машинный перевод для редких языков, распознавание болезней растений по изображениям. Последнее может пригодиться, например, для создания роботов, которые в будущем будут работать в сельском хозяйстве бок о бок с человеком.

В номинации "Научные руководители" лауреатами премии стали:

Андрей Фильченков, доцент ИТМО, кандидат физико-математических наук;

Дмитрий Игнатов, доцент НИУ ВШЭ, кандидат технических наук;

Иван Оселедец, доцент Сколтеха, доктор физико-математических наук;

Вадим Стрижов, главный научный сотрудник МФТИ, доктор физико-математических наук.

Все они награждены за вклад в развитие научного сообщества и подготовку молодых учёных.

Общий бюджет премии составляет 15 миллионов рублей.

фото компании "Яндекс".

Корреспондент "Вести.Наука" (nauka.vesti.ru) пообщался с Эдуардом Горбуновым, студентом пятого курса магистратуры МФТИ, который занимается методами оптимизации. Его научным руководителем является Николай Гасников.

Эдуард рассказал о своей научной работе и преимуществах, которые подарила ему премия:

задачи минимизации матрицы на заданном множестве встречаются повсеместно: в машинном обучении, биологии, робототехнике, теории управления.

Наша задача найти приближенное решение, когда минимизировать функцию математически сложно. Когда сложно найти решение аналитически, применяют приближённые вычислительные методы. Для этого нужна вычислительная оптимизация. Мы придумываем математические алгоритмы, которые гарантируют, что решение найдётся. В нашей работе всегда есть достаточно красивая математическая часть. Мне нравится не просто придумывать алгоритмы, но и […] создавать гарантии того, что этот метод будет работать на практике.

На вопрос о том, на каких машинах работает Эдуард и его коллеги, он ответил:

Мы работаем не на суперкомпьютерах. Всё зависит от объёма данных, если размерность задачи небольшая, то вполне можно всё сделать на своём ноутбуке. Иногда приходится считать на суперкомпьютерах, но конкретно этим я сам не занимаюсь, я больше занимаюсь теорией, доказываю теоремы.

Корреспондент "Вести.Наука": Эдуард, на что вы планируете потратить денежное вознаграждение и какие ещё плюсы есть у премии Ильи Сегаловича?

Кроме собственно денежного вознаграждения, "яндекс" финансирует поездку на любую топовую международную конференцию. Я считаю, что это очень интересное предложение. Можно самому выбрать какую, а это шанс пообщаться с самыми выдающимися учёными в твоей области, впитать их опыт.

В декабре я поеду на конференцию NeurIPS, где приняли две мои статьи. Там можно за неделю получить такой объём новых знаний, который раньше ты бы получил, скажем, за три месяца. Это всегда очень продуктивно. сейчас, даже если прошла твоя статья на конференцию, не всегда можно найти финансы на поездку. Гранты позволяют компенсировать только уже затраченные средства, а здесь ты можешь поехать, ни о чём не беспокоясь.

Корреспондент "Вести.Наука": Приведите, пожалуйста, понятный всем пример, как применяются результаты вашей математической оптимизации.

Предположим, что какая-то крупная компания занимается синтезом лекарств. Это означает, что нужно синтезировать молекулы. Атомы в них занимают определённое положение с минимумом потенциальной энергии, то есть сидят в максимально удобном для себя положении.

Чтобы получить новое лекарство, атомы надо "пересадить" в другое удобное для них положение. Можно экспериментальным путём пробовать синтезировать нужные молекулы, разные их вариации. А можно вместо дорогостоящих экспериментов при помощи компьютера смоделировать такой лабораторный машина в итоге построит даже приближённую конфигурацию молекулы. То есть при помощи математической оптимизации можно создавать новые лекарства и тратить на это гораздо меньше средств.

Ильи Сегаловича не стало в 2013 году. В 2012 году у выдающегося российского учёного и мецената обнаружили злокачественные неоплазия. К сожалению, в схватке с болезнью Илья Валентинович в итоге проиграл.

фото sergey vladimirov/flickr.

Немного рассказали о себе и своём извилистом пути в компьютерные науки и другие победители.

Так, Павел Гончаров из Гомельского государственного технического университета признался, что в его семье нет ни одного программиста. Нейронные сети, применяемые сегодня в самых разных областях, Павел, будучи студентом первого курса, изучал поначалу при помощи Интернета, блогов и научных статей.

На третьем курсе, желая заниматься наукой, Павел познакомился с Геннадием Алексеевичем Ососковым из Объединённого института ядерных исследований.

"могу точно сказать, что мне повезло работать с таким профессионалом с огромным опытом и багажом знаний. Самое главное: Геннадий Алексеевич всегда болеет за общее дело и результат, а не за деньги и свои личные интересы", — делится Павел.

Основное направление научной работы Павла —реконструкция траекторий элементарных частиц высоких энергий в современных детекторах с помощью методов машинного обучения. Также он занимается распознаванием болезней растений по фотографиям листьев и проблемой биомониторинга. Такие работы пригодятся фермерам будущего для диагностики и, возможно, автоматического лечения растений и даже животных.

Чтобы понять, по каким траекториям двигаются частицы внутри коллайдеров, учёным также необходимы методы машинного обучения.

Иллюстрация LHCb/CERN.

Павел Гончаров также объяснил нам, что подразумевается под методами машинного обучения и почему эта область науки так важна.

Машинное обучение (Machine Learning, или ML) — это когда компьютер не просто использует заранее написанный алгоритм, а сам обучается решению поставленной задачи, используя набор данных для обучения.

Методов ML много, но самый эффективный, и потому популярный, основан на применении глубоких искусственных нейросетей, то есть таких, у которых много скрытых нейрослоёв, сложная многоуровневая структура, за счёт которой они гораздо полнее описывают практически любую проблему со многими параметрами. методы работы с глубокими нейросетями называются глубоким обучением (Deep Learning, или DL).

Искусственные нейросети — это совсем не то же самое, что присутствует у нас в мозгу. Когда-то они начинались как упрощённые математические модели, а сейчас выросли во что-то совершенно новое. Мы даже сами не всегда можем понять, что они собой представляют и как работают. Но одно из полезнейших свойств этих методов — возможность учиться.

Мы, люди, учимся каждый день, с самого детства. Если спросить у кого-нибудь, как он отличает кошек от собак или хомяков от морских свинок, вряд ли он сможет описать чёткую последовательность действий (алгоритм), которая привела его к тому или иному решению. То есть потенциально для всех задач, для которых невозможно или очень сложно придумать алгоритм решения, необходимо использовать методы машинного обучения.

Ещё один плюс глубокого обучения в том, что модели могут быть поистине быстрыми, будучи запущенными на специализированном оборудовании.

сейчас Анастасия руководит Лабораторией BigData в Проектном офисе Стратегии развития Нижегородской области, куда Анастасию пригласили после получения премии.

фото компании "Яндекс".

Анастасия Попова из нижегородского филиала Высшей школы экономики (научный руководитель Александр Пономаренко) рассказала, что компьютерным зрением заинтересовалась ещё на первом курсе. Область эта перспективная, и в ней ещё много не решённых задач, в которых Анастасии хотелось бы попробовать свои силы.

Анастасия работала в компании, создавая коммерческие продукты, и параллельно вела исследования в лаборатории ВШЭ в области распознавания эмоций в голосе. Решение таких задач позволит создавать более совершенных голосовых помощников и улучшить технологию умного дома.

Кроме того, Анастасия изучает оптимизацию нейронных сетей, занимается научной Деятельностью со студентами, курирует их научные исследования и руководит Лабораторией BigData в Проектном офисе Стратегии развития Нижегородской области, куда Анастасию пригласили после получения премии.

"Нейросетевые технологии сейчас пытаются применить везде, где это только возможно: встроить в каждый телефон или камеру видеонаблюдения. Но зачастую сделать это невозможно из-за недостатка мощности и/или памяти устройства. Поэтому возникает необходимость оптимизации", — поясняет Попова.

Также Анастасия рассказала, что с детства мечтала стать профессиональным гонщиком. Свою мечту она теперь реализует на любительском уровне.

"Кстати, у нас там [в спортивной секции — прим. ред.] очень много программистов. Видимо, они любят необычные виды спорта. Так что стереотип о вечно сидящих в офисе в растянутых свитерах программистах не про нас. Кто хорошо отдыхает, тот хорошо и работает", — заключает Анастасия.

"От того насколько будет успешна наша наука, будет успешна и наша компания";, – Александр Крайнов, руководитель Лаборатории машинного интеллекта компании "Яндекс".

Фото компании "яндекс".

Арип Асадулаев из питерского ИТМО (научный руководитель Андрей Фильченков) всегда интересовался вопросами кибербезопасности и технологиями искусственного интеллекта, и в итоге написал дипломную работу об анализе вредоносного кода с помощью глубоких нейронных сетей.

сейчас он в большей степени занимается разработкой методов обучения с подкреплением и нейронными сетями с расширенной памятью. Арип ведёт несколько параллельных исследований в разных областях (машинное обучение в биологии, генеративные модели, глубинное обучение с подкреплением), в том числе один проект совместно с другим лауреатом Александром Коротиным.

Обучение с подкреплением — метод, при котором система самостоятельно обучается, взаимодействуя со средой. А нейронные обеспечивающая обмен данными между вычислительными устройствами”>сети с расширенной памятью — это, наверное, одна из наиболее биологически инспирированных архитектур, при этом показывающая хорошие результаты на многих задачах, объяснил Арип.

"Меня мотивирует мысль, что решение ряда научных задач в машинном обучении на практике скажется сразу на множестве областей, от медицины до медиа и социальных сетей" — рассказал Арип.

Пообщавшись с создателями премии, мы также выяснили, что все лауреаты смогут снова подать заявки в новом сезоне.

Как сообщают организаторы, в первом сезоне на конкурс поступили 262 заявки из России, Белоруссии и Казахстана. Средний возраст кандидатов составил 25 лет. Представители именно этих стран (молодые учёные и их научные руководители) могут рассчитывать на получение грантов в размере 350 тысяч рублей (студенты и аспиранты) и в размере 700 тысяч рублей (научные руководители).

Премия выплачивается в течение следующего за награждением учебного года. Студенты и аспиранты также получают персонального ментора, могут поехать на международную конференцию по искусственному интеллекту и пройти стажировку в отделе исследований компании "Яндекс".

Премия присуждается за исследования в области машинного обучения, компьютерного зрения, информационного поиска, анализа текстов и машинного перевода, распознавания и синтеза речи.

"С помощью премии мы хотим подчеркнуть важность научной работы. Мы готовы поддерживать самые разные исследования в области компьютерных наук — от практических, которые дадут результат уже завтра, до теоретических, значимость которых будет понятна только через много лет, — говорит Елена Бунина, генеральный директор компании "Яндекс" в России. — Хочется верить, что премия будет стимулировать Интерес к исследованиям, и с каждым годом мы будем получать всё больше сильных заявок".

Мы также пообщались с Михаилом Биленко, руководителем управления машинного интеллекта и исследований компании "Яндекс", который знает о премии больше, чем кто-либо.

Корреспондент "Вести.Наука": Михаил, расскажите, чем финалисты премии отличаются от лауреатов?

Финалисты — это ребята, подающие надежды. В таких конкурсах отличия между участниками конкурса, как правило, не велики. У кого-то немного больше опыта, немного больше удачи или лучше прошёл собеседование. Статистически они мало отличаются. Они все молодцы.

Корреспондент "Вести.Наука": Михаил, кто и как отбирал финалистов?

Жюри включало в себя 15 человек, в основном это исследователи, которые занимаются прикладными компьютерными науками, действующие учёные. Их задача заключалась в том, чтобы разобрать работы и провести собеседования со всеми конкурсантами.

Корреспондент "Вести.Наука": Михаил, насколько хорошо, на ваш взгляд, развита в России подготовка студентов по специальностям искусственный интеллект, машинное обучение и нейронные сети? Какие плюсы и минусы у наших университетов и институтов, если сравнивать с иностранными вузами? Чего не хватает нашей стране в этом отношении?

(Поясним, что Михаил окончил аспирантуру Техасского университета в Остине и ранее работал в компании Microsoft.)

В России очень сильная математическая база. Наша школа даёт фундаментальное и при этом широкое математическое образование. Получается, что у наших ребят уже есть фундамент, благодаря которому гораздо проще понимать, анализировать и придумывать новые алгоритмы и методы. Это один из наших столпов.

другой столп — олимпиадная культура, которая у нас здравствует ещё со школы. сейчас она переросла в культуру, которая больше связана именно с программированием. Есть олимпиады школьные и университетские, есть и всевозможные онлайн-соревнования, есть и соревнования, которые проводят компании. Это тоже многих готовит к тому, чтобы решать задачи и постоянно развивать себя. Вот эти базовые знания очень хорошо закладываются нашей системой образования.

Корреспондент "Вести.Наука": А чему нашим стоит поучиться у иностранцев?

Сложно сравнивать, потому что иностранцы тоже все разные. Есть американская и канадская системы, которые я очень хорошо знаю. Есть европейская система, она в свою очередь отличается от нашей. И в каждой есть свои плюсы и минусы.

Так, большой плюс американской и канадской систем, на мой взгляд, в том, что там очень легко менять специальности. Большинство людей, когда поступают в университет, примерно представляют, чем они хотят заниматься. Но часто они меняют специальность на первом или втором курсе.

Не так как у нас, когда люди поступают на кафедру и сразу определяются, чем они будут заниматься. С другой стороны, у нас есть возможность значительно углубиться в выбранной изначально специальности.

Михаил Биленко, руководитель управления машинного интеллекта и исследований компании "Яндекс".

Фото компании "яндекс".

Корреспондент "Вести.Наука": Михаил, расскажите вкратце о работах победителей премии. Какие проблемы современности они решают? Какие перспективы у этих работ?

работы можно разделить на две категории. одна — это более базовые работы в машинном обучении и машинной оптимизации, которые фактически применяются везде, где применяется машинное обучение. Они относительно универсальны.

Вторая группа — это работы, которые связаны с областью данных, будь то изображения, распознавание речи или перевод. Поскольку это научные работы, то они, соответственно, решают какие-то общие задачи, не под какой-то конкретный продукт.

Это общие методы. Неважно, что мы потом будем распознавать, котиков или собак или картины в музее, если это связано с обработкой изображений.

На награждении финалистов, например, упоминались свёрточные нейронные сети. Они специфичны для какого-то типа данных, но область применения у них очень широкая. Ведь сегодня работа с изображениями есть везде: это и поиск по картинкам и улучшение изображений. С текстами та же история, очень много разных задач, которые сегодня необходимо решать.

Корреспондент "Вести.Наука": Как скоро благодаря этим молодым людям обычные пользователи смогут получить в своё пользование ассистента вроде Джарвиса из фильма про Железного человека? Когда уже мы сможем отправлять Алисе более сложные запросы, когда для поиска ответа нужно будет несколько массивов данных обработать и сопоставить их между собой?

На самом деле наше машины очень просто, например, распознать песню по паре секунд. В то же время то, что для нас очень просто, для машины может быть сложной задачей.

Корреспондент "Вести.Наука": Крупным компаниям сегодня выгодно развивать науку внутри своих подразделений. Расскажите почему? И будет ли получение премии Ильи Сегаловича серьёзным плюсом в резюме, если молодой человек или девушка надумает после обучения прийти работать в "Яндекс"?

Безусловно. Мы надеемся, что это станет плюсом в резюме, в какую бы компанию ни направился человек. Учитывая насколько строгим был отбор, в какую бы компанию человек не попробовал бы устроиться позднее, эта премия будет показателем для работодателя, что человек разбирается в своей сфере. И всех победителей мы, конечно, хотим заполучить к себе в компанию.

Чтобы продукт хорошо работал, нужна наука. Все номинации премии — это области, которые широко применяются сегодня. И в них, конечно же, хочется иметь широкую научную экспертизу.

Лауреатов выбирает Совет премии и конкурсная комиссия, в которые входят представители компании "Яндекс" и научного сообщества.

фото компании "Яндекс".

Корреспондент "Вести.Наука": Сегодня многие боятся развития технологий искусственного интеллекта. Как вы относитесь к таким опасениям, работая в этой сфере?

Бояться, конечно, нечего. Любая технология может применяться по-разному, и любая новая технология, как правило, всегда будет иметь какие-то применения, которые несут в себе какие-то угрозы и опасности и требуют какой-то регуляции.

Те же самолёты, на них можно летать в отпуск, а можно перевозить бомбы и так далее. Тут, соответственно, мы видим новый тип технологии, который имеет массу применений, и они замечательные. С ними жизнь становится лучше, удобнее и приятнее. При этом их можно применять для каких-то менее приятных целей. Это вопрос того, что мы как общество считаем приемлемым, а что нет. Базовые страхи связаны с массовой слежкой, например.

Но это опять же вопрос не технологии, а того, как конкретные органы и власти решают, какие у людей есть права и как они соблюдаются, публично и не публично. Это вопрос норм и законодательства, но не самой технологии.

"Яндекс" в этом плане компания с активной гражданской позицией. И среди руководства, и среди сотрудников весьма сильны понятия, что мы делаем и что мы не делаем в любом случае. Кроме того, сам процесс планирования проектов и ресурсов у нас абсолютно публичен. Все знают, кто и что делает.

Более того, если компания что-то будет делать неправильное, государство начнёт запрещать такую деятельность, акции компании упадут, а так как "яндекс" — коммерческая компания, то плохими нам быть попросту невыгодно.

"Илья был очень-очень щедрым человеком и, конечно, ему было бы очень приятно, что у нас теперь есть такая премия", – отметила жена Ильи Сегаловича, Мария (слева). Справа Юлия Рудый, "Вести.Наука";.

фото компании "Яндекс".

Ещё раз напомним, что второй отбор на соискание премии Ильи Сегаловича стартовал 15 октября. В конкурсе могут участвовать студенты, аспиранты и научные руководители из вузов России, Беларуси и Казахстана. Подать заявку можно до конца декабря 2019 года.

Источник

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *