Корреспондент Naked Science поговорил с заведующим лабораторией машинного обучения в науках о Земле МФТИ, старшим научным сотрудником Института океанологии РАН Михаилом Криницким о том, чем отличаются машинное обучение и искусственный интеллект, как нейронные сети уже сегодня предсказывают погоду, каким образом математик может стать океанологом и почему океанолог в наше время обязан быть немного математиком, чем так хорош для студентов и ученых проект «Плавучий университет» и есть ли у паучков интеллект.

Naked Science: Михаил, вы кто вообще такой? Нет, погодите, немного неправильно начал. Давайте так: как себя чувствует человек, который одновременно и физик, и океанолог, и немножечко математик? И можно ли вообще сказать «немножечко математик» о человеке, который машинным обучением занимается?

Михаил Криницкий: Ну конечно же, можно. Я математик!

NS: Но при этом многие физики и математики, наверное, вас немножко не за своего держат? А вот по профессии вы кто?

– В моем дипломе написано, что я физик. А по профессии я, строго говоря, скорее программист. И я долго зарабатывал после университета, собственно говоря, тем, что был хорошим программистом, потом начальником IT-отдела…

NS: Ух, ты! Это мне близко, я сам какое-то время был директором по IT. А на чем писали?

– В «1С» есть встроенный язык программирования. Но этот этап в моей жизни остался далеко позади. В любом случае профессионально все у меня могло сложиться совсем по-разному. Знаете, я в один прекрасный момент настолько глубоко и профессионально танцевал, что меня звали в Европу зарабатывать. Танцем зарабатывать, представляете? Но уже тогда я сказал: я уже в науке, так что спасибо за предложение, но, пожалуй, нет!

NS: Получается, что и программирование когда-то было параллельно с наукой, и вы с нее не совсем соскакивали?

– Как раз наоборот, тогда совсем соскочил. А потом вернулся в науку, но только не совсем в ту же точку. Моя кафедра называлась кафедрой квантовой теории физики высоких энергий. Это физики-ядерщики, уточню. Если бы я пошел по своей науке, то я бы работал либо в ЦЕРНе, либо в наших структурах, которые с ним ассоциированы: это НИИ ядерной физики в МГУ имени М. В. Ломоносова, либо какие-то в Дубне учреждения.

NS: Или в Академгородке?

– Да, или в нем. Либо же вернулся бы в свой родной Саров и там уже работал бы в прикладной области. Но как-то так случилось, что сразу после защиты диплома я бросился совсем в другую область — зарабатывать, семью обеспечивать, ну вы понимаете. А дальше… Дальше я в какой-то момент уже как руководитель IT-отдела некоей компании хорошо видел, что компании-то осталось пару лет, не больше. Я приложил все силы к тому, чтобы она развалилась не до конца, но моих сил, видимо, было недостаточно. А тут мой друг мне и говорит: «Нам нужен очень хороший программист, который умеет вот это, вот это и вот это».

NS: Когда это было?

– Году в 2008-м примерно. Речь идет об институте океанологии имени Ширшова. С тех пор там и работаю. Вернее, так: основная работа у меня теперь на Физтехе (МФТИ. — NS), но и океанологом тоже остаюсь. Есть в ИО РАН такая лаборатория взаимодействия океана и атмосферы и мониторинга климатических изменений — я больше 10 лет учился это без запинки произносить (смеется). А во главе ее — Сергей Константинович Гулёв, человек, который не устает меня поражать. Он одновременно во всех областях, которые касаются океана, атмосферы и взаимодействия, потоков между ними — признанный эксперт, которого о чем ни спроси, он на все может дать ответ. И открыт ко всему новому, что может помочь в исследованиях. Так в свое время появилось направление машинного обучения в нашей лаборатории, которое я сейчас возглавляю. Мне просто не запретили. Тогда это еще не было особо модным, ну а мне казалось, что это просто безумно интересно.

NS: Получается, что у вас как бы две лаборатории одновременно: и в институте океанологии, и на Физтехе?

– Конечно. В одной я зав.лаб, в другой старший научный сотрудник. С океанологией контакт терять никак нельзя.

NS: Почему?

– А потому что все задачи, которые мы можем решать машинным обучением, они все в науках о Земле. Данных-то хороших и красивых хватает у многих, и приборов отличных много, и инструментов, а вот задачи — дело другое. Другими словами, мы, условно физфаковские или физтеховские, знаем, как измерить, как обработать данные, но не всегда знаем, зачем.

А коллеги из института океанологии (ну или географического факультета МГУ, скажем), они как раз знают, зачем, что и что из этого последует. Конечно, это не абсолютное деление. Но в обычном случае морских биологов на Физтехе вы не найдете. И вот одни ученые в одном институте знают, что нужно посчитать тех же самых дельфинов, морских котиков, и знают, зачем их нужно подсчитывать. На Физтехе мы эту их задачку можем решить, потому что у нас есть экспертиза в машинном обучении, нужное расчетное оборудование и так далее. Опять же, мы в Институте океанологии знаем, что есть такая задача гармонизации данных по облачности за последние 150 лет. На Физтехе мы знаем, как ее решать, но там такая задача просто не стоит.

NS: Погодите, есть же какие-то понятные и очевидные задачи у ядерщиков: посчитать какое-нибудь горение? Там тоже нужна синергия двух разных институтов, выходит?

– К ним не суюсь. Я все-таки про машинное обучение в науках о Земле. Но знаю, что у ядерщиков история взаимодействия с машинным обучением будет куда подольше, чем в науках о Земле. Вот, например, коллеги из НИИ ЯФ в «Яндекс» пришли с конкретными запросами для ЦЕРНа: как фильтровать данные? Как их обрабатывать? И было это еще чуть ли не в 2005-м, когда еще нейросети не взлетели достаточно хорошо, когда даже в «Яндексе» вычислительное оборудование было послабее, когда были нужны классические примеры с классическими методами машинного обучения. Когда с табличными данными работают, а не со скоррелированными. В общем, у них своя история. У меня в науках о Земле, раз уж я из Института океанологии, своя история, и я ее наблюдаю и проживаю прямо сейчас. Задачи берутся из академических институтов, да.

NS: Понятно. Это очень похоже на биоинформатику. Биоинформатика даже называется одним словом, а в ней сидят совершенно разные типы людей: одни биологи, другие — программисты, которые задачки биологов считают, условно говоря.

– Да. И тот на коне, который хорош и в том, и в этом. Именно поэтому я считаю, что у меня есть некоторая ниша, в которой я существую. Это машинное обучение в науках о Земле. Вот так моя новая лаборатория и называется.

NS: А можно я сейчас немного сменю курс нашего разговора? Как вы понимаете термины «машинное обучение» и «искусственный интеллект»? Я ко всем с этим вопросом пристаю, потому что штуки эти достаточно новые. И для меня, например, машинное обучение было таким вложенным множеством в искусственный интеллект, каким-то таким инструментом. А Артем Бабенко, глава научного отдела «Яндекса», мне сказал на днях: нет, это совершенно не подмножество, а вообще параллельные вещи. А вы про это что думаете? Говорят-то про это много, а термины еще, кажется, не устоялись.