«Наука — это творческая работа»: стали известны лауреаты премии имени Сегаловича

Кому из молодых ученых «Яндекс» присудил третью премию имени Ильи Сегаловича, рассказывает материал InScience.News.Компания «Яндекс» объявила имена лауреатов ежегодной премии имени Ильи Сегаловича. Награда присуждается с 2019 года, ее получают молодые исследователи и научные руководители, которые занимаются компьютерными науками. Начинающих исследователей награждают за достижения в области компьютерных наук, а наставников — за вклад в развитие сообщества и работу с молодыми специалистами. В этом году лауреатами стали четверо молодых ученых и двое научных руководителей.Номинация «Молодые исследователи»:Александр Гришин, аспирант НИУ ВШЭ, занимается исследованиями в области обучения и метаобучения в RL;Александр Коротин, аспирант Сколковского института науки и технологий, занимается онлайновым машинным обучением, генеративными моделями и агрегирующими алгоритмами. Лауреат премии 2019 года;Дмитрий Ковалев, студент магистратуры МФТИ, изучает методы оптимизации для машинного обучения. Лауреат премии 2020 года;Олег Свидченко, студент магистратуры НИУ ВШЭ — Санкт-Петербург, занимается исследованиями агентных систем и систем обучения с подкреплением.Номинация «Научные руководители»:Алексей Артемов, научный сотрудник Сколковского института науки и технологий. Сфера интересов Алексея — компьютерное зрение, в том числе трехмерное, и нейронные сети;Алексей Шпильман, заведующий Центром анализа данных и машинного обучения в НИУ ВШЭ — Санкт-Петербург. Основной научный интерес — прикладной искусственный интеллект. Всем лауреатам выплатят премию в размере миллиона рублей. Студентам и аспирантам Яндекс также оплатит поездку на международную конференцию по компьютерным наукам на их выбор. Кроме того, они получат гранты на использование сервисов Яндекса для своих исследований: Yandex DataSphere поможет ученым в организации полного цикла разработки машинного обучения, а платформа Яндекс.Толока — в разметке данных.Некоторые лауреаты премии рассказали о своем научном пути и о том, почему они решили заниматься математикой. Так, Александр Короткин, для которого эта премия стала уже второй, заинтересовался математикой еще в детстве — в 5 классе он участвовал в школьных конференциях, где изложил свой алгоритм заполнения «магических квадратов», в 9 классе выступал с докладом в области геометрии на всероссийской конференции «Первые шаги в науке» на базе МГТУ им. Баумана. После школы Александр для дальнейшего обучения выбрал факультет вычислительной математики и кибернетики МГУ им. Ломоносова, во время учебы поступил в Школу анализа данных Яндекса в Москве, после чего посвятил себя исследованиям в области машинного обучения. «Я учился на факультете математики, но меня смущало, что она решает абстрактные, а не прикладные задачи, — рассказывает Александр. — Потребность в практическом уклоне помогла удовлетворить Школа анализа данных «Яндекса», где я учился со второго по четвертый курс бакалавриата параллельно с основным математическим образованием. В начале первого курса магистратуры пошел на стажировку в исследовательский отдел «Яндекса», где занимался прогнозированием временных рядов на базе машинного обучения.По совету научного руководителя я сосредоточился на агрегации прогнозирующих моделей. Это разработка алгоритмов, которые позволяет добиться большей точности, совмещая данные из нескольких источников и выдавая обобщённый прогноз в режиме реального времени. Например, эти методы позволяют предсказывать погоду, курсы валют и давление в скважинах.С начала аспирантуры я начал заниматься методами обучения генеративных моделей на основе теории оптимального транспорта. В частности, эта технология позволяет автоматически генерировать исходные данные для обучения нейронных сетей, заменять лица на фотографиях, перекрашивать волосы, увеличивать разрешение фотографий. Современные генеративные модели позволяют генерировать изображения 1024х1024, и это разрешение необходимо увеличивать. Сейчас я готовлю исследование и ставлю вычислительные эксперименты, чтобы обойти ограничения стандартных архитектур при обработке изображений в нейросетях. Это позволит получать более качественные результаты с помощью генеративных моделей».Короткин собирается продолжать академическую деятельность и готовить следующее поколение учёных.Еще один двухкратный лауреат премии Дмитрий Ковалев с 2018 года занимается научной деятельностью: разрабатывает методы оптимизации для Data Science. В настоящее время учится по программе PhD в Саудовской Аравии и параллельно проходит магистратуру в МФТИ.«В школьные годы я хотел стать программистом и самостоятельно учился по книгам писать код, обгоняя школьную программу, — вспоминает Дмитрий. — Мне хорошо давались математика и физика». Коротков участвовал в Азиатской физической олимпиаде, в заключительном этапе Всероссийской олимпиады по информатике.Молодой ученый занимается методами оптимизации для машинного обучения. Они позволяют сделать так, чтобы модели лучше предсказывали свойства объектов. «Сейчас я специализируюсь на децентрализованной распределенной оптимизации. Она позволяет выстроить систему обмена данными между компьютерами в сети без центрального сервера. Такая модель используется в технологиях Federated Learning. Например, при обучении систем ввода данных на смартфонах, часть которого выполняется на центральном сервере, а часть — на устройствах пользователей, — поясняет Дмитрий. — Идеи часто могут приходить из приложений. Например, для решения задач децентрализованной оптимизации часто лучше работают на практике те алгоритмы, которые имеют хорошее теоретическое обоснование. На практике мои результаты наверное ещё не применяются, но многие из них имеют хорошую перспективу на будущее».Ковалев год назад уже становился лауреатом премии Ильи Сегаловича. «Когда я стал лауреатом премии в первый раз, в первую очередь мне было приятно, что ко всей моей научной работе имеется интерес. Не знаю, связано ли это с премией, но последний год стал для меня наиболее успешным по количеству публикаций на топовых конференциях. Также премия дала дополнительную мотивацию работать дальше», — отмечает молодой исследователь. Дмитрий полон планов. «Написать как можно больше хороших статей, закончить аспирантуру и найти высокооплачиваемую работу. Желательно, чтобы будущая работа была связана с исследованиями, потому что мне интересно этим заниматься и кажется, что у меня это неплохо получается», — делится своими ожиданиями Ковалев. Научный путь Олега Свидченко — молодого ученого и преподавателя, который работает в лаборатории JetBrains Research, — начался с компьютерных игр. «Когда в 8–9 лет у меня появился первый компьютер, я сразу решил, что стану программистом. Все началось с редактора карт в Warcraft, — рассказывает Олег. — Программированием стал заниматься в 7–8 классе. Учился сам, потому что в моем городе Горячий Ключ (Краснодарский край, переехал туда из Ростова) не было специалистов в этой сфере. В 10 классе поступил в московскую школу-интернат СУНЦ МГУ, где меня уже полноценно научили программировать, потом стал призером всероссийской олимпиады и поступил с её дипломом в петербургское отделение НИУ ВШЭ. Науку выбрал, потому что интересно ей заниматься. Во-первых, это творческая работа. Во-вторых, она требует довольно больших умственных усилий».После третьего курса Олег попал на стажировку в лабораторию обучения с подкреплением JetBrains Research — там и остался работать. Обучение с подкреплением — это алгоритмы машинного обучения, которые не работают с наборами исходных данных, а взаимодействуют со средой, выдающей «награды» при определенных действиях. Такой метод может применяться в управлении беспилотными автомобилями, для тестирования дизайна яхт без участия человека, разработки протезов с учетом биомеханики человеческого тела и даже для подбора обложки сериала с учетом персональных предпочтений каждого пользователя. В будущем же технология может статья основой для роботов-помощников, которые смогут полноценно общаться с человеком.