Коллектив красноярских учёных стал победителем девятого конкурса Министерства науки и высшего образования РФ на получение мегагрантов. Они займутся разработкой и изучением гибридных методов моделирования и оптимизации в сложных системах и создадут в Сибирском федеральном университете (СФУ) лабораторию под руководством ведущего учёного мирового уровня Предрага Станимировича (Сербия).
На вопросы отвечают сотрудники СибИПСА — ключевые члены коллектива мега-лаборатории.
Что такое гибридные методы моделирования и оптимизации?
Если упрощать, то в аналитической работе используются строгие математические методы и эвристические, т.е. основанные на интуиции и опыте специалистов, но не достаточно строгие с точки зрения математики, методы. На самом деле, строгие математические методы в дальнейшем обрастают всякими эвристиками, что делает их более эффективными, а эвристические методы со временем получают более строгое математическое обоснование, чем было в начале. Это и есть путь к симбиозу.
Представьте себе, что вам нужно попасть из Красноярска в таежную заимку, затерявшуюся в тайге на гористой местности. Пусть у вас есть два варианта – снегоход и вертолет. Снегоход может подъехать к заимке довольно близко, вам останется пройти на лыжах по тайге только пять километров. Т.е., это достаточно точный инструмент, легкий в использовании, если условия его использования совпадают с реальными. Но ехать на нем вы будете два дня и еще десять часов. А успех сильно зависит от рельефа местности, который не очень точно вам известен. И не факт, что вы вообще сможете доехать. Вертолет долетит за шесть часов, но возможность для посадки вертолета может оказаться в 50 км от заимки, заранее это не известно. Управлять вертолетом сложно, совсем не факт, что вы сможете. Какой вариант выбрать? Гибридный! Вы берете снегоход и лыжи с собой на вертолет, да и пилота нужно пригласить. Через шесть часов вы рядом с заимкой, потом за пару часов доезжаете на снегоходе и становитесь на лыжи. Через 9 часов вы достигаете цели. Так задача оптимизации (минимизации вашего расстояния до заимки) решается с помощью (самого простого) метода гибридизации точного и легкого метода с мощным и надежным. К общему удовольствию. Кооперация делает сложное проще. Особенно, когда кооперируются оптимизаторы.
Более сложный и менее очевидный пример – это получение эмерджентного эффекта, т.е. новых свойств гибрида, которые отсутствовали у входящих в него алгоритмов, пока они применяются самостоятельно.
Для чего необходим переход к автоматизации решения задач моделирования и оптимизации в сложных системах?
Для того же, что и любая автоматизация – переложить формализованные, рутинные, хорошо изученные процессы и процедуры принятия решений и их исполнения на автомат, чтобы освободить человека для творческой работы, недоступной автоматам и компьютерам. Например, когда-то вождение автомобиля было высококвалифицированной профессией, требующей серьезной подготовки, особых навыков, опыта работы и т.д. Не каждый мог стать успешным водителем. Например, женщины-водители были большой редкостью и вызывали большое уважение. Потом появилась автоматика на автомобилях – гидроусилитель руля, автоматическая коробка передач, антиблокировочная система торможения, система помощи при трогании в гору, система предотвращения опасного сближения с впереди идущим объектом, система помощи при парковке, и т.д., и т.п. Теперь автомобилем может управлять практически каждый и достаточно безопасно. Вот и в области интеллектуальных систем анализа данных и поддержки принятия решений одним из самых главных и быстро развиваемых направлений является так называемый AutoML, т.е. автоматизация машинного обучения. Машинное обучение само по себе автоматизирует принятие решений, поэтому здесь надо понимать, что речь идет об автоматизации разработки технологий машинного обучения. Наши гибридные алгоритмы самообучаются в ходе решения задачи, то есть получается, что мы разрабатываем методы автоматизации проектирования алгоритмов, которые будут автоматически генерировать технологии автоматического решения задач моделирования и принятия решений. Так сказать, «учу учить учителей». Учителя нужны, это самые важные в нашей жизни люди. Но и преподаватели, которые учат студентов быть учителями, тоже очень нужны. Мы же, в этой терминологии, оказываемся теми, кто учит преподавателей учить учителей, которые потом будут учить школьников.
Однако не стоит понимать автоматизацию проектирования методов моделирования и оптимизации как просто перевод известных математических действий на язык компьютера, т.е. программирование. К сожалению, при проектировании таких методов, разработчику приходится работать со сложными объектами, большими размерностями и огромными объемами данных. Современные требования к подобным задачам проектирования сильно превосходят интеллектуальные возможности человека и с каждым днем становятся все сложнее, поэтому конечная наша цель – сформулировать машине (алгоритмам реализованным на компьютере) только высокоуровневое описание желаемого конечного результата, а поиск способа достижения этого результата машина будет осуществлять самостоятельно, без участия или с минимальным участием человека.
Как гибридизация позволит избежать необходимости привлечения высококвалифицированных специалистов в области моделирования и оптимизации?
Необходимость привлечения таких специалистов никуда не денется. Но у них появится инструмент, использование которого значительно облегчает им работу и позволяет сконцентрироваться на наиболее интеллектуальных и ответственных задачах, решать которые могут только люди. Например, ответить на вопрос, надо ли вообще применять в данной ситуации интеллектуальные компьютерные системы автоматизированной поддержки принятия решений. Может быть, наконец-то, у так называемых «разработчиков систем искусственного интеллекта» появится возможность задуматься, надо ли вообще их разрабатывать и внедрять в конкретной ситуации. Честно ли это, по-человечески ли это, понимают ли они вообще, что их система на самом деле делает и как принимает решение. Например, известный случай, когда самообучающийся чат-бот в кратчайшее время научился общаться с людьми так, что они не могли отличить его от других людей, блестящее достижение разработчиков искусственного интеллекта! Правда, при этом стал сексистом, расистом и научился другим гадостям. Или разработка Пентагона с системой идентификации танков, когда она все американские танки признавала вражескими только из-за того, что они были освещены солнцем, как на всех фотографиях, предъявленных для обучения. Система выучила, что если танк ярко освещен солнцем, то это – вражеский танк. Как это и было на обучающих фотографиях. Такие случаи, наконец-то, натолкнули разработчиков на самоочевидную с нашей точки зрения мысль, что важно у кого учиться и чему учиться. Для «искусственных интеллектов», обучающихся с астрономической скоростью это намного важнее, чем даже для людей. И да – гибридизация, как таковая, здесь не причем, просто это один из подходов, позволяющий повысить качество и эффективность автоматизации моделирования и оптимизации в сложных системах.
Как сотрудничество со школой ведущего зарубежного ученого позволит вывести на новый уровень исследования в области машинного обучения и искусственного интеллекта?
Сотрудничество – это всегда хорошая идея и полезное занятие, тем более сотрудничество с ученым мирового уровня и его коллегами, знания и опыт которых дополняют и расширяют знания и опыт красноярских ученых. Сотрудничество с исследовательской группой профессора Станимировича позволит наладить разработку методов моделирования и оптимизации сложных систем, эффективно использующих как преимущества эвристических методов решения задач глобальной оптимизации (применимость к широкому классу задач с различным ландшафтом целевой функции, в том числе в сложном пространстве большой размерности), так и способность классических методов оптимизации к быстрой и гарантированной сходимости для широкого класса задач. Это приведет к разработке общих подходов к гибридизации, способов самоконфигурирования и самонастройки таких алгоритмов, гиперэвристических гибридных алгоритмов. Для этого потребуется освоение представителями Красноярской научной школы методов работы ведущего ученого, которое возможно лишь при организации непосредственного доступа красноярских исследователей к наработкам (например, к программному коду) и другим элементам научного инструментария ведущего ученого-математика. Большие возможности в совершенствовании подходов даст организация непосредственного научного обмена на уровне идей, а не законченных результатов, что обеспечит очное присутствие ведущего ученого в Красноярске. Благодаря такой кооперации, создаваемая лаборатория может претендовать на роль ведущего российского исследовательского центра в области гибридных методов моделирования и оптимизации и одной из ведущих лабораторий в мире.
Поднимет ли это статус красноярских исследователей в мировой науке?
Да. Это если коротко. Если развернуто, то при формировании направления исследований и подаче заявки на мега-грант мы меньше всего думали о таком статусе. Не в нем дело. Он и так высок. Среди красноярских ученых, членов коллектива созданной лаборатории, лауреат премии имени Аниты Борг от компании Google, чемпионы мира по эволюционной оптимизации, победители Российско-Германского конкурса партнерских научно-образовательных программ (проект «Молодежь, наука, искусственный интеллект: Красноярск – Ульм: 30 лет вместе»), исполнители и (со-) руководители международных грантов с учеными Австрии, Германии, Словении, Финляндии, Японии, и т.д., и т.п. А среди конкурентов, которых они победили в ходе конкурса мега-грантов, есть и Сколково, и «Иннополис», и «Сириус». Так что со статусом и так все в порядке. Но интеграция интеллекта и опыта красноярских ученых и исследовательских групп приглашенного ведущего ученого, конечно, выведет коллектив на принципиально новый уровень фундаментальных исследований.
Важен не только и не столько статус в мировой науке, сколько польза от планируемых результатов, в том числе для Красноярского края. Отвечая возможный на возможный вопрос, какая может быть практическая польза от фундаментальных теоретических исследований, не направленных на непосредственное практическое применение, приведу расширенный вариант хорошо известной фразы: «Нет ничего практичнее хорошей теории, и прежде всего ее правильного применения». Хорошую теорию мы гарантируем. И существенная часть ее направлена на облегчение правильного применения – самонастройка, самоадаптации, гибридизация, автоматизация. Пользуйтесь, коллеги! Если будут вопросы – обращайтесь. Мы же не только ученые-исследователи, но и преподаватели. А в рамках проекта будут созданы образовательные программы соответствующего направления (и уровня!).