У истоков машинного обучения
Нейросети кажутся нам достижением последних нескольких лет, однако красноярские исследователи занимались ими еще десятилетия назад. Как рассказал заместитель директора по научной работе Института вычислительного моделирования СО РАН Олег Якубайлик, с конца 1980-х годов в институте действовала легендарная научная группа «НейроКомп». Ее создателем и главным идеологом стал выдающийся ученый, доктор физико-математических наук Александр Горбань. Во многом благодаря его нестандартному подходу красноярцы внесли пионерский вклад в отечественную теорию искусственного интеллекта.
Под руководством Горбаня сибирские математики не просто изучали теорию, но и создавали уникальные обучающие алгоритмы. В какой-то момент красноярцам даже принадлежало мировое лидерство в научной разработке нейрокомпьютеров: найденный ими метод позволял обучать машину в 10-100 тысяч раз быстрее, чем это делали американские конкуренты.
В 1990 году Александр Горбань издал книгу «Обучение нейронных сетей» — первый в стране фундаментальный труд на эту тему, ставший настольной книгой для программистов. А в 1993 году в Красноярске открылась первая в России кафедра нейроинформатики. Помимо кабинетной науки, исследователи занимались и популяризацией: в 1990 году красноярские специалисты организовали первую Всесоюзную олимпиаду по нейроинформатике, объехав с лекциями и собственным софтом множество городов страны.
Разработки группы имели и вполне реальное прикладное применение. Написанный в Красноярске софт использовали для предсказания колебаний уровня Каспийского моря, прогноза климатических изменений и даже в задачах космической навигации. Были успехи и в медицине: совместно с Красноярским глазным центром ученые разработали нейросетевую систему ранней диагностики меланомы глаза — и это в 90-е годы!
Однако этот феноменальный успех держался исключительно на математической интуиции и мастерстве программистов. Удерживать мировое лидерство без мощного аппаратного обеспечения и колоссальных бюджетов в те годы было невозможно. Чего только стоит факт, что первую вычислительную «нейроплату» сибирские исследователи собрали за свой счет.
И хотя те изыскания нельзя назвать прямым фундаментом для современных языковых моделей, красноярцы доказали, что способны смотреть на десятилетия вперед.
«Революционные преобразования в мире нейросетей начались с 2017 года, когда была предложена архитектура Transformer, которая позволила эффективно обрабатывать контекст и обучаться параллельно на огромных объемах данных. Современные модели превращаются в автономных агентов. Они могут понимать не только текст, но и видео, самостоятельно планировать действия, использовать внешние инструменты вроде почты или баз данных. Ключевым трендом становится переход к системам, способным достигать результата при минимальном участии человека. Они внедряются в бизнес-процессы и становятся полноценными „цифровыми работниками“», — поясняет Олег Якубайлик.
«Цифровой лаборант» на службе науки
Для современных исследователей языковые модели уже давно перешли из разряда развлечений в категорию повседневных рабочих инструментов. Искусственный интеллект проникает в физику, статистический анализ и работу с большими данными, кардинально меняя подход к исследованиям.
Клетки-репортеры и прорыв в медицинеВедущий научный сотрудник Института биофизики СО РАН Егор Задереев отмечает, что современный ИИ в науке — это целый спектр специализированных программ. Ярким примером стала нейросеть AlphaFold, предназначенная для предсказания пространственной структуры белков. В 2024 году ее разработчики получили Нобелевскую премию по химии. Раньше понимание того, как именно свернут белок, требовало невероятно долгих и дорогих исследований. Теперь машина делает это по аминокислотной последовательности в разы быстрее, открывая новые горизонты в биологии и медицине.
Этот глобальный инструмент берут на вооружение и красноярские исследователи — например, местные биофизики используют методы машинного обучения для моделирования уникальных светящихся белков.
Помогают алгоритмы и в ежедневной рутине: например, исследователи могут загрузить десятки узкоспециализированных статей и попросить нейросеть сделать выжимку общих идей или найти расхождения, что колоссально экономит время.
Прагматичный подход к умным алгоритмам разделяет и директор Красноярского НИИ сельского хозяйства Алексей Липшин. Он подчеркивает, что в академической среде к нейросетям относятся сугубо как к деловому инструменту.
«Для нас это эффективный помощник, способный автоматизировать рутинные процессы. Конечно, он требует настройки под конкретные задачи, необходима осторожность и строгие алгоритмы проверки. Тем не менее, ученые прекрасно осознают его ограничения, а перспектива дальнейшего совершенствования этого инструмента колоссальная», — отмечает Алексей Липшин.
Цифровое отражение сибирской науки
Учитывая, насколько плотно алгоритмы вошли в жизнь исследователей, в Красноярском научном центре СО РАН решили выяснить: а что сам глобальный искусственный интеллект знает о своих сибирских коллегах? Егор Задереев задал трем популярным нейросетям (DeepSeek, Google AI и Claude) один вопрос об успехах красноярских ученых.
Все три программы безоговорочно признали красноярскую науку серьезной многопрофильной силой. В топ главных мировых достижений сибиряков искусственный интеллект внес разработки для космоса — от антенн для системы ГЛОНАСС до легендарной замкнутой экосистемы «БИОС», которая могла автономно снабжать человека воздухом и едой. Также алгоритмы подробно рассказали про биофизиков, расшифровавших механизмы свечения живых организмов, и упомянули успехи в арктической экологии.
Однако, как отметил Егор Задереев, ответы языковых моделей — это не объективный слепок реального положения дел, а скорее точное отражение медийной активности. Алгоритмы обучаются на данных из интернета и выдают то, о чем чаще всего пишут СМИ. Фундаментальные исследования часто оказываются менее заметными для ИИ. Машины практически не упомянули достижения в физике или современные биомедицинские направления, которые активно развиваются в регионе.
Впрочем, каким бы продвинутым ни был цифровой разум, настоящие открытия остаются за человеком. База любой нейросети — это знания, добытые человеком. Так что без ежедневного труда людей самый мощный алгоритм так и останется просто набором кода.
