«Мы должны быть частью изменений, которые хотим видеть в мире».
Махатма Ганди,
индийский общественно-политический деятель и духовный лидер

«Вопрос не в том, могут ли машины думать,
а в том, могут ли люди мыслить по-новому».
Дуглас Хофштадтер,
американский когнитивист, физик, философ и исследователь ИИ

 

В прошлом выпуске блога ректора ТГУ Эдуарда Галажинского речь шла о философских и этических границах искусственного интеллекта и о том, как меняется поле ответственности университета в эпоху ИИ. Этот выпуск о том, как университет входит в повестку искусственного интеллекта не только как рефлексирующий наблюдатель, но как активный участник процесса развития и внедрения ИИ, выстраивающий собственную инфраструктуру, партнёрства и кадровый контур. Повод для разговора: открытие в июле в Томском государственном университете совместно с AIRI нового научного подразделения – лаборатории по ИИ в химии и молекулярной инженерии, а также организация и проведение в ТГУ Летней школы Института искусственного интеллекта AIRI.

– Эдуард Владимирович, в прошлом выпуске блога вы подробно говорили об искусственном интеллекте как о технологическом прорыве, этическом вызове и культурной трансформации. Но кажется, тема продолжает стремительно набирать обороты. Какие новые акценты вы бы обозначили в сегодняшней нашей беседе? Что особенно важно для университетов в этой постоянно меняющейся реальности?

– Действительно, в прошлый раз мы говорили о философских и мировоззренческих основаниях влияния искусственного интеллекта на культуру знания, нашу идентичность, саму структуру мышления. Говорили об ответственности за ИИ и о том, как неоднозначно всё, что связано с технологической стороной этого явления. Сегодня я бы обозначил такой акцент: мы уже видим, как постепенно уходит волна глобального ажиотажа вокруг ИИ. И это понятно, так как экспериментов с ним проводится много, а экономическая отдача является не всегда очевидной. Особенно на фоне серьёзных государственных и частных инвестиций. Это порождает риск «перегретости», а местами можно увидеть даже признаки так называемого «технологического пузыря». Думаю, в ближайшее время нас неизбежно ждёт фаза «отрезвления»: переосмысления целей, условий и моделей внедрения; переоценки задач.

 

Технологический пузырь в сфере искусственного интеллекта особенно ярко проявляется в академической среде. За последние годы университеты по всему миру начали массово внедрять ИИ-инструменты: от систем проверки работ до генеративных моделей, способных писать тексты и анализировать данные. Однако, как подчёркивает Евгений Морозов в статье «The AI We Deserve» (Boston Review, 2024), эта волна увлечения ИИ сопровождается не столько продуманной образовательной реформой, сколько «глубоко технократическим воображением», где алгоритм становится заменой анализа и мышления. Автор утверждает, что под шум ИИ-революции вузы рискуют забыть о целях образования как критического и гуманистического процесса. Подобное завышенное ожидание от технологий – типичный симптом технологического пузыря. Образовательные учреждения инвестируют в ИИ-инструменты, не всегда задаваясь вопросом об их эффективности, педагогической ценности и последствиях. Пузырь формируется не потому, что технология бесполезна, а потому что от неё ждут невозможного и применяют без должной оценки.
Подробнее см.: Morozov, E. (2024). The AI We Deserve. Boston Review

 

Важно понимать, что вопрос не только в самом ИИ, но в готовности тех систем, куда его пытаются встроить. Если при этом оставить старую логику в управлении, образовании, документообороте, то никакой искусственный интеллект не спасёт. А иногда даже ухудшит ситуацию. Мы уже не раз видели, как цифровой ассистент, внедрённый без реинжениринга процессов, превращается из помощника в помеху. Иногда даже «бумага» при всей её архаичности оказывается быстрее и надёжнее. Иными словами, ИИ нельзя воспринимать как надстройку. На самом деле, это – новая организационная культура. Перестройка нужна не только в коде, но прежде всего в головах людей. Университет, если он хочет работать с ИИ всерьёз, должен заново (да, в очередной и не последний раз!) пересобрать самого себя, не разрушив при этом свою идентичность. А мы знаем, что ИИ делает риск такого разрушения особенно высоким.

Есть и ещё один важный аспект – инфраструктурный. Технологии ИИ становятся всё более дорогими. Полноценный сервер для обучения больших языковых моделей сегодня стоит примерно около 60 миллионов рублей. Одна видеокарта – миллионы. И это только оборудование. Частный пользователь, конечно, имеет доступный вариант взаимодействия с сервисами вроде YandexGPT, GigaChat или DeepSeek, но для серьёзной работы необходимы совсем иные бюджеты.

 

Для справки:

По данным исследования IPG.Estate к концу 2024 г. в России функционировали 194 дата-центра, а на февраль 2025 г. совокупная их мощность составила 3,6 ГВт. Основная доля дата-центров в объёме 76% сосредоточена в Москве, где насчитывается 53,4 тыс. стойко-мест. На Санкт-Петербург приходится 9,3% рынка (7,3 тыс. стойко-мест), на остальные регионы – 14,8% (9,61 тыс. стойко-мест). При этом аналитики Сбера оценивают капиталовложения в инфраструктуру ИИ в 2025 году в России примерно в 332 млрд рублей, а к 2030 году – уже в 1,425 трлн рублей. Всё это говорит о том, что научные и коммерческие проекты ИИ требуют не только оборудования, но и мощной поддержки. Нужны дата-центры, энергоснабжение, системы охлаждения, кадровое сопровождение. По факту, университетские вычислительные ресурсы находятся в плотной конкуренции с отраслевыми игроками: рынок российских центров обработки данных (ЦОД) в 2024 году достиг оборота около 113 млрд рублей. При этом государственный сектор обеспечил около половины этих вложений (примерно 60 млрд рублей) на строительство и запуск дата-центров для структур экономики и науки.

Для понимания относительных масштабов: зарубежные цифры говорят о десятках миллионов долларов только на тренировку крупных языковых моделей. В России же для поддержки проектов генерации, аналитики и автоматизации требуется масштабное наращивание инфраструктуры, поскольку число доступных GPU‑серверов остаётся недостаточным, порядка десятков тысяч единиц, тогда как в мире речь идёт о сотнях тысяч. Именно это и объясняет бюджетную разницу между «пользователем сервиса» и «разработчиком моделей»: если частный пользователь может работать с YandexGPT или GigaChat, то университетам приходится выходить на уровень многомиллионных инвестиций и глобального инфраструктурного планирования.

Источники:

• Крупнейшие игроки и новые правила: что ждет рынок дата-центров России в 2025 году

• Рынок ЦОД в России: перспективы развития

• ИИ зовет: власти обсуждают механизм поддержки инвестиций в строительство дата-центров

 

Отсюда следует ключевой вопрос: где университету брать ресурсы? Мой ответ: прежде всего, в партнёрстве. Всё больше грантов строится на модели софинансирования, при которой индустрия предоставляет мощности, а вуз – знания и кадры. Это нормальная и зрелая модель. Ни один университет не может всё «вырастить» внутри себя. Кооперация перестала быть альтернативным вариантом ведения дел и превратилась в необходимость. Иначе университет рискует выпасть из экосистемы. Сегодня крупные компании создают собственные R&D-центры, обучают и развивают собственных исследователей, за счёт чего двигаются быстрее. Академическая среда пока не поспевает. Поэтому вызов со стороны ИИ – не только технологический, он институциональный. Мы должны пересобрать свою научную логику, иначе рискуем остаться на обочине. Главное сейчас – это не повторять чужой путь. Это долго и дорого. Важно понять: что мы можем предложить сами? В чём наша сила? Какие смыслы – технологические, гуманитарные, культурные – можем сформировать и встроить в эту новую реальность?

– Эдуард Владимирович, а если говорить о внутренней повестке, то какие события и решения в ТГУ вы бы назвали ключевыми в прошедшем учебном году с точки зрения развития искусственного интеллекта в нашем университете?

– Думаю, без всяких сомнений, главным событием стало открытие Института анализа больших данных и искусственного интеллекта. Это не просто новая структура, а результат долгой и серьёзной работы: серии встреч, обсуждений, проектных сессий, в которых участвовали исследователи, руководители подразделений, представители индустрии. Постепенно стало ясно, что для такой сложной и многоуровневой темы, как ИИ, нужна отдельная институциональная рамка. Ни один факультет или департамент в одиночку не сможет справиться с этой задачей. Требуется точка сборки – и организационная, и идейная, и кадровая.

Институт изначально задумывался как зонтичная структура. Его задача – координировать развитие ИИ в ТГУ в самых разных направлениях: от фундаментальных исследований до прикладных решений, от образовательных программ до трансфера технологий. Это своего рода мост между разными научными школами, между университетом и партнёрами, между гуманитарной и технологической повесткой. И, конечно, это площадка, где мы хотим воспитывать новое поколение исследователей – тех, кто будет работать на стыке дисциплин, понимая сложность как технических, так и ценностных аспектов ИИ.

– С кем уже выстраивается взаимодействие в рамках этой новой структуры?

– Прежде всего, хочется отметить партнёрство с Научно-исследовательским институтом AIRI. Это очень сильная команда, с которой у нас выстроен живой и содержательный диалог. В начале июля мы подписали соглашение о создании совместной лаборатории ИИ в химии и молекулярной инженерии. Уже формируется совместный учёный совет. Мы не рассматриваем эту структуру как подразделение «про запас», мы видим в её создании реальный шаг к новым результатам.

Кроме того, мы начали реализовывать идею развёртывания на базе ТГУ целой сети лабораторий, каждая из которых будет работать по ключевым технологическим направлениям с применением ИИ. Все они будут встроены в структуру нового института. Причём, речь не идёт о вспомогательной роли ИИ, а о превращении его, как «сквозной» технологии, в ядро нового научного подхода. Это совершенно иная исследовательская парадигма.

– Какие именно лаборатории в коллаборации с этим институтом вы планируете открыть в самой ближайшей перспективе?

– Предполагается открытие ещё минимум четырёх лабораторий. И каждая из них будет опираться на уже сложившиеся научные школы ТГУ. Если говорить конкретно, то это лаборатория в стратегическом проекте Александра Борисовича Ворожцова, которая будет работать в рамках направления «Технологии безопасности». В её фокусе – новые высокоэнергетические материалы для различных сфер безопасности и то, как искусственный интеллект помогает определить их состав. Это и про скорость, и про точность, и про возможность моделировать то, что долго и дорого проверять экспериментально.

Следующая лаборатория будет функционировать на стыке ИИ, генетики и селекции. Здесь институт объединит усилия с командой Кирилла Сергеевича Голохваста. Это крайне перспективное направление: от анализа геномов до предсказательного моделирования в биологии и агротехнологиях. Уже сейчас видна высокая прикладная значимость таких исследований.

Планируется и лаборатория, сосредоточенная на климатических задачах. Как известно, команда Виктора Валентиновича Дёмина занимается построением климатических моделей с применением ИИ, что особенно актуально в контексте глобальных изменений окружающей среды. Здесь уже есть значимые наработки, и мы видим большой потенциал для международного научного диалога.

Наконец, будет создана социогуманитарная научная группа в блоке «соцгум», координируемом Юлией Антоновной Эмер. Речь идёт о социогуманитарном инжиниринге: как использовать ИИ не только в расчётах, но и в анализе социальных процессов, проектировании культурных сценариев и новых форм взаимодействия между людьми. Это особая зона ответственности, потому что именно здесь закладываются рамки, ценности, культурная устойчивость человека.

Все эти лаборатории – не просто четыре направления научных исследований, мультидисциплинарный блок, задающий новую траекторию университетской науки. ИИ здесь не «гость», а соавтор. А университет – не потребитель технологии, а место, где переизобретаются сами подходы к производству знания.

И, наконец, чрезвычайно важно отметить, что все перечисленные лаборатории – молодёжные, что стало принципиальным для нас решением. Каждая команда получит микрогрант в размере 1,5 миллиона рублей. По итогам работы за первые полгода будет понятен объём следующей финансовой поддержки, необходимой для дальнейшего развития темы, которой занимается лаборатория. По сути, это такой вариант «посевных инвестиций» в научной сфере. Здесь мы вдохновились опытом программы «Blue Sky Research: ИИ в науке», завершившейся в июне в Санкт-Петербурге, на которой был предложен рискованный, но очень правильный механизм: поддерживать неочевидные идеи, давать исследователям возможность попробовать, ошибиться, переформулировать замысел.

Главное – не бояться нового. Мы хотим внедрить такой же подход у себя: давать шанс тем, кто думает нестандартно. И если в ходе эксперимента возникает что-то стоящее, то поддерживать и развивать.

– И когда всё это начнёт работать?

– Два проекта уже проходят через Учёный совет, и в ближайшие 2–3 месяца мы планируем запустить остальные. Некоторые команды начнут работать в формате научных групп, остальные – сразу как лаборатории. Экспертно-аналитическое сопровождение будет осуществлять Центр стратегических разработок «Северо-Запад».

Ещё один перспективный проект – это создание лаборатории на базе Инжинирингового химико-технологического центра совместно с Алексеем Сергеевичем Князевым. Здесь речь идёт об использовании ИИ в задачах автоматизации технологических процессов. Предполагается, что институт поможет оборудовать соответствующую химическую установку системой датчиков, собирать массивы технологических данных, чтобы обучить модель, которая сможет оптимизировать управление от подачи сырья до контроля параметров и безопасности. Это особенно актуально в условиях глобального тренда на «обезлюживание» производств, когда рутинные задачи всё чаще переходят к алгоритмам. Алгоритм не устаёт, не ошибается от переутомления, способен быстрее анализировать и реагировать. Кроме того, ИИ не страшны аварии, утечки газа и другие опасные производственные события.

Но важно понимать, что мы не подменяем человека машиной. Мы меняем конфигурацию труда. Человека не устраняют, а освобождают для более сложной, смысловой работы. Университет – это как раз то пространство, где такие переходы можно осуществлять не «утилитарно», а осмысленно, профессионально и гуманно.

– Эдуард Владимирович, мы поговорили о лабораториях и технологиях. Но ведь ИИ всё чаще проникает и в гуманитарные, культурные, инфраструктурные пространства, такие, например, как Научная библиотека ТГУ. Что происходит там?

– Да, и это направление становится всё более стратегическим. Сегодня научная библиотека – это уже не просто фонд или справочная система, а элемент научной и технологической инфраструктуры. Именно поэтому ТГУ стал одним из ключевых исполнителей федерального проекта «Развитие научно-технических библиотек России». Его цель – создание современной цифровой экосистемы научного знания, где библиотеки работают как сервисные центры, встроенные в науку, образование и промышленность. И здесь ИИ играет решающую роль. Он становится основным инструментом для структурирования, обработки и анализа научно-технической информации. Речь идёт о построении единой информационной системы, цифрового реестра, распределении задач между учреждениями. Всё это требует совершенно новых решений и именно ИИ способен обеспечить ту скорость и глубину работы с данными, которая сейчас необходима.

– Всё, о чём вы говорите, звучит как попытка перестроить саму научную парадигму.

– Так и есть. Мы всё чаще обращаемся к концепции «науки на основе искусственного интеллекта». Это действительно сдвиг – и культурный, и организационный. Раньше над задачей могли работать три-четыре года. Сегодня такой темп не устраивает ни индустрию, ни самих учёных. Потому что результатом исследования может быть не только статья, но и технология, прикладное решение, методика для клиники или производственной площадки.

Наша цель – выстроить исследовательские процессы так, чтобы ИИ работал на каждом этапе: от подбора литературы и генерации гипотез до моделирования и написания отчётов. Это позволяет радикально сократить цикл. Например, в медицинской химии, где путь от гипотезы до испытаний может длиться от 5 до 10 лет. Алгоритмы сразу отсеивают неэффективные варианты, что сокращает этот путь до 2–3 лет. Таким образом, лаборатория тратит время только на то, что имеет шанс сработать не вхолостую. Конечно, для того, чтобы всё это запустилось, необходима серьёзная инфраструктура. В первую очередь, обновление вычислительных мощностей. Это дорого, но иначе нельзя, ведь для по-настоящему прорывных результатов нужны серверы, видеокарты, системы хранения. Без них не запустить ни одну серьёзную модель.

Важно, что мы не просто расходуем ресурсы, но и привлекаем их. Закупки идут за счёт новых проектов: мегагрантов, госзаданий. То есть это не деньги проекта «Приоритет 2030», а средства, которые университет сам зарабатывает. Но чтобы участвовать в конкурсах, нужно иметь базу. В этом смысле оборудование – не абстрактная инвестиция, а условие научной состоятельности.

– Когда речь идёт о том, что у программистов называется «железом», в первую очередь возникает вопрос об университетском суперкомпьютере СКИФ Cyberia. Он ещё в строю?

– Он не просто в строю, а работает на полную мощность. СКИФ Cyberia запустили в 2007 году, и тогда это был самый мощный суперкомпьютер в стране. У нас он появился даже раньше, чем у МГУ. Конечно, от первоначальной конфигурации мало что осталось: неоднократно обновлялись процессоры, графические ускорители, архитектура. Каждый этап модернизации был связан с конкретной задачей. В 2013 мы усилили систему под задачи анализа больших данных, и это сразу привлекло внешние заказы. Потом подключились физики с проектом ATLAS и ЦЕРНом, и это тоже стало точкой роста. Позже был получен мегагрант на 5 лет для работы на отечественных ускорителях. В 2016 году мы одними из первых в стране запустили научные и прикладные проекты на основе анализа больших данных. Во время пандемии наш СКИФ обеспечивал гибридное обучение наших студентов. Потом произошла оцифровка фондов Научной библиотеки, в том числе редких дореволюционных изданий. Всё это – работа, требующая значимых мощностей, и она проходила полностью через наши вычислительные ресурсы.

Для «Сибура» на СКИФе уже 10 лет обрабатываются геологоразведочные данные, моделируются прочность труб, анализируются месторождения; астрономы ищут новые объекты на огромных массивах снимков; мехматовцы отлаживают параллельные вычисления на отечественных процессорах «Эльбрус». А вот и совсем свежий пример: студенты программы по технологическому предпринимательству Института экономики и менеджмента создали стартап по видеоаналитике в сельском хозяйстве. Они установили камеры на подсобных хозяйствах, и алгоритмы стали анализировать поведение животных. Система фиксирует, как изменилась активность коровы, и может предсказать заболевание животного ещё до появления симптомов. Это не просто идея, это уже готовая технология мониторинга для агропромышленного комплекса, которая работает на наших вычислительных мощностях.

Сегодня СКИФ Cyberia входит в топ-50 самых мощных вычислительных систем СНГ и фактически представляет собой полноценный цифровой научный центр. На его серверах работает система, которую мы условно называем «помощник технолога». Она анализирует нормативные документы, ГОСТы, проектные спецификации и находит оптимальные решения. Это то, без чего невозможно работать и с большими языковыми моделями, поскольку их нельзя запустить с обычного ноутбука. К работе со СКИФом подключаются и гуманитарии: историки, социологи, исследователи цифровых следов. Они работают с массивами данных, в том числе из открытых источников. СКИФ – это наше достояние, которое развивается вместе с нами, а ИИ помогает выявлять тренды, скрытые паттерны, обобщать и визуализировать информацию. Такой объём невозможно обработать вручную. Мы даём исследователю инструмент, который работает быстро, точно и масштабируемо. Это незаменимый атрибут новой науки.

– Уже очевидно, что искусственный интеллект перестал быть узкопрофессиональной технологией и стал универсальным инструментом, меняющим правила игры в самых разных сферах. Как университет работает с этим переходом? Вы рассказали о научных исследованиях, а что получают студенты, не связанные с программированием в образовательном плане?

– Действительно, ИИ давно вышел за пределы одного факультета или одной профессии. Поэтому сейчас мы запускаем универсальный образовательный модуль по искусственному интеллекту сразу на шести факультетах. Это первый шаг к тому, чтобы культура работы с данными и понимание возможностей ИИ вошли в образовательную повестку самых разных направлений – от естественно-научных до гуманитарных. В модуле предусмотрена проектная работа, освоение базовых инструментов аналитики, визуализации, генерации гипотез. Наша задача – не сделать из всех программистов, а научить студентов задавать правильные вопросы искусственному интеллекту и видеть его потенциал как «сквозной» технологии. Желательно, чтобы в каждой современной исследовательской группе был специалист, понимающий ИИ. Раньше это был статистик или системный аналитик. А сейчас уже появляется новая роль: человек формулирует задачу, а ИИ сам генерирует нужный код. И это уже происходит! В том же Сбере, например, почти перестали нанимать младших разработчиков, потому что алгоритмы пишут код быстрее и точнее. Однако это не значит, что ИИ «победил человека». Это совершенно не так, поскольку именно человек задаёт исследовательское направление. Человек (по крайней мере, пока) может ставить вопросы, до которых ИИ самостоятельно не додумается. Но ИИ находит ответ быстрее. Соответственно, он позволяет резко ускорить путь от идеи до результата.

Обратите внимание: традиционно в любой научной сфере автор стремится опубликовать статью в «звёздном» журнале. И только в ИИ главным форматом презентации результатов коллегам и широкой общественности стали не публикации в журналах, а доклады на конференциях уровня А* («А со звёздочкой»). Потому что здесь принципиально важен не формат презентации новых научных достижений, а её скорость. Представил на конференции, сразу получил обратную связь, и ты уже в авангарде! Это то, что принесли с собой компьютерные науки и наука об искусственном интеллекте.

 

Для справки:

Конференции уровня А* являются флагманскими научно-образовательными мероприятиями по классификации CORE. Участие в таких конференциях особенно ценится исследователями, их количество среди всех профильных конференций составляет 7,6%. Многие революционные работы в области искусственного интеллекта были впервые представлены именно на конференциях уровня А*.

 

– Эдуард Владимирович, вернёмся к теме партнёрства и создания новых структур в ТГУ. В июле в ТГУ официально открылась лаборатория по искусственному интеллекту в химии и молекулярной инженерии. Можете рассказать, как создавался этот проект?

– Да, лаборатория действительно начала работу, и мы связываем с ней серьёзные научные планы. Это совместный проект ТГУ и Института AIRI, а научным руководителем стал Артур Кадурин, один из ведущих специалистов в области применения ИИ в химии. Её открытие состоялось в рамках проведения на базе ТГУ школы для молодых исследователей «Лето с AIRI».

То, что Томск стал первым сибирским городом, где решено было проводить очередную школу, было воспринято нами как серьёзный знак признания потенциала и уже имеющихся возможностей нашего университета и томских вузов в целом. До этого «Лето с AIRI» проводилось в «Сириусе» (Краснодарский край), Иннополисе (Республика Татарстан) и ИТМО (Санкт-Петербург). То есть сам факт, что коллеги из AIRI выбрали нас как партнёра и соорганизатора, говорит о многом. Это подтверждение того, что наш университет воспринимается как точка роста, как территория с высоким научным и образовательным потенциалом. Мы получили возможность не просто принять школу, но и включить в неё тех, кто уже сегодня работает на стыке направлений и может войти в будущие лаборатории.

Институт AIRI взял на себя образовательную часть: отбор участников, формирование программы, организацию приезда экспертов. Мы, со своей стороны, предоставили инфраструктуру, аудитории, поддержку проживания. Некоторые лекции читали наши сотрудники. Большую помощь оказали партнёры и спонсоры, но в целом участники приезжали за свой счёт. И это говорит о высоком уровне мотивации. График был насыщенный: занятия с утра до вечера и часто с ночным продолжением в коворкингах. Люди действительно работали на пределе. Одним из самых сильных треков Школы стал химический – как основа для запуска лаборатории, о которой мы уже говорили ранее. В её команду вошли химики и специалисты по ИИ, которые начали работать вместе в рамках этой школы. К сожалению, Артём Оганов, один из ведущих кристаллохимиков страны, не смог приехать, но все остальные эксперты были на месте. Это была реальная среда для глубокого погружения, где за несколько дней участники получили опыт, сопоставимый с полноценной стажировкой. Такой формат не связан только с образовательными целями, он превращается в точку входа в реальную науку. Мы хотим, чтобы молодые специалисты не теряли время между обучением и наукой. И чтобы ИИ не оставался в их восприятии чем-то абстрактным. Он должен быть инструментом работы. Именно так – поэтапно, в партнёрстве, через реальные задачи – мы собираемся выстраивать новую научную среду.

Собственно, это и есть основная причина, почему мы вложились в Школу. Нам нужно вырастить своих ребят, которые возьмут на себя задачу развития искусственного интеллекта, так же, как когда-то Феликс и Владимир Тарасенко, Александр Горцев и некоторые другие молодые исследователи взяли на себя задачу развития кибернетики и создали в университете свои научные школы. Сегодня работают уже их ученики – доктора наук, лидеры в области кибернетики и математики. И теперь перед нами стоит такая же задача: дать новый старт. И сейчас нужно в ручном режиме вырастить когорту молодых лидеров, которые через всю свою жизнь пронесут эту историю и сформируют в ТГУ настоящий центр компетенций в области ИИ.

Такие масштабные мероприятия, как школа «Лето с AIRI», дают не только знания. Они позволяют почувствовать город, университет, среду, людей. А мы точно знаем: это наша сильнейшая сторона. Томск – уникальное место на карте России и мира. Это настоящий университетский город, где работают настоящие учёные. И, кстати, для нас это тоже лакмусовая бумажка отношения к научным школам. Мы видим, как люди, приезжая на такие мероприятия, влюбляются в Томск и университет. Они чувствуют здесь особую атмосферу – атмосферу свободного и, во многом, бескорыстного научного поиска. Не всё ведь измеряется в деньгах. Для наших молодых коллег это тоже важный сигнал. Они видят, что «не боги горшки обжигают» и что в науке можно расти, если работать системно. А в сфере ИИ сегодня у всех есть шанс. Это уникальная история, где можно быстро стать профессионалом высокого уровня. Настоящее окно возможностей. Мы этой Школой хотели показать молодёжи, что необязательно уезжать, чтобы стать асом в области ИИ. В Томске возможностей много и здесь можно быть не на «вторых ролях», не заниматься только обслуживанием чужих идей, а создавать собственные. То, насколько серьёзным стало это событие для ТГУ, хорошо видно и по отзывам коллег – участников мероприятий.

 

Комментарий Вячеслава Гойко, директора Института анализа больших данных и искусственного интеллекта ТГУ:

– Школа «Лето с AIRI» – одно из ключевых событий года для нас и, без преувеличения, для всей ИИ-повестки в стране. Институт AIRI – это автономная некоммерческая организация, занимающаяся фундаментальными и прикладными исследованиями в области искусственного интеллекта. Он был основан в 2021 году, его главный офис находится в «Москва-Сити». Руководит институтом Иван Оселедец, доктор физико-математических наук, профессор РАН, обладатель международных математических премий, яркая личность и один из ведущих российских учёных в области ИИ.

Отбор участников в летнюю школу традиционно очень жёсткий: научный совет Института AIRI пропускает только тех, кто уже может показывать результат. Самому младшему участнику Школы было 16 лет, им стал блестящий школьник, за которым точно будущее. В этом году было подано более полутора тысяч заявок, из которых выбрали всего 80 человек. География – вся Россия плюс несколько участников из-за рубежа. От ТГУ в школе участвовали 17 человек из нашего Института анализа больших данных и искусственного интеллекта, химического факультета, ФТФ и ИПМКН. Мы сознательно формировали междисциплинарную команду. Это молодые исследователи, программисты, математики, химики, физики, специалисты по данным. AIRI формировал основной состав, а мы, как партнёры, могли включить в отбор тех своих коллег по ТГУ, с кем связываем дальнейшие планы по открытию лабораторий.

Образовательная программа школы охватывала 12 треков от ИИ в химии, промышленности, генеративных моделей до архитектур и мультиагентных систем. В Томск приехали более 40 ведущих экспертов, включая представителей от Института AIRI, некоторых научных групп и индустриальных партнёров. Занятия проходили в нескольких корпусах ТГУ, в том числе в главном и в аудиториях второго корпуса. Работа шла с утра до поздней ночи: проектные команды писали код, тестировали гипотезы, собирали датасеты. Кто-то продолжал работу до четырёх утра, уже в гостиничных номерах и коворкингах.

Участники представили свои проекты в формате постерной сессии в главном корпусе ТГУ. Финалом Школы стала итоговая защита проектов перед экспертами. Работы охватывали как прикладные кейсы, так и фундаментальные исследования. Это был по-настоящему исследовательский интенсив, и для нас как университета он стал инвестицией в своих сотрудников, идеи и инфраструктуру.

Программа Школы, как настоящего научного марафона, была предельно насыщенной: более 60 лекций, семинаров и практикумов. Их названия говорят сами за себя: «Мультиагентные системы и ризонинг», «LLMs и трансформеры: их ограничения и пути развития», «Эволюция мышления LLM-агентов: от базовой логики до научных открытий», «Молекулярная динамика: раскрывая тайную жизнь материи», «Генеративные модели в индустрии» и многие другие фронтирные темы. Моя лекция называлась: «Размер имеет значение: где брать большие данные и как их использовать?». Мы пытались разобраться, что на самом деле стоит за красивыми словами про Big Data, где искать эти данные, как их подготавливать, обрабатывать и использовать и в науке, и в прикладных проектах. Лекция получилась живой, судя по обратной связи. А вообще, команда преподавателей этой летней школы была собрана преимущественно из специалистов AIRI – тимлидов и экспертов в своём деле. Это настоящие профессионалы, причём, очень молодые: многим по 20–23 года, но у них уже есть публикации в топовых международных журналах. Это серьёзный вызов для нашей академической среды, где подобные достижения обычно приходят значительно позже. Коллеги из AIRI работают в другой динамике, ближе к индустриальной, но с высокой научной планкой.

В рамках школы мы открыли совместную лабораторию по искусственному интеллекту в химии и молекулярной инженерии. Это не просто символическое событие. Лаборатория уже начала работу, сотрудники прошли обучение, сформирован Учёный совет. Мы сознательно увязали эти процессы, чтобы летняя школа стала не только образовательной, но и институциональной вехой. И, конечно, для университетской среды это стало точкой переосмысления роли ИИ в научном и образовательном процессах. Уже сейчас мы видим, как начинают перестраиваться образовательные программы. Например, в направлении «Математика для искусственного интеллекта» на мехмате ТГУ идёт полное обновление подходов. Это значит, что школа оставила не только проекты, но и новое мышление внутри университета.

Одним из ярких моментов школы стала лекция в стиле научного стендапа в одном из пабов Томска. Смелый эксперимент прошел очень удачно: неформальная обстановка помогла выстроить очень жаркую и откровенную дискуссию вокруг идей, которые, возможно, будут формировать новую культуру науки. Остановились на двух основных тезисах. Первый: сегодня учёные становятся своего рода «рок-звёздами». Лучших исследователей буквально переманивают крупнейшие корпорации, предлагая им контракты на сотни миллионов рублей. Это происходит и в России, так как меняется статус науки, и это важно понимать.

Второй тезис – меньше теории, больше практики. Даже если задача уже кем-то решена, стоит попробовать самому и, возможно, вы откроете что-то новое. Это принцип AIRI: их учёные – не кабинетные мыслители, а активные разработчики, которые одновременно исследуют и создают. Для нас это очень актуально. Если говорить честно, то у нас в университете, как и в российской академической среде в целом, часто встречаются люди с большим объёмом знаний, но без опыта практического применения. В AIRI подход противоположный: они делают ставку на баланс между фундаментальностью и прикладной значимостью. Если мы хотим оставаться в числе лидеров, то должны пересмотреть и образовательную, и научную модели, сделать их более адаптивными, гибкими, ориентированными на результат, а не только на процесс.

– Эдуард Владимирович, если открытие новой лаборатории и проведение летней школы по искусственному интеллекту – это всё ещё начало пути, то каким вы видите следующий шаг?

– Следующим шагом станет превращение таких событий в системную практику. Новая лаборатория и летняя школа с AIRI – это действительно только первый рубеж. Теперь нужно удержать темп, обеспечить молодым учёным и преподавателям условия, в которых они смогут не просто учиться, а предлагать свои идеи и решения. Нужно не дать импульсу погаснуть. Важно дальнейшее формирование и развитие профессионального сообщества, рожденного в процессе работы летней школы. Наша цель – чтобы эти контакты сохранялись и продолжали функционировать, чтобы мы могли возвращать участников школы в ТГУ уже как исследователей, преподавателей, партнёров. Потому что университет ­– это не стены. Это связь между людьми, которые хотят менять будущее.

Ректор ТГУ Эдуард Галажинский,
член Совета по науке и образованию при Президенте РФ,
вице-президент РАО,
вице-президент Российского союза ректоров

 

Записала беседу и подобрала справочный материал
Ирина Кужелева-Саган