Дорогу молодым ученым: ВШЭ подвела итоги первого года реализации исследовательских программ

© Высшая школа экономики

В прошлом году факультет компьютерных наук (ФКН) ВШЭ запустил два исследовательских проекта, нацеленных на вовлечение студентов в научную деятельность с первого курса. Один из них — трек «AI360: Инженерия искусственного интеллекта» — реализуется в рамках бакалавриата «Прикладная математика и информатика» (ПМИ) совместно с Яндексом и Сбером. На другом треке, который называется «Исследовательская программа», могут учиться студенты первого и второго курса всех программ бакалавриата ФКН.

На первой неделе июля у студентов исследовательских треков прошла защита проектов. Представленные исследования показали высокий уровень молодых ученых, а некоторые по качеству оказались близки к публикациям для журналов и конференций уровня А.

Как прошел первый год обучения и научной работы, над чем трудились и почему решили заниматься наукой, рассказывают участники проектов.

Илья Глазков, студент первого курса ПМИ, «Исследовательская программа»

— С шестого класса я стал углубленно заниматься олимпиадной математикой и информатикой. Участвовал в сменах образовательного центра «Сириус», учился в кружках Т-Банка и Яндекса, становился призером и победителем различных перечневых олимпиад.

При поступлении я выбрал бакалавриат «Прикладная математика и информатика», потому что знал, что сюда поступает много умных ребят, которые тоже участвовали в олимпиадном движении. Считаю, что окружение значительно влияет на продуктивность учебы

На олимпиадах большинство задач относительно несложные, а время на их решение сильно ограничено. Став студентом, я захотел решать более сложные задачи, но без ограничений по времени. Исследовательская работа как раз отвечала моим запросам. При этом она требовала хорошей математической подготовки, а также помощи научного руководителя. Все эти возможности предоставляет «Исследовательская программа» ФКН.

В своей работе я взялся за тему обучения устойчивых линейных динамических систем. Это системы, эволюция которых во времени описывается линейным разностным уравнением. Я изучаю итеративные методы приближения устойчивых линейных динамических систем на основе информации об их состоянии в различные моменты времени.

За полгода на программе я углубился в тему моего исследования — во многом это произошло благодаря моему научному руководителю Максиму Рахубе. На первом курсе мне особенно понравился курс линейной алгебры, поэтому я захотел глубже изучить область численных методов линейной алгебры, которой занимается Научно-учебная лаборатория матричных и тензорных методов в машинном обучении под руководством Максима Владимировича.

В науке меня привлекла свобода. Сила математики в абстрактности, которая дает огромный потенциал для ее приложений. Одно и то же уравнение может описывать разные явления. Математика универсальна и развивается очень свободно, а истинность результатов подтверждается доказательствами.

Исследовательский трек стал для меня возможностью начать работу с научным руководителем с первого курса, проходить дополнительные курсы и глубже погружаться в интересную мне область, а также влиться в научную среду, что поможет в развитии академической карьеры.

Александр Климчук, студент второго курса ПМИ, «Исследовательская программа»

— Еще в третьем классе я попал на математические лекции на Малом мехмате МГУ, мне они очень понравились, и с тех пор математика прочно закрепилась среди моих интересов. Я поступил в математический класс — там и начался мой олимпиадный путь. В средней школе я заинтересовался олимпиадным программированием, сборов и олимпиад стало в два раза больше. Математика и информатика шли со мной бок о бок всю старшую школу, поэтому не было сомнений в выборе направления для поступления. Так я и попал на ФКН.

Когда я узнал о запуске трека «AI360» для первокурсников, стало грустно, что на нашем потоке не было такой возможности, но уже во втором семестре нам объявили об «Исследовательской программе» ФКН. Мне был интересен опыт исследования, тем более продолжительного, поэтому я решил, что точно должен податься. Более того, я понимал, что мой вектор обучения уходит от теоретической математики, но совершенно отказываться от нее я не хотел. Среди проектов был вариант, совмещающий интересные мне математические темы. Таким образом, я понял, что это идеальный вариант для продолжения математической деятельности.

Моим научным руководителем стал Валентин Промыслов, которого я знал с первого курса, но в этом модуле непосредственное участие принимал также Никита Медведь. Выбирал я скорее тему, а не руководителя, знакомое имя просто развеивало неизвестность. Мы сначала встречались очно, потом перешли в онлайн, обсуждали, что я прочитал и понял из теории или мини-упражнений. Исследовательская работа выстроилась гладко, из-за разъездов было немного непоследовательное расписание встреч, но главное, что работа шла.

Мое исследование связано с отображениями матриц, сохраняющими ранговую метрику, то есть расстояние между матрицами. Изучение таких отображений приводит к изучению чисел пересечений матриц фиксированного ранга и их сдвигов, с этими числами и связано исследование. Я изучил эту тему и более глобальную теорию схем отношений, параллельно решая мелкие упражнения. Эта тема лежит на стыке линейной алгебры и комбинаторики — интересных мне дисциплин, а задача берет корни из более общих фундаментальных вопросов, именно поэтому исследование полезно.

Мне в целом интересно узнавать что-то новое, разбираться в непонятных вещах. Необычная идея, красивое доказательство, новая теория входят в процесс изучения, который привлекает сам по себе.

Когда из сочетания знаний удается получить результат — это действительно ценно. Даже какие-то маленькие шажки воодушевляют

Учитывая, что тема исследования далека от практики, сложно сказать, насколько это все важно и нужно, но главное, что интересно.

Исследовательский трек позволяет мне получить опыт полноценного исследования. Иногда ограниченные рамки курсовой работы не дают полностью почувствовать эффект продолжительного проекта. Здесь же, можно сказать, исследование от А до Я, когда есть открытые вопросы. Это также возможность углубиться в тему за счет дополнительных курсов. С одной стороны, приобретенные сведения могут помочь в работе, а с другой — это в целом увеличивает базу знаний.

Ульяна Паркина, студентка второго курса ПМИ, «Исследовательская программа»

— В школе я сначала любила все технические дисциплины, например физику. Но потом я узнала, что такое программирование, и мне очень понравилось. Я начала ходить в олимпиадные кружки, участвовать в олимпиадах на высоком уровне. На факультет компьютерных наук шла без сомнений: здесь сильная математическая и программная база и на высоком уровне преподается машинное обучение, а это то, чем я хотела заниматься дальше.

Исследовательский трек я выбрала, потому что захотела попробовать себя в формате, где можно постепенно втянуться в настоящие исследования и узнать побольше о том, что мне нравится, как устроена академическая жизнь. Я ожидала, что трек даст базовые исследовательские навыки, познакомит с методикой работы над научными задачами и, главное, покажет целый мир, в котором я раньше не была. Все ожидания оправдались.

Со своим научным руководителем Максимом Рахубой я познакомилась, когда искала руководителя для курсовой работы. Он мне во многом помогал, говорил, какие статьи читать, рассказывал, что сейчас изучают в области, познакомил со многими интересными людьми. Сначала мы виделись раз в неделю, но после того, как я прошла на исследовательскую программу, взаимодействие стало более плотным. Сейчас я работаю в его лаборатории матричных и тензорных методов в машинном обучении стажером-исследователем.

Мое текущее исследование посвящено большим языковым моделям: мы изучаем математические методы их сжатия. Это является довольно актуальной темой, потому что сейчас языковые модели внедряются в различные области нашей жизни.

В науке меня привлекают свобода и креативность. Например, можно ставить вопросы, на которые еще никто не отвечал, и искать решения нетривиальными путями

Научная работа двигает прогресс: без людей, которые копались в необычных, иногда странных темах без немедленной выгоды, у нас не было бы современных устройств и технологий. Сейчас граница между наукой и индустрией особенно тонка — за фундаментальные результаты нередко хорошо платят, что делает исследовательский путь еще более привлекательным.

Я бы посоветовала идти на исследовательский трек, потому что так, благодаря наставнику и материальной поддержке в виде стипендии, легче войти в науку, можно глубоко погрузиться в тему и понять, нравится ли вам такая работа. А еще такой опыт ценят и в академии, и в индустрии, так что карьерных вариантов станет больше.

Тимофей Ижицкий, студент первого курса ПМИ, трек «AI360»

— В конце восьмого класса я решил заниматься спортивным программированием, сильный толчок к этому дала юниорская смена в «Сириусе», после которой я сильно мотивировался. Я усердно работал в этой дисциплине несколько лет и по итогу стал победителем ВсОШ по информатике. Исходя из того, чем я занимался в школе, у меня был выбор: пойти в ВШЭ или МФТИ. Я выбрал ВШЭ.

При научной работе придется решать одну большую задачу продолжительное время. Более того, ее нужно еще правильно поставить, иначе просто-напросто нечем заниматься. Я считаю, что это род творчества, просто у меня иные кисти и краски.

Мои ожидания от трека примерно оправдались, то есть я понимал, что от меня будет требоваться. Я ознакомился с предметной областью и узнал новые факты, далее я планирую погружаться в эту область, использовать более продвинутые инструменты.

Организаторы трека предоставили большой список тем и научных руководителей, поэтому выбор был широкий. Моим научным руководителем стал декан факультета Иван Аржанцев. Я могу без трудностей перенимать опыт от ученого с огромным количеством публикаций и исследований.

Я занимался кодами, корректирующими ошибки, по-простому это математическая модель шумоустойчивой передачи сообщений по каналу связи. За прошедший семестр моим основным результатом является новая оценка на удлинение кодируемых слов.

Меня привлекает возможность проявить себя в научной деятельности, а также понять, как правильно заниматься исследованиями. Наука способствует развитию общества и повышению качества жизни на длинной дистанции

Этот трек дает возможность заниматься наукой правильным образом и дает вход в эту область. Студент может понять, насколько ему нравится заниматься исследовательской деятельностью, что от него требуется. При этом он может перенимать опыт от состоявшихся ученых, посещать научные конференции.

Максим Сныцарев, студент первого курса ПМИ, трек «AI360»

— В течение учебы в школе моими профильными предметами были математика и информатика. Также я активно участвовал в олимпиадах. На ПМИ меня привело желание заниматься сильной математикой и информатикой, возможность учиться вместе с суперзаряженными ребятами.

На трек «AI360» я пошел из-за возможности уже с первого курса погрузиться в тему ИИ и тесного сотрудничества с такими крупными компаниями, как Сбер и Яндекс.

Я ожидал, что учеба будет насыщенной и интересной. Так и оказалось. Например, две недели в питерской проектной школе были одними из самых классных за весь год. Была возможность работать над проектом в команде, а также пообщаться с крутыми специалистами из компаний.

Мой научный руководитель — Максим Рахуба. Во время учебы я часто слышал, что Максим Владимирович — специалист в своей области и опытный научный руководитель, с которым интересно работать. Взаимодействовали мы так: раз в неделю я приходил к нему, мы обсуждали мой прогресс, вместе выбирали дальнейшие варианты развития. В начале работы я изучил статьи на свою тему, выстроил план исследования.

В течение этого года я занимался аппроксимацией матриц. Это когда требуется найти две такие матрицы меньшего ранга, чтобы их произведение не слишком сильно (имея маленькую ошибку) отличалось от данной матрицы. Аппроксимация матриц широко используется в разных задачах из реальной жизни — от решения дифференциальных уравнений до рекомендательных систем. Смежная тема — задача заполнения матрицы (completion). Представьте стриминговый сервис, где зрители ставят фильмам оценки. Вопрос: как исходя из их оценок предложить им фильм, который они еще не смотрели? Именно эту задачу решает completion матрицы.

Интересно, что здесь нет конкретного ответа на поставленные вопросы. В исследовании можно прийти к самым необычным результатам, которые, в свою очередь, могут привести к другим открытиям. Наука — двигатель прогресса, без которой не будет инноваций.

Исследовательский трек — это, во-первых, лучший шанс с первого курса попробовать себя в качестве исследователя и понять, нравятся вам такие задачи или нет. Во-вторых, это возможность общаться с самыми крутыми и заряженными ребятами. В-третьих, на «AI360» появляется шанс познакомиться и работать с известными компаниями — Сбером и Яндексом.

Никита Ильтяков, студент первого курса ПМИ, трек «AI360»

— В школе я участвовал в различных олимпиадах по информатике, математике, физике. Мне нравилась соревновательная составляющая, борьба и сам процесс решения сложных задач. Помимо олимпиад, я занимался своими проектами, писал различные программы, участвовал в хакатонах. Позднее я заинтересовался машинным обучением, ведь алгоритмы этой области позволяют решать задачи, про которые до этого считалось, что их решить может только человек. Я стал победителем Всероссийской олимпиады по ИИ, которая дает право поступления без вступительных испытаний на факультет компьютерных наук ВШЭ, куда я и хотел попасть.

Я решил пойти на исследовательский трек, так как точно знал, что хочу заниматься фундаментальными решениями в области искусственного интеллекта. Программа трека подразумевает погружение в область с первого курса, прохождение дополнительных дисциплин, научную работу — все это согласуется с целями, которые я перед собой ставил.

Ожидания от трека оправдываются: уже на первом курсе мы успели принять участие в зимней проектной школе, пройти курс Школы анализа данных Яндекса и начать заниматься исследовательской деятельностью. Второй курс обещает быть еще более насыщенным: мы будем изучать уже непосредственно методы современного машинного обучения.

Я работаю под руководством Александра Панова над проектом, который был предложен Научно-исследовательским институтом AIRI. Выбирал проект я в первую очередь по теме: с одной стороны, хотелось поработать с большими языковыми моделями, с другой — позаниматься чем-то достаточно фундаментальным. Так как над этим проектом уже работали сотрудники лаборатории, то получилось быстро влиться в процесс. Мы регулярно созванивались, обсуждали текущие результаты и сложности, планировали эксперименты.

Суть этого проекта заключается в исследовании нейроморфных методов машинного обучения, то есть схожих с методами работы человеческого мозга. Как пример, большие языковые модели, которые сейчас стали так популярны, часто требуют дополнительного обучения для решения какой-то конкретной, более специфичной задачи. То есть исходная модель, обученная на большом количестве разнообразных данных, дообучается на более конкретных примерах. И, как показывает наше исследование, при реализации одного из методов дообучения можно использовать нейроморфный алгоритм для определенных матриц. Это позволяет сэкономить вычислительные ресурсы, практически не потеряв в качестве.

Меня мотивирует заниматься исследованиями осознание того, что делаешь что-то принципиально новое, на краю современной науки. И конечно, мне нравится сам процесс поиска решения, проведения экспериментов, анализа результатов, как когда-то нравились олимпиады

Первая причина, почему стоит идти на исследовательский трек, — это сообщество людей, имеющих близкие интересы, цели. Я считаю, что классное сообщество — это большой стимул развития. Вторая — это продуманная, насыщенная образовательная программа на весь период обучения. И третья причина — это возможности, включая проектные школы, исследовательскую работу, дополнительные активности. Их действительно много, и они затрагивают различные сферы жизни студентов — от спорта до искусства.

Максим Рахуба, заведующий Научно-учебной лабораторией матричных и тензорных методов в машинном обучении, научный руководитель бакалавриата «Прикладная математика и информатика» ФКН

— Это был в хорошем смысле авантюрный эксперимент. Я не до конца понимал, как первокурсники, вчерашние школьники, смогут быстро погрузиться в исследования. Однако тематика моей лаборатории — вычислительная линейная алгебра — оказалась вполне подходящей для этого: базовые понятия студенты как раз осваивают на первом курсе.

Я решил им сразу дать свежие научные статьи, причем те, что интересны мне самому. Но при этом важно было избежать сложного технического аппарата, требующего знаний со старших курсов. И, что приятно удивило, студенты не просто справились, а даже превзошли ожидания. Они в достаточно короткие сроки не только разобрались в материале, но и начали предлагать собственные идеи. Видно было, что их увлек сам процесс: первый опыт чтения научной работы, осознание, что в этой области еще много открытых вопросов, а значит, есть пространство для собственных гипотез.

Сейчас у ребят уже есть конкретные результаты, и, если продолжать в том же темпе, скоро может получиться полноценная работа, достойная публикации. Что особенно приятно — они подошли к делу с искренним интересом, а не формально. Готовились к обсуждениям, предлагали свои идеи.

Второй курс также показал сильный результат: одна из студенток к концу учебного года подготовила работу, которую мы уже отправили на рассмотрение на одну из ведущих конференций по машинному обучению.

Евгений Соколов, руководитель департамента больших данных и информационного поиска, академический руководитель бакалавриата «Прикладная математика и информатика» ФКН

— Карьерный путь исследователя куда менее понятен и куда менее популярен по сравнению с индустрией, с работой в продуктовых командах в компаниях. При этом, безусловно, мы должны взращивать исследователей в компьютерных науках — без этого у нас не будет ни прорывов в науке, ни успехов в ее прикладных применениях, ни возможности поддерживать образование на высоком уровне.

Наши исследовательские программы — это как раз попытка создать для студентов стимулы вовлекаться в науку уже с младших курсов. На мой взгляд, в этой работе главными компонентами являются индивидуальное наставничество со стороны наших ведущих исследователей, повышенная учебная нагрузка и финансовая поддержка. Все это мы успешно реализуем.

Когда мы только запустили исследовательские программы, было немало сомнений. В частности, многие коллеги переживали, что младшекурсники еще не обладают достаточной базой для того, чтобы погрузиться в современные задачи. Прошедшие сейчас защиты показали, что эти переживания были напрасны. Мы отобрали мотивированных студентов, имевших олимпиадные или проектные успехи, и они замечательно справились с тем, чтобы подтянуть недостающие знания, вникнуть в поставленные задачи, начать создавать новые методы. Да, возможно, им еще предстоит получить широкую эрудицию, сформировать полноценный фундамент, но я уверен, что проделанная сейчас работа как раз поможет им найти дополнительную мотивацию для дальнейшей учебы.