Ольга Бычкова: «Российская наука застряла между глобальным Югом и Севером»
Российская наука столкнулась с серьезными вызовами, среди которых ограничения доступа к глобальным базам данных и нехватка оборудования. Социолог Ольга Бычкова объясняет, как эти и другие изменения влияют на работу ученых
Наука как средневековый цех
РБК: Стоит ли сейчас идти в российскую науку? Как бы вы ответили на этот вопрос старшекласснику, который размышляет, изучать ему языки программирования или поступать на факультет молекулярной биологии и социологии?
О.Б.: Если человек задается вопросом, идти ли ему в науку, вероятно, это не его путь. В современной России IT представляется сферой для заработка, в то время как наука ассоциируется с поиском истины, что, как известно, не приносит больших денег. К тому же успех здесь достигается медленно и часто после долгих лет работы, как в средневековом ремесленном цехе.
Карьера в науке предполагает длительный путь. Учеба в бакалавриате, магистратуре, аспирантуре и последующая защита диссертации могут занимать от 15 до 20 лет. Структура научной работы также ограничивает карьерный рост, так как для получения высокого статуса требуются большой опыт и выстроенная годами репутация. В зарубежных академиях продвижение часто возможно лишь после ухода или даже смерти более опытного сотрудника, что еще раз подчеркивает конкурентность и медлительность в построении научной карьеры.
Возвращаясь к вашему вопросу — все завязано на потребности самого человека. Чаще всего, кстати, в академической сфере оказываются дети ученых. Данные говорят о том, что люди чаще идут в науку, если выросли в семьях исследователей, потому что с детства видели, как выглядит эта работа. Это особенно распространено среди биологов, географов и других специалистов естественных наук.
ИИ и эволюция рутины ученого
РБК: Как бы вы описали ключевые изменения, связанные с проникновением искусственного интеллекта в ежедневную работу ученого?
О.Б.: Интеграция ИИ в повседневную работу ученых трансформирует рабочие процессы на многих уровнях. Большая помощь искусственного интеллекта заключается в том, что ты не оказываешься перед пустым белым листом.
Нейросети ускоряют создание материалов: они могут составить учебный план, подготовить презентацию, предложить идеи для анализа данных или создать черновики заданий. Теперь, например, анонс конференции, который раньше занимал часы работы, можно написать за минуты с десятками вариантов. Это экономит время и структурирует мысли, особенно если уметь задавать ИИ правильные вопросы. На долгосрочном горизонте ИИ становится полезным инструментом в сложных научных исследованиях, таких как моделирование климата. Он помогает ученым интегрировать социально-экономические и физические данные в их исследования, делая прогнозы о постепенном изменении климата более точными и объемными.
Однако возможности нейросети ограничены. Скажем, в климатических моделях ИИ может рассчитать только предсказуемые изменения, например таяние ледников, так как этот процесс растянут на десятилетия и поддается анализу. На основе исторических данных ИИ определяет скорость, с которой ледники будут таять. Однако такие неожиданные события, как резкие изменения состояния атмосферы или океана (переломные моменты или «точки бифуркации»), которые могут вызывать ураганы, остаются непредсказуемыми для ИИ, поскольку они не следуют стабильной модели.
Также ИИ ограничен рамками своего обучения — он может применять знания только из тех данных, которые были у него изначально. Если модель обучена на устаревших или ограниченных данных, ее предсказания будут такими же неточными. Это делает искусственный интеллект полезным, но лишь в определенных рамках. Его прогнозы и выводы лучше всего рассматривать как вспомогательный инструмент.
Фундаментальная наука и быстрый результат
РБК: Как сейчас соотносятся фундаментальная и прикладная науки?
О.Б.: Фундаментальная наука продолжает играть ключевую роль в прикладных исследованиях, несмотря на современные тенденции. Приведу пример из 1930–1940-х годов. Так, британские физики исследовали микроволны и делились своими разработками с американскими компаниями. Одной из них была фирма Raytheon Manufacturing Co — она занималась испытанием радара ПВО. Инженер этой компании Перси Спенсер как-то оказался рядом с работающим магнетроном — устройством, генерирующим микроволны и используемым в радарных системах. В кармане у него была забытая шоколадка. От действия микроволн она расплавилась. Это привело его к идее использовать микроволны для приготовления пищи. Так и появилась микроволновка. Этот пример ясно показывает, что без фундаментальных исследований невозможны прикладные достижения.