• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

«В науке меня привлекает свобода и высокий нравственный кодекс ученого»

Ученые нижегородской Вышки разработали модель системы поддержки принятия решений, которая качественно превосходит существующие решения за счет интеграции нейронных сетей и традиционных алгоритмов агрегации оценок. О сложных и порой неприступных задачах, стоящих перед молодыми учеными, возможностях искусственного интеллекта и творчестве в науке рассказал старший преподаватель кафедры информационных систем и технологий НИУ ВШЭ – Нижний Новгород Александр Демидовский.

«В науке меня привлекает свобода и высокий нравственный кодекс ученого»

© istockphoto

Александр Демидовский закончил аспирантуру нижегородского кампуса НИУ ВШЭ в 2021 году. В 2019г. стал победителем конкурса на лучшие проекты фундаментальных научных  исследований, выполняемых молодыми учеными. Проект «Разработка и анализ новых методов субсимвольных распределенных вычислений для агрегации лингвистических оценок в задачах  многокритериального выбора» также получил поддержку Российского фонда фундаментальных исследований.

По итогам защиты кандидатской диссертации в Диссертационном совете НИУ ВШЭ Александру присуждена степень кандидата компьютерных наук.

Александр Демидовский

Александр, чем Вас привлекла тема поддержки принятия решений?

На мой взгляд, принятие решений является одним из самых сложных процессов в жизни человека. Когда выбор неочевиден, когда информации недостаточно, чтобы сделать однозначный лучший выбор, когда он совершается группой лиц или слишком много критериев выбора, каждое из решений оказывается неидеальным. При этом понятно, что если решение принимает человек, а не система, то оно оказывается очень субъективным.

Чтобы принимать взвешенные решения, нужны новые программные комплексы и способы человеко-машинного взаимодействия — новые методы, которые смогут обуздать растущую сложность возникающих задач выбора.

Меня завораживает сложность и, на первый взгляд, неприступность таких задач с тех пор, как я впервые с ними познакомился.  

Какую проблему решает Ваше исследование?

Современные нейросетевые интеллектуальные системы и традиционные алгоритмы агрегации оценок имеют как свои преимущества, так и недостатки. На производстве, например, при управлении энергетическими объектами, в медицинских системах, в системах автономного вождения, где цена ошибки крайне велика, в критических ситуациях финальное решение все-таки должен принимать человек.

По мнению большого числа ученых, будущее за интеллектуальными системами гибридного типа, где объединяются преимущества обеих парадигм – символической и субсимволической. Это поможет строить системы нового поколения, которые качественно отличаются от текущих своей эффективностью и выразительной силой.

В таких системах возникает два магистральных направления: как представлять данные, чтобы ими можно было пользоваться в обоих типах подсистем, и как осуществлять распределение задач между этими подсистемами.

Я ставил задачу не сделать такую нейронную сеть, которая бы обучалась и решала поставленную задачу, а так спроектировать решение, чтобы нейронная сеть и традиционный алгоритм агрегации оценок сосуществовали вместе, каждый бы решал свою часть этой интеллектуальной задачи. Почему обучения только нейронной сети недостаточно? Потому что тогда нам бы пришлось обучать её для каждой новой задачи многокритериального выбора, что крайне затруднительно.

Какие интересные результаты Вы получили?

В своей работе я предлагаю набор решений, которые позволят создавать системы поддержки принятия решений именно как гибридные системы.

Предложенная модель принятия решений качественно превосходит существующие решения в области по нескольким критериям: возможность работы с лингвистическими оценками, с несколькими экспертами, с разнородной информацией, возможность моделирования процесса принятия решения в виде многоагентной системы. В качестве побочного продукта исследования получилось создать прототип программного каркаса для сравнения существующих методов поддержки принятия решений.

Я предложил формат представления задачи многокритериального выбора в виде многоразмерного вектора через промежуточное представление в виде дерева.  Этот результат позволяет по-новому анализировать данные задачи и применять подходы, которые ранее не могли быть использованы с традиционным представлением задачи. Мне удалось показать, как представить алгоритм агрегации оценок, который является символьным, в виде каскада нейронных сетей, не требующих обучения, а также в виде обучаемой нейронной сети с дополненной памятью.

Какие направления внедрения результатов работы Вам кажутся перспективными?

Результаты работы могут быть внедрены в системы автономного управления транспортных средств, системы умного города, медицинские системы, системы поддержки принятия решений на производстве, где возникает задача многокритериального выбора. Например, недавно, я слушал обзорный доклад Еремеева А.П. о достижениях в построении СППР реального времени в атомной энергетике. Использование высокоразмерных представлений и развитие предложенных мной методов позволят интегрировать в такие системы нейросетевые модули и уложиться в требования по быстродействию.

Вы последовательны в своих научных исследованиях – этой темой Вы заинтересовались еще в магистратуре?

Сейчас это называется «академическая магистратура», когда студент два года магистратуры использует для подготовки и предварительной работы над диссертационным исследованием. В 2015, когда я поступал в магистратуру, такого понятия не было, но, что называется по наитию, я попросил своего научного руководителя Эдуарда Александровича Бабкина выстроить такую траекторию и не прогадал – результаты магистратуры оказались хорошим фундаментом и даже попали во вторую главу итоговой работы.

Чем Вас привлекает академическая карьера?

Ещё в школе, глядя на свою маму – учителя математики, восхищался профессией учителя и преподавателя, видел в этой професии огромную значимость. Тогда ученая степень казалась несбыточной мечтой. В бакалавриате понял, что для академической карьеры получение ученой степени — это просто обязательно. Учился хорошо: бакалавриат и магистратура с красным дипломом. Очень помогало, что я работал со второго курса: сначала в лаборатории ТАПРАДЕСС, потом в Intel. Так как сразу знал, что хочу в аспирантуру, к моменту поступления имел несколько публикаций в Scopus с результатами, полученными в ходе курсовых работ.

В науке меня привлекает отсутствие идеологии, свободное творчество, процесс, требующий напряжённого внимания, оригинальности, работоспособности, упорства, высокий нравственный кодекс учёных, возможность создания нового знания. Конечно, привлекает и финансовая сторона вопроса: я дважды получал специальную стипендию НИУ ВШЭ за высокие научные результаты, также имел собственный грант от РФФИ. Но для меня академическая карьера – не только статьи и конференции, квартили и базы реферирования. По-прежнему, для меня на первом месте возможность делиться знаниями и общение со студентами, бесконечное улучшение и обновление материала и технической системы моих дисциплин.

Кто поддерживал Ваше исследование?

Я бы хотел сказать, что получение степени кандидата наук - это очень важная веха в моей жизни. Я очень благодарен своей семье и коллегам за помощь, поддержку и готовность идти навстречу.

Говоря о роли научного руководителя в моём развитии как учёного, я могу сказать, что он помог мне понять важность таких аспектов, как дисциплина, беспристрастность, обширность знаний. Эдуард Александрович, начиная с первого курса бакалавриата, был бессменным руководителем моих курсовых работ, ВКР, магистерской диссертации и кандидатской диссертации. Особенно отмечу, что работа с Эдуардом Александровичем предполагает высокую степень самоорганизации и инициативность.

Важным подспорьем в работе была поддержка от Российского фонда фундаментальных исследований. Кроме внушительной материальной поддержки, благодаря которой я мог всё свободное время посвятить работе над диссертационным исследованием, появился внешний стимул – необходимость ежегодного отчёта, который проходит серьёзную экспертизу, а в качестве критерия выполнения условий гранта – принятие диссоветом диссертации к защите. Безусловно, это сыграло свою роль и с точки зрения мотивации, и с точки зрения объёма проведённых исследований.

Важным этапом моего исследования оказалось выступление на международном семинаре VSA ONLINE, организованном группой ученых из Калифорнийского университета в Беркли (США) и Лулеоского технологического университета (Швеция). Там я представил результаты лидерам в области высокоразмерных вычислений, познакомился, как окажется в будущем, с членами комиссии на защите диссертации.

Я бы хотел ещё отметить роль другого учёного – Дениса Клейко, одного из лидеров области высокоразмерных вычислений, который сам вышел на связь, прочитав мои работы. Я очень благодарен Денису за его участие в моей работе как старшего товарища и эксперта.

Планируете ли Вы продолжение исследовательской работы в выбранном направлении? Какие задачи перед собой ставите?

Пообщавшись с некоторыми учёными, отечественными и зарубежными, я получил положительный отзыв об этой работе, и хотел бы продолжить исследования. В первую очередь, я бы хотел развить сотрудничество с другими университетами, где коллеги занимаются похожими вопросами.

Сегодня сложно загадывать на долгую перспективу, но я знаю точно, что продолжу свою деятельность ведущего инженера компании Huawei и преподавателя НИУ ВШЭ. Я по-прежнему сфокусирован на развитии имеющихся у меня дисциплин, внедрении инновационных идей в образовательный процесс и воспитании молодых кадров, которые будут востребованы на рынке труда.

Эдуард Александрович Бабкин, научный руководитель

Бабкин Эдуард Александрович

В течение двух лет подготовка кандидатской диссертации Александра проходила в рамках проекта РФФИ «Аспиранты». Это позволило выстроить исследование и подготовить публикации в соответствии с высокими требованиями фонда. Полученные в ходе исследования результаты вошли в научный отчет по этому проекту. Недавно поступила информация о том, что финальный отчет по проекту был успешно принят фондом РФФИ. Теперь, после успешной защиты диссертации, Александр может сделать короткую передышку и продолжить исследования с участием студентов и коллег факультета.

Результаты совместной работы могут быть представлены на международном научном мероприятии MOBA-2023. Хочу напомнить, что международный круглый стол “Model-Driven Organizational and Business Agility” (MOBA-2023) пройдет этим летом. Сейчас открыта подача статей по широкой тематике организационной гибкости. Недавно известное издательство Springer подтвердило, что статьи, прошедшие рецензирование орг. комитета MOBA-2023, составят отдельный выпуск авторитетной серии Springer LNBIP (Lecture Notes in Business Information Processing). Подробности о MOBA-2023 и правилах подачи статей можно узнать на сайте.