Заведующий лабораторией №25 «Теории выбора и анализа решений им. М.А. Айзермана» д.т.н. Д.А. Губанов сменил на этом посту признанного во всем мире ученого д.т.н. Ф.Т. Алескерова.
Научный путь Дмитрия Алексеевича полностью связан с ИПУ РАН: он начала работать здесь в 2007 г. Здесь он защитил и кандидатскую, а затем и докторскую диссертации.
Основными направлениями своей научной деятельности Д.А. Губанов называет моделирование, анализ и информационное управление социально-сетевыми системами. Предлагаем Вашему вниманию интервью с Дмитрием Алексеевичем, в котором он рассказывает о том, как складывалась его научная карьера, или, как сейчас говорят, карьерная траектория.
Когда я учился, родители нас не особо контролировали – не так, как это происходит сейчас. Это были 90-е: родители на работе, а дети предоставлены себе. Я увлекся математикой довольно рано. Помню, во втором классе дядя подарил книжку «Занимательная математика» - не Перельмана, какая-то другая, название уже забыл. Я просто садился и решал задачи в свободное время, это было по-настоящему интересно. Перельмана открыл уже позже, когда сам начал ходить по книжным магазинам. Потом пошли олимпиады - городские, республиканские, иногда даже всероссийские. Чаще всего побеждал именно в математике, хотя участвовал практически во всем. Семья всегда это только поощряла.
К 2000 году жизнь стала понемногу налаживаться, но еще не ощущалось, что она будет лучше. Школу я окончил в 2001 году и поступил в Чувашский государственный университет на факультет информатики и вычислительной техники, где получил серьезную инженерную по отовку. Преподавали сильные специалисты, в основном выпускники московских вузов. Правда, пригодилось не все. Схемотехника и цифровая обработка сигналов мне сейчас особо не нужны, зато знания о разработке информационных систем, о системном проектировании сегодня для меня весьма актуальны.
После выпуска я год преподавал курс по искусственному интеллекту и быстро понял, что больших специалистов в этой области у нас нет: в городе была промышленность, электроника и всякие «железки». Тогда решил ехать в Москву, в аспирантуру. Отец меня поддержал, и за это я ему по-настоящему благодарен. Составил список интересных мне вузов и институтов: МГУ, МИФИ, ИСА РАН… Приехал, стал обходить кафедры, общался с теми, кто занимался инженерией знаний и ИИ. В итоге оказался здесь, в аспирантуре.
Кто был добрый ангел?
Конкретного человека, который меня бы привел за руку, не было. Просто договорился о встрече в ИПУ, зашел в отдел аспирантуры и расспросил, чем занимается каждая лаборатория. Так вышел на лабораторию, в которой разрабатывали интеллектуальные информационные технологии для систем управления. Именно здесь я познакомился с ее руководителем, Леонидом Ильичом Микуличем.
Какой это был год?
2007-й. Первое, что привлекло мое внимание, когда я зашел на территорию Института, – это мощный дуб. Он сразу создал нужную атмосферу. В детстве я зачитывался Стругацкими: помните «Обитаемый остров», там описан институт, утопающий в зелени? Это мне сразу на ум пришло. Потом я зашел в само здание, а там высокие потолки, мрамор, барельефы и портреты академиков. В общем, это было принятие. Сразу.
Я тогда подумал, да, интересно разрабатывать модели и методы, проводить их анализ, но для чего все это, в итоге, нужно? Очевидно, это нужно людям, которые принимают сложные решения. Значит, управление – та точка приложения, где мои знания и умения по-настоящему пригодятся. Так я пришел в инженерию знаний, точнее – в управление знаниями. Перелопатил литературу и через некоторое время понял, что это довольно слабоструктурированная область. Здесь, скорее, применимо слово не «управление», а «менеджмент». А однажды я оказался на семинаре у Дмитрия Александровича Новикова. Там меня подтолкнули к мысли, что информационные процессы в социальных сетях можно рассматривать как обмен знаниями и убеждениями. А это уже поддается строгому математическому моделированию, здесь можно прогнозировать и управлять. Так я и переключился на эту тему.
Вы быстро защитились после того, как сюда пришли?
С небольшим опозданием, примерно на полгода, по-моему, позже. Дело в том, что я сначала работал над похожей темой, но все-таки иной. Между управлением знаниями и информационным управлением разница есть и существенная: разные цели, задачи, да и методы тоже сильно отличаются.
Кто был Вашим научным руководителем?
Если говорить о кандидатской диссертации, то Леонид Ильич Микулич и Александр Гедеванович Чхартишвили. Кстати, по результатам этой работы мы (Губанов, Новиков, Чхартишвили) потом написали книгу про информационное влияние и управление в социальных сетях. Она стала первой в России по этой теме, насколько мне известно. Ее продолжают активно цитировать, чем я очень горжусь. Считаю, что это такой зримый вклад: если работу цитируют, значит, ее читают, используют и, значит, она кому-то нужна.
После защиты я пробовал себя в разных проектах, но магистральное направление так и осталось неизменным – информационное влияние и управление в сетях. По результатам исследований под руководством Чхартишвили А.Г. защитил докторскую диссертацию на тему «Модели и методы информационного влияния и управления в активных сетевых структурах».
Управление информационным влиянием? Или это две разные темы?
Информационное влияние может быть не целенаправленным. Оно, по сути, неизбежно. Хотим мы того или нет, но мы подвергаемся информационному влиянию своего окружения и СМИ, и меняем свои мнения, представления и установки. А управление – это когда кто-то целенаправленно пытается изменить наше мнение, направить наше восприятие, чтобы добиться конкретного результата. Например, когда компания запускает рекламу, она не просто информирует людей о своем продукте, а активно убеждает, что этот продукт лучше других. Вот это уже управление – сознательное и целенаправленное воздействие.
Вы занимаетесь информационным влиянием конкретно в социальных сетях?
Не только. Наш объект намного шире: нас интересуют сложные сети, в которых каждый участник – человек, организация или даже автономное устройство – обменивается информацией и принимает решение под влиянием своего окружения в сети.
Представьте себе онлайновые социальные сети: люди там активно общаются, пишут посты и оставляют комментарии, и часто в итоге формируют «эхо-камеры», в которых циркулируют одни и те же взгляды. В финансовой сфере клиенты банков реагируют на новости, переводят деньги, создавая тем самым сложные потоки информации и ресурсов. В робототехнике группы дронов объединяются в сети и обмениваются информацией, чтобы коллективно решать задачи. И даже ученые, публикуя свои работы, находятся под влиянием как своих коллег, так и больших научных сообществ.
Наша цель – не просто понимать эти процессы, но и управлять ими. Мы хотим уметь прогнозировать, усиливать или, наоборот, смягчать информационные эффекты в сети, будь то достижение консенсуса или поддержание разнообразия мнений. Для этого мы активно используем разные подходы: от теории оптимального управления и принятия решений до современных методов анализа сложных сетей и машинного обучения.
Какая тема, на Ваш взгляд, сейчас особенно актуальна?
Если говорить о науке в целом, я бы назвал искусственный интеллект и машинное обучение. Понятно, что они не вытеснят (и не должны!) математические модели управления, которыми мы занимаемся в нашем Институте. Но машинное обучение позволяет нам делать эти модели точнее и богаче - скажем, лучше идентифицировать параметры моделей, или даже прямо интегрировать нейросети в наши аналитические и имитационные модели.
Самое интересное, что и сами объекты исследований становятся гибридными. Возьмем те же соцсети - там уже давно не только люди общаются друг с другом, но и многочисленные интеллектуальные агенты, способные влиять на мнение аудитории. Недавно как раз вышло очень показательное исследование, в котором ученые из более чем 30 университетов показали, что большие языковые модели, или LLM, уже сейчас могут быть более убедительными, чем люди. Все это – поле для новых исследований, и мы сейчас активно изучаем, как работают многоагентные системы на основе таких моделей.
Приведу пример применения машинного обучения в своей области. Мы с Дмитрием Александровичем Новиковым около двух лет изучали динамику мнений в социальной сети «ВКонтакте» в разгар пандемии COVID-19. Тогда везде вводили ограничения – маски, перчатки, вакцинация, – и люди очень по-разному это воспринимали. Нам стало интересно: соцсети ведь зеркало общества, хоть и искаженное, так какие факторы заставляют людей менять свое мнение или наоборот – укрепляют их в своей позиции? К кому они прислушиваются? Или, может, вообще никому не доверяют?
В экспертных кругах тогда было распространено мнение, что соцсети просто отражают уже сформировавшиеся взгляды. Но для тех, кто принимает решения, важно понимать другое: можно ли вообще как-то количественно измерить и спрогнозировать изменения мнений под влиянием информационной среды? Оказалось – можно. Нам удалось выявить такие эффекты с помощью математических моделей. Но была одна проблема: а как, собственно, эти мнения фиксировать?
Еще раньше наш коллега И. В. Козицин замечательно научился оценивать предпочтения пользователей по списку их подписок на паблики. Подписки – это хороший маркер интересов, но они меняются медленно и плохо отражают краткосрочную динамику мнений. Поэтому мы решили пойти другим путем и посмотреть непосредственно на действия пользователей: их посты, комментарии и лайки. Грубо говоря, мы собрали публичные комментарии о масках в «ВК» и вручную разметили по позициям авторов. Затем обучили на этих данных нейросеть, причем использовали современные технологии обработки текстов – трансформеры, которые дают гораздо большую точность, чем старые словарные подходы.
Результаты получились весьма интересными. Наша модель показала, как менялось отношение людей к ношению масок со временем, и подтвердила, что окружение действительно влияет на мнение человека. Конечно, есть еще скрытые факторы, до которых нам предстоит добраться и изучить в ближайшем будущем. Но даже наши первые, относительно простые модели показывают адекватные результаты и помогают количественно оценивать информационное влияние.
Вы продолжаете работать с машинным обучением?
Да, конечно! Последнюю пару лет мы занимаемся масштабным проектом, исследуем развитие нашей научной области – теории управления. Чтобы понять, что именно происходит, мы собираем данные отовсюду.
Например, используем платформу OpenAlex – ее можно назвать такой вот современной цифровой Александрийской библиотекой. Там сотни миллионов научных публикаций, и мы загрузили оттуда огромный массив – это реально терабайты информации! Для каждой публикации у нас есть если не все, то многое: кто автор, когда написал, о чем статья, где опубликована, и так далее. Здесь и нужен искусственный интеллект, иначе просто не справиться с таким объемом. Он помогает нам классифицировать статьи, находить закономерности, а дальше, надеюсь, мы сможем прогнозировать динамику развития науки.
В целом работа оказалась намного сложнее, чем казалось сначала. Чтобы начать разбираться в таком массиве данных, нужен качественный классификатор хотя бы для одной научной области. Наш классификатор по теории управления разрабатывали десятки экспертов. Но всегда остаются сомнения: достаточно ли системно и полно мы охватили тематику? Чтобы это проверить, мы запускали автоматическое извлечение терминов, строили и анализировали сети понятий – и так совместили экспертный подход и возможности машинного обучения.
Но даже если классификатор идеален, его еще нужно применить к миллионам статей. Понятно, никто не будет вручную все это раскладывать по полочкам. Поэтому мы разрабатываем модели, которые связывают статьи, авторов и организации и автоматически определяют, где именно находится тот или иной ученый или его работа в нашем тематическом пространстве теории управления.
Дальше важно учитывать сети взаимодействий: кто с кем пишет статьи, кто кого цитирует, кто чей ученик, как журналы и конференции между собой связаны, как взаимодействуют организации. В этом случае появляется возможность строить сетевые модели, видеть, как развивается наука, и даже немного заглядывать в будущее. Конечно, траекторию отдельного ученого точно спрогнозировать сложно, но, если брать целые научные группы или школы – вполне реально. Недавно, к сожалению, ушел из жизни Владимир Николаевич Бурков, выдающийся ученый, основатель школы теории активных систем. Но школа осталась, ученики продолжают дело, и, даст Бог, направление будет развиваться дальше. Нам интересно понять и смоделировать траекторию именно такой научной школы: выявить ее сильные стороны и подсказать, какие есть перспективы для дальнейшего роста.
Если взглянуть шире, на уровне всей науки, то подобные большие данные дают возможность видеть глобальные тренды. Сейчас торговля, экономика, весь мир постепенно фрагментируются, вводятся санкции и меняется международное сотрудничество. И для планирования импортозамещения, поддержки отечественных разработок нужно ясно понимать, куда движется мировая и российская наука. Опасно опираться исключительно на мнение отдельных экспертов – каждый видит лишь свой фрагмент, да и субъективность всегда остается. А вот сетевые модели с применением машинного обучения способны дать гораздо более полную картину, на основе которой можно принимать взвешенные, грамотные решения.
Как Вы считаете, как правильно планировать защиту диссертаций и научную карьеру?
Честно говоря, я сам никогда не ставил перед собой жестких сроков вроде «защититься к 30». Конечно, периодически кто-то напоминал: «когда же, пора», но я особенно на этом не зацикливался. Наверное, повлиял пример отца – он защитил докторскую примерно в 45, и я видел, что это вполне нормально. Но теперь понимаю, что для Института важно, чтобы люди защищались своевременно – это и дисциплинирует, и задает ритм всей работе. Научный руководитель здесь играет ключевую роль: он должен не просто присматривать за аспирантом, а помогать двигаться вперед, вовремя подсказывать, когда стоит завершить один этап и начинать следующий. Тогда и научная карьера развивается гармонично и без лишнего стресса.
У Вас получилось счастливое совпадение: вы нашли тему, интересную для себя, нашли товарищей по разуму - Александра Гедевановича, Дмитрия Александровича, Леонида Ильича… А внутри себя как у вас иерархия выстраивается? Что важнее? У вас сын растет, что вы будете ему советовать? Ищи хороших людей или хорошую тему?
Наверное, прежде всего, искать надо хороших людей, которые помогут и подскажут перспективное направление. Мне в этом смысле действительно повезло. В «моих» лабораториях была мощная интеллектуальная атмосфера. Бывало, и в полночь созванивались, чтобы обсудить какую-то идею - это очень заряжало, сразу становилось понятно, как и почему люди добиваются результатов.
Как вы для себя разделили, если принять научную карьеру за сто процентов, то как бы Вы внутри этих ста процентов взвесили такие факторы как «правильные люди», «правильная тема» и «трудолюбие», т. е. то, что ты методично делаешь то, что должен делать?
Я бы сказал, что методичная работа и упорство. Ты не сдаешься сразу, как только трудности пришли, а продолжаешь идти вперед, шаг за шагом. Это даже не половина успеха, а скорее две трети. Но есть и другой фактор, без которого тоже никак. Я это особенно ясно вижу на примере наших дипломников. Многие из них талантливые и замечательные люди. Но если человек уже работает в другой сфере и думает о карьере вне науки, то больших научных достижений, скорее всего, ждать не стоит. Конечно, хорошая тема и отличные люди вокруг создают благоприятную атмосферу, плодородную почву. Но чтобы по-настоящему вырасти в науке, нужна внутренняя склонность к исследовательской работе. Потому что, если самому это не интересно, то ради чего тогда стараться? Просто ради диплома? Смысла нет.
Сейчас государство очень сильно старается, чтобы научная работа была конкурентоспособна. Один профессор мне однажды сказал, что у нас для студентов есть то, се, пятое, десятое, но выстраивая систему выращивания научных кадров мы забываем про самого студента. Студент должен рваться за знаниями, а не сидеть и требовать условий, чтобы он к 40 годам защитил докторскую.
Знаете, если у человека нет внутреннего интереса, никакие идеальные условия не помогут его удержать. Тут даже не в том дело, должен кто-то или нет. Чтобы серьезно заниматься наукой, нужна внутренняя склонность – это или любопытство, или стремление открывать новое, или вызов самому себе. В моем случае было как – мне хотелось внести пусть небольшой, но свой вклад в науку.
К вам приходит дипломник – у вас уже достаточный опыт, причем на уровне генов – преподавательский, научный. Вот к вам приходит дипломник или студент. Как вы его оцениваете, будет ли из него толк?
Прежде всего смотрю на то, как человек говорит о своих интересах и планах. Главное, чувствуется ли живой интерес или это просто дежурные слова. Потом даю какую-нибудь задачу и наблюдаю, как студент ее решает, сколько сил и энтузиазма он готов вложить. Для кого-то это чисто формальность, а кто-то берется с азартом и делает больше, чем просили. Вот по таким признакам обычно и оцениваю, ну и интуитивно чувствую, конечно.
Вам нравится передавать знания?
Сейчас уже да. Я ведь сначала преподавал в университете сразу после получения диплома, но довольно быстро ушел – мне казалось, что это не мое. Хотелось заниматься только чистой наукой, а преподавание вроде как отвлекало. Но потом мое отношение к этому изменилось. Сейчас я понимаю, что, когда выходишь к студентам, должен знать раз в три-четыре больше того, что собираешься рассказать. Если знаешь материал поверхностно, студенты моментально это считывают. Так что преподавание — это еще и отличная мотивация развиваться самому.
А моменты сотворчества бывает?
Конечно. Когда ты рассказываешь что-то, а студенты начинают задавать вопросы, причем не формальные, а неожиданные, глубокие, это всегда очень вдохновляет. В такие моменты чувствуешь, что это не просто лекция, а диалог.
В какой-то момент, человек, у которого удачно складывается научная карьера, становится руководителем. Вам нравится руководить?
Знаете, еще до того, как я официально возглавил лабораторию, у меня уже был опыт руководства, хотя и неформальный. Мы вели разные проекты, и там я отвечал за разработку методов, планирование и реализацию задач коллективом. Этот опыт, конечно, пригодился, но лаборатория – совсем другая история. Здесь намного больше организационной работы. Проект – это больше нацеленность на конкретный результат в заданные сроки. А лаборатория – это прежде всего люди. Совсем другая ответственность. Тут уже важно видеть вперед, думать, где мы окажемся через год или через десять лет, какие направления стоит развивать. И самое главное – нужно создавать такие условия, чтобы сотрудники могли нормально работать. К счастью, я всегда могу обратиться за советом к Фуаду Тагиевичу Алескерову, который много лет руководил лабораторией и делится своим опытом.
При этом нужно, чтобы сотрудники работали.
Именно так. Иначе какой смысл? Честно говоря, до сих пор ищу баланс между чисто научной и организационной работой.
Административка отнимает много сил?
Довольно много, но не могу сказать, что совсем уж все. Организационная работа – вещь неизбежная, без нее никуда. Но очень важно следить за тем, чтобы оставалось достаточно сил и времени на собственно науку.
Как вы сочетаете свой личный научный интерес с задачами лаборатории?
Тематика лаборатории, к счастью, близка к тому, чем я и раньше занимался. Мы исследуем механизмы выбора и принятия решений, а это напрямую связано с тем, что определяет коллективное поведение людей, например, в социальных сетях. Поэтому мои личные интересы и задачи лаборатории, естественно, пересекаются.
Насколько вы должны разбираться в тематиках, которыми занимается лаборатория № 25 «Теории выбора и анализа решений им. М.А. Айзермана»?
Это одна из старейших лабораторий в институте, с очень сильными традициями и выдающимися учеными. Конечно, я обязан хотя бы на базовом уровне ориентироваться во всем, чем здесь занимаются, и стараться получать совместные результаты с коллегами. Важно развиваться последовательно, не бросаясь из одной крайности в другую, когда прежние темы резко вытесняются чем-то совершенно новым.
Я как раз думала наоборот, что Вам придется развернуться в сторону лаборатории, потому что в ней вполне сложившийся коллектив, и все сотрудники – сильные личности и специалисты.
Да. Это и Фуад Тагиевич Алескеров, и Александр Соломонович Мандель, и Рафиг Пашаевич Агаев, и многие другие. Не просто прекрасные ученые, но и интересные, глубокие люди. Например, Фуад Тагиевич – это не только всемирно признанный специалист в области теории принятия решений, но и просто яркий, многогранный человек, с которым приятно побеседовать на любую тему. Так что разворачиваться к коллективу приходится неизбежно, но это еще и огромный плюс – ведь я всегда могу что-то новое и важное почерпнуть и для своих собственных исследований.
Открываете для себя новое?
Да. Это отличный стимул двигаться дальше, добавлять в свои исследования что-то свежее, расширять кругозор. Благодаря новым обязанностям я увидел и дополнительный смысл в преподавании – это шанс привлечь в лабораторию талантливых студентов. Совсем недавно как раз один из моих студентов попросился к нам работать, это уже конкретный результат. Нужно только время, чтобы таких ребят стало больше.
Как насчет денег для лаборатории, которые надо добывать?
Это еще один серьезный вызов. Нужно постоянно искать проекты и гранты, чтобы наши сотрудники чувствовали себя уверенно и спокойно. Для многих вопрос финансов – не абстракция, а вполне реальная проблема. Например, аренда жилья в Москве стоит дорого, и я на своем примере прекрасно понимаю, как для молодых ученых важно иметь возможность спокойно заниматься наукой, а не думать каждый день о том, как оплатить квартиру.
Вы ищете себе сотрудников в первую очередь в Москве в МФТИ и на ВМК, где преподаете?
География не принципиальна совсем. Главное для меня – ответственность и интерес к делу. Эти два качества я бы поставил на первое место. Все остальное – скорее уже дополнительные обстоятельства.
Т. е. вы говорите о критерии, который зависит только от человека?
Конечно, определенный уровень знаний должен быть, без него сложно начать работу, будет потеряно много времени. Но если знаний немного не хватает – их всегда можно исправить и подтянуть. А вот само отношение к делу изменить труднее. С образованием вообще интересная ситуация: с одной стороны, оно важно, с другой - может иногда даже мешать. Например, студенты ведущих вузов уже на втором-третьем курсе привыкают, что работодатели за ними гоняются, предлагают привлекательные условия, и тогда к науке они начинают относиться прохладно. Но надо искать - уверен, подходящие люди найдутся.
Беседу вела Л. Бойко
