В прошлом году Национальный исследовательский университет «Высшая школа экономики» обнародовал концепцию проекта Data Culture, направленного на обучение технологиям анализа данных студентов бакалавриатов всех факультетов университета. Одним из инициаторов проекта является вице-президент НИУ ВШЭ Игорь Агамирзян.
Агамирзян имеет очень большой и разноплановый опыт работы в ИТ-индустрии. C 2009 по 2016 год, возглавляя Российскую венчурную компанию, он внес большой вклад в формирование в России экосистемы инновационного предпринимательства. До перехода в ВШЭ сотрудничал с университетом на протяжении 15 лет, участвуя в создании первых технических специальностей в вузе, а сейчас курирует направления по инженерии и computer science (факультет компьютерных наук – ФКН, МИЭМ). Беседа с Агамирзяном, который 28 марта выступит на форуме BIG DATA 2018, не ограничивалась обсуждением проекта Data Culture. Мы говорили о том, каким в целом должно быть высшее образование, чтобы соответствовать задачам цифровой экономики.
С чем связано появление проекта Data Culture?
Сейчас молодежи, чтобы успешно развиваться в современной социально-экономической структуре, необходим базовый набор компетенций, сильно отличающихся от тех, которые были нужны моему поколению. Это новая культура в широком смысле. У Юрия Лотмана есть прекрасное определение: «Культура – это совокупность генетически не наследуемой информации в области поведения человека». Это то, что приобретается как результат воспитания, образования, жизни в определенной среде. А среда меняется со временем, и сейчас у общества иные потребности, чем 50-100 лет назад, поскольку другой становится его структура за счет изменения структуры экономики, в основе которой изменения технологического ландшафта.
В результате взрывного развития технологий в последние 50 лет, многое для человечества сейчас происходит впервые: постоянное нахождение в ситуации переизбытка информации, возможность мгновенной коммуникации в планетарном масштабе. Это уже приводит к существенным социальным последствиям, и тенденция будет только нарастать.
Что нужно молодым людям в этих меняющихся условиях? Безусловно, культура работы с данными: сегодня ни в одной специальности невозможно существовать без умения ориентироваться в информации. Одна из принципиальных особенностей современной среды – это общедоступность гаджетов, которые являются нашим персональным шлюзом в информационный мир.
.jpg) |
|
«Чего уже никогда не будет, так это гарантированной занятости, характерной для больших индустриальных обществ. Мы должны быть готовы в ближайшие десятилетия жить в условиях профицита рабочей силы и сильной дифференциации в востребованности квалификаций. Все процессы, связанные с внедрением цифровой экономики, включая цифровые производства, цифровую энергетику, цифровое ЖКХ, интеллектуальный транспорт и т. д., будут приводить к вымыванию ресурсов средней квалификации» Игорь Агамирзян, вице-президент НИУ ВШЭ |
Второй элемент культуры XXI века – предпринимательская культура. Экономика, основанная на знаниях, базируется на гораздо более развитой экосистеме создания ценности. Если в традиционной индустриальной экономике производительной силой и объектом производства были материальные объекты – например, завод и автомобили, то в современной экономике основным центром создания добавленной стоимости является не завод, а его конструкторское бюро. Маржинальность производственной части стремится к нулю, стоимость энергетических и физических ресурсов падает, а потому себестоимость единицы продукции при массовом производстве становится ничтожно малой. Драматическое падение цен на электронику это хорошо иллюстрирует. А ценность создается в развитой экосистеме инжиниринга, для существования в которой необходимы предпринимательские компетенции.
И это необязательно стартапы и технологическое предпринимательство. По сути, любая внутрикорпоративная инициатива – тот же стартап, только внутри существующей оргструктуры. Кроме того, проекты на стыке социальных и креативных задач приобретают все большее значение в условиях снижения востребованности многих традиционных профессий, связанных с низкоэффективным физическим трудом. Высвобождающиеся при этом ресурсы переходят в сферу услуг, связанных, например, с туризмом или ресторанным бизнесом.
Чего уже никогда не будет, так это гарантированной занятости, характерной для больших индустриальных обществ. Мы должны быть готовы в ближайшие десятилетия жить в условиях профицита рабочей силы и сильной дифференциации в востребованности квалификаций. Все процессы, связанные с внедрением цифровой экономики, включая цифровые производства, цифровую энергетику, цифровое ЖКХ, интеллектуальный транспорт и т. д., будут приводить к вымыванию кадров средней квалификации. При этом будет сохраняться и, возможно, расти спрос на низкоквалифицированные ресурсы и будет очень небольшой спрос на суперквалифицированных, элитных специалистов. Предпринимательский дух в экономике, для которой характерен профицит трудового ресурса, будет абсолютно необходим.
Я не хочу сказать, что каждый станет предпринимателем, и не думаю, что можно научить предприимчивости – это свойство характера, но можно научить технологиям ведения предпринимательской деятельности.
Ключевой компетенцией для цифровой экономики также является культура проектной работы, причем с точки зрения как управления проектами, так и участия в них. И наконец, для того чтобы заниматься предпринимательской деятельностью, проектной работой, необходима культура коммуникаций. Этому нас никогда не учили, более того, это противоречит традиционной концепции общего образования, которое всегда было индивидуализировано. Уже сейчас очень трудно проверить, решил ли учащийся задачу сам или нашел решение в Google. А когда в ближайшие годы появится специализированный искусственный интеллект, позволяющий для любой задачи моментально получить ответ в смартфоне, система индивидуальных заданий из закрытого списка окончательно перестанет работать. Поэтому необходимы другие подходы, подразумевающие индивидуализированные образовательные траектории и в то же время коллективную работу, результатом которой может быть, например, некая предпринимательская инициатива. При этом надо уметь пользоваться возможностями и избегать рисков, порождаемых переизбытком информации.
Все это выглядит как колоссальный вызов для системы образования…
Это вызов не только для системы образования, но и для всего общества. Технологическое развитие в первую очередь влияет на экономику, а через экономические изменения – на социальные явления. У меня есть предположение, что на протяжении этого века должно кардинально измениться понятие государства. Социальные структуры всегда строились на коммуникациях, которые были возможны благодаря территориальной близости. Впервые в истории человечества мы оказались в ситуации глобальной бесплатной связности, когда структура общения не зависит от физического местоположения. И это может привести к кардинальным изменениям на глобальном уровне. Традиционные госструктуры вряд ли будут это приветствовать, и пример тому – попытки регулирования Интернета, но противостоять подобным тенденциям бессмысленно.
.jpg)
Когда мы общались примерно два года назад (см. «Стратегия прорыва», «Computerworld Россия», 29.02.2016), вы высказали предположение, что наука о данных (Data Science) как отдельное направление не сохранится, но будет Data Science в энергетике, Data Science в транспорте, Data Science в ЖКХ и т. д. Программа Data Culture, по-видимому, отвечает этой вашей идее?
Все самое интересное вокруг нас лежит на пересечении информации и физического мира. Цифровое производство, интеллектуальные транспортные системы – это приложение информации и ИТ к вполне традиционным областям человеческой деятельности. Данные имеют смысл только тогда, когда им придана какая-то интерпретация, которая, в свою очередь, задается предметной областью и алгоритмами работы с этими данными. Алгоритмы являются неотъемлемой частью науки о данных, поэтому в проекте Data Culture надо среди прочего развивать алгоритмическую культуру и понимание того, как работать с данными.
Могу представить, что алгоритмической культуре можно и нужно учить студентов ФКН. А как быть с остальными факультетами, например гуманитарными? Чему и как учат в рамках проекта Data Culture менеджеров, экономистов, филологов, ну и математиков наконец?
Программа кастомизируется в зависимости от потребностей конкретной специальности, но она действительно нужна всем. Вопрос – в степени глубины. Математикам и студентам ФКН, безусловно, проще. Хотя математику называют матерью всех наук, это не наука, а язык, на котором формулируются задачи любой другой науки. В отличие от естествоиспытательских наук, таких как физика или биология, изучающих явления природы, математика и computer science являются, по сути, фабриками артефактов. Будущим специалистам в этих областях присущ конструктивизм, поэтому прививать им культуру работы с данными несложно.
Во многих других областях человеческой деятельности конструктивный подход, связанный с определением новых сущностей, проявляется гораздо меньше. История, филология, философия – это не конструирование нового, а анализ того, что уже существует. Культура работы с данными тоже связана с анализом, но, для того чтобы анализировать данные в цифровой форме, нужно понимать, как выполняется конструирование артефакта в виде алгоритма, программы и т. д. Одно из достижений последнего времени состоит в том, что появились вполне понятные средства программирования с возможностью интеграции в глобальные среды работы с данными.
В проекте Data Culture для каждого конкретного факультета строится своя учебная траектория и набор уровней, которыми могут овладеть студенты с точки зрения использования данных в приложении к своей специальности. Как все это будет выглядеть, определяют специалисты в данной предметной области. Поэтому важнейшей частью проекта является подготовка и обучение преподавателей.
«Все наиболее интересное вокруг нас лежит на пересечении информации и физического мира. Цифровое производство, интеллектуальные транспортные системы – это приложение информации и ИТ к вполне традиционным областям человеческой деятельности»
Не создаст ли это проблем в продвижении проекта, ведь сложившемуся преподавателю может быть трудно воспринимать новое?
Молодежь это очень легко воспринимает, а в Вышке много молодых преподавателей. Но и среди опытной профессуры на удивление много людей, абсолютно открытых новому. И это тоже результат происходящей технологической, экономической, социальной революции – меняется отношение к возрасту. Модель общества, в котором считают, что в 60 лет наступает старость, уже неактуальна. Те, кто продолжает активно работать, учатся всю жизнь.
Меняются ли российские вузы в ответ на глобальные изменения экономики и общества, связанные с технологическим развитием?
В Высшей школе экономики это несомненно происходит, и ВШЭ входит в число лидеров изменений среди высших учебных заведений в нашей стране. Но я бы не рискнул сказать, что таких университетов много. Большие изменения происходят, например, в питерском ИТМО, где успешно решается задача формирования университета нового типа. Сколтех с чистого листа создавался как такой университет. Его учебная программа включает только магистратуру, но надо сказать, что в ведущих мировых университетах соотношение бакалавров, магистров и аспирантов иное, чем в наших больших вузах, в них магистры и аспиранты преобладают. Знаменитые Стэнфорд и MТИ ориентированы преимущественно на подготовку специалистов с более высоким уровнем образования.
В связи с падением востребованности среднего слоя специалистов, о котором вы говорите, не изживет ли себя система бакалавр-магистр?
Я говорил о вымывании среднего уровня, но о сохранении или даже росте спроса на низкую квалификацию, под которой необязательно подразумевать только людей, занимающихся физическим трудом. Это могут быть «пролетарии умственного труда», которые умеют работать по регламенту. Так, технология создания программного продукта – это работа по определенному управленческому регламенту, хотя программирование и содержит в себе элемент креативности.
Хороший пример – инженерное ПО. Специалист, который использует AutoCAD для решения конкретных инженерных задач, и специалист, который разрабатывает алгоритмы моделирования, используемые в системах автоматизации проектирования, имеют разные уровни квалификации. Подавляющее большинство инженеров сегодня – это пролетарии умственного труда, применяющие инструменты для решения конкретных задач, как правило, связанных с системной интеграцией. Поэтому современному инженеру культура работы с данными для поиска информации о лучших компонентах для своего решения необходима гораздо больше, чем, скажем, владение сопроматом, который уже «зашит» в САПР.
ИТ оказались мощнейшим инструментом унификации процессов, потому что в ИТ -системах «зашита» значительная доля регламентной работы. Инструментарий и техника работы в разных отраслях стали гораздо более схожими, чем это было в индустриальном мире.
.jpg)
Если говорить непосредственно о работе с данными, то такими «сборочными компонентами» будут аналитические решения, инструментарий машинного обучения, которые вендоры стараются сделать все более доступными пользователям, не являющимся учеными по данным?
Совершенно верно, в работе с данными все большую роль играет системная интеграция. Без библиотек, без доступного инструментария сделать ничего невозможно. Такое впечатление, что останется несколько компаний в мире, способных писать компоненты, а вся остальная ИТ-индустрия перейдет в разряд высокоуровневых системных интеграторов, которые пишут программный код на уровне использования библиотек от Microsoft, Google, Apple и др.
Что тогда подразумевает профессия Data Scientist? Это системный интегратор или создатель библиотек?
Data Scientist – это прежде всего постановщик задачи, пользователь всей этой технологической начинки для решения конкретной проблемы в конкретной предметной области. Все известные мне люди, занимающиеся Data Science, очень хорошо понимают предметную область, к которой прилагается наука о данных, но при этом обладают математическими знаниями. В Высшей школе экономики ведутся проекты с самыми разными приложениями. Есть группа, которая работает с ЦЕРН по анализу данных большого адронного коллайдера, а есть группа, которая занимается анализом данных нейросигналов. Понятно, что они могут применять одни и те же или близкие алгоритмы машинного обучения, но если мы перепутаем нейросигналы с событиями в коллайдере, то вряд ли получим что-либо содержательное.
«Data Scientist – это прежде всего постановщик задачи, пользователь всей этой технологической начинки для решения конкретной проблемы в конкретной предметной области. Все известные мне люди, занимающиеся Data Science, очень хорошо понимают предметную область, к которой прилагается наука о данных, и при этом обладают математическими знаниями»
Есть ли четкое понимание того, как учить этой профессии?
На ФКН такое понимание есть, подготовка уже успешно ведется, и в ней важное место отводится сотрудничеству с индустриальными партнерами. Вообще, одной из особенностей современного образования является то, что университет все больше зависит от партнеров из бизнеса. В частности, потому, что очень часто новые технологические идеи приходят из индустрии, а не из академической среды. До 80-х годов прошлого века в Computer Science развитие шло преимущественно в университетской среде либо в индустрии, но с активным участием университетов. Затем возникла ситуация, когда разработчики персональных компьютеров оказались оторваны от академической среды и потому на первых порах часто изобретали велосипед – то, что было давно и хорошо известно в науке, в индустрии ПК становилось открытием. А потом развитие пошло настолько быстро, что на протяжении 90-х и нулевых годов скорее университетская среда питалась достижениями индустрии, чем наоборот.
Мне думается, что сейчас если не лидерство, то по крайней мере равноправное участие к академической среде возвращается, но уже на других условиях – коллаборативного партнерства. И это хорошо подтверждается на примере факультета компьютерных наук ВШЭ, который был создан и развивается в тесном сотрудничестве с «Яндексом».