Вы одновременно занимаетесь психологией, нейроинтерфейсами, квантовыми вычислениями и медиа. Как все это для вас складывается в одну историю?
По сути, это решение одной задачи на разных уровнях: психология хорошо помогает в медиа, особенно психолингвистика, нейротехнологии — лишь часть общей нейробиологии, а знание особенностей работы мозга — своего рода лайфхак для жизни, ведь ты понимаешь, как работает внимание или восстановление мозга во время сна на уровне клеток. Это помогает контролировать себя. Квантовые вычисления — это математика, разные матрицы, комплексные числа. Я на скучных парах в университете играл в покер на M&M"s, поэтому интуитивно «въехать» во всякие дисперсии, математические ожидания и условные вероятности было несложно, а дисциплина математического мышления помогает не сильно унывать в работе с таблицами Excel.
Если человеку, который вообще ничего не знает о нейроинтерфейсах, объяснить вашу работу одним примером: что сегодня компьютер уже реально может понять из активности нашего мозга?
Нейроинтерфейс связывает нервную систему человека с устройством для решения медицинской задачи, а в будущем и для предоставления человеку новых возможностей. Сегодня самый популярный пример — бионические протезы рук. При этом есть большие наработки по спинальной модуляции, например для восстановления возможности ходить после некоторых видов переломов позвоночника.
Если говорить про головной мозг, сейчас особенно перспективно сочетание ИИ и нейротехнологий, поскольку это позволяет эффективнее декодировать данные, восстанавливать и обрабатывать утраченную информацию. Сегодня компьютер уже может по активности мозга определить попытку движения, а в инвазивных нейроинтерфейсах — переводить попытку речи в текст или голос. То есть мы постепенно учимся декодировать из нейронной активности конкретные намерения человека.
Мы создали ИИ, во многом вдохновляясь устройством мозга, а теперь используем ИИ, чтобы изучать сам мозг. В чем схожесть человеческого мозга и, например, нейросетей?
Наш мозг работает сетями, то есть идея заключается в параллельном функционировании узлов (областей мозга) и связей между ними.
Эта система вдохновила разработчиков нейроморфных чипов: там используются искусственные нейроны и синапсы, тем самым имитируется массовая обработка сигналов, прямо как в головном мозге. Сейчас это большой тренд. Нейроморфные вычисления рассматривают как одну из технологий, которые в будущем, по мнению исследователей Google DeepMind, главной ИИ-лаборатории Google, могут стать одной из основ для создания искусственного суперинтеллекта, или ASI. Нейроморфные чипы могут быть полезны и для инвазивных нейротехнологий, то есть систем, которые имплантируются непосредственно в мозг. Для таких устройств особенно важны энергопотребление и нагрев. Нейроморфные архитектуры умеют обрабатывать отдельные нейронные импульсы, или спайки, непосредственно в момент их появления, тогда как обычные процессоры чаще работают с временными фрагментами сигнала, например по 800 миллисекунд после стимула.
Мозг и так одна из самых сложных систем, которые мы изучаем. Зачем к ней добавлять еще и квантовые вычисления?
Один из самых популярных методов в нейробиологии — электроэнцефалография (ЭЭГ). Она позволяет регистрировать электрическую активность мозга. Проблема в том, что в ЭЭГ много шумов: моргание глаз, движения человека, качество контакта электродов с кожей. Кроме того, активность одного и того же мозга сегодня и завтра может немного различаться, влияет сон, принимаемые лекарства и даже время дня.
Возьмем P300 — это реакция мозга, которая появляется через 300 миллисекунд после значимого стимула. Из записи ЭЭГ мы выделяем несколько признаков, например амплитуду P300, время его пика, область мозга, где он сильнее выражен, и контраст (разницу в значениях) с фоном. После обработки каждый такой признак можно представить числом: например, амплитуда — 0,8, время пика — 0,3 и так далее.
Дальше эти числа переводятся в команды для кубитов. Например, число определяет, насколько сильно нужно «повернуть» состояние кубита — это можно представить как стрелку часов: поворот с 12:00 на 16:00. В результате каждый признак ЭЭГ по-своему меняет состояние своего кубита.
После этого между кубитами выполняются квантовые операции, они называются гейты. Например, гейт CNOT связывает два кубита так, что один может изменить состояние другого. В результате квантовая схема учитывает сочетание признаков ЭЭГ: какая амплитуда наблюдалась при конкретном времени пика и в какой области мозга. В конце кубиты измеряют и получают обычные числа. Например, результат может показать 0,78, программа сравнивает это значение с тем, чему она научилась на примерах ЭЭГ, и оценивает, был ли в сигнале P300.На деле все не так сложно, это нужно, чтобы точнее замечать сложные сочетания признаков, которые обычным методам машинного обучения труднее уловить. Это сейчас и проверяется экспериментально. Если преимущество удастся показать, такие подходы потенциально могут использоваться в нейроинтерфейсах и диагностике неврологических заболеваний.
В СССР профессия ученого обладала огромным общественным престижем. Как ученый в медиа, какие проблемы в имидже современного российского ученого вы видите?
В Советском Союзе была государственная программа по конструированию образа ученого, которая работает до сих пор. Мне кажется, многие даже в 2026 году знают, кто такие Королев или Сахаров. В США, например, продвижение образа ученого — отдельная задача Голливуда. Фильм «Железный человек» заставил миллионы молодых парней заинтересоваться техническими науками. Кто не хочет стать «миллиардером, плейбоем и филантропом», который может «собрать ядерный реактор из металлолома, сидя в яме»?
На меня самого повлиял сериал «Теория большого взрыва». Это же, по сути, большая медиакампания по превращению образа ученого в героя массовой культуры.
Основная проблема нашей научной медиакоммуникации, на мой взгляд, — отсутствие кейсов, где показывается, что наука — это модно. Почему многие хотят стать рэперами? Везде транслируется их «богемный лайфстайл»: телеканалы крутят клипы, СМИ разбирают стоимость гардероба. Я как-то с другом брал интервью у российского биолога. Больше всего нас поразили не его исследования, а то, что на съемки он прилетел из отпуска на джете с юга Италии, с рюкзачком Louis Vuitton. В России точно нужен ребрендинг профессии ученого: от образа затворника в советской лаборатории — к образу обеспеченного и модного трендсеттера. Ну и, конечно же, необходимо, чтобы реальность совпадала с ожиданиями, которые будут транслироваться в медиа, иначе неизбежны когнитивный диссонанс и разочарование.
Я уверен, что профессия ученого скоро станет в России модной. Мы всегда долго запрягаем, но быстро едем.
Что вообще сложнее в большой науке — придумать сильную идею или потом собрать людей, деньги и инфраструктуру, чтобы она не осталась просто хорошей статьей?
Мне кажется, сложнее второе — превратить сильную идею в работающую систему, собрать вокруг нее людей, деньги и инфраструктуру. Хороших идей много, особенно сейчас, в «век нейросетей», но кто их будет воплощать? Вывод нового лекарственного препарата на рынок занимает 10−15 лет. Есть понятие организационной амбидекстрии — это способность компании одновременно искать новые направления и при этом успешно вести основной бизнес. В этой логике маленькие команды создают инновационные разработки, а большие лучше справляются с их масштабированием. И это вполне логично.
Я вот верю в будущее научно-технологического консалтинга, где будут работать ученые-консультанты, способные делать пивоты стартапов и технологий, то есть специально менять путь развитие бизнеса. Например, переносить лазерные решения, изначально созданные для сельского хозяйства, в биомедицину, а аэрокосмические разработки — в робототехнику. Мы все ограничены своим информационным пузырем и далеко не всегда можем предположить, что условную открывашку для банок можно применить еще в двухстах других задачах.
Если бы вам дали миллиард рублей на один научный проект в России — во что бы вы его вложили?
Сейчас бум ИИ-стартапов: можно, например, сдавать вычислительные мощности за доли в будущих кампаниях. BlackRock вообще рассматривает инфраструктуру для ИИ как новый класс активов, который будет торговаться на бирже. Но это скорее бизнес. А так, мне близка концепция технологического трансфера, когда мы уже готовые технологии распространяем в новые научные области. С миллиардом можно на базе большого междисциплинарного научного кластера открыть центр рекомбинации технологий.
В биологии есть термин «экзаптация» — когда признак, возникший для одной функции, потом начинает использоваться для другой. Например, есть гипотеза, что перья помогали сохранять тепло, а уже позже были приспособлены для полета.
В поиск таких мультидисциплинарных ученых и команд мне как раз было бы интересно инвестировать гипотетический миллиард. Я где-то внутри себя уверен, что есть много общего, условно: в поиске аномалий в сейсмическом поле при геологической разведке, распознавании мозговых паттернов по слабым сигналам и поиске дефектов оборудования по слабым акустическим сигналам.В теории мы тогда сможем решать старые задачи новыми методами, которые в другой области уже давно существуют и могут оказаться дешевле, быстрее или эффективнее.
Ранее Наука Mail публиковала статью о том, как МФТИ применяет науку к повседневной жизни.