Попри нагальні потреби війни, нам потрібен простір для ідей та проєктів, які зараз здаються неможливими.

Кілька тижнів тому в медіа спалахнула заочна дискусія між Ілоном Маском (засновником Tesla, SpaceX та xAI) та Яном Ле Куном (провідним науковцем у сфері штучного інтелекту, Chief AI Scientist в Meta AI).

Темою дискусії був твіт Маска від 31 липня, у якому він заявив, що розділення посад на дослідників (researchers) та інженерів (engineers) – це спадок або навіть релікт академічного світу, який якось вижив у комерційному середовищі. За його словами, у компанії xAI тепер не буде звання "дослідник", усі будуть інженерами.

Ян ЛеКун, лауреат премії Тюрінга 2018 року, відповів, що розмежування потрібне, бо ці ролі відрізняються за підходом, цілями та критеріями оцінки. Легендарні індустріальні лабораторії Bell Labs, RAND чи Xerox PARC мали окремі підрозділи досліджень і розробки (R&D) і саме це допомогло здійснити великі прориви. Якщо стирати це розділення, то можна втратити фундаментальні інновації. ЛеКун вважає, що між дослідниками та інженерами є різниця за такими параметрами.

Методи роботи. Дослідник шукає нові знання, створює принципи, перевіряє гіпотези та аналізує, як і чому це працює. Інженер же застосовує відомі методи, адаптує їх, щоб створити працюючий продукт.

Критерії оцінки. Дослідників оцінюють за внеском у науку: чи з'явилися нові відкриття, публікації, ідеї (для цього потрібні експертиза спільноти і час). Інженерів же оцінюють за реальним впливом на продукт, наприклад, за написаним кодом.

Відкритість і методологія. Наука потребує відкритих публікацій, обговорень і перевірок ідей спільнотою, щоб ідеї розвивалися та верифікувалися. Інженерія – це більше про швидке впровадження того, що вже працює "достатньо добре".

Вплив на інновації. Якщо не розділяти дослідників та інженерів, а оцінювати всіх за інженерськими критеріями, можна "вбити" проривні (breakthrough) ідеї. Часом дослідження дають плоди лише через роки і вимагають інших умов праці.

Я тут більше за ЛеКуна, якщо чесно. Я вважаю, що фундаментальні прориви часто приходять з досліджень, які неможливо виміряти лише результатами готового продукту, швидкістю впровадження, поточним прибутком або навіть капіталізацією.

Ця дискусія нагадала мені книжку AI Snake Oil Арвінда Нараянана, у якій він показував різницю між концепціями Greenfield та Blue Sky у сфері розвитку ШІ.

Greenfield – це підхід, коли проєкт створюється "з чистого аркуша", без обмежень з боку наявної інфраструктури, коду чи організаційної спадщини. Така собі табула раса. У світі стартапів це означає, що команда має майже повну свободу у виборі архітектури, інструментів і логіки створення продукту. Немає потреби підтримувати сумісність з минулим, тож фокус зміщується на майбутнє: на оптимальні рішення, які можна реалізувати з урахуванням сучасного стану знань і технологій.

У сфері ШІ це може бути нова архітектура або інфраструктура (наприклад, спеціалізовані чипи NVIDIA або хмарні платформи від Oracle та Amazon, створені для потреб генеративного ШІ), нові моделі (GPT від OpenAI чи Claude від Anthropic) або інноваційні інтерфейси та форм-фактори, наприклад, окуляри Ray-Ban від Meta. Проте навіть у таких проєктах фундаментом часто слугують результати попередніх наукових досліджень. Тобто код і продукт можуть бути новими, але реалізуються ідеї, випробувані в академічних або лабораторних середовищах.

Іншими словами, greenfield-проєкти в ШІ – це комерціалізація наукових breakthrough-ідей: їх адаптація до реальних продуктів на реальних ринках, де дослідницька невизначеність уже значною мірою подолана. Головне питання в greenfield-проєктах стоїть не в тому, "чи це взагалі працює", а "як зробити це надійно, масштабовано і швидко". Це простір інженерів, які працюють з cutting-edge-технологіями, але не завжди є тими, хто їх винайшов.

Blue sky – це підхід до інновацій, який заохочує мислення "без кордонів". Ідеї формуються без зважання на практичні обмеження, наявні технології, ринки чи фінансову доцільність. Це найрадикальніші, навіть утопічні чи "нездійсненні" за поточними мірками ідеї, що не зобов’язані вирішувати реальні завдання тут і зараз.

У сфері ШІ blue sky-ініціативи охоплюють проривні теоретичні концепції, які можуть не мати чітких сфер застосування. Ба більше, вони можуть перебувати на перетині ідей та дискусій фізиків, фантастів-футуристів, програмістів, науковців, філософів.

Blue sky – це простір гіпотез, експериментів, метафор і моделей, які ще не мають готової форми, але можуть колись змінити саму парадигму. Внесок науковців, які працюють у цих напрямках, – не продукт чи код, а нова перспектива мислення.

Це таке собі продовження традиції "золотого віку" академічного ШІ (1950-1980-ті роки), коли дослідники на кшталт Марвіна Мінскі або Джона Маккарті працювали над великими візіями з моделювання свідомості, уяви, знання. Тоді було закладено багато фундаментальних ідей, які з часом стали реальністю: нейронні мережі, підкріплювальне навчання, семантичне представлення знань.

Ідея в тому, що blue sky-дослідження не обов’язково мають короткострокову віддачу, але саме вони створюють ідейний горизонт для всіх подальших наукових проривів, на яких потім будують свої проєкти інженери.

У сучасному світі комерціалізації ШІ переважає інженерна логіка, при якій інновації стали здебільшого інкрементальними: масштабування моделей, fine-tuning на спеціалізованих наборах даних, оптимізація inference. Це важливо, але така концентрація на продуктивності часто призводить до конвергенції ідей, а не їх множення. Усі гравці змагаються в одній гонитві за benchmarks на LMArena.

Провідна логіка AI scale laws "більше параметрів + більше даних + більше обчислень = нижча похибка / кращий результат" обмежує мислення. Вона диктує, що прорив можливий лише за наявності масштабної інфраструктури, і цим часто виключає незалежних, теоретичних або "інших" дослідників з глобального процесу. У результаті деякі перспективні напрями залишаються недостатньо розвиненими, бо вимагають не більше комп’ютерів, а більше відваги мислити інакше.

На жаль, розвиток blue sky-мислення стикається із системними бар’єрами.

По-перше, фінансування: більшість урядових або міжнародних грантів очікують прикладного, зрозумілого, вимірюваного й бажано короткострокового ефекту.

По-друге, індустріальний вплив: саме Big Tech визначає порядок денний у ШІ-дослідженнях, підтримуючи напрями з очевидним комерційним потенціалом.

Нарешті, ми спостерігаємо формаційну кризу: молоді дослідники дедалі частіше входять у науку через narrowly defined problems у великих лабораторіях, а потім швидко переходять до стартапів або applied-команд, навіть не спробувавши зайнятися фундаментальними питаннями. Тому я дійсно на стороні Яна ЛеКуна.

Я вірю, що дослідники потрібні в ІТ-компаніях, особливо у Big Tech, адже саме вони мають ресурс і горизонт мислення, щоб інвестувати в довгі проєкти, не озираючись на миттєві вимоги Wall Street. У самі дослідження потрібно повернути дух ризику – експериментів, які можуть провалитися, але мають шанс зрушити межі можливого. Саме тому цікаво спостерігати за тим, що роблять Ілля Суцкевер і Міра Мураті у своїх стартапах. Вони вже мають капіталізацію на десятки мільярдів доларів, хоча продукт, над яким вони працюють, досі залишається таємницею.

Мріяти – це наука. Колись Шимон Перес у Києві сказав: "Dream big!". Це особливо важливо для України. Попри нагальні потреби війни, нам потрібен простір для blue sky-ідей і проєктів, які зараз здаються неможливими. Нам потрібна культура інтелектуальної сміливості. Нам потрібно в Україні більше незалежних R&D лабораторій, де дослідницька допитливість важливіша за миттєву productization.

Держава має грати свою роль: державні наукові фонди через грантові програми повинні фінансувати high-risk, high-reward наукові ініціативи без тиску необхідності швидких MVP. Лише так ми зможемо не просто наздоганяти світ, а формувати свої унікальні прориви, про які говоритимуть не в Кремнієвій, а в Київській долині, як мінімум, у галузі найкращих у світі автономних дронів під управлінням ШІ.