Greenfield vs Blue Sky в ИИ: зачем инженерам исследователи?

Несколько недель назад в медиа вспыхнула заочная дискуссия между Илоном Маском (основателем Tesla, SpaceX и xAI) и Яном Ле Куном (ведущим ученым в сфере искусственного интеллекта, Chief AI Scientist в Meta AI).

Темой дискуссии был твит Маска от 31 июля, в котором он заявил, что разделение должностей на исследователей (researchers) и инженеров (engineers) - это наследие или даже реликт академического мира, который как-то выжил в коммерческой среде. По его словам, в компании xAI теперь не будет звания "исследователь", все будут инженерами.

Ян ЛеКун, лауреат премии Тьюринга 2018 года, ответил, что разграничение необходимо, потому что эти роли отличаются по подходу, целям и критериям оценки. Легендарные индустриальные лаборатории Bell Labs, RAND или Xerox PARC имели отдельные подразделения исследований и разработки (R&D) и именно это помогло осуществить большие прорывы. Если стирать это разделение, то можно потерять фундаментальные инновации. ЛеКун считает, что между исследователями и инженерами есть разница по следующим параметрам.

Методы работы. Исследователь ищет новые знания, создает принципы, проверяет гипотезы и анализирует, как и почему это работает. Инженер же применяет известные методы, адаптирует их, чтобы создать работающий продукт.

Критерии оценки. Исследователей оценивают по вкладу в науку: появились ли новые открытия, публикации, идеи (для этого нужны экспертиза сообщества и время). Инженеров же оценивают по реальному влиянию на продукт, например, по написанному коду.

Открытость и методология. Наука нуждается в открытых публикациях, обсуждениях и проверках идей сообществом, чтобы идеи развивались и верифицировались. Инженерия - это больше о быстром внедрении того, что уже работает "достаточно хорошо".

Влияние на инновации. Если не разделять исследователей и инженеров, а оценивать всех по инженерным критериям, можно "убить" прорывные (breakthrough) идеи. Порой исследования дают плоды только через годы и требуют других условий труда.

Честно говоря, я здесь больше на стороне Лекуна. Я считаю, что фундаментальные прорывы часто происходят из исследований, которые невозможно измерить только результатами готового продукта, скоростью внедрения, текущей прибылью или даже капитализацией.

Эта дискуссия напомнила мне книгу AI Snake Oil Арвинда Нараянана, в которой он показывал разницу между концепциями Greenfield и Blue Sky в сфере развития ИИ.

Greenfield - это подход, когда проект создается "с чистого листа", без ограничений со стороны существующей инфраструктуры, кода или организационного наследия. Такая себе табула раса. В мире стартапов это означает, что команда имеет почти полную свободу в выборе архитектуры, инструментов и логики создания продукта. Нет необходимости поддерживать совместимость с прошлым, поэтому фокус смещается на будущее: на оптимальные решения, которые можно реализовать с учетом современного состояния знаний и технологий.

В сфере ИИ это может быть новая архитектура или инфраструктура (например, специализированные чипы NVIDIA или облачные платформы от Oracle и Amazon, созданные для нужд генеративного ИИ), новые модели (GPT от OpenAI или Claude от Anthropic) или инновационные интерфейсы и форм-факторы, например, очки Ray-Ban от Meta. Однако даже в таких проектах фундаментом часто служат результаты предыдущих научных исследований. То есть код и продукт могут быть новыми, но реализуются идеи, опробованные в академических или лабораторных средах.

Другими словами, greenfield-проекты в ИИ - это коммерциализация научных breakthrough-идей: их адаптация к реальным продуктам на реальных рынках, где исследовательская неопределенность уже в значительной степени преодолена. Главный вопрос в greenfield-проектах стоит не в том, "работает ли это вообще", а "как сделать это надежно, масштабируемо и быстро". Это пространство инженеров, которые работают с cutting-edge-технологиями, но не всегда являются теми, кто их изобрел.

Blue sky - это подход к инновациям, который поощряет мышление "без границ". Идеи формируются без учета практических ограничений, имеющихся технологий, рынков или финансовой целесообразности. Это самые радикальные, даже утопические или "неосуществимые" по текущим меркам идеи, которые не обязаны решать реальные задачи здесь и сейчас.

В сфере ИИ blue sky-инициативы охватывают прорывные теоретические концепции, которые могут не иметь четких сфер применения. Более того, они могут находиться на пересечении идей и дискуссий физиков, фантастов-футуристов, программистов, ученых, философов.

Blue sky - это пространство гипотез, экспериментов, метафор и моделей, которые еще не имеют готовой формы, но могут когда-то изменить саму парадигму. Вклад ученых, работающих в этих направлениях, - не продукт или код, а новая перспектива мышления.

Это некое продолжение традиции "золотого века" академического ИИ (1950-1980-е годы), когда исследователи вроде Марвина Мински или Джона Маккарти работали над большими видениями по моделированию сознания, воображения, знания. Тогда было заложено много фундаментальных идей, которые со временем стали реальностью: нейронные сети, подкрепляющее обучение, семантическое представление знаний.

Идея в том, что blue sky-исследования не обязательно имеют краткосрочную отдачу, но именно они создают идейный горизонт для всех дальнейших научных прорывов, на которых потом строят свои проекты инженеры.

В современном мире коммерциализации ИИ преобладает инженерная логика, при которой инновации стали по большей части инкрементальными: масштабирование моделей, fine-tuning на специализированных наборах данных, оптимизация inference. Это важно, но такая концентрация на производительности часто приводит к конвергенции идей, а не их умножению. Все игроки соревнуются в одной гонке за benchmarks на LMArena.

Ведущая логика AI scale laws "больше параметров + больше данных + больше вычислений = ниже погрешность / лучший результат" ограничивает мышление. Она диктует, что прорыв возможен только при наличии масштабной инфраструктуры, и этим часто исключает независимых, теоретических или "других" исследователей из глобального процесса. В результате некоторые перспективные направления остаются недостаточно развитыми, потому что требуют не больше компьютеров, а больше отваги мыслить иначе.

К сожалению, развитие blue sky-мышления сталкивается с системными барьерами.

Во-первых, финансирование: большинство правительственных или международных грантов ожидают прикладного, понятного, измеримого и желательно краткосрочного эффекта.

Во-вторых, индустриальное влияние: именно Big Tech определяет повестку дня в ИИ-исследованиях, поддерживая направления с очевидным коммерческим потенциалом.

Наконец, мы наблюдаем формационный кризис: молодые исследователи все чаще входят в науку через narrowly defined problems в больших лабораториях, а затем быстро переходят в стартапы или applied-команды, даже не попробовав заняться фундаментальными вопросами. Поэтому я действительно на стороне Яна ЛеКуна.

Я верю, что исследователи нужны в ІТ-компаниях, особенно в Big Tech, ведь именно у них есть ресурс и горизонт мышления, чтобы инвестировать в длинные проекты, не оглядываясь на сиюминутные требования Wall Street. В сами исследования нужно вернуть дух риска - экспериментов, которые могут провалиться, но имеют шанс сдвинуть границы возможного. Именно поэтому интересно наблюдать за тем, что делают Илья Суцкевер и Мира Мурати в своих стартапах. Они уже имеют капитализацию на десятки миллиардов долларов, хотя продукт, над которым они работают, до сих пор остается тайной.

Мечтать - это наука. Когда-то Шимон Перес в Киеве сказал: "Dream big!". Это особенно важно для Украины. Несмотря на насущные потребности войны, нам нужно пространство для blue sky-идей и проектов, которые сейчас кажутся невозможными. Нам нужна культура интеллектуальной смелости. Нам нужно в Украине больше независимых R&D лабораторий, где исследовательская любознательность важнее мгновенной productization.

Государство должно играть свою роль: государственные научные фонды через грантовые программы должны финансировать high-risk, high-reward научные инициативы без давления необходимости быстрых MVP. Только так мы сможем не просто догонять мир, а формировать свои уникальные прорывы, о которых будут говорить не в Кремниевой, а в Киевской долине, как минимум, в области лучших в мире автономных дронов под управлением ИИ.