Когда возраст не важен

Кто на самом деле выигрывает от цифровизации науки

Исторически многие крупные научные открытия совершались в молодом возрасте — 30–35 лет. Сегодня же пик научной карьеры часто приходится на 40–50 лет: современная наука стала сложнее, а путь к самостоятельным исследованиям длиннее. По данным Института статистических исследований и экономики знаний НИУ ВШЭ, средний возраст исследователей в России составляет около 46 лет. По оценкам образовательного центра «Сириус», средний возраст кандидатов наук — около 52 лет, а докторов наук — около 62 лет. Действуют специальные программы поддержки молодых ученых и гранты с возрастными ограничениями до 35–40 лет.

Цифровизация науки и развитие нейросетей могут помочь изменить правила игры. Онлайн-курсы, открытые базы данных, цифровые библиотеки и ИИ-инструменты позволяют школьникам и студентам раньше включаться в исследовательскую работу. Но возникает парадокс: те же технологии помогают и опытным ученым быстрее анализировать данные, писать статьи и управлять крупными проектами. Станут ли нейросети реальным инструментом снижения порога входа в науку или лишь ускорят работу уже состоявшихся исследовательских команд, «Ъ-Науке» рассказывает создатель ЭБС «Лань» Александр Никифоров.

— Согласно данным, средний возраст кандидатов наук — 52 года, докторов — 62 года. Насколько эта возрастная структура является естественным следствием усложнения науки, а насколько — следствием институциональных барьеров, которые можно и нужно убирать?

— Наука как сфера человеческой деятельности объективно усложнилась. Вырос объем междисциплинарности и работы с большими данными, появилась более сложная дорогостоящая исследовательская инфраструктура (лаборатории, оборудование). Все это требует времени на вход. Нельзя быстро стать самостоятельным серьезным исследователем в таких сложных междисциплинарных науках, как, например, биоинформатика или материаловедение.

С другой стороны, действительно, сохраняются институциональные барьеры: неравномерный доступ к ресурсам и проектам, зависимость от научных руководителей и школ. ИИ как технология во многом снижает влияние этих барьеров, но не упрощает саму науку.

Как и во многих других сферах, в науке возраст специалиста уже не является гарантией релевантного опыта, актуальности накопленных знаний.

— Есть мнение, что нейросети одновременно снижают порог входа для новичков и ускоряют работу мэтров. Получается, что ИИ не сокращает разрыв, а консервирует его? Кто выигрывает от внедрения сильнее — молодые или опытные?

— Молодые специалисты выигрывают за счет быстрого входа в тему. С помощью ИИ-инструментов можно быстро получить обзор, объяснение, структурировать знания. Для них снижен барьер, «с чего начать» исследовать. Опытные ученые выигрывают больше: они знают, как формулировать более корректные запросы, быстрее и лучше понимают, какие данные надо проверять и где может быть ошибка. Вероятно, как и во многих сферах, в науке ИИ будет усиливать сильных специалистов, которые понимают, что они делают с помощью таких инструментов, и умеют работать с полученным результатом.

— Насколько критично для молодого ученого, входящего в науку, использовать именно «чистые» данные, а не открытый интернет? Не формирует ли работа с верифицированными источниками другой тип ограничений?

— Для начинающего исследователя, в том числе для того, кто делает первые шаги в науке, будучи еще студентом, ключевой вопрос — это не только доступ к информации, но и ее качество. Верифицируемость — это постоянная «валюта» знания, и ценность верифицированного образовательного контента и в обучении, и в науке, уверены, будет только расти, особенно на фоне увеличения объема информации в целом и сгенерированных текстов в частности.

Использование генеративных ИИ-сервисов в образовании — это уже данность, с нейросетями работают и студенты, и преподаватели. Вместе с тем применение универсальных моделей искусственного интеллекта не только упрощает ряд задач, но и влечет за собой ряд негативных и недопустимых в академической среде последствий: генерация недостоверных фактов, формирование ссылок на несуществующие публикации, использование непроверенных источников, создание текстов без научной проверяемости.

Речь идет не об ограничениях, а о необходимости формирования культуры использования ИИ-инструментов на базе верифицированных источников при выполнении определенных образовательных задач. Есть запросы, которые вполне можно выполнять в широком информационном поле. Есть образовательные задачи, в которых важны проверка, прозрачность первоисточников. Это не ограничение, а неотъемлемая часть академической дисциплины и этики, которая в том числе формирует исследователя.

— Если нейросети берут на себя рутину (анализ данных, написание текстов), по каким критериям теперь оценивать научный потенциал молодого ученого? Что становится главным — оригинальность гипотезы или скорость обработки информации?

— На первый план выходят другие компетенции, которые ИИ не воспроизводит автоматически и которые нельзя получить простым ускорением рутинных процессов. Во-первых, это умение ставить исследовательскую задачу и формулировать тему. Во-вторых, оригинальность гипотезы и логика ее обоснования: почему именно так, какие существуют альтернативы, какие могут быть допущения. В-третьих, критическое мышление и фактчекинг: ученый должен видеть, где инструмент ошибся, где данные не подтверждают вывод, где «красивый текст» подменяет научную точность и достоверность. Далее — интерпретация результатов; задача исследователя — объяснить, что именно означает полученный результат, как он был получен, с помощью каких инструментов. Наконец, это такой важный момент, как междисциплинарное видение — умение собирать цельную картину из разных областей знания и при этом удерживать научную строгость.

Иными словами, оценивается не то, насколько быстро можно сгенерировать текст или первичный обзор, а то, насколько человек способен управлять исследовательским процессом: ставить вопросы, выбирать метод, проверять основания и делать выводы, которые выдерживают проверку.

— Сегодня существуют гранты для молодых ученых с возрастными ограничениями. Не должны ли эти правила пересматриваться с учетом того, что ИИ-инструменты позволяют достигать исследовательской зрелости раньше? Не устарели ли возрастные рамки?

— Смысл грантов — поддерживать не возраст, а потенциал. Сегодня такие меры поддержки действуют для разных возрастных групп, причем как для молодых ученых, уже вышедших на высокий уровень исследовательской зрелости, так и для обучающихся. То есть критерием отбора становится не возраст, а статус. В качестве примера такого инструмента, ориентированного не на возрастную планку, а на этап исследовательской работы, можно привести конкурс «Студенческий стартап». Он дает возможность студентам запускать технологические проекты еще во время обучения. Размер гранта здесь составляет 1 млн руб., а благодаря этой инициативе свыше 7 тыс. студентов смогли реализовать на практике свои проекты.

Вопрос пересмотра рамок можно обсуждать, но делать это надо аккуратно. Речь должна идти не об отмене возраста как критерия отбора. Важнее другое: как пересобрать правила таким образом, чтобы они точнее отражали потенциал и уровень самостоятельности исследователя. Этот момент представляется принципиальным сейчас, когда ИИ действительно ускоряет рутину и требования к новизне и научной верифицируемости результата не просто остаются прежними, а становятся даже более строгими.

— Если экстраполировать текущие тренды, какой мы увидим науку через 10–15 лет? Сохранится ли традиционная модель «ученый начинается после 30» или мы придем к тому, что школьники и студенты будут публиковаться наравне с профессорами?

— Сложно составлять прогноз, насколько текущие тренды, особенно связанные с ИИ, изменят научную среду. Конкуренция в ней, совершенно точно, возрастет. Из-за скорости получения результатов, которая увеличивается благодаря развитию технологий. Из-за снижения порога входа в исследовательскую деятельность: то, на что раньше уходили годы — обзор литературы, первичный анализ данных, формирование структуры исследования,— теперь можно сделать гораздо быстрее. Из-за ускорения публикационного цикла: быстрая подготовка текстов с ИИ-помощником приведет к росту количества научных работ, что, вероятно, ужесточит требования к их качеству и новизне.

Скорее всего, мы увидим не отмену традиционной модели «ученый начинается после 30», а ее трансформацию. С одной стороны, возможно, и правда появится больше совсем молодых исследователей, тех, кто участвует в научной работе уже в школьные и студенческие годы. С другой — сохранится и усилится роль опытных ученых, способных работать с комплексными задачами, задавать научную повестку. В конечном итоге важным остается то, умеет ли исследователь работать со своими задачами на том уровне, где ИИ не может его заменить.

Читать материал в первоисточнике