Российские нейросети могут стать умнее: с этим помогут труды советских ученых

В СССР работала система, которая собирала почти все, что создавала советская наука: от физики до биологии, от математики до инженерии. К 1980 году накопилось больше двух миллиардов единиц информации. Долгие годы эти данные лежали мертвым грузом. Теперь их хотят использовать для обучения искусственного интеллекта. Это весьма своевременно, потому что данных для обучения нейросетей не хватает уже сейчас. В США, например, эту проблему пытаются решить, скармливая нейронкам миллионы старых книг. Но сможет ли нейросеть, воспитанная на советских учебниках, конкурировать с западными аналогами?

Российские нейросети будут обучены на отчетах советских ученых

Способ сделать нейросети умнее

Любая нейросеть умна ровно настолько, насколько качественную информацию в нее загрузили. Большинство популярных алгоритмов обучаются на открытых данных из глобальной сети: статьях из Википедии, новостных сайтах, блогах и развлекательных порталах. Но для серьезных научных открытий этого катастрофически мало.

Главная проблема современных чат-ботов это склонность к «галлюцинациям». Если алгоритм не знает точного ответа на сложный вопрос, он просто придумывает правдоподобный текст. В переписке или при написании школьного эссе это может сойти с рук, но в науке, инженерии и медицине любая неточность может стоить очень дорого.

Чтобы искусственный интеллект стал поистине мощным помощником для ученых, ему нужны строгие факты, результаты конкретных экспериментов, формулы и технические отчеты. Если загрузить в нейросеть миллионы страниц с реальными исследованиями, она сможет находить скрытые закономерности, которые человек просто не в состоянии удержать в голове. Например, проанализировав тысячи старых химических опытов, машина способна подсказать формулу нового сверхпрочного сплава.

Архив научных открытий, совершенных в СССР

В Советском Союзе наука финансировалась очень хорошо, а каждое техническое достижение, от космических программ до геологических разведок, тщательно документировалось. Для хранения этих знаний была создана государственная система научно-технической информации (ГСНТИ).

К 1980 году в ее фондах накопилось более двух миллиардов единиц данных. Это невероятный объем информации, включающий в себя подробные чертежи, отчеты об испытаниях материалов, графики и текстовые документы. В те годы все это хранилось исключительно на бумаге или микрофильмах. И если дореволюционные хроники порой могли похвастаться красками, то в строгих научных институтах той эпохи снимки и документы чаще всего были только черно-белые, что сильно упрощало и удешевляло массовое копирование отчетов.

Десятилетиями этот массив лежал мертвым грузом. Найти нужную справку в бумажном каталоге было крайне сложно, а проанализировать весь объем целиком — физически невозможно. До сегодняшнего дня ни одна глобальная ИИ-модель в мире не имела доступа к этим уникальным материалам просто потому, что они не были представлены в цифровом виде.

Невероятный эксперимент: как в СССР хотели создать гибрид человека и обезьяны

Что даст перевод научных архивов в цифру

Прямо сейчас в России идет сложнейший процесс перевода этих ветхих страниц в машиночитаемый формат. По состоянию на середину августа уже подтверждено наличие 483 миллионов единиц научно-технической информации, которые сейчас оцифровываются и готовятся к загрузке.

Помимо советского наследия, в эту обучающую выборку войдут и современные работы. На платформе «ГосТех» уже собраны обширные сведения о российских научных исследованиях и разработках, начиная с 1998 года. В рамках федерального проекта также обновляются научно-технические библиотеки по всей стране.

Что произойдет, когда обе эпохи — советский фундамент и современные данные, объединят и передадут нейросетям?

• Исследователи смогут моментально находить результаты прошлых испытаний, чтобы не тратить годы и миллионы рублей на повторение чужих ошибок;
• Искусственный интеллект начнет находить неожиданные связи между совершенно разными научными дисциплинами, например, между микробиологией и созданием новых полимеров;
• Отечественные ИИ-модели превратятся в узкопрофильных экспертов, способных консультировать инженеров на базе реальных доказательных исследований.

Почему научную нейросеть обучить сложнее обычной

Оцифровка художественного романа это уже давно отлаженный процесс. Для этого достаточно прогнать страницы через сканер и базовую программу распознавания текста. Но с научно-технической информацией все обстоит иначе.

Архивные отчеты полны сложных математических формул, рукописных пометок на полях, многослойных чертежей и нестандартных таблиц. Если компьютер распознает химическую формулу с одной ошибкой в индексе, вещество из безопасного полимера на бумаге превратится в нерабочий материал в памяти машины. Поэтому перевод старых архивов требует применения специализированных алгоритмов, которые умеют понимать контекст чертежа и корректно переносить переменные.

Кроме того, бумажные носители со временем ветшают. Чтобы спасти эти данные и передать их нейросети в неискаженном виде, специалистам приходится восстанавливать многие документы буквально по крупицам, создавая для моделей максимально чистую базу.

Зачем создавать собственные национальные алгоритмы

Популярные глобальные нейросети обучаются преимущественно на англоязычном сегменте интернета. Они блестяще справляются с написанием текстов или программированием, но их научная база жестко ограничена тем, что выложено в открытый доступ в западных странах.

Создание суверенных национальных ИИ-моделей — это вопрос технологической независимости. Если российский алгоритм будет опираться на внутренние, закрытые для остального мира архивы, он получит колоссальное преимущество. Нейросети работают не на интуиции. Компьютерные алгоритмы опираются исключительно на доказанные факты, числа, химические формулы и строгую статистику. Чем объемнее и качественнее этот фактологический фундамент, тем точнее результат выдает машина.

Еще больше познавательных материалов вы найдете в нашем Telegram-канале. Обязательно подпишитесь!

На недавнем заседании Совета по науке и образованию в Новосибирске зампред правительства РФ Дмитрий Чернышенко заявил, что цель государства — объединить всю имеющуюся научную информацию. Как сообщает ТАСС, вице-премьер попросил поддержать обновление положения о ГСНТИ, чтобы дать алгоритмам легальный доступ к этим знаниям. В перспективе это вооружит российских ученых важнейшим инструментом, который превратит миллионы забытых архивных папок в двигатель будущих технологических прорывов.