Zinātnes Vēstnesis

Mūsu dzīve ir pakļauta nejaušībām, bet – kā pamanīt un izmantot labvēlīgās nejaušības?

Foto: J. Brencis Foto: J. Brencis

 "Tā lielā mistika, kas vienmēr pastāvējusi – saistība starp modelēšanas valodām un programmēšanas valodām. Tur ir MILZĪGA starpība! Tas ir fenomens, kas visu laiku nebija skaidrs, ka cilvēks ir spējīgs saprast kaut kādus vispārīgus jēdzienus, bet ne līdz galam. Piemēram, cilvēks saprot, kas ir galds, bet, ja galdam ir palikusi viena kāja, – vai tas ir galds?" - saka valsts emeritētais zinātnieks akadēmiķis Jānis Bārzdiņš laikrakstam "Zinātnes Vēstnesis".

Laikraksts "Zinātnes Vēstnesis" 3 (619), 2022. gada 28. marts

Mūsu dzīve ir pakļauta nejaušībām, bet – kā pamanīt
un izmantot labvēlīgās nejaušības?
Saruna ar valsts emeritēto zinātnieku akadēmiķi Jāni Bārzdiņu

 

Jūs esat pieredzes bagāts Latvijas Universitātes Matemātikas un informātikas institūta (LU MII) Sistēmu modelēšanas un programmatūras tehnoloģiju laboratorijas vadošais pētnieks, Latvijas Zinātņu akadēmijas akadēmiķis, LU profesors. Piedalījāties Latvijas IT industrijas radīšanā, bijāt LU MII direktors un grūtajos pārejas laikos ievedāt institūtu Eiropā. Vai matemātika un skaitļošana bija bērnības sapnis, vai apzināta izvēle, jo bija sajūta, ka skaitļošanas tehnika būs neatņemama nākotnes daļa? Kāds bija šis ceļš?

Tas ir garš ceļš, ņemot vērā, ka man jau ir 85 gadi. Savā akadēmiskajā runā, kad man pasniedza LZA Lielo medaļu, teicu, ka datorzinātņu pasaulē esmu gandrīz mūža garumā. Tomēr es gribētu teikt, ka mūsu dzīve ir pakļauta nejaušībām, bet – kā pamanīt un izmantot labvēlīgās nejaušības?

Esmu dzimis dziļos laukos Sēlpilī, kas bija bezgala tālu no zinātnes centriem. Tomēr pusaudžu vidū ceļoja grāmata, kurā tā laika skolēniem bija ļoti labā valodā, saprotami uzrakstīti stāsti par zinātni un tās radītājiem. Grāmatas ietekmē manā domāšanā izveidojās priekšstats, ka zinātne un atklājumi ir kaut kas brīnišķīgs un skaists. Papildu tam, mums bija ļoti laba matemātikas skolotāja. Pēc tam mācījos Lauksaimniecības tehnikumā, kur bija vēl labāks matemātikas skolotājs, kādreizējais Jēkabpils ģimnāzijas direktors. Tomēr izvēlējos vakara vidusskolu, jo gribējās ātrāk pabeigt mācības – tehnikumā mācību ilgums bija četri gadi, bet vakara vidusskolu pabeidzu trīs gados. Pēc tam iestājos LU fizmatu fakultātē, kuras dekāns bija docents Vilnis Detlovs. Sākumā iesniedzu dokumentus fiziķos, bet dekāns teica, ka tur ir milzīgs konkurss, lai es labāk pamēģinot matemātiķos. Es piekritu. Biju no vakara vidusskolas, kur daudz kas nebija mācīts, piemēram, iestājeksāmenā bija tāds apzīmējums, kā absolūtās vērtības funkcija. Es tādu pirmoreiz ieraudzīju. Tā nu es nokļuvu matemātiķos.

Laikam jau man nebija pacietības iedziļināties klasiskajās matemātikas nozarēs, piemēram, funkciju teorijā vai teorētiskajā mehānikā, kuru pamatā ir gadsimtiem ilga zināšanu bagāža. Lai to apgūtu un atklātu ko jaunu, būtu jāstrādā daudzi gadi. Gribējās kaut ko ātrāk un kaut ko modernāku. Tieši tajā laikā, kad es mācījos universitātē, pasaulē radās algoritmu teorija, lai gan Tjūringa mašīnas bija izgudrotas jau agrāk. Radās automātu teorija, kurā bija vēl daudz neatrisinātu problēmu. Sākt darboties tādā zinātnes virzienā, kurā, kur vien paskaties, ir neatrisinātas problēmas, tiešām ir milzīga laime.

Pēc studijām dažus gadus vadīju augstākās matemātikas praktiskos darbus fiziķiem, tai skaitā tādiem ļoti pazīstamiem fiziķiem kā Andrejam Siliņam un Jurim Ekmanim. Pēc tam iestājos, kā toreiz sauca, aspirantūrā Novosibirskas akadēmiskajā pilsētiņā, kur bija brīnišķīgs vadītājs Boriss Trahtenbrots. Ļoti veiksmīgi aizstāvēju kandidāta disertāciju, un bijušās Padomju Savienības pats ievērojamākais matemātiķis, akadēmiķis Andrejs Kolmogorovs uzaicināja mani uz Maskavas universitāti stažēties, lai risinātu vienu no viņa formulētajām problēmām par pašatveidojošiem automātiem. Turpināju arī pētījumus izrēķināmu funkciju sarežģītības jomā, jau aspirantūras laikā biju izstrādājis (vienlaicīgi ar Juri Hartmani) rēķināšanas sarežģītības apakšējo novērtējumu pierādīšanas metodi. Tiesa, Juris Hartmanis šajā jomā tika daudz tālāk, un viņš ir vienīgais no mūsu tautiešiem, kuram piešķirta Tjūringa prēmija, kas pielīdzināma Nobela prēmijai.

Pēc stažēšanās Maskavas universitātē atgriezos Rīgā, turpināju pētījumus, cīnījos par finansējumu. Domāju, ka šajā jomā, pārstāvot teorētiskās datorzinātnes, man itin labi veicās. Tā kā šis virziens bija ļoti aktuāls, spēcīgākie studenti, kas toreiz beidza universitāti, iestājās pie manis aspirantūrā. Piemēram, šobrīd labi zināmie profesori Juris Borzovs, Jānis Bičevskis, Audris Kalniņš, Kārlis Podnieks, Ēvalds Ikaunieks, vēlāk arī Alvis Brāzma, Kārlis Čerāns un vēl daži citi, kas tagad strādā industrijā.

Stažēties Maskavas universitātē Jūs uzaicināja pats akadēmiķis Kolmogorovs, bet kā jums šie kontakti izveidojās? Varbūt Padomju Savienībā tas bija no augšas noteikts, ka vajag gudrākos prātus salasīt kopā un uzraudzīt?

Nē, manā laikā jau bija pietiekoši liela brīvība. Maskavā nokļuvu tāpēc, ka man tiešām bija labi rezultāti. Kandidāta disertācijā, kā toreiz sauca doktora disertāciju, atradu ļoti vienkāršu teorētisku elementu sistēmu, no kuras var izveidot teorētisku automātu, kurš pats sevi var kopēt un papildināt. Tas toreiz izraisīja lielu vispārēju interesi, un rezultātu izmantošana vēl pēc 20–30 gadiem kopš publicēšanas tika pamanīta ārzemēs. Nedaudz nožēloju, ka neturpināju šo virzienu tālāk, jo tas bija iemesls, kāpēc akadēmiķis Kolmogorovs mani uzaicināja uz Maskavas universitāti. Man bija liela laime daudz diskutēt, manuprāt, ar šajā jomā pašu ievērojamāko pasaules zinātnieku. Ideja jau bija daudz lielāka – kā no ļoti vienkārša matemātiska automāta, kas varētu ar saprātīgu varbūtību nejauši rasties, tālāk ar nejaušu mutāciju palīdzību saprātīgā laikā aiziet līdz pašatveidojošam automātam. Tātad no matemātiskā viedokļa raugoties, runa bija par iespējamu dzīvības rašanos. Bet ne toreiz, ne arī tagad šīs problēmas risinājums nav redzams.

Vai Maskavas laiku atceraties kā ļoti aizraujošu, citādu nekā Latvijā?

Maskavas universitātē akadēmiķim Kolmogorovam bija daudz skolnieku (pamatā tie bija nākamie akadēmiķi). Aktīvākos viņš bieži uzaicināja uz savu ārpilsētas māju, kur režīms bija tāds – vispirms 15–20 km pārgājiens gar upi, peldēšanās neatkarīgi no laikapstākļiem, pēc tam atpakaļ un 30–45 minūtes tikai superintensīva strādāšana un domāšana par zinātniskajām problēmām. Šajos izbraucienos piedalījās tikai studentu spēcīgākā daļa, kas bija atlasīti un spēja ātri noorientēties. Superintensīvā domāšana un ideju ģenerēšana bija pamats zinātniskajiem atklājumiem, jo Kolmogorovam bija uzskats, ka lielas idejas, ja tās patiešām ir lielas, var formulēt telegrammas garuma ziņojumā. Ja kāds vēl atceras telegrammas, tad tās bija 1–2 rindiņas. Ja paskatās zinātnes vēsturē, tas tiešām tā ir – visas lielās idejas ir formulējamas telegrammas garumā saprotami nozares speciālistiem. Pēc aktīvās domāšanas bija klasiskās mūzikas klausīšanās divas stundas. Izbraukums noslēdzās ar ļoti diētiskām pusdienām, un tad visi jaunie, pirms kāpt elektriskajā vilcienā, skrēja uz stacijas ēdnīcu kārtīgi paēst.

Vai jūs šādas metodes saviem studentiem arī izmantojat?

Nē, diemžēl ne, bet būtu vajadzējis tā darīt. Atceros, ka viens mans doktorants jokodams jautāja, cik vidēji stundas dienā viņam būtu jāstrādā, lai aizstāvētu doktora disertāciju trīs gados. Man bija viennozīmīga atbilde – 24 stundas! Es tiešām nemeloju! Zinātnē tā ir, un tas nav mans izdomājums, bet viena no lielākajiem franču matemātiķiem Puankarē, kurš teicis, ka viņa lielākā matemātiskā ideja ienākusi prātā, kāpjot diližansā. Tas nenozīmē, ka 24 stundas tu sēdi un raksti, bet tu turi to problēmu aktīvajā atmiņā, jo mēs nezinām, kas mūsu smadzenēs notiek. Tikai viens ir skaidrs – bez apzinātas domāšanas arī mūsu smadzenes, it sevišķi miegā, sistematizē zināšanas un tās apstrādā sev zināmā veidā. Tāpēc svarīgi, ka 24 stundas nevis tieši domāt par problēmu, bet paturēt to aktīvajā atmiņā. Var darīt pavisam ko citu, bet pēkšņi prātā iekrīt ideja vai risinājums.

Presē izlasāms, ka programmrīks GRADE ir Latvijas datorzinātnieku viens no vislielākajiem panākumiem. Vai var teikt, ka GRADE ir mugurkauls ļoti daudzām programmām, kuras šobrīd izmantojam, piemēram, mobilajos telefonos, elektroniskajās bankas operācijās un tamlīdzīgi? Lūdzu, pastāstiet, kas tas ir un kā pie tā nonācāt? Vai GRADE ir saīsinājums?

Es mēģināju atsaukt atmiņā, bet tā arī nevarēju atcerēties, kā šis nosaukums radies. Jebkurā gadījumā es pie tā izdomāšanas neesmu savu roku pielicis. Iespējams, tas ir saīsinājums no graphical development environment.

GRADE panākumu pamatā bija vairākas lietas. Pirmā – GRADE ideja jeb sistēmu modelēšana ar grafiskiem līdzekļiem apsteidza savu laiku apmēram par pieciem gadiem. Otrā lieta – GRADE izstrādē tika iesaistīti Latvijas labākie programmētāji un projektētāji, kopumā ap 30 cilvēku. Toreiz to varēja atļauties, jo Siemens Nixdorf par to maksāja. Trešā un nozīmīgākā lieta – gan Jāņa Gobiņa, gan pārējo izstrādātāju entuziasms. Visiem bija sajūta, ka tā tiešām ir pasaules mēroga izstrāde. Jāsaka, mēs jau bijām diezgan labi sagatavojušies šim virzienam. Laikā pirms otrās neatkarīgās Latvijas viena no tēmām, pie kuras strādājām LU Skaitļošanas centrā, bija sakaru sistēmu specificēšana. Tepat VEF-ā tika izstrādātas vienas no sarežģītākajām sakaru sistēmām, un viena no galvenajām problēmām bija modelēt un specificēt šīs sistēmas projektētājiem. Savā ziņā GRADE bija tas pats, tikai ne sakaru, bet biznesa sistēmām, taču vienā teikumā to nemaz nevar pateikt. Patiesībā šeit problēma ir daudz plašāka. No vienas puses ir programmēšana – mēs programmējam kādā programmēšanas valodā, tomēr jebkuru netriviālu programmu, kas uzrakstīta programmēšanas valodā, saprot tikai pats programmētājs, bet cits cilvēks to nevar izlasīt un saprast. Tajā pašā laikā, ja projektā strādā vairāki programmētāji, viņiem savā starpā jāsazinās, bet, izmantojot tikai atbilstošo kodu, nekas prātīgs nesanāk.

Jau sen dažādos kontekstos pamanīts, ka cilvēks savā domāšanā ir spējīgs operēt ar ievērojami vispārīgākiem jēdzieniem nekā ar tiem jēdzieniem, kurus lieto datorprogrammas. Piemēram, kad cilvēks viens otram grib izskaidrot, kā strādā apdrošināšanas sabiedrība vai banka, viņš jau neprogrammē, bet stāsta, kas jāizdara, ienākot pieteikumam, kādi ir izņēmumi, u. tml… Stāsta cilvēku valodā, lietojot cilvēciskus jēdzienus – ienāk paziņojums; jāveic šāds darbs; jāpārbauda – klients ir drošs vai nē; ja klients ir drošs, tad viņam dod aizdevumu, ja nav drošs, tad ne. Lieto jēdzienus, kurus ne pilnīgi saprot, bet saprot par 80–90%, tomēr ar to pietiek. Rezumējot, modelēšana izmanto efektu, kurā, lietojot tādus pusprecīzus, cilvēciskākus jēdzienus, cilvēks problēmu jeb procesu apraksta viegli un saprotami otram cilvēkam. Dators no šāda apraksta šo to var saprast, šo to nē, bet, kā likums, programmu ģenerēt no tāda apraksta tas nevar. Skaidrs, ka cilvēkam ļoti palīdz grafika.

GRADE bija viens no pasaulē pirmajiem programmrīkiem, kas šādus biznesa procesu jēdzienus izmantoja un attēloja grafiski saprotami cilvēkam, turklāt šajā grafikā varēja pierakstīt dažādus darbību procesus. Tas palīdzēja būvēt sarežģītas sistēmas un komunicēt starp izstrādātājiem.

Tā ir lielā mistika, kas vienmēr pastāvējusi – saistība starp modelēšanas valodām un programmēšanas valodām. Modelēšanas valoda domāta cilvēkam, bet programmēšanas valoda datoram. Tur ir MILZĪGA starpība! Tas ir fenomens, kas visu laiku nebija skaidrs, ka cilvēks ir spējīgs saprast kaut kādus vispārīgus jēdzienus, bet ne līdz galam. Piemēram, cilvēks saprot, kas ir galds, bet, ja galdam ir palikusi viena kāja, – vai tas ir galds? Cilvēciskajā saziņā visiem jēdzieniem ir izplūdušas robežas, bet uz šī izplūduma rēķina to lielo ideju var pateikt desmit vai simtreiz vieglāk, nekā uzreiz programmu programmēt. Un tikai tagad saistībā ar dziļo mašīnmācīšanos sāk rasties nojausma, ka patiesībā starp tradicionālo datorprogrammēšanu un cilvēka domāšanu ir principiāla atšķirība.

Ko jūs darāt, lai atpūtinātu prātu no programmām un darba lietām? Vai Jūsu darbs ir arī Jūs vaļasprieks?

Man tāda īpaša vaļasprieka nav, diena par īsu. Bet ir ģimene – trīs dēli, četri mazbērni, tas viss prasījis laiku. Priecē viņu panākumi. Arī vasarnīcu būvējām paši. Tagad palikuši mazi ceļojumi pa bezgala skaisto Latviju. Diezgan daudz nācies pabūt arī ārpus Latvijas konferencēs un citos zinātniskos pasākumos, bet, jo vecāks palieku, jo vairāk man patīk Latvija ar izcilo vēsturi, Latvijas muižām un bezgala skaistiem dabasskatiem. Cik vēl pasaulē palikušas vietas, kur dabīgi iesējušies koki?

Tiem zinātniekiem, kuri nestrādā tīri teorētiskā jomā, bet strādā informācijas tehnoloģiju jomā, kur viens neko nevar izdarīt, vienmēr vajadzīgs kāds kolektīvs apkārt. Šajā darbā ar ideju vien nepietiek, vienmēr vajadzīga arī eksperimentālā realizācija. Līdz ar to visu savu mūžu tikpat daudz, cik nodarbojos ar zinātni, nācies cīnīties par finansējumu, un tas prasījis tik daudz enerģijas (tagad redzu, ka tas prasa divtik enerģijas, jo vēl vairāk pieaugusi birokrātija), ka darba pieticis vienmēr.

Jūsu sasniegumi ir ļoti augstu novērtēti. Esat saņēmis dažādus apbalvojumus un atzinības, piemēram, Ministru kabineta balvu, Eižena Āriņa balvu par mūža ieguldījumu un Triju Zvaigžņu ordeni. Šie visi ir nozīmīgi un ļoti pelnīti iegūti. Tomēr, vai ir kāds apbalvojums vai atzinība (ne obligāti no nosauktajiem, varbūt bērnībā iegūts diploms skriešanas sacensībās), kas ir bijis negaidīts un iepriekš neparedzams, bet radījis vispatiesāko prieka un gandarījuma sajūtu – “Jā! Es to paveicu!”?

Ir tāda lieta, kuru gribēju, bet neizdevās. Studiju laikā trenējos vieglatlētikā un gribēju pārlēkt 2 m augstumu, bet neizdevās. Galvenā cerība nepiepildījās. Runājot par tām daudzajām balvām, vienmēr bijis neērti tās saņemt, jo, kā jau teicu, informācijas tehnoloģiju laukā viens neko nevar izdarīt. Es tur vienmēr esmu bijis priekšnieks, un tad man tikušas balvas, bet patiesībā tās būtu jādala vēl vismaz desmit daļās. Taču paldies visiem tiem, kuri piešķīruši šīs balvas, jo viņi domājuši visu to labāko! Paldies par Triju Zvaigžņu ordeni! Viena no svarīgākajām un man tuvākajām balvām bija Latvijas Zinātņu akadēmijas Lielā medaļa pirms nepilniem pieciem gadiem un tai sekojošais akadēmiskais referāts, kas deva iespēju pastāstīt par savu akadēmisko mūžu un zinātni. Tā man ir viena no mīļākajām balvām.

Emeritētā zinātnieka statusu piešķir par mūža ieguldījumu un izcilu devumu zinātnē. Vai viss ir izdevies? Vai ir vēl kas, ko gribētu izdarīt? Varbūt ir kas tāds, ko būtu gribējies darīt citādāk?

Atbildot uz šo jautājumu, man gribētos atcerēties akadēmiķa Kolmogorova stāstu līdzīgā sakarā. Kad arī viņš jau bija vecs, viņš teica, ka visvairāk priecātos par to, ja viņam vecumā vēl paliktu četrpadsmitgadīga pusaudža interese par visu, kas notiek pasaulē. Es gribu studentiem novēlēt, lai tie pēc iespējas ilgāk saglabātu šo pusaudžu interesi par visu, kas notiek pasaulē! Tā ir viena no lielākajām laimēm, ja to izdodas saglabāt. Negribu teikt, ka tas man simtprocentīgi izdevies, bet jebkurā gadījumā, ja es kaut vai piekritu šai intervijai, tad tas jau skaitās. Kaut vai pastāstīt citiem par to, kas man izdevies un kas nav.

GRADE projekts labi attīstījās, bet tad nāca milži jeb lielās firmas, kuras modelēšanas tematikā ieguldīja uzreiz miljonus, un mēs vairs nevarējām sacensties. Man visvairāk žēl, ka GRADE projekta izstrādes laikā, zinātniskajos semināros mēs pienācām ļoti tuvu nākotnes idejai, kuru vēlāk nosauca par modeļos balstītu arhitektūru vai modeļos balstītu sistēmu izstrādi, kas balstās uz objektu modeļiem, kas cilvēkam ir precīzi saprotami. Mēs nonācām ļoti tuvu modeļu transformācijām. Kā izrādījās, izmantojot modeļos balstītu arhitektūru un modeļu transformācijas, var pavisam citādāk būvēt dažādus programmu rīkus un, pirmkārt, sistēmu modelēšanas rīkus. Proti, GRADE bija viens no modelēšanas rīkiem, kas tika realizēts, bet, kad aizgāja līdz reāliem lietotājiem, tad vienmēr kaut kā pietrūka. To reāli varēja papildināt tikai programmētāji, bet, ar šo modeļos balstīto arhitektūru un modeļu transformācijām, tāda viena konkrēta modelēšanas rīka vietā var būvēt modelēšanas rīku platformu, kuru jau pats priekšmeta apgabala lietotājs var konfigurēt tā, kā viņš to grib. Tātad šos fiksētos modelēšanas rīkus nomainīja nākamās paaudzes domēnspecifiskie rīki, kas veidoti uz šādu modeļos balstītu arhitektūru un modeļu transformācijām, un kurus var viegli pārkonfigurēt. Mēs līdz šai ideja bijām nonākuši tik tuvu. To jau pat apsprieda semināros, tikai vēl nebija izdomāts nosaukums. Tā vietā, lai to visu būvētu arhitektoniski pavisam citādāk, mēs visu laiku bijām aizņemti ar pasūtītāju vēlmēm, papildinot GRADE.

Zinātnē tā ir bieži, ka viena un tā pati ideja pasaulē ienāk prātā daudziem. Reizē ar mums arī citiem pasaulē radās šī ideja, un izveidojās liels pētījumu virziens. Mēs paspējām ielēkt šajā vilcienā. Bijām ļoti labi sagatavojušies. Par šo tēmu mums tapa kādas desmit doktora disertācijas un publikācijas, uz kurām daudzi atsaucās, bet diemžēl nokavējām kādus pāris gadus, lai būtu pirmie. Tā ir mācība jaunākiem kolēģiem – ja tev ir kāda ideja, tad mēģini to izprast līdz galam. Mēs tiešām bijām tuvu šim “apvērsumam”, kaut kur GRADE izstrādes vidū, bet ar ikdienas darbiem, kārtīgi pie tā nepiesēdāmies. Tā man visvairāk žēl. Domāju, ka tas būtu ļoti daudz ko mainījis. Tad mēs patiešām būtu bijuši pasaulē pirmie modelēšanas rīku jomā.

Ir vēl viena problēma, par kuru esmu domājis visu savu zinātniski aktīvo mūžu. Par fenomenu. Cilvēks ļoti labi saprot jaunus jēdzienus, ja tos izskaidro ar piemēru palīdzību. Arī modelēšana balstās uz šī cilvēka domāšanas fenomena. Turpretī dators principā nesaprot piemērus. Ja grib rakstīt programmu, tad programma jāuzraksta līdz galam. Ar piemēru palīdzību datoram paskaidrot neko nevar. Cilvēkam piemīt fantastiska spēja pēc piemēriem sintezēt vispārīgas likumsakarības. Mēs šo tēmu no teorētiskā viedokļa ļoti intensīvi pētījām 70. gados, un bija daudz publikāciju. Tā bija tēma, ar kuru visvairāk kļuvām pazīstami pasaulē.

Bet neizdevās – ne mums, ne citiem pasaulē neizdevās saprast šo fenomenu. Gribējām, cerējām un mēģinājām ar deduktīvām metodēm saprast šo induktīvo sintēzi. Tātad – vispārīgu likumsakarību sintēzi pēc piemēriem. Visa matemātika balstās uz deduktīviem spriedumiem, sākot ar Eiklīda ģeometriju. Ir Eiklīda aksiomas, uz kuru pamata var visu izspriest. Visu matemātiku var aksiomatizēt (Gēdeļa teorēmas fenomenu uz brīdi var neņemt vērā), bet patiesībā jau tās aksiomas matemātiskos spriedumos neizmantojam tieši. Mēs izmantojam acīmredzamas lietas, kas mums ir, un no tām varam izsecināt mazāk acīmredzamās. Tie ir deduktīvie spriedumi. Mēs gribējām šo induktīvo sintēzi, šo cilvēka spēju sintezēt vispārīgās sakarības pēc piemēriem aprakstīt ar deduktīvām metodēm. Alvja Brāzmas disertācijā pat bija mēģināts svarīgai induktīvās sintēzes uzdevumu klasei atrast aksiomu sistēmu, kurai, dodot pietiekoši daudz piemēru, mēs vienmēr atrastu pareizo atbildi. Konkrētajai uzdevumu klasei tas izdevās, bet tā droši vien bija nejaušība.

Un tā pirms desmit gadiem parādījās šī dziļā mašīnmācīšana, dziļie neironu tīkli. Ir pamats domāt, ka cilvēka galvā šie jēdzieni kodēti pavisam citādāk, ne tā, kā datorā. Dziļo neironu uzdevuma tipisks piemērs ir atpazīt dzīvniekus, atšķirt suņus no kaķiem, bet neironu tīkls tomēr nav 100% precīzs. Paliek kāds mazs procents, kur dziļo neironu tīkls nespēj dzīvniekus atšķirt, ja tie ir kaut kā īpatnēji nostājušies – šādām pozām neironu tīkls nav apmācīts. Tas nozīmē, ka dziļajos neironu tīklos, tāpat kā cilvēka smadzenēs, ir atrasta metode, kā kodēt informāciju nedaudz izplūdušā veidā. Pastāv aizdomas, ka šī informācija kodēta nevis trīsdimensiju telpas jēdzienos, bet gan n-dimensiju telpā. Tur sāk parādīties pilnīgi citas likumsakarības. Dziļo neironu tīklos lieto tūkstošiem dimensiju, tomēr to matemātiskie jeb deduktīvie pamati tā arī nav saprasti, lai gan no praktiskā viedokļa tie strādā labi. Tas pašreiz ir pats modernākais datorzinātnēs. Šobrīd šos jautājumus risina jaunā paaudze. Tā ir ļoti aktuāla tēma, bet viss nav tik vienkārši, jo šajā jomā darbojas desmiti tūkstoši pētnieku, un atkal nav skaidrs, kur mums atrast savu nišu, jo uz šo dziļo mašīnmācīšanos balstās Google un daudzas citas sistēmas. Tā ir nākotne, bet pašreiz nav skaidrs, pie kā tā novedīs.

Esat izaudzinājis jauno pētnieku audzi. Kādi ir jūsu novērojumu par šī brīža studentiem? Tikpat aizrautīgi un ideju pārņemti? Ko jūs novēlētu skolēniem un jauniešiem, kuri apsver savas karjeras un studiju iespējas?

Informācijas tehnoloģiju jomā bieži mīl atsaukties uz to, ka Bils Geitss, kurš lika pamatus Microsoft un Windows operētājsistēmai, nav beidzis augstskolu. Stīvs Džobss, kurš licis pamatus Apple un Mac operētājsistēmai, arī mobilā telefona operētājsistēmai, tāpat nav beidzis augstskolu. Vai Marks Zakerbergs, kurš izveidoja Facebook. Kas tas par fenomenu? Ar Google ir nedaudz labāk, jo tie, kuri radīja Google, tomēr bija doktorantūras studenti. Neiedziļinoties šī fenomena skaidrojumā, gribu pievērst šodienas studentu vērību vienam faktam: viņi pameta augstskolu tikai tad, kad, pateicoties saviem izgudrojumiem, jau bija kļuvuši par miljonāriem, bet nevis otrādi – pameta augstskolu un tad cerēja, ka izgudros ko vērtīgu.

Nobeigumā gribētu izmantot teicienu, kas tiek piedēvēts Īzakam Ņūtonam: “Es stāvēju uz milžu pleciem un tāpēc redzēju tālāk nekā citi!”. Novēlu studentiem mācīties un mācīties, lai tiktu tajos milža plecos un redzētu tālāk nekā citi.

Laikrakstam “Zinātnes Vēstnesis”
sagatavoja LZA korespondētājlocekle Līga Grīnberga

Lasīts 1184 reizes
We use cookies
Informējam, ka šajā tīmekļa vietnē tiek izmantotas sīkdatnes (angļu val. "cookies")