За горизонтом: почему IT-предпринимателям не стоит забывать о фундаментальной науке

Для большинства современных бизнес-задач, предполагающих использование технологий, фундаментальная наука будто бы и не нужна: хватает готовых инструментов. Но по-настоящему успешный бизнес — это не про здесь и сейчас. Его отличает умение заглянуть «за горизонт», что невозможно без глубокого научного подхода. Вице-президент, директор Управления исследований и инноваций Сбербанка Альберт Ефимов считает, что это особенно актуально для четырех критических направлений, которые в ближайшие десять лет сыграют ключевую роль в повышении эффективности бизнеса.

Лауреат Филдсовской премии Станислав Смирнов однажды привел прекрасный пример, отражающий неочевидную для многих связь науки и бизнеса. Математические методы, разработанные еще в начале XIX века Жаном-Батистом Жозефом Фурье, сегодня применяются в каждом смартфоне для обработки и хранения фотографий. «Современные инженеры, создающие эту технику, вряд ли догадываются, что стоят на плечах гигантов», — справедливо заметил Смирнов.

Большинству направлений бизнеса серьезная математика не нужна, достаточно элементарных знаний, но мир становится сложнее. Выиграть в конкурентной борьбе смогут лишь те, кто сумеет превратить фундаментальную науку в эффективный бизнес-инструмент. Это уже происходит: линейное программирование оптимизирует цепочки поставок, стохастические процессы — анализ потребительского поведения.

В высокотехнологичных отраслях эта трансформация идет еще дальше, чтобы проектировать устойчивые к неопределенности системы. Так, имитационное моделирование помогает подбирать проектные решения и режимы эксплуатации химических производств, обеспечивая оптимальный баланс между качеством, затратами и воздействием на окружающую среду.

Важность фундаментальной математики остро осознают бигтехи. В 2025 году DeepMind объявила о запуске специальной программы для ускорения развития этой научной области — AI for Math Initiative.

То есть мы неизменно возвращаемся к прописной истине: прорывы в области фундаментальной математики сегодня определят технологии, которые бизнес будет использовать через десять-двадцать лет.

Вспоминаются ироничные, но справедливые слова CEO Boston Dynamics Роберта Плейтера: «Мы снимали видео на YouTube, как робот занимается паркуром еще десять лет назад. Но гораздо сложнее — научить его делать что-то полезное».

Physical AI — это естественный ход развития искусственного интеллекта. Для достижения большего экономического эффекта критические технологии должны влиять на физический мир напрямую, а не только опосредованно через экраны и интерфейсы. Масштаб предстоящих изменений виден в цифрах. По оценкам экспертов, к 2030 году на дорогах будет 71 млн автономных автомобилей, а рынок человекоподобных роботов достигнет 1 млн проданных единиц.

Однако выход искусственного интеллекта в физический мир — процесс более комплексный, чем принято думать. Речь не просто о внедрении роботов, а о формировании целой экосистемы физических агентов, способных эффективно и безопасно взаимодействовать друг с другом и с человеком с помощью роевого интеллекта и продвинутой сенсорики. Каждое воплощение Physical AI требует интеграции десятков научных дисциплин: от механики до материаловедения. А активное взаимодействие устройств между собой и с человеком возводит планку еще выше. Physical AI — это первый случай в истории, когда искусственный интеллект приобретает статус жизненно важной технологии: ошибка алгоритма здесь — не сбой на экране, а возможная угроза жизни и здоровью человека. А потому вопросы безопасности выходят на передний план.

Отдельный научный фронтир — материалы и вычислительная архитектура для Physical AI: традиционные чипы достигают пределов энергоэффективности, и ответом становятся нейроморфные процессоры, имитирующие устройство мозга. Все это — фундаментальная наука — без которой Physical AI останется прожорливым и неэффективным.

Альберт Эйнштейн, выступая перед студентами Калифорнийского технологического института, сказал: «Забота о самом человеке и его судьбе должна быть в центре внимания при разработке всех технических усовершенствований. Чтобы творения нашего разума были благословлением, а не бичом для человечества…»

Пожалуй, нет области, где этот призыв звучал бы острее, чем в сфере долголетия.

Бизнес на «вечной молодости» не способен стать источником благословения для человека без фундаментальной науки. С 2021-го по 2023 год отрасль долголетия переживала настоящий бум: было вложено более $18 млрд, в том числе в многочисленные стартапы. Сформировался массовый потребительский рынок — от умных колец до БАДов. Однако в последнее время ажиотаж вокруг сулящих долголетие компаний поутих: вложения сократились на фоне неудовлетворительных результатов. За глянцевой оберткой «таблеток от старости» стоит суровая реальность: устойчивый и этичный бизнес в этой сфере должен строиться на фундаментальной науке, а не на маркетинговых уловках.

Формирующаяся «экономика долголетия» выходит за рамки простого управления возрастными изменениями и борьбы с симптомами, фокусируясь на вмешательствах, направленных на увеличение продолжительности жизни. Например, воздействуя на фундаментальные механизмы старения. Ядром этой экономики должны стать ИИ и data-инфраструктура, культура совместной работы биологов и ИИ-команд. На горизонте десяти лет можно выделить четыре ключевых научных кластера, без которых бизнес в сфере долголетия будет неэффективен: клеточные и молекулярные механизмы старения, мультиомика и пространственная биология, клинические полигоны и таргетные интервенции.

Однако недостаточно только исследовать новые области. Параллельно необходимо формировать новую философию долголетия — такую, которая поможет людям поверить в открывающиеся возможности и осознать, что полноценная, активная жизнь в преклонном возрасте — это не привилегия, а достижимая реальность.

С развитием цифровых инструментов экспоненциально растут киберугрозы.

Кибербезопасность — это гонка, в которой атакующие, к сожалению, пока на шаг впереди. Каждый новый технологический виток делает эту гонку все более наукоемкой. Но главная угроза — еще впереди: квантовый компьютер, способный за минуты решить задачи, на которые классическому суперкомпьютеру потребовались бы тысячелетия. Еще в конце 2024 года Google представил 105-кубитный чип Willow, преодолев барьер, над которым ученые бились 30 лет: впервые добавление кубитов уменьшает количество ошибок, а не увеличивает.

Близок момент, когда квантовый компьютер сможет взломать современную криптографию — алгоритмы RSA и ECC, на которых построена вся цифровая безопасность. Национальный институт стандартов и технологий США (NIST) установил официальный дедлайн: к 2030 году действующие стандарты шифрования будут переведены в статус устаревших, к 2035-му — полностью запрещены.

Создание асимметричных криптоалгоритмов, способных выдержать квантовую атаку, — это фундаментальная математика. Для этого необходимо обратиться к новым классам вычислительно сложных задач, например: задачам теории решеток и теории кодов, исправляющих ошибки, задачам с многочленами нескольких переменных, задачам, связанным с криптографическими хеш-функциями. Для разработки постквантовых стандартов шифрования NIST восемь лет отбирал лучших из 82 кандидатов, предложенных криптографами 25 стран, — и даже этот процесс не застрахован от сюрпризов: в 2022 году алгоритм SIKE, один из кандидатов на стандартизацию, был полностью взломан за 62 минуты на обычном процессоре — с помощью теоремы, опубликованной за 25 лет до этого.

Еще вчера ИИ можно было просто «прикрутить» к бизнес-процессам — и получить ощутимый результат. Но мир трансформируется быстрее, чем компании успевают адаптироваться.

Каждое из четырех направлений требует фундаментальных исследований, в том числе — совместных, от десятков научных дисциплин. Это задачи, которые бизнес не решит в одиночку. И не потому, что ему не хватает ресурсов, а потому, что здесь нужны знания, которых пока нет. Компании, которые сегодня инвестируют в фундаментальную науку, не просто готовятся к будущему — они его создают.

Источник: vk.com

Комментарии: