Один из них — магистр по наукам о данных Маргарита Бурова. Занимаясь научной работой, она параллельно преподает Python и Data Science в Центре непрерывного образования. Получив в ВШЭ психологическое образование, Маргарита переключилась на науки о данных и окончила магистратуру Вышки по соответствующему направлению. В этом интервью Маргарита Бурова рассказала о результатах исследования человеческого мозга, роли ВШЭ в ее научной работе и том, как она пришла к преподаванию Python и Data Science.

Справка: В 2017 году Маргарита Бурова совместно с коллегами опубликовала результаты исследования «Topological Modules of Human Brain Networks Are Anatomically Embedded: Evidence from Modularity Analysis at Multiple Scales» («Топологические модули сетей человеческого мозга обусловлены анатомически: данные анализа модульности в различных масштабах»), которое вышло в качестве одной из глав сборника «Computational Aspects and Applications in Large-Scale Networks» издательства Springer.

Расскажите, пожалуйста, о целях исследования топологии мозга, по результатам которого была опубликована ваша с коллегами работа.

Головной мозг (а именно, сеть головного мозга, включающая связи между регионами мозга —  ее называют коннектом) представляет собой структуру, в которой некоторые области мозга группируются в более плотные образования — своеобразные сообщества анатомических сетей. И такие сообщества могут давать информацию о различных особенностях головного мозга: в том числе о наличии заболеваний. Поэтому, конечно, интересно исследовать эту структуру.

Каковы результаты исследования? Какое значение они имеют для нейронауки?

Результаты исследования показали, что сети головного мозга действительно формируют модульную структуру. То есть области мозга имеют тенденцию формировать какое-то количество плотно связанных модулей.

Кроме того, получилось показать воспроизводимость. Если взять снимки для одного человека с разницей в несколько недель, то получаются практически идентичные структуры с точки зрения модульности. Значит, можно опираться на полученные единожды данные.

И также получилось показать, что топологическая группировка (т.е. выделение плотных групп с точки зрения свойства сети мозга) аналогична группировке соседних зон головного мозга, которые находятся рядом анатомически.

Разумеется, любое расширение знаний про устройство головного мозга и возможности представления его сетевой структуры дает дополнительную информацию для решения прикладных задач с большей точностью: например, для классификации нормы и патологии на основе снимков с помощью автоматизированных алгоритмов.



Расскажите, пожалуйста, почему вы решили перенаправить вектор своих научных интересов с психологии на компьютерные науки?

Мне очень нравится психология и нейропсихология, но в тот момент, когда я оканчивала бакалавриат  — междисциплинарные связи еще не были хорошо выстроены. Поэтому, чтобы использовать в психологии серьезный анализ данных — мне надо было получить образование в сфере компьютерных наук, самой освоить все это. К тому же, я с самого начала учебы в бакалавриате грустила из-за того факта, что те немногие курсы по статистическому анализу, которые у нас были, велись в совершенно неадаптированном формате. К примеру, мы учились решать задачи на проверку статистических гипотез с использованием данных о ценах на бензин. Это меня так сильно поразило! Ведь есть столько интересных данных из психологических исследований. Тогда я себе пообещала, что обязательно окончу магистратуру по иному направлению и вернусь, чтобы провести курс качественно. Кстати, сейчас я учу психологов программировать, а анализу данных они обучаются по онлайн-курсу моего авторства. Можно сказать, что мои цели были достигнуты.

Как вы оцениваете полученное в ВШЭ образование по направлению «Прикладная математика и информатика»? Как оно помогает вам заниматься фундаментальными научными исследованиями?

Я — вечный поклонник ВШЭ в целом. С тех пор как я стала студенткой бакалавриата в 2011 году. Учиться было действительно сложно, но я получила огромное количество знаний во многих областях. Для меня обучение в магистратуре стало сплошной полосой препятствий — после такого опыта любая задача решаема. Быстро найти огромное количество информации и провести фактчекинг, написать текст по новой теме, решить незнакомую задачу — во время обучения я сталкивалась с таким постоянно, и сейчас это сильно помогает. Невозможно провести исследование или просто разобраться в какой-то теме, если нет опыта работы с источниками, нет навыка выделять главное.

Расскажите, пожалуйста, о ключевых сходствах и отличиях нейросетей мозга и компьютерных нейросетей в контексте анализа данных?

Я бы выделила следующие сходства:

И искусственные и человеческие нейронные сети состоят из нейронов, которые обрабатывают и передают сигналы по схожим принципам.

Обе формы нейронных сетей способны обучаться и этот процесс схож в обоих случаях.

Искусственные и биологические нейронные сети являются невероятно сложными структурами, способными обрабатывать самые сложные задачи.

Если говорить о различиях, то в человеческом мозге больше нейронов: их почти сто миллиардов! В искусственных нейронных сетях (ИНС) их меньше: максимальное количество доходит до 10 миллиардов. А в простых моделях их количество исчисляется даже не миллионами, а тысячами. Кроме того, есть различия в энергопотреблении: человеческие нейронные сети потребляют около 20 Вт, в то время как ИНС – от нескольких сотен ватт в зависимости от сложности архитектуры.

И, разумеется, человеческий мозг способен на более быструю обработку информации, обладает более сложной структурой и учится на протяжении всей жизни — это обычно достаточно продолжительное время.

Верно ли говорить, что мозг — это биокомпьютер? И насколько реалистичны, по вашему мнению, перспективы разработки «искусственного мозга» — комплекса нейросетей, сопоставимого по функциональности и производительности с человеческим мозгом?

Такое сравнение и правда часто встречается. И мозг, и компьютер — они оба обрабатывают информацию, используя электрические сигналы. И мозг, и компьютер можно обучить чему-то новому и адаптировать под новые условия. Но все же мозг — живой. Он может самовосстанавливаться и саморегулироваться. Мне кажется, что никакой компьютер даже близко не подошел к совершенству и уникальности человеческого мозга.

И думаю, что я не доживу до того момента, когда будет восстановлена структура головного мозга в искусственном эквиваленте. Пока сложно представить, как можно выстроить десятки миллиардов нейронов в определенную модель, которая будет непрерывно обучаться и хранить информацию обо всем, что с ней происходило, и анализировать весь накопленный опыт.

Вы преподаете Python и Data Science. Расскажите, пожалуйста, почему вы выбрали именно эти курсы? Чем они интересны лично для вас — и как для преподавателя, и как для исследователя?

Я выбрала эти курсы с одной стороны по очень простой причине — их реализует тот факультет, на котором я работаю. Но что особенно важно — я выбрала преподавать эти курсы для тех, кто не связан с программированием и математикой по своей специализации: политологам, психологам, историкам, менеджерам и т.д. На собственном опыте мне известно, насколько может быть сложно менять специальность. И насколько может быть тяжело осваивать дисциплины из не своей сферы. Поэтому я хочу стать для таких людей «мостиком» между их профессией и компьютерными науками. 

Как исследователь я вижу в этом способ изучить различные подходы к обучению. Я очень люблю и интересуюсь андрагогикой — наукой об обучении взрослых. Где, если не при обучении я могу применить мои знания?

Рита ведет онлайн-курс «Программирование на Python». Ознакомьтесь с 1 неделей этого курса абсолютно бесплатно!

Реклама. Национальный исследовательский университет «Высшая школа экономики» ИНН 7714030726. Erid: 2VfnxxfGt7a

The post «Человеческие нейронные сети потребляют около 20 Вт, а искусственные — сотни ватт» appeared first on Хайтек.

©