Граничные вычисления для прорывных исследований в генетике

Российская наука переживает вычислительный кризис: доступ к суперкомпьютерам стоит десятки тысяч долларов в неделю, данных накоплены петабайты, но они разрозненны, а кадров, способных создать работающую математическую модель, катастрофически не хватает. В этих условиях, по мнению эксперта компании «Стратегия РА» Игоря Краева, делать ставку только на наращивание серверных мощностей — тупиковый путь. В интервью он рассказывает, почему граничные вычисления могут стать той самой «палочкой-выручалочкой» для генетики, и как соединить, казалось бы, несоединимое: ИТ, биологию и коневодство.

Почему у России в граничных вычислениях должно быть свое решение

– Игорь Владимирович, вы предлагаете использовать технологии граничных вычислений в генетике. Но сегодня в научной среде принято считать, что для работы с геномом нужны исключительно мощные суперкомпьютеры. В чем здесь противоречие?

– Это не противоречие, а вопрос философии подхода. Западная модель, которую мы часто пытались копировать, — это модель избыточности. Возникла задача — строй дата-центр, наращивай процессоры. Но мы живем в других реалиях, и нам нужен альтернативный путь, который исходит не из избыточности, а из того, что уже есть.

Да, суперкомпьютеры — это хорошо. Но давайте посмотрим правде в глаза: аренда оборудования для серьезного генетического проекта стартует от 10 тысяч долларов в неделю. Где российская лаборатория возьмет такие бюджеты на постоянной основе? При этом данные, которые нужно обрабатывать, исчисляются петабайтами, и они разрозненны по различным институтам, кафедрам, хозяйствам и очень часто существуют в неоцифрованном виде. Их еще нужно привести к единому знаменателю — это колоссальная затратная история. А главное — даже если мы все оцифруем, у нас банально нет такого количества математиков и инженеров машинного обучения, чтобы обслужить эту «большую машину». Это системная проблема номер два — кадровый голод на стыке дисциплин.

– И где здесь место граничным вычислениям?

– А вот здесь как раз и пригождаются опыт старой советской академической школы и технологии граничных вычислений, которые вместе позволяют решать задачу «малой кровью». И нас этому очень хорошо обучили — соединять фундаментальную математику с современными инженерными решениями на периферии.

Представьте, что мы не гоним все сырые данные в единый центр, а ставим небольшие вычислительные модули непосредственно там, где эти данные рождаются. Это и есть «периферия», или «грань». И начинаем обучать ИИ буквально с чистого листа, выявляя закономерности по мере накопления даже малого опыта. Пока суперкомпьютер в центре будет ждать, пока мы накопим и подготовим для него петабайты, наша периферийная сеть уже начнет давать практический результат здесь и сейчас. Мы не ждем идеальных данных — мы учимся на тех, что есть.

– Вы упомянули практический результат. Где именно вы видите применение этой синергии?

– Самый показательный пример, который мы сейчас прорабатываем, — это генетика в коневодстве. Почему именно лошади? Потому что это очень хорошая модель для отработки технологии.

Посмотрите на цифры: в России 17 ипподромов, 650 спортивных клубов, 1,6 миллиона лошадей, более 37 тысяч зарегистрированных заводчиков. У нас есть отличная база данных — ruhorses.ru, где собрана информация о родословных и испытаниях. Есть аналитика и стратегические документы, например, Программа развития ФКСР, где черным по белому написано о необходимости обмена данными для оценки качества потомства. То есть инфраструктура сбора данных уже существует!

Но сейчас все строится на наблюдательности конкретного ученого или тренера, на его личном опыте, который не способен учесть сотни и тысячи факторов. Это работа «на чутье» и на эксперимент, где многое решает везение. Поэтому найти закономерности среди множества переменных — это задача как раз для искусственного интеллекта, а уже затем эти закономерности должен доработать человек. Мы убираем элемент слепого поиска и даем ученому инструмент для точной навигации.

Как граничные вычисления превратят «чутье» ученых в точную науку?

– И как граничные вычисления превратят «чутье» в точную науку?

– Необходимо создать синергию. Практически каждый современный конный клуб или крупный заводчик может позволить себе установку и подключение к цифровому решению, которое начнет собирать данные с необходимыми параметрами. В сбор данных включаются: результаты генетических тестов (ДНК-чипов), ветеринарные осмотры, показатели пульса и нагрузки с тренировок, рационы кормления, погодные условия, результаты соревнований и многое другое.

И вот здесь начинается магия математики. Модуль на месте, без постоянной связи с «большим центром», начинает искать корреляции: как конкретный генетический маркер влияет на резвость именно в условиях этого клуба, на предрасположенность к конкретным травмам, на усвояемость кормов. Система самообучается. По мере накопления данных «знания» ИИ передаются для объединения в федеральный центр — но не гигабайтами «сырых логов», а уже структурированными выводами и выявленными закономерностями.

Это и есть тот самый альтернативный путь — от избыточности к эффективности. Нам не нужен один гигантский суперкомпьютер для всей страны. Нам нужна сеть «умных периферийных устройств», которые работают в синергии, обмениваясь лучшими практиками и наработками.

– Вы говорите о синергии технологий, но кто будет всем этим управлять? Где взять специалистов?

Это основной вопрос. Мы не сможем просто взять и поставить коробку с ИИ в конный клуб. Необходима тесная работа в связке: математиков (которые строят модели), инженеров граничных вычислений (которые обеспечивают работу «железа»), генетиков (которые ставят биологические задачи) и ИИ-инженеров (которые пишут алгоритмы). Это сложно, но это единственный путь к реальному результату.

И здесь у нас есть огромное преимущество. Мы не ограничены только Россией. Мы очень дружим со странами СНГ, ШОС, с Африкой, где тоже любят лошадей и где коневодство — важная отрасль. Мы можем рассматривать это как единый огромный рынок. И наша экспертиза — математическая, инженерная — позволяет создавать не просто «железо», а готовое решение для селекции, ветеринарии и спорта высших достижений.

Какие перспективы технологий граничных вычислений для применения в генике для России?

– Каков итог? Что вы как эксперт предлагаете сделать уже сегодня?

– Я предлагаю перестать ждать у моря погоды и миллиардных бюджетов на суперкомпьютеры. Надо начинать с пилотных проектов там, где данные уже есть и где есть живой интерес. Коневодство — идеальный стартовый полигон. Необходимо создать прецедент, доказать, что российская наука может быть современной, высокотехнологичной и при этом неразорительной. Путь инноваций лежит не через копирование западных дата-центров, а через умную организацию работы с данными на местах. И граничные вычисления в руках команды, объединяющей математиков, биологов и инженеров, — главный инструмент на этом пути.