Многие боятся, что искусственный интеллект оставит разработчиков без работы. Выпускник Цифровой кафедры МФТИ Роман Новиков смотрит на это иначе: AI не сокращает рабочие места, а повышает требования к глубине мышления.

Мы поговорили с Романом, который прошел программу Цифровой кафедры «Основы машинного и глубокого обучения» (2024).
Сегодня он — старший биоинформатик в институте исследования рака, где разрабатывает ML-модели для диагностики онкологических заболеваний. И, что особенно ценно для нас, Роман не останавливается на достигнутом: он уже выступал ментором на нашем Хакатоне, а сейчас сам учит других в роли семинариста на программах Цифровой кафедры.

В этом интервью — честный разговор о «грязных» данных, спасении с помощью AI-агентов и о том, почему обучение на ЦК до сих пор помогает ему в карьере.

О практической пользе обучения

— Какие навыки/знания, полученные во время обучения на программе ЦК, оказались наиболее полезными в работе?

«На цифровой кафедре я окончил направление по машинному обучению, и по сути все полученные там знания сейчас применяю на практике — от базовых подходов к обучению моделей до понимания их ограничений.

Отдельно хочу отметить навык быстрого освоения большого объёма информации. Обучение на ЦК было довольно интенсивным, и это приучило быстро погружаться в новые темы. Сейчас этот навык постоянно пригождается: часто за ограниченное время нужно разобраться в новом подходе, инструменте или предметной области».

Карьера: от Software Engineer к ML в онкологии

– Расскажите о своей карьерной траектории. Как вы пришли к своей текущей роли?

«Свой карьерный путь я начинал как Software Engineer в биомедицинской компании, где занимался автоматизацией сбора и анализа данных R&D-экспериментов. Со временем спектр задач расширился, и я стал выполнять обязанности, близкие к Data Engineer и Bioinformatics Engineer: разрабатывал пайплайны для анализа геномных данных.

Постепенно я пришёл к тому, чем занимаюсь сейчас: всё те же пайплайны, но уже с внедрением ML-моделей для анализа данных и построения отчётов. У меня базовое образование биоинженера, и мне всегда было интересно применять инженерные и вычислительные подходы к решению биологических задач — именно это во многом и определило мою текущую траекторию.»

Сложности и драйв в работе с медицинскими данными

– Что для вас является самым сложным в работе сегодня?
А что, наоборот, приносит наибольшее удовлетворение и драйв?

Самым сложным в своей работе Роман назвал фундаментальную проблему data science:

«Наиболее сложная часть моей работы сегодня — это сбор и подготовка данных для обучения ML-моделей. Часто открытые датасеты оказываются неполными или низкого качества, а это напрямую влияет на результаты моделей (классическое garbage in — garbage out). При этом именно этот этап критически важен: без хороших данных дальнейшая работа просто невозможна».

Но там, где есть сложность, находится и источник драйва.
Им для Романа стали AI-инструменты:

«С другой стороны, часть этой рутины уже сейчас можно делегировать AI-агентам — от первичной обработки данных до написания кода. Эксперименты с новыми AI-инструментами, их тестирование и внедрение в рабочие процессы как раз и дают мне наибольший драйв».

Рекомендации для новичков в IT: фокус на глубину и AI

– Какие рекомендации могли бы дать тем, кто в начале пути в IT?

«Сейчас часто говорят о том, что в будущем разработчики и многие
IT-специалисты могут стать менее востребованными из-за развития AI. На мой взгляд, именно поэтому как никогда важно иметь глубокие знания в своей области. Возможно, мы действительно будем меньше писать код вручную, но критическое мышление, понимание предметной области и умение анализировать результаты работы LLM станут ещё важнее.

При этом не стоит недооценивать и сами AI-инструменты — они уже сейчас сильно меняют процессы в IT-компаниях и исследовательских группах. Важно учиться работать с ними, а не игнорировать».

О силе сообществ

— Как вы думаете, почему важно сообщество выпускников?
Есть ли в вашем личном опыте пример участия в подобных сообществах?

Роман убеждён в ценности профессиональных и сообществ выпускников:

«Сообщество выпускников важно потому, что оно объединяет людей с общими интересами и схожим бэкграундом. Часто это единомышленники, с которыми проще говорить на одном языке. Например, если у вас есть идея и нужен партнёр для её реализации, вероятность найти такого человека в сообществе выпускников довольно высокая.

У меня есть личный опыт участия в подобных сообществах:
я являюсь волонтёром в Bits in Bio — это сообщество, которое объединяет фаундеров, исследователей, разработчиков и других специалистов, заинтересованных в применении информационных технологий для решения биологических задач».

Рекомендации от Романа

— Поделитесь, ресурсами, которые помогут держать руку на пульсе и развивать нужные навыки.

В завершение Роман порекомендовал два полезных ресурса, которые будут актуальны не только в биоинформатике:

« 1. Эссе Пола Грэма (Paul Graham) — основателя Y Combinator. Он пишет не только о стартапах и технологиях, но и о мышлении, карьере, выборе сложных задач, обучении и долгосрочном развитии. Многие тексты остаются актуальными годами.

 2. Simon Willison’s Weblog — блог о последних событиях в мире AI. Много практических примеров использования LLM, разборов инструментов и размышлений о том, как AI меняет разработку и работу с данными».

Благодарим Романа за откровенный и содержательный разговор!
Его история — убедительный пример того, как системное образование на стыке дисциплин и готовность к постоянному обучению позволяют решать задачи, которые меняют жизнь миллионов людей.