В своей постоянной рубрике «Акцент UK» продолжает рассказывать о людях, которые переехали в Великобританию разными способами и с разными целями. Наша новая героиня — студентка Кембриджа, которая в очередной раз доказывает, что эффектная внешность и интеллект могут гармонично сосуществовать в одном человеке: она с отличием закончила МГУ, затем училась в Сорбонне и теперь на полной стипендии работает с искусственным интеллектом в одном из лучших вузов Британии.
Рассказывает Юлия Витюгова из Воронежа, 25 лет, студентка Кембриджского университета, ученый, исследователь глубокого машинного обучения, переехала в Великобританию в 2025 году по студенческой визе:
— Я занимаюсь тем, что называется Interpretability of Large Language Models; мы исследуем большие языковые модели, такие как ChatGPT и Claude. В старших классах я переехала в Москву и там же поступила на физический факультет МГУ. После первого курса меня очень заинтересовали программирование и математика, я начала активно этим заниматься. Тогда нейронные сети, конечно, уже существовали, но они не были настолько популярны. Помню, когда я говорила, что занимаюсь нейронными сетями, люди не всегда понимали, о чем речь.
На втором курсе я поступила в лабораторию как научный сотрудник — достаточно рано, обычно научной деятельностью начинают заниматься позже, но мне это было очень интересно. У нас была всего одна лаборатория по этому направлению, и наш профессор набирал буквально двух студентов, так что попасть туда было достаточно тяжело. Нужно было доказать, что ты сильный студент, показать отличные оценки и то, что ты владеешь кодингом и действительно готов работать. Профессор дал мне задачи, я их решила, и меня взяли в лабораторию. Там я начала исследовать нейронные сети.
После второго курса у меня уже была готова первая работа по нейронным сетям; позже ее опубликовали. Дальше я поняла, что мне особенно интересно уходить в теорию, в глубокое понимание проблемы, и продолжила делать ресерч в этом направлении. Я также всегда осознавала, что хочу уехать за границу, потому что наука в России развивается в данной сфере не так активно, а за рубежом в этой области образование и возможности лучше. Курса с третьего я начала активно собирать портфолио.
Сразу после окончания бакалавриата я получила оферы из Кембриджа, Оксфорда и Лондонской школы экономики. Но возникла задержка с визовым процессом, а в Кембридже очень строго с дедлайнами: если что-то не успеваешь, никто ждать не будет, поэтому мне пришлось перенести обучение на следующий год. В тот момент у меня как раз был еще один офер, из Сорбонны: я подумала, что не хочу терять год, и решила поехать туда, получить опыт — ведь это тоже топовый мировой университет — и переподаться после этого в Кембридж. Там мне тоже давали стипендию, покрывали затраты на билеты, и я уехала туда на год.
Изначально я все равно планировала идти в Кембридж; Оксфорд и LSE меня меньше привлекали, потому что именно в моей области у Кембриджа более высокие позиции. Вообще нельзя сказать, что какой-то университет лучший во всем — обычно это зависит от конкретного направления, но по математике и моей специализации Кембридж сейчас считается одним из ведущих. В итоге я снова поступила сюда, приехала счастливая, меня очень хорошо встретили — преподаватели даже извинились за ситуацию с задержкой документов.
В настоящий момент я тоже учусь на магистратуре; в Сорбонне у меня был Master in Sciences, а здесь более серьезная программа — Master of Philosophy (MPhil), с более узким академическим уклоном, потому что Master in Sciences могут давать, когда ты просто прослушал программу и сдал экзамены, а MPhil — уже когда ты занимаешься исследованиями, у тебя много параллельных исследовательских работ по каждому предмету, помимо экзаменов. И обязательно нужно защитить диссертацию — плюс публикации, участие в конференциях.
На всех ступенях обучения я училась со стипендией. Я получала стипендию в МГУ, во Франции подавалась на стипендию для международных студентов, и в Кембридже мне тоже дали стипендию — причем и сам университет, и колледж. В Кембридже на стипендии не нужно подаваться отдельно: ты просто отправляешь основную заявку, и дальше все фонды и колледжи автоматически рассматривают тебя как кандидата, поэтому можно получить сразу несколько, как получилось у меня. Но надо понимать, что это довольно редкая ситуация: у нас в группе учатся 60 человек, и только у пяти есть полное финансирование. Когда меня спрашивают, как получить стипендию, я говорю, что требуется очень сильно выделяться, ведь даже просто для поступления в Кембридж нужен диплом или школьный аттестат с отличием — без этого заявку не будут рассматривать. А дальше нужно выделиться уже среди тех, у кого такие же сильные академические результаты. В моем случае помогло то, что за бакалавриат я успела много сделать в науке: у меня были публикации, участие в конференциях, в том числе международных, плюс я с первого курса занималась студенческой активностью. Хотя, на мой взгляд, для Кембриджа это не так важно — они больше ориентированы на академические достижения, на то, что ты уже сделал в науке и какие у тебя планы на дальнейшую карьеру.
Сейчас я занимаюсь стартапом, который напрямую связан с моей областью. Это попытка понять, как большие языковые модели и системы агентов работают изнутри. Несколько лет назад мы работали с более простыми нейронными сетями (такими, которые, например, различают кошку и собаку), было достаточно ясно, как они устроены на математическом уровне. Но даже тогда мы не до конца понимали, как именно они «мыслят», как формируется их поведение — по аналогии с человеческим или это совсем другой процесс. И только в последние годы мы начали действительно продвигаться в понимании того, как работают более сложные модели. Сейчас это одна из самых обсуждаемых тем, но в академической среде ею пока занимается относительно небольшое число исследователей, вокруг нее есть разные мнения — кто-то поддерживает такие исследования, кто-то относится к ним скептически. При этом интерес к теме крайне высокий, потому что большие модели дают нам очень интересные результаты и заметно двигают и науку, и общество. Если говорить в общем, без точных цифр, уровень ошибки у человека оценивается на несколько процентов выше, чем у моделей (условно — около 7% против примерно 2%), поэтому для компаний часто выгоднее опираться на модели. Однако проблема в том, что мы до сих пор не до конца понимаем, как именно модели приходят к определенному решению. И остается вопрос надежности: они могут допускать ошибки, в том числе генерировать некорректные ответы или так называемые галлюцинации, придумывать что-то. Сейчас нет какого-то полного, стопроцентного понимания, почему так происходит. И я как раз этим занимаюсь — помогаю выстраивать более безопасный и надежный ИИ, Safe and Trust AI.
Моя дальнейшая работа связана с тем, чтобы создать сервис для компаний, который позволит проверять такие модели. Сейчас крупные компании, когда разрабатывают собственные ИИ-решения или покупают их, всегда стремятся как-то застраховать риски. Проекты становятся все более масштабными, и, если что-то идет не так, потери могут достигать миллиардов. Есть уже немало примеров, когда из-за ошибок моделей компании вроде Google или Amazon несли серьезные финансовые убытки, так что бизнесу важно быть уверенными в своих ИИ-решениях. Но компании сталкиваются с проблемой: раньше они работали с техническими решениями, которые можно было достаточно четко оценить, а с ИИ это гораздо сложнее; они не до конца понимают, как эти системы функционируют, и, соответственно, не могут полноценно оценить риски.
Я как раз предлагаю решение для такой задачи. Уже обсуждала эту идею с представителями крупных организаций — в том числе с руководителями из UBS в Цюрихе, это крупный международный банк (я общалась с директором по ИИ, и ему моя концепция показалась интересной). Также разговаривала на эту тему с представителями бизнес-школы Кембриджа и консультантами — сейчас все ждут следующих шагов по данному проекту, я активно продолжаю над ним трудиться.
Недавно я также начала работать лид-амбассадором Google Gemini: я напрямую взаимодействую с представителями Google, участвую во встречах, образовательных мероприятиях и продуктовых инициативах, связанных с развитием Gemini и его применением в академической среде. Параллельно с учебой я посещаю мероприятия Google, часто бываю в их главном лондонском офисе, общаюсь с командами, которые работают над развитием ИИ-инструментов, и принимаю участие в обсуждении; в том числе я вовлечена в тестирование отдельных функций, даю обратную связь по пользовательскому опыту и помогаю смотреть на продукт с точки зрения реальных академических сценариев: работы с большим объемом информации, структурирования знаний, подготовки исследовательских задач. Для меня особенно ценно, что это дает возможность вносить свой вклад в развитие таких больших продуктов уже сейчас.
Я считаю, что ИИ — отличный помощник, однако он не заменяет твою собственную голову на плечах. Он помогает работать эффективнее, но не должен все делать за тебя. В науке мы часто говорим о том, что теряется исследовательская интуиция: если попросить модель выполнить конкретную задачу, она справится, однако если дать ей что-то более открытое — например, предложить самой разработать исследование,— результат, скорее всего, будет слабым. Эти модели обучены на уже существующих данных, опираются в основном на уже существующие закономерности, поэтому им сложно выходить за пределы этих распределений, что, кстати, хорошо видно на практике. Когда люди пишут, допустим, научный текст с помощью ИИ, это легко распознается, даже если ты напрямую не работаешь с такими технологиями, а просто сидишь в комиссии или рецензируешь материалы для конференции: таким текстам присущ характерный стиль, который выглядит неестественно.
Я считаю, что использовать ИИ нужно — но как инструмент, а не как замену собственного мышления. Важно не переставать самостоятельно разбираться в задачах и понимать, как они решаются. Я, например, очень рада, что начала программировать в то время, когда всего этого еще не было и приходилось все делать самостоятельно, с помощью Google и форумов. Сейчас бывают ситуации, когда ИИ только усложняет задачу, хотя решение можно быстро найти по первой же ссылке, поэтому, даже если ты активно используешь ИИ, важно понимать его результат и действия.
Работа с ИИ как с помощником не такая простая, когда ты уже находишься на профессиональном уровне, у тебя есть глубокие знания и тебе необходимо получить не просто общий ответ. Иногда бывает сложно даже сформулировать правильный промпт — хорошие запросы редко получаются с первого раза, это требует времени и практики. Важно учитывать, какие ограничения у модели есть, как она интерпретирует контекст, как строит рассуждение и какие типы вопросов позволяют получить наиболее надежный результат. И при этом разные модели ведут себя по-разному. Даже внутри одной линейки (от GPT-3 до GPT-5) они сильно различаются архитектурными решениями, объемом и качеством обучающих данных, методами дообучения, механизмами выравнивания и способностью работать с разным контекстом.
Кембридж — это очень сильная среда и для ресерча, и для развития стартапов; здесь действительно многое выстроено так, чтобы поддерживать такие инициативы, люди вокруг заинтересованы в том, чтобы у тебя все получилось. Это очень мотивирует, создает ощущение, что твою работу воспринимают всерьез и готовы поддерживать. С тех пор как я приехала в Кембридж, у меня, по сути, не было ни одного дня, чтобы я не открыла компьютер и не поработала: появилась постоянная внутренняя мотивация заниматься своим проектом и развивать исследование.
В Кембридже совершенно точно нет гендерной дискриминации, каких-то стереотипов о том, что женщины меньше смыслят в технических науках. Здесь все максимально открыто: если ты показываешь результат, к тебе относятся с уважением. При этом важно и самому быть профессиональным, потому что люди здесь в целом доброжелательные, позитивные, от них постоянно идет энергия, которая дает силы и мотивацию работать. В России с этим было сложнее; мне кажется, люди там изначально более скептически относятся к тому, что ты делаешь. Но в этом есть и свой плюс: иногда это даже мотивирует — хочется доказать, что ты действительно чего-то стоишь, что ты достоин, например, красного диплома или места в лаборатории.
Студенческая жизнь здесь кипит: поскольку все много работают и нацелены на высокие результаты, есть понимание, что нужно уметь и качественно отдыхать — социализироваться, общаться, участвовать в жизни сообщества, так что этому уделяется большое внимание. В Кембридже есть очень интересная традиция — formal dinners, то есть формальные ужины. У нас же система колледжей, каждый живет внутри своего колледжа, и вот в каждом колледже проходят такие ужины, обычно в исторических залах: за длинными столами, при свечах, иногда с определенным дресс-кодом. На некоторые мероприятия мы приходим в мантиях — это зависит от конкретного колледжа и формата ужина. Также департаменты или академические сообщества организуют отдельные ужины. В целом это необыкновенный процесс: ты сидишь в старинном зале, вокруг историческая архитектура, люди из разных программ — это создает особенную атмосферу. Практически каждую неделю что-то происходит, и эти события становятся естественной частью жизни здесь.
Есть и церемония посвящения (матрикуляция) — она тоже более торжественная, чем в привычном нам формате, не линейка, как было в России, а целый процесс с фотографиями, официальной частью и тем же формальным ужином в конце.
Почти все здесь занимаются каким-то спортом — это и отличный способ разгрузиться, и классная форма общения. Один из самых популярных видов — гребля, особенно в контексте соперничества между Оксфордским и Кембриджским университетами, но выбор на самом деле очень широкий — от русского балета до американского баскетбола. Я сама занимаюсь пилотированием — учусь управлять небольшими самолетами.
Наверное, раньше у меня был более строгий график в плане социализации: когда я жила в России, какие-то выходы у меня случались в основном по выходным, в субботу и воскресенье, а здесь все гораздо свободнее: спокойно можно встретиться и, например, во вторник, да и в любой другой день. Это абсолютно нормально. Плюс очень много конференций, мероприятий — буквально 24/7 что-то происходит. В Кембридж приезжает огромное количество ученых, и многие из них здесь базируются постоянно, поэтому ты все время находишься внутри этой среды. Даже если специально не искать, ты все равно погружен в науку — она тебя сама находит.
Здесь все в основном живут в студенческих квартирах; это не совсем общежитие в привычном для российского студента понимании, скорее формат многоквартирного дома. У каждого две комнаты, ванная, спальня. Я живу одна, ни с кем жилье не делю; насколько я знаю, чаще всего на магистратуре уже размещаются по одному, но бывает по-разному — это зависит от распределения. Живу я в новом здании; если честно, я этому рада, хотя сначала хотелось попасть в историческое. Но про исторические здания я слышала, что там не всегда так комфортно. Здесь есть сервис: уборка, стирка — все можно заказать за небольшую плату. Приходят, убирают комнату, меняют постельное белье, приносят чистое. Кухня общая на этаж. У нас на этаже пять девочек, и всегда чисто, аккуратно, приятно.
Внутри колледжа тоже много всего происходит. Постоянно устраивают какие-то мероприятия: просмотры фильмов, мастер-классы, тренинги, есть отдельные комнаты, где можно собраться — посмотреть кино или поиграть в игры. В целом видно, что стараются создавать активную социальную жизнь.
С точки зрения стартапов — тоже очень сильная поддержка. Если ты хочешь этим заниматься, тебе будут помогать: много программ, инкубаторов, постоянно организуются семинары, приходят люди, рассказывают о своих проектах. Я, например, посещала бизнес-школу — там говорили не только о построении бизнеса, там была и исследовательская часть, общение с консультантами из крупных компаний; можно прийти со своей идеей, получить обратную связь, советы, податься на программы. Сейчас я как раз подаюсь в акселератор в Кембридже. У нас закончился один набор, и следующий уже скоро. Если все получится, у меня будет интенсивная программа — я каждый день буду работать над своим проектом уже в рамках акселератора.
Вне академии у меня вообще нет круга общения, без надобности я практически не выезжаю из Кембриджа, ведь здесь настолько насыщенная учеба и работа, что у меня просто нет лишнего времени. И есть ощущение, что если я сейчас начну менять эти возможности на поездки — скажем, в Лондон на шоппинг или просто отдохнуть,— то я их упущу. Поэтому лучше я на выходных схожу в бизнес-школу, проконсультируюсь, поработаю над проектом. Занимаюсь тем, что действительно помогает развивать мой стартап и мою научную деятельность. Пока эти возможности есть и буквально перед тобой, хочется максимально их использовать.
Я не планирую оставаться в Британии насовсем и думаю о том, чтобы после выпуска искать возможности в Штатах, потому что моя деятельность связана с развитием ИИ, и сейчас большинство стартапов в этой сфере стремятся в США, в Кремниевую долину. Там сосредоточены инвесторы, там находятся основные компании, там все быстрее развивается. Если ты хочешь получить сильный рост для проекта, эта среда дает больше возможностей, плюс очень многое зависит от окружения. В Кембридже оно потрясающее, если ты собираешься делать науку: люди действительно этим горят, многие сознательно выбирают академию, даже несмотря на предложения из индустрии с высокими зарплатами. В Кремниевой долине иная атмосфера: там люди готовы буквально жить работой, спать на надувных матрасах и заниматься своими стартапами без выходных, строить масштабные проекты; это немного другой тип среды и другой тип мотивации. Я, наверное, отношу себя к людям, которым ближе именно создание таких больших проектов.
Тем, кто планирует в будущем поступление в Кембридж, я посоветую, во-первых, хорошо учиться — как я уже говорила, это базовое требование Кембриджа, нужен полностью отличный диплом. Во-вторых, важно выстраивать связи именно в науке: общаться с людьми, с профессорами, понимать, чем ты занимаешься, и начинать заниматься наукой как можно раньше. Пришел на первый курс, тебе что-то стало интересно — иди к преподавателю, к профессору, спрашивай, проявляй инициативу. Важно показывать вовлеченность. При этом направления могут меняться, интересы тоже могут меняться много раз — это нормально, но, если ты уже начал, дальше будет легче: начинаешь лучше понимать, как все устроено.
