«Много суперпродвинутых школьников»: декан ИИ-подразделения МГУ оценил потенциал будущих студентов
Почему новый факультет ИИ в МГУ — не очередной хайп: честный разбор
МГУ объявил о запуске факультета искусственного интеллекта. Набор — 36 человек на бакалавриат и столько же в магистратуру. Мизер? Да. Но за этим стоит принципиально иная логика. Вместо того чтобы учить “как пользоваться библиотеками”, студентов с первого курса погрузят в реальные проекты. И да, без фундаментальной математики тут никуда.
Я переписал ключевые тезисы из интервью декана факультета — убрал воду, добавил контекст и цифры. Вот что на самом деле важно.
Как устроено обучение: практика с первого дня
Обычная схема в вузах: два года теории, потом программирование, потом машинное обучение. К тому моменту студенты уже работают в аутсорсе — им не до учёбы. На новом факультете всё иначе. Практика встроена в программу с первой недели. Студенты не ждут третьего курса, чтобы написать первую нейросеть — они делают это сразу.
На первых курсах — жёсткий упор на базу: матанализ, линейная алгебра, теория вероятностей. Без этого любая работа с ИИ превращается в гадание. Магистратура — узкие треки: ИИ в медицине, робототехнике, обработке речи. Но границы между ними размыты — методы из одной области часто переходят в другую.
«Мы не верим в онлайн-лекции для такой программы. Только личный контакт с преподавателями, только живое обсуждение. Иначе не передать опыт», — из интервью декана.
Почему диплом всё ещё нужен разработчику ИИ?
Многие думают: курсы на Udemy решают всё. Но для создания прорывных решений одной практики мало. Нужна научная среда — люди, которые видят границы возможного и знают, куда двигаться. Одиночка, даже гениальный, не сможет синтезировать знания из математики, физики и computer science в одном флаконе.
Статистика: разработчики с профильным высшим образованием в IT зарабатывают в среднем на 30-40% больше, чем самоучки (данные из открытых исследований рынка). Причина не в корочке — в системности мышления.
Моё личное наблюдение: я видел десятки ребят, которые после курсов по ML бросают проект на полпути, потому что не понимают, почему градиентный спуск расходится. Без матана это слепая работа.
Сравнение: классический вуз против новой программы
| Параметр | Традиционный IT-факультет | Новый факультет ИИ (МГУ) |
|---|---|---|
| Набор | 100+ студентов | 36 на бакалавриат |
| Практика | С 3-го курса | С 1-го курса |
| Теория | Разрозненные курсы | Единая математическая база |
| Специализация | Общее направление | Узкие треки (медицина, робототехника) |
| Формат | Онлайн + офлайн | Только офлайн (живое общение) |
Микро-инструкция: как выбрать между вузом и курсами для ИИ
- Оцени свою базу. Если не знаешь пределы и производные — сначала вуз или хороший подготовительный курс.
- Посмотри на проекты. В программе должны быть реальные задачи от индустриальных партнёров, а не игрушечные примеры.
- Проверь сообщество. Ищи вузы, где есть научные группы, семинары, хардкорные дискуссии — среда формирует уровень.
- Не гонись за количеством студентов. Маленький набор часто означает интенсивную работу с каждым.
- Узнай про вычислительные мощности. Для обучения нейросетей нужны GPU-кластеры — например, в МГУ есть кластер МГУ-270, и это не пустой звук.
Главные вызовы: энергия, хайп и этика
ИИ жрёт тераватты. Модели, которые запускались год назад, требовали в десятки раз больше ресурсов, чем современные. Прогресс есть, но проблема энергоэффективности остаётся ключевой. На факультете планируют работать над “облегчёнными” моделями — это не дань моде, а необходимость.
Вокруг ИИ — маркетинговая шумиха. Кому-то кажется, что создать ChatGPT — дело пары месяцев. Другие, наоборот, уверены, что всё уже изобретено. Правда посередине: технология меняется за год-два, и без научного лидера не понять, куда бежать.
Отдельная тема — этика. Курс по интерпретируемости и достоверности ответов ИИ появится на факультете, но не сразу. Сначала нужно разобраться в предмете, а потом уже обсуждать моральные рамки. Иначе получатся пустые лекции.
Резюме от автора
Факультет ИИ в МГУ — не про “выучить Python и TensorFlow”. Это попытка вырастить людей, которые смогут двигать науку вперёд, а не просто настраивать гиперпараметры. Если вам нужен быстрый вход в профессию — курсы сгодятся. Если хотите через 10 лет создавать новые архитектуры — поступайте туда, где дают базу. И помните: даже если пузырь ИИ лопнет, обученные модели и методы останутся — как остался интернет после краха доткомов.
