Восхождение на гору автономии: как Waymo создает идеального водителя

«Истинное мастерство — это не выбор между осторожностью и агрессией, а поднятие всей кривой возможностей на новый уровень». Отказавшись от компромиссных систем помощи водителю ради полной автономии, команда Waymo превратила гаражный прототип в универсальное технологическое ядро, меняющее мировую логистику. Соруководитель проекта Дмитрий Долгов раскрывает изнанку эволюции беспилотников: от участия в легендарном вызове DARPA до внедрения языковых моделей в алгоритмы предсказания траекторий.

🚗 Истоки автономного вождения: от паскалевских игр до вызова DARPA 2:12

От кнопки «Турбо» до первой видеоигры 2:12

Путь Дмитрия Долгова в мир высоких технологий начался в довольно раннем возрасте, задолго до того, как беспилотные автомобили стали реальностью. Его первое знакомство с компьютерной техникой произошло в конце 1980-х годов, когда в семье появился первый персональный компьютер — модель семейства IBM, оснащенная легендарной кнопкой «Turbo» на передней панели и дисководом для громоздких 5,25-дюймовых дискет. Первые несколько месяцев юный Дмитрий, как и большинство детей, проводил всё время за видеоиграми, однако этот процесс ему быстро наскучил. Желание разобраться в том, как заставить машину выполнять другие задачи, привело его к изучению программирования. Спустя пару лет он уже вовсю писал собственные игры на языке Pascal.

Один из его игровых проектов с графическим разрешением 320x200 пикселей привлек внимание японского разработчика, который предложил выкупить права на игру за несколько сотен долларов. Для ребенка, жившего в то время в России, это была колоссальная сумма, но Долгов отказался от сделки. Вместо этого он загрузил бинарные файлы в сеть как бесплатное программное обеспечение (freeware), рассчитывая на добровольные пожертвования от миллионов будущих игроков. Оглядываясь назад, Дмитрий с иронией называет это решение «не самым дальновидным финансовым шагом».

Интересно, что детские мечты будущего соруководителя Waymo не имели ничего общего с робототехникой. В возрасте четырех-пяти лет он страстно мечтал стать сотрудником дорожно-патрульной службы. Его завораживал образ регулировщика, стоящего в центре перекрестка с черно-белым полосатым жезлом и управляющего транспортными потоками. Родители Дмитрия, профессора физики, были несколько обеспокоены столь приземленным уровнем амбиций своего ребенка. Тем не менее, эта детская фиксация на правилах дорожного движения удивительным образом трансформировалась во взрослую карьеру в транспортной индустрии, пусть и без форменного обмундирования.

Закалка души и разума на Физтехе 10:55

Прямой переход от чистого программирования к робототехнике произошел в жизни Долгова значительно позже — уже после окончания аспирантуры, а его первыми «живыми» роботами стали именно беспилотные автомобили. До этого момента его академический фундамент ковался в стенах Московского физико-технического института (МФТИ/Физтех). Дмитрий провел в этом вузе шесть лет, получив степени бакалавра и магистра в области физики и прикладной математики. Выбор учебного заведения был предопределен: его родители также были выпускниками Физтеха, и их рассказы об особой, магической атмосфере этого места оказали решающее влияние на юношу.

Ради учебы в МФТИ Дмитрий принял неординарное и смелое решение. Будучи выпускником американской средней школы, он решил вернуться обратно в Россию, чтобы поступить на Физтех. Большинство сверстников в США считали его безумцем, однако родители полностью поддержали стремление сына следовать за своей страстью. Программа обучения оказалась невероятно жесткой и хардкорной, с колоссальным упором на фундаментальную математику и физику. Ведущий подкаста Лекс Фридман подчеркнул, что Физтех всегда считался одним из самых элитарных и требовательных университетов мира, который подвергал суровым испытаниям не только технические навыки, но и человеческий дух студентов. Эта академическая база сформировала системный подход Дмитрия, хотя в студенческие годы он занимался абстрактной компьютерной наукой и не имел дела с реальным аппаратным обеспечением.

Вызов DARPA и зарождение беспилотной индустрии 12:57

Окончив магистратуру, Долгов отправился в Мичиганский университет для защиты докторской степени, а затем перешел в Стэнфорд для прохождения постдокторантуры. Именно в Стэнфорде в 2006 году ему выпала уникальная возможность присоединиться к университетской команде для участия в знаменитом технологическом соревновании DARPA Urban Challenge. Если первые два состязания серии требовали от машин преодоления статических маршрутов в пустыне, то вызов 2007 года проходил в динамической среде на территории заброшенной военно-воздушной базы, имитирующей город. Роботизированные автомобили должны были делить дороги друг с другом и с машинами под управлением профессиональных каскадеров.

Дмитрий Долгов отвечал за разработку алгоритмов планирования движения в свободном пространстве, фокусируясь на навигации внутри парковочных зон. Он до сих пор считает одним из самых ярких моментов в жизни ночь на стэнфордском кампусе, когда в три часа утра его свежескомпилированный код впервые заставил беспилотный автомобиль автономно маневрировать между расставленными конусами. Ощущение магии происходящего было настолько сильным, что инженер не мог заснуть до самого утра.

На самих соревнованиях команда Стэнфорда заняла второе место, уступив первенство Университету Карнеги — Меллона (CMU). Долгов вспоминает, что между командами до сих пор идет шуточный спор о причинах такого исхода. Согласно интерпретации правил Дмитрием, его робот послушно включал заднюю передачу при выезде с парковочного места, тратя на это драгоценные секунды, в то время как беспилотник CMU просто проехал парковку насквозь. Другим курьезным инцидентом стал баг, получивший название «круг победы» (victory lap): из-за задержки в расчетах траектории перед финишной чертой стэнфордская машина неожиданно уходила на дополнительный круг по овальному треку, теряя общее время.

Тем не менее, Urban Challenge доказал жизнеспособность технологии и привлек внимание сооснователей Google Ларри Пейджа и Сергея Брина. В 2009 году был официально запущен проект Google Self-Driving Car (впоследствии переименованный в Waymo). На старте команда состояла всего из дюжины инженеров, обладавших весьма рудиментарным пониманием реальной сложности стоящей перед ними задачи. Стремясь извлечь максимум практических уроков, первопроходцы наметили для себя первые масштабные ориентиры. Позже в разговоре собеседники подробно коснутся этих ранних целей, включавших амбициозный план преодолеть 100 000 миль в автономном режиме и протестировать автомобили на 10 сложнейших маршрутах.

🚗 От хакерского прототипа к полной автономии: вехи и технологии Waymo 25:23

В начале пути беспилотного проекта Google перед инженерами стояли задачи, которые со стороны казались едва ли выполнимыми. Команда должна была преодолеть рубеж в 100 000 миль автономного движения, разработав 10 сложнейших тестовых маршрутов. Эти трассы намеренно выбирались так, чтобы собрать всю палитру дорожных вызовов Калифорнии: от скоростных шоссе и длинных мостов в районе залива Сан-Франциско до извилистых горных дорог около озера Тахо и плотных, хаотичных городских потоков в центре Пало-Альто [25:37–25:50].

Ранние цели: 100 000 миль, 10 маршрутов и проверка реальности 25:23

Как вспоминает Дмитрий Долгов, этот период с 2009 по 2010 год стал, возможно, самым увлекательным в его профессиональной карьере. Команда, состоявшая всего из двенадцати человек, за 16 месяцев напряженной работы в режиме 24/7 смогла преодолеть базовые барьеры технологии и построить первый действующий прототип. Это была эпоха «хакерского» подхода, когда специалисты создавали первые системы навигации, еще не осознавая до конца истинных масштабов фундаментальной сложности вождения.

Этот опыт принес важнейший философский и инженерный урок. Дмитрий Долгов сравнивает ранний этап с восхождением на гору:

«Это немного похоже на восхождение на гору, где вы видите следующую вершину и думаете, что это финал, но, добравшись туда, понимаете, что это только начало долгого пути».

Успешное завершение первых майлстоунов дало команде ключевое преимущество — твердую уверенность в том, что задача автономного движения принципиально решаема, и это заложило фундамент для превращения смелого эксперимента в реальный коммерческий продукт.

Великий пивот: от систем помощи водителю к пустому креслу 30:29

Завершив первые испытания в 2010 году, проект подошел к развилке, определившей будущее всей индустрии автономного транспорта. Первые два года инженеры экспериментировали с технологиями помощи водителю на автомагистралях, развивая концепцию, аналогичную уровню автономности L3. Однако к 2013 году пришло глубокое осознание: создание ассистента водителя и разработка полностью беспилотного автомобиля требуют принципиально разных инженерных подходов. Проект совершил стратегический пивот, полностью сфокусировавшись на идее создания «виртуального водителя» и машин без человека за рулем.

Этот выбор привел к цепочке исторических вех:

• В 2015 году в Остине, штат Техас, состоялся первый в мире полностью беспилотный заезд на публичных дорогах. Округлый, похожий на маршмеллоу автомобиль Firefly без руля и педалей совершил несколько поездок по фиксированному маршруту без машин сопровождения [32:16–32:43]. Единственным пассажиром стал Стив Махан — незрячий друг проекта.

• На рубеже 2016 и 2017 годов проект вышел из структуры лаборатории Google X, превратившись в независимую компанию Waymo внутри холдинга Alphabet [33:10–33:24].

• В октябре 2017 года Waymo запустила регулярные беспилотные поездки на дорогах общего пользования. В самый первый день машины проехали 100 миль с абсолютно пустым водительским креслом.

Для пассажиров и сторонних наблюдателей, включая Лекса Фридмана, этот момент стал по-настоящему магическим: когда руль автомобиля начинает самостоятельно вращаться на перекрестке при полном отсутствии человека в кабине, происходит колоссальный психологический сдвиг и рождается доверие к роботу [35:40–36:48].

В 2018 году компания запустила коммерческий сервис Waymo One в Фениксе, а в 2019 году открыла режим поездок Rider-Only для обычных пользователей. Важным этапом зрелости бизнеса стал 2020 год, когда Waymo, несмотря на доступ к ресурсам Alphabet, впервые привлекла крупный раунд внешнего финансирования в размере 3,2 миллиарда долларов [38:24–38:52].

Сенсоры и вычислительные платформы: эволюция «железа» 39:30

Параллельно с развитием софта качественно менялось и аппаратное обеспечение. К 2020 году компания перешла на пятое поколение своего фирменного комплекса датчиков, развернутого на базе электромобилей Jaguar I-PACE [38:52–39:17]. Пройдя путь от базовых конфигураций ранних лет, Waymo полностью отказалась от стандартных рыночных решений в пользу кастомной разработки. Сегодня лидары, радары и камеры проектируются и собираются компанией практически полностью самостоятельно [41:18–41:32].

В состав обновленного комплекса датчиков 5-го поколения входят:

• 29 камер, расположенных по периметру кузова и обеспечивающих круговой обзор;

• 5 оптических лидаров собственной уникальной архитектуры;

• 6 специализированных радаров для непрерывного сканирования пространства.

Этот массив датчиков генерирует гигантский поток сырых данных. Чтобы обрабатывать его в реальном времени, на борту автомобиля установлен мощнейший компьютер со строгим аппаратным резервированием, оптимизированный под сигнальный процессинг и инференс тяжелых нейросетевых моделей [42:22–42:38, 44:50–45:14].

Важным преимуществом Waymo является синергия с инфраструктурой Alphabet, позволяющая эффективно собирать и анализировать данные со всей сети автомобилей [46:45–47:09]. Бортовые компьютеры способны функционировать в изолированном режиме без связи с интернетом, однако сетевая связность дает флоту уникальные возможности. Если один автомобиль обнаруживает на дороге аварию или новую зону дорожных работ, эта информация мгновенно передается по воздуху и обновляет цифровые карты-априори (maps as priors) для всех остальных машин [49:09–49:36]. Вне дорог этот непрерывный поток данных используется для интеллектуального поиска редких сценариев (эдж-кейсов) и тотальной симуляции всей системы в облаке [46:45–47:23].

🤖 Машинное обучение как фундамент Waymo 50:27

Машинное обучение в Waymo — это не просто отдельный модуль, а пронизывающая всё технология, которая интегрирована в каждый аспект работы беспилотного транспорта. От обработки «сырых» сигналов, поступающих с огромного массива датчиков, до сложных алгоритмов предсказания поведения других участников движения — нейронные сети обеспечивают автономность системы. По словам Дмитрия Долгова, именно этот технологический стек позволяет автомобилю принимать решения в режиме реального времени, обеспечивая безопасность и эффективность без необходимости в удаленном управлении.

🛡 Система поддержки: Live Help 51:07

Важным аспектом пользовательского опыта в отсутствие водителя является система поддержки, которую в компании называют «Live Help». Важно понимать, что это не телеуправление автомобилем в классическом понимании — Waymo принципиально отказывается от дистанционного управления транспортным средством из соображений безопасности и латентности.

Вместо этого операторы выступают в роли консультантов и «диспетчеров флота». Система полезна в нескольких сценариях:

• Адаптация новых пользователей: Помощь в первом опыте поездки в полностью беспилотном автомобиле.
• Нештатные ситуации: Если автомобиль сталкивается с крайне сложной или неоднозначной дорожной обстановкой (например, тяжелые последствия аварии), он может запросить у оператора подтверждение своего плана действий или контекстную информацию.

Это создает своего рода «трение», которое помогает сгладить переход от привычного вождения к полной автономии, при этом сохраняя автономность критически важных процессов на борту автомобиля.

📈 Пользовательский опыт и обратная связь 58:37

Дмитрий Долгов подчеркивает, что нет никакой замены реальному тестированию продукта в полевых условиях, когда пользователи платят деньги за перемещение из точки А в точку Б. Получение обратной связи стало критически важным инструментом для улучшения сервиса.

Основные каналы сбора данных:

• Real-time фидбек: Пользователи могут оставлять отзывы прямо во время поездки через сенсорный экран в салоне, оценивая качество маневров автомобиля.
• Пост-поездочные оценки: Рейтинги и текстовые комментарии после завершения поездки, которые помогают выявлять проблемы с маршрутизацией или комфортом.
• UXR-исследования: Глубокие качественные исследования, проводимые командой User Experience Research для анализа долгосрочных паттернов поведения пользователей.

Эти данные позволяют оптимизировать неочевидные, на первый взгляд, аспекты, такие как места посадки и высадки. Например, простые эвристики на основе геопозиции часто приводили к тому, что пассажиров высаживали в неудобных местах — например, по другую сторону парковки, перегороженной препятствиями, что в жару 110 градусов по Фаренгейту становилось серьезной проблемой. Сейчас система обучается на успешных примерах прошлого, чтобы делать выбор, который был бы естественным и предсказуемым для человека.

🤝 Философия комфортного и безопасного вождения 1:15:30

Разработка автономного транспорта — это не просто написание кода, который заставляет машину ехать из точки А в точку Б. Дмитрий Долгов отмечает, что ранние попытки создания алгоритмов часто приводили к двум крайностям: либо «неловко агрессивному», либо «неловко осторожному» поведению автомобиля. Настоящее мастерство управления, по мнению соруководителя Waymo, заключается в поиске «золотой середины» — движения, которое сочетает в себе эффективность, профессиональную уверенность и, что крайне важно, комфорт для пассажиров.

Интересно, что этот подход напоминает искусство работы профессионального водителя лимузина или такси. Многие ошибочно полагают, что таксист — это профессионал только потому, что он много времени проводит за рулем, однако Долгов сравнивает это с утверждением «я профессиональный пешеход, потому что ходил всю жизнь». Настоящее мастерство — это понимание того, что агрессивность на дороге является избыточным «шумом». Хороший «водитель» от Waymo стремится к максимальной предсказуемости и безопасности, создавая приятный опыт поездки, при котором пассажир не испытывает раздражения из-за лишних остановок или нерешительности машины.

Долгов описывает развитие этих навыков как работу с кривой «точности и полноты» (precision vs recall). Вместо того чтобы просто балансировать между излишней осторожностью и рискованной агрессией, компания работает над поднятием всей кривой технологических возможностей на принципиально новый уровень. Это позволяет достичь высокого качества вождения, где эффективность и безопасность не противоречат друг другу, а дополняют одно другое.

🚚 Waymo Via: Будущее автономных грузоперевозок 1:18:38

Расширение технологий Waymo за пределы легкового транспорта в сферу грузоперевозок (Waymo Via) стало логичным шагом в коммерческом развитии компании. Хотя домен применения иной, фундаментальные проблемы, которые приходится решать инженерам, во многом схожи. Долгов подчеркивает, что «первичные» инженерные вызовы — восприятие окружающего мира, семантическое понимание, прогнозирование поведения других участников движения и планирование маршрута — остаются неизменными вне зависимости от того, управляете ли вы минивэном или большим грузовиком.

Техническая синергия между подразделениями позволяет Waymo инвестировать в единое «технологическое ядро», которое затем специализируется под конкретные задачи. Различия носят скорее прикладной характер:

• Конфигурация оборудования: Грузовики имеют специфическую геометрию, требующую размещения сенсоров (например, двух лидаров по бокам) для устранения «слепых зон», тогда как легковые авто, такие как Jaguar I-PACE, используют иную компоновку.
• Специфика трасс: При езде по скоростным магистралям, характерной для грузоперевозок, возрастает важность дальности видения сенсоров.
• Управление парком: Хотя для системы в первом приближении нет разницы, находится ли в салоне человек или груз, на втором уровне оптимизации логистические алгоритмы учитывают специфику маршрутов и состояние занятости транспортного средства.

Ранее в разговоре Лекс Фридман и Дмитрий Долгов обсуждали развитие аппаратного обеспечения и датчиков (таких как лидар), что стало базой для создания масштабируемых систем. В контексте грузоперевозок эти наработки позволяют компании эффективно оптимизировать стоимость владения и внедрения технологий, превращая научные достижения в коммерчески жизнеспособные продукты.

🤖 Масштабирование, лидары и этика беспилотного вождения 1:40:18

Переход от экспериментальных прототипов к массовому сервису — это не просто увеличение количества машин на дорогах. Для Дмитрия Долгова и Waymo стратегия роста опирается на три фундаментальные оси, которые должны развиваться параллельно для достижения истинной автономности.

Стратегия «трех осей» и операционное совершенство 1:40:18

Масштабирование Waymo — это сложная инженерная и логистическая задача, разделенная на три ключевых направления. Первая ось — это совершенствование технологий. Как отмечает Дмитрий, система должна не просто «уметь водить», а справляться с бесконечным количеством сценариев (так называемым «длинным хвостом» редких событий), сохраняя при этом безопасность и комфорт. Ранее в разговоре они уже упоминали важность ML в этом процессе, но на этапе масштабирования фокус смещается на обобщающую способность алгоритмов работать в новых городах.

Вторая ось — это отладка процессов развертывания. Каждый новый регион (например, запуск в Сан-Франциско после Финикса) требует проверки того, насколько эффективно программный стек адаптируется к новой топографии и климату. Третья ось — операционное совершенство сервиса. Беспилотный автомобиль — это часть огромной экосистемы, включающей техническое обслуживание, поддержку клиентов в реальном времени и взаимодействие с городской инфраструктурой. Только при синхронном развитии этих трех направлений возможен переход от локального сервиса к глобальному стандарту транспорта.

Роль лидара как залога максимальной безопасности 1:42:01

В индустрии автономного транспорта ведется давний спор о необходимости дорогостоящих сенсоров. Однако позиция Waymo остается неизменной: лидар является критически важным активным сенсором для обеспечения безопасности . Дмитрий Долгов подчеркивает, что в отличие от пассивных камер, лидар предоставляет прямые физические измерения и «сырые» данные о пространстве, что радикально упрощает задачу классификации объектов и оценки их состояния .

Дмитрий выделяет несколько преимуществ использования лидара в связке с радарами и камерами:

• Работа в любых условиях: Лидары «видят» в полной темноте так же хорошо, как и днем, что жизненно важно при движении по неосвещенным жилым зонам .
• Глубина данных: Современные сенсоры Waymo передают не просто точки в пространстве, а богатую физическую информацию, которая затем объединяется (sensor fusion) и подается в массивные нейронные сети для принятия решений .
• Раннее обнаружение: Система часто замечает объекты раньше, чем это делает подготовленный водитель-испытатель, особенно в сложных погодных условиях или ночью .

Лекс Фридман затронул тему чистого машинного обучения (end-to-end), когда нейросеть обучается напрямую от сенсоров к действиям руля и педалей. Дмитрий признает мощь ML, упоминая использование архитектур трансформеров для предсказания поведения , но настаивает на гибридном подходе. Для Waymo важно внедрять в систему «индуктивное смещение» (inductive bias) — четкие правила физики и семантики, например, понимание того, что красный свет светофора всегда означает «стоп», вместо того чтобы заставлять нейросеть заново выводить это правило из миллионов примеров .

Взаимодействие с пешеходами и «проблема вагонетки» 1:54:36

Безопасность «уязвимых участников дорожного движения» (пешеходов и велосипедистов) — главный приоритет Waymo . Дмитрий приводит в пример случай из практики в Финиксе: женщина на велосипеде, двигавшаяся по тротуару, внезапно споткнулась и упала прямо перед беспилотником на дороге с ограничением скорости 45 миль в час . Система Waymo отреагировала мгновенно, применив одновременно резкое торможение и маневр уклонения в рамках полосы . Это иллюстрирует, что для безопасности важна не только детекция объекта, но и экстремально низкая задержка (latency) реакции, исчисляемая миллисекундами.

Когда речь заходит об этике, Лекс Фридман неизбежно поднимает «проблему вагонетки» — гипотетический выбор между спасением одной группы людей ценой жизни другой . Ответ Дмитрия Долгова носит сугубо инженерный характер:

1. Это «красная селедка» (отвлекающий маневр): В реальном проектировании систем автономного вождения философские дилеммы такого рода практически не встречаются .
2. Защитное вождение: Задача инженеров — спроектировать систему так, чтобы она никогда не попадала в ситуацию критического выбора. Если беспилотник оказался в условиях «вагонетки», это значит, что ошибки были допущены гораздо раньше .
3. Повышение общей кривой безопасности: Вместо поиска ответа на неразрешимый этический вопрос, Waymo фокусируется на улучшении способностей автомобиля предвидеть опасность и избегать её задолго до возникновения критического момента .

Для Дмитрия этика беспилотника заключается в создании «безопасного и способного водителя», который использует все доступные данные — от лидаров до предсказательных моделей поведения — чтобы исключить саму вероятность трагического инцидента.

📚 Литература, формирующая инженера, и поиск смысла жизни 2:05:39

Магия Булгакова и трудности перевода 2:05:39

Когда Лекс Фридман спросил гостя о трёх книгах, оказавших наибольшее влияние на его мировоззрение, Дмитрий Долгов неожиданно для англоязычной аудитории начал с русской классики. Его первым выбором стал роман Михаила Булгакова «Мастер и Маргарита». По мнению Дмитрия, это уникальное произведение, которое можно перечитывать на протяжении всей жизни: в детстве оно увлекает динамичным сюжетом о визите дьявола в Советский Союз, а в более зрелом возрасте открывает всё более глубокие смысловые пласты. Долгов отметил особый мрачный и чудаковатый юмор книги, оставивший важный след в его культурном и стилистическом восприятии.

Разговор естественным образом перешёл на проблему культурного барьера и адекватности перевода. Лекс признался, что читал роман только на английском, и выразил сожаление, что глубина русской мысли часто теряется для западного мира. Дмитрий согласился, подчеркнув, что здесь кроется не только лингвистическая сложность, но и вековой культурный пласт, мешающий полноценному восприятию текста иностранцами. Лекс поделился планами посетить Париж, чтобы пообщаться со знаменитыми переводчиками Толстого и Достоевского, а также озвучил мечту взять интервью у выдающегося математика Григория Перельмана. С точки зрения машинного обучения, эта проблема перевода — не просто техническая задача для условного Google Translate, а фундаментальный вызов для грядущего ИИ: как уловить и передать саму «магию», скрытую в языке.

Миры Стругацких: от научной магии до глубокой этики 2:11:21

Вторым важнейшим литературным ориентиром для Дмитрия Долгова стало творчество братьев Стругацких, которых он ставит в один ряд с такими титанами мировой фантастики, как Айзек Азимов и Рэй Брэдбери. По признанию соруководителя Waymo, в детстве родители подарили ему полное собрание сочинений писателей, занявшее целую полку в комнате. Во время школьных каникул его буквально невозможно было вытащить во двор, пока он не прочитал все тома от корки до корки.

Среди ключевых произведений авторов Дмитрий выделил несколько знаковых повестей:

• «Пикник на обочине» — классика научно-философской фантастики;
• «Трудно быть богом» — глубокое исследование этических вопросов внедрения представителей более развитой цивилизации в примитивный средневековый мир;
• «Понедельник начинается в субботу» — юмористическая повесть об исследовательском институте чародейства и волшебства, содержащая тонкие и глубокие параллели с реальной академической наукой.

Дмитрий отметил, что книги Стругацких привлекали его не столько фантастическим антуражем, сколько сложными межличностными и социальными вопросами, а также великолепным языком. Единственным произведением, которое Долгов честно пытался читать несколько раз, но так и не смог до конца разгадать и понять, оказалась повесть «Улитка на склоне».

Хрупкость общества: Оруэлл и уроки 2020 года 2:13:44

Третьей книгой в списке Долгова стал культовый роман Джорджа Оруэлла «1984». Дмитрий назвал это произведение одновременно мрачным и обязательным для прочтения каждым человеком, поскольку оно оставляет неизгладимый след и заставляет подолгу смотреть в пустоту после закрытия последней страницы. В контексте современных мировых событий Долгов признался, что невольно ловит себя на мыслях о параллелях с оруэлловским миром. Его особенно беспокоит концепция «двоемыслия» — пугающая способность людей одновременно удерживать в голове противоположные мнения, полностью игнорировать логику и следовать партийной линии вопреки здравому смыслу.

Лекс поддержал эту тему, вспомнив «Скотный двор» Оруэлла и «О дивный новый мир» Олдоса Хаксли. Ведущий с горечью отметил, что уроки 2020 года продемонстрировали пугающую хрупкость человеческого общества. Свободный цивилизованный мир оказался не нерушимым монолитом, а тонким экспериментом, который ежедневно поддерживается усилиями миллионов обычных людей — «маленьких муравьев». Дмитрий согласился с тем, что разрушение социальных институтов происходит не в результате мгновенного применения «огнемета», а через процесс «медленного закипания», вызванный бюрократией, некомпетентностью, дезинформацией, общественным расколом и токсичностью.

Смысл жизни: от суперкомпьютера Азимова до аддитивной философии 2:16:50

В финале беседы Лекс Фридман задал традиционный для своего подкаста вопрос о смысле жизни, попросив Дмитрия ответить на него одновременно с позиции робототехника и человека.

Шутливо уходя от прямой декларации от имени всего человечества, Дмитрий вспомнил знаменитый научно-фантастический рассказ Айзека Азимова «Последний вопрос». В этом произведении люди раз за разом задают суперкомпьютеру вопрос о том, как уменьшить энтропию Вселенной, на что машина на протяжении миллиардов лет неизменно отвечает: «Пока недостаточно данных для осмысленного ответа». Лишь когда наступает тепловая смерть Вселенной и ИИ поглощает всё человеческое знание, он наконец находит решение и отвечает на него наглядно — воссоздает Большой взрыв, перезапуская цикл мироздания.

Переходя на личный уровень, Дмитрий Долгов сформулировал свою оригинальную «аддитивную» философию жизни, отметив, что её смысл и внутренние метрики оптимизации меняются с годами:

• В самом начале жизни движущей силой становятся чисто новые ощущения: незнакомые запахи, звуки и яркие эмоции;
• Затем приоритетом становится веселье и радость (fun), как главный критерий, под который подстраивается поведение;
• В период взросления на первый план выходит «радость понимания и открытий» в процессе осознанного обучения;
• Далее возникает потребность отдавать — оказывать позитивное влияние на технологии и общество через свои достижения;
• Важнейшим ментальным переключателем становится рождение детей (у Дмитрия их трое), что кардинально меняет систему ценностей и жизненные приоритеты.

Главный вывод инженера заключается в том, что все эти этапы должны накапливаться, а не замещать друг друга. «Я не хочу переставать веселиться или испытывать новое», — резюмировал Долгов. Завершая этот вдохновляющий разговор, Лекс Фридман процитировал Азимова: «Наука может забавлять и очаровывать нас, но именно инженерия меняет мир».