«Проблема вагонетки» — это лишь отвлекающий маневр: настоящий ИИ-водитель не должен выбирать, кого сбить, он обязан в принципе не попадать в ситуацию, где такой выбор необходим. Сооснователь Waymo Дмитрий Долгов прошел путь от «круга победы» на гонках DARPA до управления флотом беспилотников, которые воспринимают мир через 29 камер и думают категориями лингвистических трансформеров. Это история о том, как инженерная точность МФТИ и философия Стругацких помогают строить технологию для защиты «хрупкого эксперимента», которым является наше общество.
🚗 От Физтеха до беспилотников: старт Дмитрия Долгова 2:12
Из России с Паскалем: первые шаги в программировании и детские мечты 2:12
Путь Дмитрия Долгова к вершинам индустрии автономного транспорта начался далеко не с робототехники. В конце 1980-х годов в его семье появился первый компьютер — классический IBM XT со знаменитой кнопкой «Turbo» на передней панели. Как и любой ребенок, Дмитрий сначала увлекся видеоиграми, но спустя несколько месяцев они ему наскучили, и он начал разбираться, как заставить машину делать что-то еще.
Вскоре подростковое любопытство переросло в серьезное программирование на Pascal. В текстовом режиме со старым CGA-разрешением 320x200 пикселей Дмитрий создавал собственные игры. Один из его проектов оказался настолько удачным, что японская компания-разработчик предложила выкупить его за несколько сотен долларов. Для юноши в тогдашней России это были огромные деньги. Однако Дмитрий отказался от сделки, решив выложить бинарные файлы в сеть как freeware в надежде на добровольные пожертвования пользователей. Оглядываясь назад, Долгов с иронией называет это решение «не самым проницательным финансовым шагом».
Что примечательно, детские мечты Дмитрия изначально не были связаны с наукой. В возрасте четырех-пяти лет он грезил о карьере инспектора ГАИ. Его завораживали регулировщики, стоящие на перекрестках со своими черно-белыми полосатыми жезлами и управляющие потоками машин. Родители Дмитрия — оба профессора физики — были слегка обеспокоены столь приземленными амбициями сына. Тем не менее, судьба распорядилась так, что Дмитрий все же связал жизнь с транспортной индустрией, пусть и без форменного обмундирования.
Суровый Физтех и парадоксальное возвращение 10:41
Фундамент академического образования Дмитрия неразрывно связан с легендарным Московским физико-техническим институтом (МФТИ). Этот вуз всегда обладал репутацией места, которое испытывает не только интеллект, но и душу студентов. Дмитрий рос на рассказах родителей, которые сами окончили Физтех, и эти истории создавали вокруг института ореол чего-то магического и уникального.
Это привело к удивительному повороту в его биографии. Дмитрий окончил старшую школу в США, но вместо того чтобы остаться в Америке и поступить в местный колледж, он принял решение вернуться в Россию ради учебы в МФТИ. Большинство сверстников считали его сумасшедшим, но родители поддержали это стремление. В итоге Долгов провел на Физтехе шесть лет, получив степени бакалавра и магистра в области физики и математики. Это было жесткое, бескомпромиссное обучение фундаментальным наукам, давшее ему необходимую базу для дальнейшей карьеры. Лишь после окончания аспирантуры в Мичиганском университете и перехода на постдок в Стэнфорд в его жизни появились беспилотные автомобили, ставшие первым реальным опытом в робототехнике.
Испытание на прочность: Stanford на DARPA Urban Challenge 12:57
В 2006 году Дмитрию посчастливилось присоединиться к команде Стэнфордского университета для участия в знаменитых технологических гонках DARPA Urban Challenge. Если первые два состязания DARPA проходили в статичных условиях пустыни, то в 2007 году перед инженерами встала принципиально новая задача: научить машины взаимодействовать в динамической городской среде. Гонка проходила на территории заброшенной военно-воздушной базы, превращенной в импровизированный город. Робомобилям приходилось делить дороги не только друг с другом, но и с машинами под управлением профессиональных водителей.
Дмитрий отвечал за алгоритмы планирования траектории в свободных пространствах (free space motion planning). Команда Стэнфорда, которая была победителем предыдущего этапа, в Urban Challenge заняла второе место, уступив первенство Университету Карнеги — Меллона (CMU). Атмосфера на соревнованиях была невероятно напряженной: пустые машины без водителей одна за другой уходили на дистанцию под вой собственных сирен. Инженеры могли лишь издалека прислушиваться к звукам двигателей своих «детей», молясь, чтобы код отработал корректно.
Безумные 3 часа ночи и «круг победы»: легендарные баги Стэнфорда 16:41
Этот период оставил массу ярких воспоминаний и бесценных технических уроков. Дмитрий до сих пор помнит момент, когда впервые запустил свой софт на реальной машине. Это произошло в три часа ночи на парковке кампуса Стэнфорда среди расставленных дорожных конусов. Когда автомобиль совершил свои первые адекватные маневры, Долгов испытал такое потрясение, что до самого утра не смог уснуть от нахлынувшего осознания мощи технологий.
Конечно, не обходилось и без курьезных ошибок, которые до сих пор обсуждаются в кулуарах. Первым спорным моментом стал алгоритм выезда с парковки. Согласно инструкциям DARPA, робот получал лишь координаты финальной точки внутри полигона без информации о препятствиях. Дмитрий запрограммировал машину так, чтобы она строго сдавала назад при выезде со стояночного места, как предписывали правила. Команда же CMU просто проезжала парковку насквозь. Из-за этого Стэнфорд потерял драгоценное время, что до сих пор вызывает шутливые споры о том, было ли это плохой реализацией Стэнфорда или нарушением правил со стороны соперников.
Другой знаменитый баг вошел в историю индустрии под названием «круг победы» (victory lap). На одном из участков трассы была организована овальная петля возле старта и финиша. Стэнфордский беспилотник успешно доезжал до контрольной точки, но вместо того чтобы продолжить путь, закладывал лишний почетный круг по стадиону и только потом уезжал. Оказалось, что в коде содержалась логическая ошибка: система не начинала планировать маршрут к следующей точке, пока физически не достигала текущей. В условиях овала, когда чекпоинт брался на высокой скорости, машине банально не хватало времени для перестроения в нужный ряд, и она шла на повторный круг.
Несмотря на эти недочеты, Urban Challenge стал триумфом инженерной мысли. Именно этот успех вдохновил руководство Google поверить в жизнеспособность технологии, что впоследствии привело к зарождению полноценного беспилотного проекта Google, о деталях которого речь пойдет в следующей главе. Впереди инженеров ждали первые амбициозные цели: проехать 100 000 миль в автономном режиме и покорить 10 сложнейших 100-мильных маршрутов.
🚀 Путь к автономности: от лабораторий Google до флота Waymo
Зарождение проекта Google и первые рубежи 25:23
История создания беспилотного направления внутри Google началась в 2009 году. Первоначальные амбиции команды были крайне высоки: вместо постепенного внедрения технологий, инженеры поставили задачу достичь нулевого вмешательства человека в управление автомобилем. Для проверки готовности системы были выбраны десять крайне сложных маршрутов, каждый из которых имел протяженность сто миль.
Испытания охватывали максимально широкий спектр дорожных условий: от скоростных шоссе и мостов в районе Залива Сан-Франциско до горных дорог возле озера Тахо и плотного городского трафика в Пало-Альто. Реализация этой цели заняла около 16 месяцев у группы из двенадцати человек. Дмитрий Долгов отмечает, что этот опыт был одним из самых захватывающих этапов его карьеры: команда работала в режиме «хакинга» 24/7, не зная наверняка, насколько сложна поставленная задача, но получив в итоге бесценный массив данных и уверенность в том, что полная автономность достижима.
Трансформация в Waymo и эпоха Firefly 30:15
К 2010 году, после успешного прохождения первых вех, проект перешел от стадии прототипирования к попыткам создания полноценного продукта. Изначально внимание было сосредоточено на системах помощи водителю (аналог третьего уровня автономности), однако в 2013 году стратегия кардинально изменилась: компания сфокусировалась на создании полностью беспилотного водителя, способного работать без присутствия человека в салоне.
Символом этой эры стал прототип под названием Firefly — автомобиль, который многие запомнили по его «зефирному» дизайну. В 2015 году именно на этой машине был совершен первый в мире полностью беспилотный заезд на дорогах общего пользования в Остине, штат Техас, с пассажиром на борту. В 2016 году проект выделился в самостоятельную компанию Waymo под эгидой Alphabet, что позволило масштабировать коммерческое видение технологии. Важным этапом стало 2017 года, когда начались регулярные драйверлесс-операции, где некоторые поездки совершались полностью пустым автомобилем, без присутствия «страхующего» водителя.
Инженерное совершенство: пятое поколение оборудования 38:52
К 2020 году Waymo перешла к пятому поколению своего аппаратного комплекса, который стал «качественным скачком» по сравнению с предыдущими итерациями. Дмитрий Долгов подчеркивает важность создания собственных технологий: большую часть компонентов — лидары, радары и камеры — компания проектирует и производит самостоятельно.
В конфигурацию пятого поколения входят:
- 29 камер для кругового обзора.
- 5 лидаров (фирменная разработка Waymo).
- 6 радаров.
Весь этот массив данных обрабатывается мощным бортовым компьютером в режиме реального времени. Хотя детали архитектуры скрыты из соображений интеллектуальной собственности, известно, что система обладает глубокой избыточностью и оптимизирована для работы с «тяжелыми» моделями машинного обучения.
Облачная мощь и сетевой интеллект флота 45:24
Эффективность Waymo во многом обусловлена симбиозом автомобиля и облачной инфраструктуры Alphabet. Данные, собираемые во время поездок, становятся фундаментом для обучения моделей и симуляции сценариев в виртуальной среде.
Сетевое взаимодействие флота работает как распределенная система знаний. Если один беспилотный автомобиль сталкивается с нестандартной ситуацией — будь то авария или внезапная зона дорожных работ — эта информация мгновенно передается в облако и распространяется на весь остальной автопарк. Это позволяет картам и моделям поведения обновляться в режиме реального времени. Дмитрий Долгов уточняет: хотя каждый автомобиль Waymo обладает полной автономностью и может работать без связи, сетевое взаимодействие значительно повышает общую эффективность системы, открывая путь к более сложному взаимодействию между машинами в условиях высокой плотности трафика.
🤖 Роль человека в эпоху беспилотного транспорта 50:27
Вопрос о том, остается ли место для человека за рулем беспилотного автомобиля, часто вызывает дискуссии. Дмитрий Долгов подчеркивает, что Waymo принципиально отказывается от идеи телеуправления — дистанционного контроля автомобиля в режиме реального времени. Вместо этого компания делает ставку на «живую поддержку» (Live Help) и контекстную помощь.
Для пассажира, особенно во время первой поездки, отсутствие водителя может вызывать вопросы. В таких случаях Waymo предусматривает возможность связаться с оператором через встроенную систему связи, чтобы получить разъяснения и поддержку. Помимо клиентской поддержки, существует концепция «помощи флоту» — своего рода аналог управления воздушным движением. Автономная система Waymo самостоятельно принимает все решения, критически важные для безопасности и времени отклика. Однако в сложных, нештатных ситуациях (например, при объезде места серьезной аварии), если есть стабильное соединение, автомобиль может запросить подтверждение своих действий у оператора, получая необходимый контекст для принятия оптимального решения.
🚕 Первый публичный опыт: Waymo One в Финиксе 53:27
Знаковым моментом для индустрии стал запуск сервиса Waymo One в Финиксе 8 октября, когда публике был открыт доступ к полностью беспилотным поездкам без водителя в салоне. До этого момента опыт тестирования был ограничен программой для ранних пользователей, но теперь услуга стала доступна всем желающим через мобильное приложение.
Спрос на сервис значительно превышает текущие возможности флота, что говорит о высоком интересе потребителей. Отзывы пользователей оказались крайне позитивными: большинство пассажиров оценивают поездки на «пять звезд». Этот опыт критически важен для инженеров Waymo: живая эксплуатация в реальных городских условиях дает данные, которые невозможно получить в рамках симуляций или закрытых полигонов. Пользователи совершают самые разнообразные поездки: ездят за продуктами, в рестораны, бары или на работу. Даже такой нюанс, как загрузка багажника 20 пакетами с продуктами, стал ценным инсайтом для совершенствования продукта.
📍 Точность навигации и обратная связь 58:37
Одной из самых сложных задач оказалась организация удобных точек посадки и высадки, особенно в крупных пространствах вроде торговых центров. Долгов признает: простые эвристики, выбирающие точку по ближайшим координатам, часто приводят к курьезным и неудобным ситуациям — например, когда пассажиру приходится обходить живую изгородь из кактусов в 43-градусную жару, чтобы добраться до автомобиля.
Waymo активно работает над улучшением алгоритмов, используя не только машинное обучение, но и анализ накопленного опыта: какие места посадки в прошлом оказались наиболее успешными для других пассажиров. Важной частью улучшения продукта является сбор фидбека:
- Прямая оценка поездки и комментарии в приложении после завершения.
- Кнопки обратной связи на дисплее в автомобиле для оценки конкретных маневров в реальном времени.
- Глубинные исследования пользовательского опыта (UXR), проводимые исследовательской командой Waymo.
🏎 Философия «идеального водителя» 1:07:28
Создание беспилотного сервиса — это не просто решение инженерной задачи, это создание продукта, вызывающего доверие и симпатию. Дмитрий Долгов сравнивает идеальный стиль автономного вождения с работой профессионального водителя лимузина. Такой водитель не просто следует правилам; он движется плавно, эффективно и предсказуемо.
Этот стиль радикально отличается от «осторожной» манеры вождения ранних прототипов, которые часто воспринимались как нерешительные. Современный Waymo демонстрирует уверенность, быстро принимая решения в потоке, не создавая помех другим участникам движения, но при этом строго соблюдая безопасность. В основе такой «философии вождения» лежат три столпа:
- Безопасность: приоритет над всеми остальными факторами.
- Предсказуемость: поведение автомобиля должно быть понятно как пассажиру, так и другим водителям на дороге.
- Комфорт и приватность: создание личного пространства, в котором пассажир может отдохнуть, поговорить по телефону или заняться делами, не опасаясь дискомфорта от присутствия постороннего водителя.
Ранее в разговоре они затрагивали историю развития технологий, начиная с соревнований DARPA и первых этапов проекта в недрах Google.
🚛 Экосистема масштабирования: от грузовых перевозок Waymo Via до битвы за лидары 1:18:38
🚛 Путь грузов: как технологии Waymo адаптируются для магистральных тягачей 1:18:38
Развитие беспилотных технологий Waymo не ограничивается легковым транспортом для пассажирских перевозок. Продукт компании четко разделен на два ключевых коммерческих направления: Waymo One для перемещения людей и Waymo Via для транспортировки грузов. Проектом беспилотных грузовиков инженеры под руководством Дмитрия Долгова активно занимаются еще с 2017 года.
С технической и философской точек зрения перенос накопленного опыта на тяжелые фуры оказался на удивление органичным. Фундаментальные вызовы робототехники — восприятие окружающего мира, семантическое понимание сцены, предсказание поведения других участников движения и планирование траектории — остаются неизменными. Вся созданная инфраструктура машинного обучения и симуляторы одинаково эффективно работают как для легковых машин, так и для магистральных тягачей.
Тем не менее, адаптация под грузовую платформу потребовала определенной специализации. Основные отличия кроются в геометрии кузова и конфигурации сенсоров. Если на легковом кроссовере Jaguar I-PACE основной лидар установлен по центру на крыше, то на грузовиках два ключевых лазерных сенсора разнесены по бокам, чтобы полностью исключить слепые зоны. Сама компонентная база сенсоров при этом остается практически идентичной, что позволяет масштабировать инвестиции, вложенные в разработку собственного оборудования. Кроме того, при движении по скоростным шоссе критически возрастает дальность обзора, необходимая системе для безопасного торможения.
Интересным аспектом автоматизации флота является режим «нулевой заполняемости» (zero occupancy), когда пустая машина перемещается к следующей точке погрузки или вызова. Дмитрий Долгов подчеркивает, что с точки зрения алгоритмов управления и безопасности здесь нет принципиальных отличий от поездки с пассажиром или ценным грузом. Плавность хода и предсказуемость маневров важны не только для тех, кто сидит внутри, но и для всех окружающих водителей и пешеходов.
📈 Три оси масштабирования и дипломатия с регуляторами 1:24:20
Успешный запуск коммерческого сервиса роботакси в Фениксе стал для Waymo отправной точкой. Однако экспансия в новые города требует перехода от единичных развертываний к массовому промышленному масштабированию. Дмитрий Долгов выделяет три главные оси, по которым компания выстраивает эту стратегию:
- Ядро технологии (Core Technology): Постоянное совершенствование аппаратного и программного обеспечения. Все уроки, извлеченные в Фениксе, внедряются в более универсальные и отказоустойчивые решения. Как ранее упоминалось в разговоре при обсуждении эволюции оборудования, именно на аппаратную платформу пятого поколения компания опирается для достижения массового масштаба благодаря ее простоте, надежности и оптимизированной экономике производства.
- Оценка и развертывание (Evaluation and Deployment): Создание автоматизированных процессов валидации, симуляции и дата-сайенса. Это позволяет регулярно обновлять софт беспилотника на всем флоте без колоссальной нагрузки на команду инженеров и исследователей.
- Коммерческое и операционное совершенство (Product Commercial and Operational Excellence): Непрерывная интеграция обратной связи от реальных пользователей для улучшения юзабилити и удобства продукта.
Феникс послужил идеальным полигоном для разделения этой комплексной проблемы на составляющие и снижения рисков по каждому направлению. Накопленный опыт Waymo постепенно превращает в масштабируемый шаблон, который можно адаптировать под другие локации. На текущий момент компания протестировала свои автомобили более чем в 25 городах США, включая Сан-Франциско и заснеженные трассы Мичигана.
Важнейшей частью процесса экспансии является взаимодействие с государством. Вместо преодоления «бюрократического трения» Waymo изначально сделала ставку на выстраивание доверительных партнерских отношений с регуляторами на всех уровнях — от муниципальных властей до федеральных ведомств. Приходя в любой новый регион, руководство компании всегда начинает с открытого диалога с местными официальными лицами, что позволяет минимизировать политические риски.
⚡ Споры о лидарах: почему Waymo не собирается «ослеплять» свои машины 1:37:25
В индустрии автономного транспорта не утихают дискуссии о наборе необходимых сенсоров. Лекс Фридман напомнил известную критику Илона Маска, назвавшего лидар «костылем». Дмитрий Долгов категорически не согласен с такой оценкой, считая лазерное сканирование важнейшим элементом безопасности.
Философия Waymo строится на синергии различных типов восприятия. Камеры, лидары и радары фундаментально отличаются на физическом уровне: камеры работают как пассивные приемники света, тогда как лидары и радары — это активные сенсоры, излучающие волны разной длины. Они идеально дополняют друг друга. Долгов задает встречный вопрос: зачем умышленно ограничивать возможности беспилотника и лишать его одного из каналов восприятия, если их комбинация бесспорно делает систему надежнее и безопаснее?
Разница в подходах часто продиктована конечной целью продукта. Для систем помощи водителю (driver assist) стоимостные и эстетические компромиссы могут быть оправданы. Но когда речь идет о создании полноценного «виртуального водителя» для полностью беспилотных транспортных средств, безопасность должна быть бескомпромиссной.
Дмитрий последовательно опровергает два главных аргумента противников лидаров — дороговизну и неэстетичный внешний вид. Проблема высокой стоимости не является фундаментальным барьером: когда-то и автомобильные радары стоили огромных денег, пока их производство не вышло на массовый уровень. Собственные лидары Waymo, особенно модели пятого поколения, совершили качественный скачок — они производятся в промышленных масштабах и обходятся в разы дешевле как предыдущих версий, так и готовых рыночных аналогов. Что касается эстетики, Долгов с улыбкой отмечает, что красота находится в глазах смотрящего, и современные технологичные лидары вполне можно назвать по-настоящему «сексуальными».
🤖 Машинное обучение и «язык» дорожного движения: от детектирования к трансформерам 1:41:44
В современной архитектуре Waymo машинное обучение перестало быть лишь инструментом для решения локальных задач и превратилось в фундамент всей системы. Дмитрий Долгов подчеркивает, что разделение на «сенсоры» и «софт» во многом условно: данные с лидаров, радаров и камер — это не просто точки или пиксели, а массив сырой информации, который скармливается глубоким нейросетям на самых ранних этапах . Если раньше индустрия полагалась на слабую, «инженерную» склейку данных (когда каждый сенсор обрабатывал кадр отдельно, а затем результаты объединялись), то сегодня Waymo переходит к глубокому совместному обучению (joint fusion). Это позволяет системе учитывать временные зависимости и контекст всей сцены целиком, а не просто анализировать разрозненные кадры .
Одной из самых захватывающих областей развития ИИ в беспилотниках стало применение архитектур, изначально созданных для обработки естественного языка. Дмитрий Долгов отмечает поразительное структурное сходство между вождением и лингвистикой:
- Последовательность: Траектории движения агентов на дороге имеют такую же последовательную природу, как слова в предложении .
- Локальность и контекст: Как и в тексте, где смысл слова зависит от соседних слов и общего контекста абзаца, маневр автомобиля определяется как непосредственным окружением, так и глобальной ситуацией на перекрестке .
- Генеративные модели: Использование трансформеров (архитектур типа GPT-3) позволяет строить более точные предсказательные модели поведения пешеходов и водителей, а также создавать реалистичные симуляции для обучения флота .
При этом Долгов предостерегает от крайностей «чистого» сквозного обучения (end-to-end), когда нейросеть напрямую связывает картинку с камеры с поворотом руля. Waymo придерживается гибридного подхода, сочетая мощь ML с «индуктивным смещением» (inductive bias) — внедрением в систему базовых физических законов и жестких правил . Например, системе не нужно «выучивать» на миллионах примеров, что красный свет означает остановку — это правило встроено в код как семантическая константа. Однако именно машинное обучение помогает беспилотнику понять, собирается ли другой водитель проигнорировать этот красный свет, опираясь на едва уловимые нюансы его поведения .
🛡️ Безопасность пешеходов и этика: почему «проблема вагонетки» — это миф 1:54:24
Вопрос взаимодействия с «уязвимыми участниками движения» — пешеходами и велосипедистами — Дмитрий Долгов называет приоритетом номер один. В отличие от других автомобилей, защищенных металлом, эти участники дорожного движения абсолютно беззащитны, что накладывает на ИИ особую ответственность . Ранее в разговоре Лекс Фридман и Дмитрий уже касались преимуществ сенсорного набора Waymo, и здесь Долгов вновь указывает на роль лидаров: они позволяют видеть ребенка, выбегающего на дорогу в полной темноте, задолго до того, как его заметил бы даже тренированный водитель-испытатель .
Для иллюстрации сложности работы системы в реальном мире Дмитрий приводит инцидент, произошедший в Финиксе. На дороге со скоростным лимитом 45 миль в час женщина на велосипеде, ехавшая по тротуару, внезапно споткнулась и упала прямо под колеса беспилотника . В этот момент система должна была мгновенно решить сложнейшую задачу восприятия: объект, который только что был «велосипедистом», разделился на два разных объекта (человек и велосипед), меняющих свою форму и положение в пространстве за миллисекунды . Автомобиль Waymo (в тот момент под управлением тест-драйвера, но при полной симуляции действий автопилота) выполнил идеальный маневр: резкое торможение в сочетании с уклонением. Это подтвердило, что современные нейросети способны обрабатывать сценарии из «длинного хвоста» редких событий, которые практически невозможно предсказать заранее .
Обсуждая этические дилеммы, Лекс Фридман поднимает классическую «проблему вагонетки» — выбор между двумя неизбежными жертвами. Ответ Дмитрия Долгова отражает прагматичный инженерный подход: для создателей беспилотников эта проблема является скорее «отвлекающим маневром», чем реальным вызовом .
Основные аргументы против актуальности «проблемы вагонетки»:
- Искусственность: В реальности ситуации никогда не выглядят как бинарный выбор «убить X или Y»; они всегда связаны с неопределенностью и вероятностями .
- Предотвращение: Задача инженеров — не научить машину выбирать жертву, а научить её «оборонительному вождению» (defensive driving), чтобы она никогда не оказывалась в точке, где столкновение неизбежно .
- Повышение планки: Вместо решения философских головоломок Waymo фокусируется на «сдвиге всей кривой безопасности вверх» — минимизации вероятности любого критического инцидента за счет сверхчеловеческой скорости реакции и точности прогнозирования .
📚 Культурные коды: Литература и вопросы будущего 2:05:23
Дмитрий Долгов убежден, что литература — это не просто способ скоротать время, а мощный инструмент для понимания устройства общества и развития критического мышления. В беседе с Лексом Фридманом он выделил несколько произведений, которые оставили глубокий след в его сознании как инженера и как личности.
«Мастер и Маргарита» и барьеры восприятия
Одной из ключевых книг для Дмитрия остается роман Михаила Булгакова «Мастер и Маргарита». Долгов отмечает, что это произведение обладает уникальным свойством: его можно перечитывать на разных этапах жизни, каждый раз открывая новые смыслы. Для него эта книга стала важной через призму своего культурного и стилистического своеобразия — сочетания глубоких философских вопросов с мрачным, «по-русски» специфическим юмором.
Вопрос перевода классики стал для обоих собеседников отправной точкой для глубокой дискуссии. Дмитрий признается, что долгое время читал серьезную литературу исключительно на английском, стремясь оптимизировать свое мышление, однако сейчас он пересматривает этот подход. Он подчеркивает фундаментальную проблему для современной индустрии искусственного интеллекта: как именно перевести не просто слова, а «магию» языка и культурный контекст, накопленный веками. По мнению Долгова, сохранение идей выдающихся ученых и авторов через языковые барьеры — одна из важнейших задач, ведь в противном случае их интеллектуальное наследие может быть утрачено для мировой истории.
Братья Стругацкие и социальная фантастика
Второй важной вехой в формировании мировоззрения Долгова стали произведения братьев Стругацких. В отличие от классической научной фантастики, ориентированной на технологии, их работы привлекли Дмитрия своими сложными межличностными и социетальными вопросами.
- «Понедельник начинается в субботу»: произведение, которое Дмитрий ценит за юмор и глубокие параллели с реальной исследовательской средой, где поиск чудес становится повседневной работой.
- «Трудно быть богом»: пример того, как Стругацкие анализируют этические дилеммы вмешательства более развитого общества в жизнь примитивного мира.
Для Долгова эта литература — не просто развлечение, а способ осмыслить структуру человеческих взаимоотношений, что, безусловно, накладывает отпечаток на то, как он подходит к созданию сложных систем, ранее в разговоре они касались технологий автономного вождения.
Оруэлл и хрупкость общества
Замыкают список важнейших произведений Джорджа Оруэлла «1984» и «Скотный двор». Дмитрий считает их обязательными к прочтению именно сейчас, когда современный мир сталкивается с угрозами, которые описал автор: от концепции «двоемыслия» до игнорирования логики ради следования партийной линии.
Долгов выражает обеспокоенность тем, что современное общество гораздо более хрупкое, чем принято считать. Его крайне тревожит мысль о том, что существующий социальный порядок не является незыблемым. Он сравнивает людей с муравьями, поддерживающими колонию, и чувствует личную ответственность за то, чтобы не допустить разрушения этой системы через бюрократию, дезинформацию или токсичность.
Эволюция жизненных приоритетов 2:17:03
Размышляя над «смыслом жизни», Дмитрий обращается к рассказу Айзека Азимова «Последний вопрос». В этой истории сверхразум, поглотивший все знания Вселенной, столетиями искал ответ на вопрос об энтропии, чтобы в конечном итоге дать ответ через демонстрацию созидания — перезапуск Большого взрыва.
Для себя лично Дмитрий формулирует эволюцию смыслов как аддитивный процесс, который меняется с возрастом:
- Ранний этап: драйвером являются новые ощущения, звуки и эмоции.
- Осознанное развитие: приоритетом становится «fun» (веселье) как оптимизируемая величина.
- Познание: радость от понимания того, как устроен мир, становится ключевым стимулом.
- Вклад в общество: желание отдавать накопленные знания обратно, создавая технологии и влияя на мир, становится главным источником положительной обратной связи.
Долгов отмечает, что появление детей стало тем фактором, который полностью перевернул его систему ценностей, заставив переосмыслить, что действительно имеет значение. Он убежден, что с возрастом новые смыслы должны не заменять старые, а дополнять их, создавая целостную картину жизни.
