Մաթեմատիկա` սիրո, արդարության եւ զարգացման շարժիչ: Այսպես են կառուցվածքների, հաջորդականությունների եւ հարաբերությունների մասին գիտությունն ընտրած մարդիկ բնութագրում այն:
Մեդիամաքսը եւ Հայաստանի գիտության եւ տեխնոլոգիաների հիմնադրամը (FAST) համատեղ ներկայացնում են Մաթարվեստ խորագիրը: Այն պատմում է մաթեմատիկայի երկիր Հայաստանում տվյալ գիտությունը զարգացնող տաղանդավոր մարդկանց ու նրանց աշխատանքի մասին: Այսօր աշխարհում մաթեմատիկան առանցքային նշանակություն ունի, եւ մենք հույս ունենք, որ Մաթարվեստը կնպաստի, որպեսզի հայ երիտասարդներն ընտրեն այս մասնագիտությունը:
Վազգեն Հակոբջանյանը կիրառական մաթեմատիկան եւ ծրագրավորումն ընտրել է դեռ 5 տարեկանում եւ այդ վաղ տարիքից, որքան էլ զարմանալի հնչի, հետեւողական է եղել երազանքի իրականացման հարցում։
«Կիրառական մաթեմատիկայով զբաղվելու ցանկությունն առաջացավ, երբ 5 տարեկանում հորաքրոջս հետ այցելեցի Մերգելյանի անվան ինստիտուտ։ Այնտեղ տեսա մեծ թիթեղյա մեքենաներ, որոնց մարդիկ «ստիպում էին» ինչ-որ բաներ անել։ Միանգամից սիրահարվեցի ու որոշեցի, որ պիտի այդ մեքենաների հետ աշխատեմ։ Հենց այնտեղ էլ հարցրի, թե ի՞նչ մասնագիտություն պետք է ստանալ այդ մարդկանց նման աշխատելու համար, իսկ իմանալուց հետո որոշեցի, որ պետք է կիրառական մաթեմատիկա սովորեմ՝ դեռեւս լավ չհասկանալով էլ, թե դա ինչ է իրականում։ Դպրոց ընդունվելուց հետո էլ իմ ամենասիրելի առարկան մաթեմատիկան էր, ինձ դուր էր գալիս տրամաբանական խնդիրներ լուծելը»,- ասում է Վազգենը։
Հաջորդ բեկումնային պահը 10 տարեկանում էր, երբ դպրոց այցելեցին Խնկո-Ապոր անվան գրադարանից՝ տեղեկացնելու, որ երեխաների համար անվճար ծրագրավորման դասընթացներ են կազմակերպում։
Վազգեն ՀակոբջանյանըԼուսանկարը` Մեդիամաքս
«Այս դասընթացներում սովորեցի հիմնական ծրագրավորման լեզուն։ 10 տարեկանում արդեն գիտեի՝ ինչ է համակարգիչը, դրա բաղկացուցիչ մասերը, փոփոխականներ եւ այլն։ Այդ ժամանակ ԹՈՒՄՈ չկար, եւ դա հեղափոխական բան էր։ Դա ինձ էլ ավելի ոգեւորեց գնալ դեպի ծրագրավորում։ Իրականում ամեն օր զբաղվում էի ծրագրավորմամբ, նոր բան էի սովորում եւ սկսում հասկանալ»,- պատմում է նա։
Այդպես իր ընտրած ուղին Վազգենին տարավ ԵՊՀ ինֆորմատիկայի եւ կիրառական մաթեմատիկայի ֆակուլտետ։ Հիմա էլ՝ ավարտելուց հետո, Վազգենը կապված է բուհի հետ. դասավանդում է «Կիրառական վիճակագրություն եւ տվյալների գիտություն» մագիստրոսական ծրագրի ուսանողներին։
Մաթեմատիկայի՝ կյանքի հետ խոր կապը
Իրականում ինձ համար ծրագրավորումն այնքան էլ կապ չուներ մաթեմատիկայի հետ։ Սիրում էի կոդավորել, ստանալ գեղեցիկ կոդեր ու հասկանալ, թե ինչպես են դրանք աշխատում։ Երբեք չէի մտածել, որ դրա հիմքում կա մաթեմատիկա։ Բուհ ընդունվելու առաջին օրերին մեզ ասացին, որ ավելի շատ մաթեմատիկա ենք անցնելու, քան ինֆորմատիկա։ Այդպես սկսեցինք ծրագրավորմանը զուգահեռ մաթեմատիկա սովորել, եւ այդտեղ մի հրաշք կատարվեց. սկսեցի հասկանալ կիրառական մաթեմատիկայի եւ ընդհանրապես մաթեմատիկայի գեղեցկությունը։ Հասկացա, թե ինչքան խորն է այն կապված կյանքի հետ։
Երկրորդ կուրսում արդեն անցնում էինք երկու հրաշք առարկա՝ ալգորիթմների տեսություն եւ մաթեմատիկական տրամաբանություն։ Պարզվում է՝ կան խնդիրներ, որոնք ընդհանրապես հնարավոր չէ հաշվարկել, չնայած շատ հստակ դրված են։ Բավական բարդ տեսության անհասկանալի լինելն այդ տեսության մեջ հնարավոր չէ բացատրել, դրա համար նոր տեսություն է պետք լինում, այդտեղ հասկանում ենք, որ գիտնականները միշտ գործ են ունենալու։ Ծանոթանալով մաթեմատիկայի հիմքում եղած պարադոքսներին՝ հասկանում ենք, թե ինչքան սիրուն ու հզոր է մաթեմատիկական տեսությունը։
Վազգեն ՀակոբջանյանըԼուսանկարը` Մեդիամաքս
Շատ պրակտիկ, ամեն օր կիրառվող խնդիրներ կան, որոնք շղթայված են միմյանց, եթե դրանցից մեկը կարողանում եք արդյունավետ լուծել, մյուս բոլոր խնդիրները եւս կկարողանաք։ Բայց դեռ ոչ մեկը չի կարողացել լուծել։ Մեքենայական ուսուցումն էլ շատ նման է անվերջ պայքարի։ Պետք է դրա մեջ հոգի դնես, որպեսզի կարողանաս արդյունքի հասնել։
Մեքենաների մտածելու ունակությունը
Համալսարանում ծանոթացա մաթեմատիկոս Ալան Թյուրինգի մշակած՝ մեքենայի կարողության թեստին, որը պարզում է՝ մեքենաներն ընդհանրապես կարո՞ղ են մտածել, թե՞ ոչ։ Թյուրինգը շատ սիրուն բան է առաջարկել։ Հասկանալու համար մեքենան ունի՞ ինտելեկտ, վերցրել են երկու սենյակ՝ մեկում՝ տղամարդ, մյուսում՝ կին։ Նրանց սեռային ենթատեքստ չենթադրող հարցեր են տվել, որոնց պատասխանել են գրավոր եւ ոչ ձեռագիր, ու փորձել հասկանալ՝ երրորդ մարդը կկարողանա՞ տարբերել՝ ո՞րն է աղջիկը պատասխանել, ո՞րը՝ տղան։ Այնուհետեւ նրանցից մեկին փոխարինել է մեքենայով։ Եթե փորձարկողը չկարողանար տարբերել, թե որն է մեքենայի, իսկ որը՝ մարդու պատասխանը, ապա մեքենան կանցներ Թյուրինգի թեստը։
Սա բանականության շատ գեղեցիկ աբստրակցիա եւ սահմանում է։ Հիմա արհեստական բանականությունը կարողանում է խաղ խաղալ, եւ շատերը խաբվում են, մտածում՝ ի՞նչ ուժեղ խաղացող է, չեն տարբերում մեքենային մարդուց կամ չեն կարողանում որոշել՝ մարդուց լա՞վ է խաղում, թե՞ ոչ։
Արհեստական բանականությունը սովորում է սխալների վրա, եւ դա հիմնական մեթոդներից մեկն է։ Ձեր համակարգում պետք է այնպիսի ռեակցիա լինի, որ սխալվելուց հետո՝ հաջորդ անգամ, այդ սխալի կրկնությունը նվազագույնի հասցվի։ Ինչպե՞ս է մարդկանց դեպքում, երբ, օրինակ, այրում է ձեռքն ինչ-որ տաք բանով, հաջորդ անգամ ամեն ինչ անում է, որ այդ իրավիճակը չկրկնվի։ Նույն ձեւով էլ նեյրոնային ցանցերում եւ արհեստական բանականությունում սովորելու ընթացքում ամեն ինչ արվում է, որ շատ սխալվի եւ այդ սխալների վրա սովորի։ Երբ հասկանում ենք, որ արդեն համակարգը բավականաչափ քիչ սխալներ է անում, համարում ենք, որ այն ինչ-որ բան սովորել է։ Շատ կարեւոր է, որ համակարգը, այսպես ասած, «զուբրիտ» չանի, այդտեղ արդեն արվեստն է գալիս՝ ինչպե՞ս անել թույլ չտալու համար, որ համակարգը պարզապես անգիր անելու սկզբունքով գործի, բայց միեւնույն ժամանակ բավական հարուստ տվյալներ տալ, որպեսզի կարողանա լավ գործել։
Վազգեն ՀակոբջանյանըԼուսանկարը` Մեդիամաքս
Էմոցիաները գալիս են շրջապատից, եթե բավականաչափ հարուստ համակարգ ունենք, որը կարողանում է այդքան ազդակներ ստանալ եւ ընկալել, ես վստահ եմ, որ ինչ-որ պահի մենք կստանանք էմոցիոնալ համակարգեր։ Իմ երազանքն է տեսնել սարքեր ու համակարգեր, որ կապված են էմոցիաների հետ։ Օրինակ՝ Apple-ի արտադրանքը մարդիկ սիրում են, քանի որ դրանք հաշվի են առել մարդկանց էմոցիաները. երբ որեւէ ծրագիր եք ցանկանում ջնջել, դրանք սկսում են «դողալ», այսինքն՝ «վախենում են», որ իրենց կջնջեք։ Սա ընդամենը սկիզբն է, ես հավատում եմ, որ հարուստ համակարգերի դեպքում կկարողանանք հասնել այն բանին, որ արհեստական բանականությունն օժտված լինի էմոցիաներով։ Բայց մաթեմատիկական տեսանկյունից դրանից շատ հեռու ենք այս պահին։
Կարող եմ ասել, որ մոտ ապագայում կունենանք համակարգեր, որոնք կկարողանան ձեւակերպել մարդկանց էմոցիոնալ վիճակը։ Օրինակ՝ ֆիլմի վարկանիշը կորոշվի մարդկանց ժպիտներով, որոնք դուրս են գալիս դահլիճից, կամ մեքենան թույլ չի տա արագ վարենք, եթե վատ տրամադրություն ունենանք։
Մաթեմատիկայով զարգանալու եւ այն զարգացնելու ճանապարհը
Ինֆորմատիկայի եւ կիրառական մաթեմատիկայի ֆակուլտետը համարում եմ լավագույններից մեկը, ես շատ լավ կրթություն եմ ստացել ու սկսել եմ աշխատել դեռ ուսանողական տարիներից։ Աշխատում էի նկարների մշակման ընկերություններում, հետո տեղափոխվեցի սարքեր արտադրող ընկերություններ։ Զուգահեռ հետաքրքրվում էի մաթեմատիկական մոդելավորմամբ։ Այդ ընթացքում միշտ դասավանդել եմ, կապը պահել եմ։ 2009-ից սկսեցի կիրառել իմ մաթեմատիկական գիտելիքները, այդ ժամանակ նույնիսկ չէին խոսում արհեստական բանականության մասին։ Սկսեցի այն կիրառել թե՛ աշխատավայրում եւ թե՛ դրանից դուրս։
Վազգեն ՀակոբջանյանըԼուսանկարը` Մեդիամաքս
Հիմնական հաջողությունը Teamable ընկերության ստեղծումն էր, որը Հայաստանում լավագույն ստարտափներից մեկն է, եւ շատ հպարտ եմ դրանով։ Մեր ծրագրային ապահովումներն օգնում են ընկերություններին որակյալ թիմ կազմել եւ կառավարել արդեն առկա մարդկային ռեսուրսները:
Երկրորդը, որ ծնվեց այդ տարիների ընթացքում, YerevaNN լաբորատորիան էր, որի հոգաբարձուների խորհրդի անդամ եմ։ Այդ ժամանակ հասկացա, թե ինչքան կարեւոր է հետազոտություններ զարգացնելը։
Երրորդը Gate42 լաբորատորիան է, որը զբաղվում է քվանտային համակարգիչների հետազոտություններով եւ արդեն բավական հաջողություններ ունի։ Մենք նաեւ ստեղծեցինք Smartgate.vc հիմնադրամը, որը ֆինանսավորում է արհեստական բանականության ուժեղ բաղադրիչներ ունեցող ընկերություններին։
Նման հարցերում շատ կարեւոր է մաթեմատիկական կրթությունը, քանի որ այդ դեպքում միշտ հասկանում եք, թե որ տեխնոլոգիաներն են պարունակում ուժեղ մաթեմատիկական հիմք, ու որոնցում արժե այդտեղ ներդրում անել։
Վազգեն ՀակոբջանյանըԼուսանկարը` Մեդիամաքս
Ժամանակին, երբ ասում էի, որ Հայաստանում պետք է զարգացնել եւ շատ լավ ուսուցանել մեքենայական ուսուցումն ու տվյալագիտությունը, ոմանք հակաճառում էին, թե դրա համար շուկա չկա։ Մեր՝ մաթեմատիկոսներիս համայնքի ամենամեծ ձեռքբերումն է, որ տվյալագետների պահանջարկը Հայաստանում մեծ է։ Կարծում եմ՝ սա է Հայաստանի հիմնական ապագան։
Հայաստանում այս ուղղությունը զարգացնելու համար շատ մեծ նշանակություն ունի կրթությունը։ Այդ առումով ԵՊՀ-ում «Կիրառական վիճակագրություն եւ տվյալների գիտություն» մագիստրոսական ծրագրում դասավանդելը ինձ համար կարեւոր է, այդ երիտասարդները հետագայում մեծ ազդեցություն են ունենալու ոլորտի վրա։
Հիմա ընկերությունները սկսում են հասկանալ, թե ինչ հսկայական ներուժ ունի արհեստական բանականությունը, մասնագետների պահանջարկն էլ աճում է։ Արդեն կան դեպքեր, որ բոլորովին այլ մասնագիտությունների տեր մարդիկ են սկսում զբաղվել այս ոլորտով, լավ արդյունքների են հասնում։ Մագիստրոսական ծրագրում էլ կան այդպիսի ուսանողներ, նրանց հետ աշխատելը հեշտ չէ, բայց մենք ամեն կերպ քաջալերում ենք նրանց։ Շատ կարեւոր է մաթեմատիկայի իմացությունը, բայց եթե մասնագետը չի տիրապետում դրան, չի նշանակում, որ պետք է չմտածի այս ուղղությամբ զարգանալու մասին։
Նախագծի գլխավոր գործընկերը FAST հիմնադրամն է 
Մարի Թարյան
Լուսանկարները՝ Էմին Արիստակեսյանի
Կարծիքներ
Հարգելի այցելուներ, այստեղ դուք կարող եք տեղադրել ձեր կարծիքը տվյալ նյութի վերաբերյալ` օգտագործելուվ Facebook-ի ձեր account-ը: Խնդրում ենք լինել կոռեկտ եւ հետեւել մեր պարզ կանոներին. արգելվում է տեղադրել թեմային չվերաբերող մեկնաբանություններ, գովազդային նյութեր, վիրավորանքներ եւ հայհոյանքներ: Խմբագրությունն իրավունք է վերապահում ջնջել մեկնաբանությունները` նշված կանոնները խախտելու դեպքում: