• Басты бет
• Сарапшылар
• Жасанды интеллект және қазақ ғылымы: АҚШ-тағы тұңғыш қазақ профессорымен сұхбат

Жасанды интеллект және қазақ ғылымы: АҚШ-тағы тұңғыш қазақ профессорымен сұхбат

Қазақ жастарының әлемді өзгертуге, оны жақсырақ етуге әлеуеті жетеді, дейді Әбілқайыр Сапаров

Жасанды интеллект бүгінде әлемдегі ең ықпалды технологиялық бағыттардың біріне айналды. ЖИ саласындағы жарысқа ірі мемлекеттер мен технологиялық алпауыттар ғана емес, университеттер мен ғылыми орталықтар да белсенді араласып жатыр. Ал осы қарқынды өзгерістер кезеңінде халықаралық ғылыми ортада қазақ жастарының да есімі естіле бастады. Солардың бірі – Purdue University университеті жасанды интеллект факультетінің профессоры, Nace.AI компаниясының Chief Scientist маманы Әбілқайыр Сапаров.

Ол АҚШ-тағы терең машиналық оқыту саласындағы алғашқы қазақ профессоры саналады. Princeton университетінде бакалавриат тәмамдап, Carnegie Mellon University-де терең оқыту бағыты бойынша PhD дәрежесін қорғаған ғалым бүгінде машиналық оқыту, жасанды интеллект зерттеулері және ғылыми инженерия бағытында жұмыс істеп жүр.

Әбілқайыр Сапаров Kapital.kz іскерлік ақпарат орталығына жасанды интеллектінің болашағы, Қазақстандағы ғылымның дамуы, әлемдік деңгейдегі зерттеуші болудың жолы, ЖИ саласындағы басты мәселелер мен жас ғалымдардың жиі жіберетін қателіктері туралы кеңінен әңгімеледі.

– Әбілқайыр, алдымен өмір жолыңыз, немен айналысқаныңыз туралы айтып берсеңіз.

– Мен дүниеге келгеннен кейін шамамен 1994 жылы, яғни Кеңес одағы ыдыраған соң көп ұзамай, ата-анам, әпкеммен бірге АҚШ-қа көштік. Алғашында АҚШ-тың оңтүстігіндегі Алабама штатында шамамен жеті жыл тұрдық. Сол жерде мемлекеттік мектепте оқи бастадым. Кейін Нью-Джерси штатына көштік. Бұл Нью-Йорк пен Филадельфияға жақын орналасқан өңір. Балалық шағымның негізгі бөлігі сол жерде өтті.

Кейін Принстон университетінде бакалавриатта оқып, компьютерлік ғылымдарды меңгердім. Сол кезде зерттеу саласына қызығушылығым оянып, жасанды интеллект пен машиналық оқыту бағытында ғылыми жұмыспен айналысқым келетінін түсіндім.

Одан кейін PhD дәрежесін алу үшін аспирантураға түсуге шешім қабылдадым. Сөйтіп Карнеги-Меллон университетіне оқуға түстім. Ол Питтсбург қаласында орналасқан. Сол жерде бірнеше жыл бойы машиналық оқыту саласын зерттеп, ғылыми мақалалар жазуды үйрендім. Кейін докторлық дәрежемді қорғадым.

Одан соң Нью-Йорк университетінде екі жылдық докторлықтан кейінгі зерттеуші бағдарламасынан өттім. Бұл ғылыми тәжірибемді күшейтіп, профессорлық қызметке үміткер ретінде бәсекеге қабілетімді арттырды. Кейін түрлі университеттердегі профессорлық орындарға өтініш беріп, қазіргі таңда жұмыс істеп жүрген Purdue University-ге қабылдандым.

– Енді ата-анаңыз туралы айтып берсеңіз. Олар АҚШ-қа неге көшті және немен айналысты?

– Әкем де зерттеуші ғалым. Ол негізінен биомедицина мен соған жақын салаларда жұмыс істеді. Анам бухгалтер болды. Қазір екеуі де зейнетте.

Бір қызығы, әкем мен жоғары сыныпта оқып жүрген кезде Қазақстанға қайта көшіп келді. Сөйтіп Астанада жаңадан ашылып жатқан ауруханалар жүйесі мен университет жобаларына қатысып, жұмыс істей бастады. Кейін Астанадағы университетте профессор болып еңбек етті және жақында ғана зейнетке шықты.

Ал анам әпкем екеуміз колледжге түскенге дейін АҚШ-та қалды. Кейін ол да әкемнің қасына Астанаға көшіп келіп, АҚШ елшілігінде бухгалтер болып жұмыс істеді. Бұл ол үшін сәтті сәйкестік болды деуге болады. Қазір екеуі де зейнетте, саяхаттап жүр.

– Қазақстанда оқып, кейін ірі технологиялық компанияларда немесе стартаптарда жұмыс істеп жүрген жастар туралы не ойлайсыз?

– Меніңше, бұл өте керемет құбылыс. Мысалы, Принстон университетінде бірге оқыған достарымның бірі кейін Алматыға оралып, стартап-инкубатор ашты. Қазір ол сіздердің қалада танымал тұлғаға айналғанын білемін. Ол өте мықты маман. Қазақстандағы стартап экожүйесін дамытуға, әсіресе компьютерлік ғылымдар, машиналық оқыту және жасанды интеллект салаларын ілгерілетуге үлес қосып жүр.

Меніңше, Қазақстанда ғылым мен кәсіпкерліктің дамуына үлкен күш салынып жатыр. Бұл мені қуантады. Назарбаев университеті секілді білім беру жобаларына инвестиция салынғаны да маңызды деп ойлаймын. Студенттер ғылым, инженерия, компьютерлік ғылымдар мен машиналық оқыту секілді маңызды салаларды өз елінде меңгеріп, білім алса, бұл мемлекет үшін өте пайдалы.

Жасанды интеллект уақытша тренд пе, әлде нақты болашақ па?

– Енді жасанды интеллект туралы сөйлессек. Қазір ЖИ тақырыбын бүкіл әлем айтып жатыр. Қазақстан секілді елдер әзірге ЖИ технологиясын жасап жатқан жоқ, көбіне сырттан оқып, зерттеу үстінде. Сіздіңше, ЖИ стартаптары мен компаниялары шын мәнінде құнды өнім жасап жатыр ма, әлде бұл уақытша тренд пе?

– Өте жақсы сұрақ. Қазір ЖИ саласына өте көп инвестиция құйылып жатыр. Әсіресе графикалық процессор өндіретін компаниялар ЖИ компанияларына қаржы салады, ал ЖИ компаниялары өз кезегінде сол өндірушілерден қайтадан графикалық процессор сатып алады. Сондықтан нарықта белгілі бір «көпіршік белгілері» байқалады.

Бірақ менің ойымша, бұл 2000 жылдардың басындағы dot-com дағдарысындағыдай ауқымды емес. Өйткені қазіргі ЖИ технологияларының нақты пайдасы мен қолданылу аясы әлдеқайда кең. Мысалы, бағдарламалау саласы соңғы бірнеше жылда түбегейлі өзгерді. Қазір көптеген программистер өнімділігін арттыру үшін ЖИ құралдарын пайдаланады. Әсіресе шағын және орта көлемдегі бағдарламаларды жазуда бұл құралдар өте тиімді.

Әрине, өте үлкен жобаларда ЖИ-дің мүмкіндігі шектеулі болуы мүмкін. Ондай кезде тапсырмаларды бөліп беру керек. Бірақ жалпы алғанда, жасанды интеллект түрлі салаларда нақты қолданысқа ие болып келеді және экономикадағы рөлі күшейіп жатыр.

Қазір адамдар ЖИ-ді түрлі мақсатта пайдаланып жатыр. Мысалы, сурет салу, жарнамаға арналған визуал жасау, дауыс генерациялау сияқты бағыттарда кең қолданылады. Сондықтан кәсіби дикторлар мен дауыс актерлері өз жұмыстары үшін алаңдай бастады. Өйткені көптеген компания адам дауысын емес, ЖИ арқылы жасалған дауысты пайдалануға көшкісі келеді.

Бейне өндірісінде де бұл үрдіс байқалады. Мысалы, соңғы екі жылдағы Coca-Cola жарнамаларының бірқатары ЖИ көмегімен жасалды. Яғни оларды бұрынғыдай аниматорлар толықтай қолмен әзірлемеген. Кино индустриясында да алаңдаушылық бар. Себебі кейбіреулер болашақта ЖИ актерлер шынайы актерлерді алмастыруы мүмкін деп қауіптенеді. Бірақ барлық жұмыс орнын толықтай ЖИ алмастырады деп ойламаймын. Кей мамандықтар расында көбірек қауіпке ұшырауы мүмкін. Алайда көптеген салада адам интеллектісі мен еңбегі әлі де өте қажет болады. Сондықтан бәрін толықтай автоматтандыру қиын.

– Ғалым, инженер және ЖИ инженері арасындағы айырмашылық қандай?

– Өте жақсы сұрақ. АҚШ-та бұл бағыттардың бірнеше деңгейі бар. Мысалы, software engineer, яғни бағдарламалық жасақтама инженері негізінен код жазумен айналысады. Компания оған нақты тапсырма береді, белгілі бір бағдарламаны немесе функцияны жасау керек болады. Сонда инженер қандай алгоритм қолдану керек, қандай деректер құрылымы тиімді болады деген сияқты техникалық шешімдерді қабылдайды. Әдетте оған бағдарламалау тілі де алдын ала беріледі. Инженер сол тіл арқылы мәселені шешіп, дайын кодты тапсырады.

Ал research, яғни ғылыми зерттеу мүлде басқа деңгей. Мұнда басты мақсат – бұрын ешкім жауап бермеген сұрақтарға жауап іздеу. Ғалымдар дайын құралдарды пайдаланып қана қоймайды, көбіне мүлде жаңа алгоритмдер мен жаңа тәсілдер ойлап табады. Кейде тіпті белгілі бір мәселенің шешімі бар ма, жоқ па, соның өзі белгісіз болады. Мұны тек зерттеу арқылы анықтауға болады.

Research engineer – осы екеуінің ортасындағы мамандық деуге болады. Ол бір жағынан ғылыми зерттеумен айналысады, яғни жаңа сұрақтарға жауап іздейді. Екінші жағынан, сол зерттеулерді жүргізу үшін код жазады, тәжірибелер құрады, түрлі жүйелерді іске асырады. Мысалы, жаңа алгоритм немесе жаңа деректер құрылымын жасау керек болса, оны тек теория жүзінде емес, тәжірибе арқылы да тексеру қажет. Сондықтан research engineering – инженерияны ғылыми зерттеу мақсатында қолданатын аралық бағыт.

ЖИ мамандарына не жетіспейді?

– Қазір ЖИ мамандары баршылық. Бірақ фундаменталды білімді терең түсінетін адамдар аз сияқты. Неліктен?

– Меніңше, бұған ЖИ-дің айналасындағы хайп пен үлкен қызығушылық әсер етті. Қазір бұл салаға өте көп инвестиция салынып жатыр. Сұраныс та өте жоғары. Бірақ машиналық оқыту мен ЖИ бойынша терең дайындықтан өткен мамандар саны әлі жеткіліксіз. Әсіресе PhD деңгейіндегі мамандар аз. Сондықтан компаниялар кейде фундаменталды білімі онша терең емес мамандарды да жұмысқа алуға дайын.

Алдағы уақытта ЖИ мен машиналық оқыту бойынша жоғары деңгейде білім алған мамандар көбейеді деп ойлаймын. Бірақ бұл ұзақ процесс. Бір адамды PhD деңгейінде дайындау үшін көп уақыт қажет. Сол себепті болашақта сұраныс азая ма, әлде мамандар саны арта ма, оны уақыт көрсетеді.

– Зерттеушіні практик инженерден ажырататын негізгі технологиялық білім қандай деп ойлайсыз?

– Меніңше, зерттеушінің ойлау жүйесі мүлде басқаша қалыптасады. PhD оқыған кезде адам белгілі бір саланы өте терең зерттейді. Тіпті кейде басқа нәрселердің бәрін ұмытып кететіндей деңгейде бір тақырыпқа толық шоғырланасыз. Диссертация жазу барысында сіз бір ғана нақты тақырыпты таңдап, сол бойынша әлемдегі ең мықты мамандардың біріне айналуға тиіссіз. Яғни дәл сол тар бағыттағы біліміңіз көп жағдайда әлемдегі кез келген адамнан тереңірек болуы мүмкін.

Әрине, өзге салалар мен басқа тақырыптарды толық білмеуіңіз мүмкін. Бірақ дәл сол бағытта сіз ең терең білім иесіне айналасыз. Бұл адамның ойлау тәсілін өзгертеді.

Әдетте біз белгілі бір мәселе туындаса, сарапшылардан жауап іздейміз. Ал PhD барысында сіз сол тақырыптағы басты сарапшыға айналасыз. Яғни сізден артық білетін адам болмауы мүмкін. Сондықтан зерттеуші қандай да бір мәселені шешпес бұрын, алдымен осы бағытта басқа ғалымдар не істегенін зерттейді. Ғылыми мақалаларды, жаңа алгоритмдерді, жарияланған әдістерді қарайды. Барлық ақпаратты жинақтағаннан кейін ғана, осы мәселені шешудің ең тиімді жолы қандай, бұрынғы әдістердің қайсысы әлсіз, нені жаңартуға болады деген сұрақтарға жауап іздейді.

Ал инженердің тәсілі сәл өзгеше. Инженердің қолында бағдарламалау тілдері, алгоритмдер, деректер құрылымдары сияқты дайын құралдар болады. Ол сол құралдарды нақты мәселені шешуге қалай тиімді қолдануға болатынын ойлайды. Бұл да өте тиімді тәсіл. Бірақ оның шектеуі бар. Кей жағдайда инженер жаңа ғылыми зерттеулерден, жаңа алгоритмдерден немесе жаңа әдістерден хабарсыз болуы мүмкін.

Сондықтан зерттеуші болашақта қандай технологиялар мен алгоритмдер танымал болатынын алдын ала түсінуге тырысады. Бір, екі немесе бес жылдан кейін саланың қай бағытта дамитынын бақылап отырады. Өйткені зерттеушінің жұмысы міндетті түрде жаңа болуы керек. Сондықтан біз соңғы ғылыми жаңалықтарды үнемі бақылап жүреміз.

Жас зерттеушілер мен студенттердің жиі жіберетін үш басты қателігі

– АҚШ-та машиналық оқыту және ғылыми зерттеу бағытындағы ең мықты университеттер қайсы?

– Бұл сұраққа нақты жауап беру қиын. Бірақ Carnegie Mellon University өте жоғары деңгейде деп айтар едім. Сонымен қатар MIT, Stanford, UC Berkeley-ді атауға болады. Princeton да өте мықты университет. Бірақ машиналық оқыту бойынша Carnegie Mellon мен MIT әдетте ең жоғарғы қатарда аталады.

– Жас зерттеушілер қандай қателіктерді жиі жібереді?

– Меніңше, олардың көбі курстарға шамадан тыс беріліп кетеді. Әсіресе бакалавриат студенті кезінде GPA мен бағалар өте маңызды. Сондықтан жақсы оқу қажет. Бірақ магистратура және докторантура деңгейінде, әсіресе PhD кезінде, бағалардың маңызы азаяды. Оның орнына зерттеу тәжірибесі әлдеқайда маңызды бола бастайды.

Әрине, егер сіздің мақсатыңыз тек магистр дәрежесін алу болса, бағалар маңызды. Ал мақсатыңыз PhD болса, ең бастысы ғылыми зерттеу жүргізу және ғылыми мақалалар жариялау керек. Сондықтан PhD кезінде уақытыңыздың көп бөлігін зерттеуге арнағаныңыз жөн. Яғни, ғылыми жобаларды белгілі бір деңгейге жеткізіп, оларды мақала ретінде рәсімдеп, конференциялар мен ғылыми журналдарға жариялау маңызды. Меніңше, бұл ең басты нәрсе. Тағы бір жиі кездесетін қателік, жас зерттеушілер үлкен картинаны ұмытып кетеді. Олар инженер сияқты ойлауды жалғастыра береді.

Ал ғылыми зерттеуде біздің мақсат тек бұрынғыдан жақсырақ жүйе жасау емес, бұрын ешкім жауап бермеген ғылыми сұрақтарға жауап табу. Сондықтан ғылыми жаңалық, яғни жаңашылдық өте маңызды. Сіздің жасап жатқан дүниеңіз міндетті түрде жаңа болуы керек.

– Адамның ғылымдағы потенциалын қалай анықтайсыз? Талант маңызды ма, әлде тәртіп пен еңбек пе?

– Өте жақсы сұрақ. Мен Purdue университетінде PhD бағдарламасына қабылдау комиссиясында жұмыс істедім. Біз компьютерлік ғылым факультетіне кім қабылданатынын шешетінбіз. Сол тәжірибеден айтарым, бакалавриат студенті кезеңінде ғылыми мақала жариялаған студент – өте күшті кандидат. Әсіресе мақала беделді конференцияда жарияланса және студент бірінші автор болса, бұл біз үшін өте мықты сигнал. Бұл оның зерттеу жүргізе алатынын, PhD кезінде де ғылыми мақалалар жариялай алатынын көрсетеді.

Студент үшін зерттеу тәжірибесін бастаудың ең тиімді жолдарының бірі – сабақта жақсы нәтиже көрсету. Егер студент пәнді терең меңгеріп, белсенділік танытса, профессорға өзін ұсынып, бірге зерттеу жобасында жұмыс істей алады. Осындай зерттеу жұмыстары кейін ғылыми жарияланымдарға алып келеді. Ал ғылыми мақалалар мықты конференцияларда жарияланса, бұл үлкен артықшылық береді.

Бұдан бөлек, бакалавр студенті кезінде бірге жұмыс істеген профессорлар ұсыным хат жазады. Бұл да PhD қабылдау кезінде ең маңызды факторлардың бірі.

ЖИ мен машиналық оқыту саласындағы шешілмеген 3 күрделі мәселе

– Қазір ЖИ саласында жеткілікті бағаланбай жүрген бағыттар бар ма?

– Қазір бүкіл назар терең нейрондық оқытуға ауып кеткен. Соңғы он жылда бұл бағыт өте танымал болды. Сондықтан терең оқыту жеткілікті бағаланбай жатыр деп айта алмаймын. Керісінше, бұл салада адам өте көп.

Үлкен тілдік модельдер бағытында да мыңдаған зерттеуші жұмыс істеп жатыр. Бірақ нейросимволдық әдістер қызықты бағыт болуы мүмкін деп ойлаймын. Бұл терең нейрондық оқыту әдісі секілді нейрондық әдістерді символдық әдістермен біріктіруге бағытталған тәсіл.

Символдық әдістердің нейрондық жүйелерде жоқ артықшылықтары бар. Сондықтан екеуін дұрыс біріктірсе, болашақта әлдеқайда тұрақты ЖИ жасауға мүмкіндік туар еді. Мысалы, мұндай жүйелер жалған ақпаратты ойдан құрастыруға азырақ бейім болуы ықтимал. Сондықтан дәл осы бағыт қазір жеткілікті бағаланбай жүрген салалардың бірі деп білемін.

– Осы саладағы проблемалар туралы не айтасыз?

– Қазіргі жасанды интеллект пен машиналық оқыту саласында әлі де шешілмеген күрделі мәселелер көп. Мысалы, ең үлкен проблемалардың бірі – ұзақ тізбекті пайымдау жасау қабілеті. Бұл дегеніміз, көптеген қадамнан тұратын күрделі мәселелерді жүйелі түрде шеше алу. Мұндай қабілет әсіресе бағдарламалау саласында өте маңызды. Үлкен көлемдегі бағдарламаны жасау кезінде көптеген логикалық қадамды дұрыс байланыстырып отыру қажет.

Медицина мен құқық саласында да ұзақ тізбекті пайымдау аса маңызды рөл атқарады. Тағы бір маңызды бағыт – роботтехника. Роботтар өз әрекеттерінің тізбегін алдын ала жоспарлай алуы керек. Әсіресе ұзақ мерзімді жоспарлау қиын мәселе болып тұр. Ал қазіргі ЖИ модельдері роботтехника үшін қажет ұзақмерзімді жоспарлау мәселесін әлі өте жақсы шеше алмайды.

Тағы бір маңызды ашық мәселе – әлем моделін құру. Бұл жүйенің әлем туралы ішкі модель құра білу қабілеті. Яғни ЖИ өз ортасының белгілі бір ішкі бейнесін қалыптастырып, соның көмегімен болашақ әрекеттерді алдын ала елестете алуы керек. Адамдар да дәл солай жұмыс істейді. Біз белгілі бір әрекет жасамас бұрын, оның салдарын ойша модельдейміз. Ал қазіргі ЖИ жүйелерінде мұндай әлем моделін құру қабілеті әлсіз. Сондықтан қазір көптеген зерттеуші жасанды интеллект жүйелеріне мықтырақ әлем моделін енгізуге тырысып жатыр.

Неліктен фундаменталды ғылымды дамыту тек мемлекетке тиімді?

– Terminator немесе Iron Man фильмдеріндегі секілді жасанды интеллект пайда болуы мүмкін бе?

– Иә, бұл орынды алаңдаушылық. Кей адамдар бұған қатты алаңдайды. Жеке пікірім бойынша, теориялық тұрғыда мұндай нәрсе болуы мүмкін. Бірақ жақын болашақта болады деп ойламаймын. Кем дегенде алдағы бес жылда ондай деңгейге жетпейміз. Ал 10-20 жылдан кейін ықтималдығы артуы мүмкін. Бірақ оның өзі 50 пайыздан жоғары деп нақты айта алмаймын. Өйткені бұл сала өте жылдам дамып жатыр. Тіпті 10 жылдан кейін не болатынын болжау барған сайын қиын болып барады.

– Қазіргі ЖИ жай ғана инженерия ма, әлде ғылымға айналып үлгерді ме?

– Қазір жасанды интеллект ғылымның өзінде де белсенді қолданыла бастады. Мысалы, адамдар жасанды интеллект зерттеушісі немесе жасанды интеллект зерттеу көмекшісі жүйелерін жасап жатыр. Ғалымдар жасанды интеллектіні ғылыми мақала жазуға; эксперимент жүргізуге; зерттеу нәтижелерін талдауға қолданып жүр. Яғни ЖИ тек инженерия саласында емес, ғылым саласында да пайдаланыла бастады.

Бұл тек компьютерлік ғылыммен шектелмейді. Мысалы, медицинада, материалтану бағытында, физикада жасанды интеллект жаңа эксперименттер ұсыну үшін қолданылып жатыр. Әрине, ғылыми зерттеулердегі ЖИ қолданысы әзірге толық кең таралған жоқ. Қазір оны зерттеушілердің аз бөлігі ғана белсенді пайдаланады. Бірақ бұл технология біртіндеп кеңінен таралып келеді.

– Қазақстанда неге фундаменталды ғылымға баратын адамдар аз? Бұл білім жүйесіне байланысты ма, мәдениет пе, әлде мотивация мәселесі ме?

– Меніңше, бұған екі негізгі себеп бар. Біріншісі, фундаменталды ғылымға қаржының жеткіліксіз бөлінуі. Бұл түсінікті де. Өйткені фундаменталды зерттеулерден пайда бірден келмейді. Бұл – ұзақмерзімді инвестиция.

Ал инженерия немесе зерттеу инженериясы бағытындағы жобалардан нәтиже тезірек көрінеді. Яғни зерттеуді индустрияда қолданып, инвестицияның қайтарымын ертерек алуға болады. Сондықтан фундаменталды ғылымды дамыту үшін мемлекет белсендірек қатысуы керек деп ойлаймын. Себебі мемлекет ұзақмерзімді нәтиже туралы көбірек ойлай алады. Ал бизнес көбіне қысқамерзімді табысқа бағытталады. Бірақ тек қаржы жеткіліксіз. Сонымен қатар ғылыммен айналысқысы келетін талантты зерттеушілер мен студенттер де қажет. Сондықтан Қазақстанда мықты университеттердің болуы өте маңызды. Олар зерттеушілерді тарта алуы керек.

Меніңше, қазір бұл бағытта оң өзгерістер байқалады. Университеттерге инвестиция артып жатыр. Мысалы, Назарбаев университеті жаңа форматтағы өте мықты ЖОО-ға айналды және талантты адамдарды көбірек тарта бастады. Сонымен қатар студенттерге ғылыми зерттеу жасауды үйрететін профессорлар қажет. Яғни, қаржыландыру, мықты оқытушылар, талантты студенттер бірдей маңызды.

– Ал өзіңіз Қазақстаннан шыққан әлемдік деңгейдегі ғалым бола аламын деп ойлайсыз ба?

– Үміттенемін. Мен Қазақстанда ғылыми зерттеуді насихаттап, жастарды ғылымға шабыттандырғым келеді. Өйткені бұл тек Қазақстан үшін емес, бүкіл әлем үшін пайдалы деп ойлаймын. Қазақ жастарының әлемді өзгертуге, оны жақсырақ етуге әлеуеті жетеді. Сондықтан мен ғылымға, ғылыми зерттеу мен инженерия саласына қызығатын жастарға мотивация бергім келеді. Өз тарапымнан қолдан келгенше мықты ғылыми зерттеу жүргізуге, стартаптарға көмектесуге; Қазақстандағы жобалармен жұмыс істеуге, адамдарға ғылымда өсуге көмектесуге тырысамын.

Қазақстанда да мықты ғалымдар, инженерлер мен зерттеушілер көбейеді деп сенемін.

– Сұхбатыңызға рахмет.

Kapital.kz іскерлік ақпарат орталығының материалдарымен жұмыс істегенде тек 30% мәтінді ғана пайдалану, міндетті түрде көзге гиперсілтеме қою арқылы рұқсат етіледі. Толық материалды пайдалану үшін редакцияның рұқсатын алу қажет.

Сізге қызықты болуы мүмкін

Kapital.kz-ті оқыңыз