– Kaip Jūs jaučiatės, laimėjęs mokslo premiją? Vis dėlto gavote įvertinimą už 14 metų publikuotų darbų ciklą.
– Tai didelė garbė, svarbus apdovanojimas. Tai prestižiškiausias Lietuvos mokslo apdovanojimas.
– Ar Jūs tikėjotės gauti šį apdovanojimą?
– Žinoma, kai pristato darbus, tikiesi būti apdovanotas, bet mane pristatė jau ne pirmą, o ketvirtą kartą. Šis kartas buvo sėkmingas. Žinoma, daug kas priklauso nuo to, kokie kiti kandidatai, kitaip tariant, kas yra konkurentai. Šį kartą konkurentai vėl buvo labai stiprūs. Tarp nominuotųjų buvo Lietuvos mastu žinomų kolektyvų. Buvo tikrai sunku tikėtis [pergalės].
– Jūsų darbų ciklas vadinasi „Globalioji optimizavimo algoritmų kūrimas, lygiagretinimas ir pritaikymas“. Gal galite papasakoti, apie ką Jūsų darbas?
– Turbūt dauguma žmonių yra girdėję, supranta, kas yra taikymas. Taip pat yra kažką girdėję apie optimizavimą. Paprastai žmonės optimizavimą supranta kaip gerinimą. Reikia rasti geriausią sprendimą, pasirinkti iš geriausių variantų. Pavyzdžiui, kasdienėje veikloje, kai renkamės kelią į darbą, turime kelis galimus kelius, juos apmąstome ir pasirenkame vieną.
Dažnai tų pasirinkimų gali būti labai daug arba net be galo daug. Tada reikia įdarbinti kompiuterius arba bent jau suformuluoti taip vadinamus algoritmus, kaip tie uždaviniai bus sprendžiami. Pavyzdžiui, kaip, statant tiltą, sunaudoti mažiausiai medžiagų, kaip, perkant produktus savaitei, būtų pigiausia tai padaryti. Algoritmus užprogramuojame su specialia programa, kuri vykdoma kompiuteriu. Tam tikru būdu ji perrenka, palygina sprendimus ir išrenka geriausią.
Mano darbuose dažniausiai naudojamas „skaldyk ir valdyk“ metodas. Pavyzdžiui, namie ieškote raktų. Kažkur juos pasidėjote ir neatsimenate kur. Jei įėjote į kambarį ir sugebėjote apžvelgti viską, visas vietas (tarkime, kad ten nėra spintų, lentynų arba jose viskas matosi), jūs pasakėte – čia raktų nėra. Tada galite eiti į kitą kambarį. Ten pamatysite spintą, stalčius. Tada paiešką daliname į atskiras dalis. Pirmiausia ieškosime spintoje. Atsidarome spintą, ten pamatome lentynas. Galima jas visas apžvelgti ir pasakyti – ne, čia raktų nėra. Tada galime ieškoti toliau kažkur kitoje vietoje. Galbūt stalčiuose turime pasirausti giliau. Paiešką daliname į mažesnes ir taip galų gale randame raktus.
Globalioje paieškoje, globaliame optimizavime randame kažkokį, atrodo, gerą daiktą. Galbūt giliausią duobę iki šiol, bet mes dar nežinome, galbūt kita kambaryje bus dar geresnė duobė. Dėl to turime pereiti per visą paieškos sritį, jei norime būti tikri, kad uždavinį tikrai išsprendėme ir tai, ką randame, tikrai yra pats geriausias sprendimas.
– Ar tarp Jūsų aprašyto algoritmo, yra kažkas, ką Jūs pats atradote, pats sugalvojote, ar tiesiog susisteminote kitų pamąstymus?
– Kai reikia skaičiuoti rėžius, būtina sugalvoti naujų [algoritmų]. Darbų cikle sugalvota visiškai naujų rėžių, kurių niekas kitas nebuvo pasiūlęs. Mums pavyko netgi išspręsti tokius sudėtingus uždavinius, kurių, atrodė, neįmanoma išspręsti.
– Gal galite pateikti pavyzdžių?
– Pavyzdžiui, duomenų vizualizavime vienas iš uždavinių – rasti daugiamačių duomenų atvaizdą. Vaizduojame objektus taškeliais dvimatėje erdvėje tokiu būdu, kad atstumas tarp taškelių būtų kuo panašesnis į mūsų duotus duomenis. Kai kuriuose darbuose sudaryti tokie algoritmai, dėl kurių pirmą kartą garantuotai galime pasakyti – išsprendėme, ir tai tikrai pats geriausias atvaizdavimas.
– Ar šiuos algoritmus būtų galima pritaikyti, sprendžiant, pavyzdžiui, žmonių kasdienes problemas?
– Taip, darbų cikle yra taikymų. Pavyzdžiui, [...] jei ieškoma retų mutacijų, tai pacientų tyrimus galima suskirstyti į grupes, kad atlikti šiuos tyrimus būtų pigiau. Mes pasiūlėme algoritmą, kaip grupuoti pacientus ir sukūrėme programinę įrangą, kuri pasiekiama internete. (Bendradarbiavome su italų mokslininkais.) Kiekvienas žmogus turėtų būti suinteresuotas, kad medicininiai tyrimai kainuotų pigiau. Tokiu atveju, būtų užtikrinama ta pati tyrimų kokybė, bet viskas būtų padaroma greičiau ir pigiau. Visi turėtų būti suinteresuoti.
– Esate sakęs, kad Jūsų darbų cikle surašyti taikymai gali spręsti verslo, rinkos, farmakologijos, medicinos, chemijos, statybos inžinerijos uždavinius.
– Taip, ciklo darbuose šie taikymai aprašyti gana plačiai. Vienas uždavinys, kurį mes sprendėme keliuose darbuose, – objektų vietos parinkimas. Galima sakyti taip – norime statyti naują parduotuvę, kur tai daryti? Tikslas – pritraukti kuo daugiau klientų, bet kai kur parduotuvės jau yra pastatytos. Tas pats parduotuvių tinklas jau kažkur turi parduotuvių.
Galbūt kartais net atrodo, kad pastatysime naują parduotuvę kur nors greta, šalia, kad tik daugiau pritrauktume naujų klientų, bet reikia atsižvelgti ir į tai, kaip tai padaryti, kuo klientai vadovaujasi. Visa tai priklauso ir nuo parduotuvių dydžio, paslaugų kokybė. Ar žmogus eis apsipirkti vienur ar kitur, priklauso ne tik nuo atstumo, bet ir nuo kokybės. Tada optimizavimo algoritmai ieško optimalios vietos naujoms parduotuvėms statyti.
– Jei verslininkas norėtų statyti naują prekybos centrą, jis galėtų pakviesti Jus, kad apskaičiuotumėte, ar apsimoka tai daryti pasirinktoje vietoje?
– Iš principo – taip. Žinoma, dažniausiai tam jau reikia turėti įvairių duomenų.
– Bet, jei Jūs visą tą informaciją pats gautumėte, Jūs galėtumėte apskaičiuoti, ar apsimoka statyti parduotuvė?
– Taip, galima tai padaryti. Tai būtų modelis, kuris padėtų pasirinkti.
Ciklo darbe dar pavartotas žodis „lygiagretinimas“. Kai kurių uždavinių savo asmeniniais kompiuteriais negalime išspręsti dėl ribotų laiko, atminties resursų. Išspręsti uždavinį galbūt prireiktų metų ar dešimties, o jums sprendimą reikia turėti, pavyzdžiui, po kelių dienų. Tokiais atvejais reikia pagreitinti procesą.
Vienas iš pagreitinimo būdų – sugalvoti vis geresnius algoritmus, bet, kai nieko kitko neišeina, bandome padaryti taip, kad kompiuteriai, kompiuterių klasteriai, superkompiuteriai, kompiuterių tinklai viską spręstų kartu. Siekiame, kad daug kompiuterių vienu metu spręstų tą patį uždavinį. Jei reikia, uždavinį padalijame į gabaliukus, kad kompiuteriai būtų vienodai apkrauti darbu ir vienas kompiuteris nedarytų to, ką daro kitas. Tai ne visada lengva.
Įsivaizduokime, kad reikia kasti griovį ir turime šimtą žmonių. Jie visi prie vienos vietos neprieitų, bet, jei plotą, kuriame kasama, padalintų taip, kad vienoje vietoje kastų vienas, o kitoje – kitas, jie taip galėtų vienu metu baigti užduotį. Technikoje, moksle tai ne visada lengvai pavyksta, todėl iš anksto nėra žinoma, kaip kompiuteriams darbus išdalinti po lygiai.
Tai reiškia, kad darbo eigoje vėl reikėtų perskirstyti darbus. Žinoma, tas perskirstymas, bendravimas per kompiuterį atima papildomo laiko. Parinkti reikia optimaliai, kad darbų visiems užtektų ir visi kompiuteriai būtų vienodai apkrauti, nedubliuotų vienas kito darbo ir panašiu laiku baigtų užduotis. Ciklo darbuose keliems algoritmams buvo kuriamos lygiagrečios versijos.
– Teko skaityti, kad Lietuvos globaliojo optimizavimo mokslininkai gana gerai žinomi užsienyje. Ar tai tiesa?
– Taip, tiesa. Yra toks tarptautinis žurnalas – „Journal of Global Optimization“. Jis žinomas tarptautiniu mastu. Vienu metu net trys Lietuvos mokslininkai buvo tos redkolegijos, kurią sudaro 20–30 žmonių, nariais. Mus kviečia ta tematika skaityti pranešimus konferencijose. Mes bendradarbiaujame su kitais užsienio mokslininkais. Mūsų, pavadinkime, globalinio optimizavimo mokykla žinoma. Kartais konferencijose tenka sutikti nepažįstamus žmonės, kurie sako – taip, žinau, to ir ano darbus. Tai, žinoma, džiugina. Esame pripažinti tarptautiniu mastu. Reikia ir toliau taip dirbti.
