Чёрно-белый портрет Елены Малютиной

Елена МалютинаФото: из личного архива собеседницы.

ИНТЕРВЬЮИСТОРИЯ ФАУНДЕРАВАРШАВА

«Машины видят людей, но не видят систему». Елена Малютина — о BEHAVE, Physical AI, математике человеческого поведения и интересе Palantir.

Робот может видеть каждого человека в комнате и все равно упустить главное — как люди влияют друг на друга. Елена Малютина взялась описать эту динамику математически. В 2026 году она опубликовала препринт о BEHAVE, модели коллективного поведения для Physical AI, а теперь на её основе развивает Shiftfield — продукт для разработчиков автономных систем. В интервью BYGRID Малютина рассказывает, какой вопрос пережил два её стартапа и что выдает потенциальную давку в толпе, даже если люди движутся как обычно.

Текст: Юлия Нехай8 мин чтения

Содержание

01Письмо от Palantir

«Я стояла с бокалом вина и вдруг поняла, какой путь прошла»

Обычный вечер, и тут тебе пишет Palantir. У тебя часто так?

— Помню тот момент почти покадрово. Вечер, я дома, наливаю бокал красного итальянского вина, загорается экран телефона: «Hi BEHAVE team, we're very excited about what you're building. We'd love to set up a call and learn more about your company and team…» Подпись: Palantir.

Стандартное корпоративное письмо, но я не поверила своим глазам. Стою с бокалом и думаю: «Посмотри, какой путь ты прошла». Еще год назад — внутреннее опустошение, разбитое эго, ощущение социальной смерти. А теперь Palantir хочет обсудить твою математическую модель.

За этим стояли не только месяцы R&D, ошибок, научной работы и экспериментов, но и гораздо более сложный внутренний путь — от депрессии к пониманию того, кто я, что хочу создавать. Конечно, письмо ничего не доказывает о потенциале технологии, впереди еще многое предстоит подтвердить.

Но в тот момент я четко увидела расстояние между двумя точками собственной жизни и почувствовала спокойное уважение к себе. Я наконец сделала долгий глоток красного итальянского вина и отложила телефон.

И что было дальше?

— Мы созвонились, прошли интервью и продолжили общение, в том числе по организационным вопросам. Возник вопрос с визой технического лида, поскольку программа предполагала личное участие команды.

Но я воспринимаю эту историю как легкий кивок: возможно, мы движемся в действительно важном направлении. Palantir работает со сложными системами, данными и принятием операционных решений, поэтому мне было особенно интересно обсудить нашу исследовательскую постановку с продуктовой командой такого уровня.

02BEHAVE и Physical AI

«Можно видеть каждого человека и оставаться слепым к системе»

Какую проблему решает BEHAVE?

— BEHAVE — движок реального времени с AI (real-time AI engine) для моделирования коллективной динамики людей и машин. Он анализирует состояние и устойчивость системы, выявляя признаки перехода к опасным режимам — заторам, давкам, конфликтам.

Это новый уровень Physical AI: вместо наблюдения отдельных людей — понимание системы их взаимодействий и последствий вмешательства в неё.

Сегодня машина может видеть каждого человека, знать его положение, скорость и траекторию — и оставаться слепой к системе, которую люди образуют. Потому что человеческая группа — сложная динамическая система, где взаимодействия создают обратные связи и так называемые эмерджентные свойства, которых нет у отдельных участников.

Представь облако: можно знать все о каждой капле, но не понять, превратится ли оно в грозу, не исследуя динамику атмосферы. Так и с людьми: ключ к пониманию группы — не только в её участниках, но и в связях между ними, определяющих поведение целого.

Но движение толпы ведь уже давно изучают?

— Безусловно. При этом подход существующих решений — аппроксимация (упрощение) и далее экстраполяция (прогнозирование) приближенных вычислений траекторий отдельных людей, не анализируя человеческую группу как сложную систему. Хотя еще в начале XX века Георг Зиммель рассматривал общество через взаимодействия людей, а не просто их совместное присутствие. Меня же заинтересовал инженерный вопрос: можно ли математически измерять структуру этих взаимодействий, динамику их изменений и влияние на устойчивость системы?

Как все это может работать в реальном мире?

— Представь робота на производстве. Он видит людей, рассчитывает маршрут, избегает столкновений. Формально все безопасно. Но внезапно робот останавливается посреди прохода — и люди начинают его обходить, меняют траектории, замедляют друг друга. Возмущение распространяется по системе, и в результате может нарушиться работа целого участка. То есть робот не столкнулся ни с одним человеком, но эффективность всей системы позади падает.

А теперь представь камеры, наблюдающие за толпой. Сегодня они способны распознать драку, опасную плотность. Но можно ли увидеть приближение к бифуркации — качественному переходу системы от локальной потасовки к массовому конфликту, или от плотного потока к давке — еще до самого события?

Именно эту задачу исследует BEHAVE: анализ состояния и динамики взаимодействий, а не просто фиксация последствий. На его основе мы развиваем Shiftfield — инфраструктурный слой для Physical AI, доступный через API.

Елена Малютина в чёрном костюме на студийном портрете

Фото: из личного архива собеседницы.

Сегодня машина может видеть каждого человека, знать его положение, скорость и траекторию — и оставаться слепой к системе, которую люди образуют. Потому что человеческая группа — сложная динамическая система.
Елена Малютина

03Как заметить приближение затора в толпе

«Лучший результат — событие, которого не произошло»

Что удалось экспериментально доказать?

— Один из самых интересных экспериментов связан с движением людей через узкий проход. На публичных данных базы Jülich мы обнаружили статистически значимые различия в организации движения людей и смогли за 12 секунд до столпотворения увидеть его приближение. 12 секунд — это много! Этого времени достаточно, чтобы спасти жизни. В другом эксперименте, на данных DIAMOR, информация о взаимодействиях улучшила распознавание реальных групп по сравнению с моделью, основанной на близости.

То есть ваша задача — предупреждать кризисы до того, как они произойдут?

— Именно. Сегодня давка, конфликт или остановка производства становятся поводом начать анализ. А меня интересует состояние системы до события — когда кризис еще можно предотвратить. Это принципиальный переход от фиксации последствий к раннему обнаружению признаков смены режима. Парадоксально, но лучший результат нашей технологии — событие, которого не произошло.

04Чему научили Artyline и FAMS

«Быть правым относительно будущего недостаточно»

До BEHAVE ты развивала два стартапа, привлекала инвестиции, выводила продукты на рынок, закрывала стартапы. Как этот опыт повлиял на то, что ты делаешь сегодня?

— Колоссально. Опыт Artyline — приложение, которое превращало нарисованные на бумаге карандашные скетчи в интерактивные цифровые макеты, — научил меня различать технологический потенциал и готовность рынка. В 2018 году мы создали продукт, привлекли инвестиции, получили платящих клиентов, но не вышли вовремя в B2B. А в B2C сильно опередили рынок: год назад похожую технологию реализовали и продали. С тех пор к любимому вопросу инвесторов «Почему сейчас, а не вчера?» я добавляю свой: «Почему сейчас, а не завтра?» Быть правым относительно будущего недостаточно — нужно попасть во время.

FAMS дал другой опыт. Мы привлекли инвестиции в интерактивный продукт для родителей, а собственный AI-движок персонажей превратили в коммерческое направление для игровых студий. Но стремительное развитие фундаментальных AI-моделей изменило конкурентную среду. Оценив перспективы и экономику, решили не продолжать компанию в прежней конфигурации.

Сегодня я вижу в этих проектах гораздо больше предпринимательского опыта. Artyline научил меня превращать технологию в продукт, FAMS — исследовать последствия человеческих решений и находить коммерческую ценность в собственных разработках.

BEHAVE объединил эти линии с инженерной подготовкой и интересом к сложным системам. Теперь я лучше понимаю не только, что хочу создать, но и какие условия нужны, чтобы технология стала большим устойчивым бизнесом.

У меня появилось спокойное ясное понимание: ни один из этих этапов не был случайным или лишним. Каждый дал что-то, без чего BEHAVE вряд ли мог бы появиться.

Как ты пришла к идее анализировать среду, в которой могут находиться роботы?

— После закрытия FAMS был непростой период. Я бесконечно переосмысляла решения, опыт, ошибки. Позже узнала, что в когнитивной психологии существует понятие инсайта через реструктуризацию: накопленная информация вдруг складывается в принципиально новую картину из-за какого-то триггерного события. У меня это произошло довольно неожиданно. Один из инвесторов с женой подарили мне фотосессию. Я приехала на съемку, мы начали работать и фотограф вдруг сказала: «У тебя просто нереально красивый взгляд». И я вдруг осознала, насколько давно воспринимала себя исключительно через достижения, решения и их последствия. На секунду увидела себя совершенно иначе.

И когда ехала домой, у меня произошел переход: вдруг увидела связи между всеми своими интересами, переживаниями, опытом. Есть фундаментальный закон диалектики: переход от количественных изменений в качественные. Так весь мой опыт, переживания, идеи и связи между ними по дороге домой в машине и реализовали этот качественный переход и родилась идея BEHAVE.

Откуда вообще интерес к человеческим системам такого масштаба?

— Еще в школе я участвовала в олимпиадах, увлекалась цивилизационными процессами, геоэкономикой и геополитикой. Меня интересовало, как из миллионов решений складывается историческая динамика обществ. Почему одни системы сохраняют устойчивость, а другие меняют сам характер развития?

Инженерное образование в области информационных технологий и управления техническими системами дало другой язык: состояния, обратные связи, устойчивость, управляющие воздействия. В теории динамических систем есть понятие бифуркации, о котором мы уже говорили ранее. Меня всегда завораживало, как постепенные изменения приводят к совершенно иному состоянию целого.

И возник вопрос: почему я разделяю эти два интеллектуальных мира? Что, если это две стороны одной медали и человеческие системы можно исследовать математическим аппаратом теории управления? Сегодня BEHAVE работает с наблюдаемыми физическими группами. Но мне интересны и большие масштабы — организации, общества, цивилизации. Особенно после интереса компаний вроде Palantir.

Елена Малютина сидит в профиль на фоне оконных теней

Фото: из личного архива собеседницы.

Хочу привлекать деньги как можно позже. Сначала разобраться с технологией, рынком, подтвердить ценность и экономику. И только потом привлекать капитал под конкретную задачу, когда понимаешь, что именно он должен ускорить.
Елена Малютина

05Когда стартапу нужны инвестиции

«Дают деньги — бери». А что, если сначала понять зачем?

Ты когда-то руководствовалась принципом «Дают деньги — бери». Как изменился твой подход к предпринимательству?

— Инвестиции — мощнейший инструмент. Но буквально вчера мы обсуждали это с Олегом Хусаеновым, и я поймала себя на любопытной перемене. Раньше мой принцип был: «Дают деньги — бери». Я старалась привлечь инвестиции как можно раньше. В FAMS — еще до появления продукта и сформированной идеи.

А сейчас наоборот: хочу привлекать деньги как можно позже. Сначала разобраться с технологией, рынком, подтвердить ценность и экономику. И только потом привлекать капитал под конкретную задачу, когда понимаешь, что именно он должен ускорить.

Это не отказ от амбиций. Напротив, чем масштабнее возможность, тем важнее не перепутать скорость привлечения денег со скоростью создания ценности.

Каким ты видишь будущее BEHAVE?

— Хочу сделать его инфраструктурой для Physical AI — от робототехники и автономных автомобилей до производств и интеллектуальных камер. Мы уже проверяем технологию в пилотах и ищем партнеров, чтобы другие компании могли создавать автономные системы, понимающие коллективную динамику и способные реагировать до наступления критических событий.

При этом понимать человеческую систему — не значит иметь право управлять людьми. Поэтому мы сознательно исключили распознавание личностей и эмоций.

Раньше мне казалось, что главное — увидеть будущее раньше других. Теперь мне интереснее создавать условия, при которых оно станет возможным.

Я знаю, что хочу исследовать, что хочу построить и почему это важно.

Если материал был полезен, угостите редакцию кофе. Ваша поддержка помогает нам продолжать общаться с фаундерами и рассказывать об их опыте.

Угостить редакцию кофе (откроется в новой вкладке)
Поделиться