Евгений Бурнаев, директор Центра прикладного ИИ Сколтеха, представил сегодня ключевые результаты и планы центра на заседании АНО "Цифровая экономика".
Итоги за 2021-2023 гг.:
🌐 Разработаны новые методы анализа многомерных данных.
📚 Опубликовано 17 публикаций на конференциях А*.
🚀 Запущено 3 фреймворка.
🏭 Реализованы запланированные проекты для индустриальных партнеров, в частности, для нефтесервисных технологий, мониторинга состояния территорий, повышения эффективности вычислительной инфраструктуры и для оценки влияния рисков.
Планы на 2025-2027 гг.:
🧠 Фундаментальные разработки в области генеративных моделей.
🔓 Предоставление открытого доступа к программным библиотекам DataFusion, SciML и GreenAI.
⚙️ Проведение опытно-промышленной эксплуатации Программной платформы мультимасштабного мониторинга и управления рисками для решения задач устойчивого развития регионов и промышленных предприятий РФ в пилотных регионах.
🌐 Интеграция региональных источников данных для новых сервисов.
Планы на 2028-2030 гг.:
🔗 Интеграция программной платформы с аналитическими системами ФОИВ / РОИВ.
🚀 Старт промышленной эксплуатации программной платформы в пилотных регионах.
🌍 Масштабирование платформы на другие регионы РФ.
Общий объем внебюджетного софинансирования Центра за 2023 год планируется выполнить со значительным превышением (213,5 млн. рублей вместо 172 млн. рублей). 💰
Итоги за 2021-2023 гг.:
🌐 Разработаны новые методы анализа многомерных данных.
📚 Опубликовано 17 публикаций на конференциях А*.
🚀 Запущено 3 фреймворка.
🏭 Реализованы запланированные проекты для индустриальных партнеров, в частности, для нефтесервисных технологий, мониторинга состояния территорий, повышения эффективности вычислительной инфраструктуры и для оценки влияния рисков.
Планы на 2025-2027 гг.:
🧠 Фундаментальные разработки в области генеративных моделей.
🔓 Предоставление открытого доступа к программным библиотекам DataFusion, SciML и GreenAI.
⚙️ Проведение опытно-промышленной эксплуатации Программной платформы мультимасштабного мониторинга и управления рисками для решения задач устойчивого развития регионов и промышленных предприятий РФ в пилотных регионах.
🌐 Интеграция региональных источников данных для новых сервисов.
Планы на 2028-2030 гг.:
🔗 Интеграция программной платформы с аналитическими системами ФОИВ / РОИВ.
🚀 Старт промышленной эксплуатации программной платформы в пилотных регионах.
🌍 Масштабирование платформы на другие регионы РФ.
Общий объем внебюджетного софинансирования Центра за 2023 год планируется выполнить со значительным превышением (213,5 млн. рублей вместо 172 млн. рублей). 💰
🔥7❤🔥1👍1
🎄 13 декабря Институт искусственного интеллекта AIRI приглашает на новогодний семинар.
На мероприятии руководитель исследовательской группы машинного обучения для промышленной аналитики Центра прикладного ИИ Сколтеха Илья Трофимов в компании коллег обсудит самые яркие научные достижения 2023 года.
Принять участие можно лично — в офисе AIRI — или удалённо, подключившись к прямой трансляции.
Не забудьте зарегистрироваться.
На мероприятии руководитель исследовательской группы машинного обучения для промышленной аналитики Центра прикладного ИИ Сколтеха Илья Трофимов в компании коллег обсудит самые яркие научные достижения 2023 года.
Принять участие можно лично — в офисе AIRI — или удалённо, подключившись к прямой трансляции.
Не забудьте зарегистрироваться.
❤🔥3👍1🔥1
Выложили в общий доступ 21 лекцию и семинар с Летней школы машинного обучения Сколтеха SMILES-2023.
✅ Обзор методов машинного обучения с учетом физико-математических моделей процессов. Евгений Бурнаев.
✅ Методы оптимизации для машинного обучения. Александр Гасников.
✅ Геометрические методы машинного обучения. Александр Бернштейн.
✅ Топологический анализ данных. Сергей Баранников.
✅ Введение в машинное обучение с учетом физико-математических моделей. Владимир Вановский.
✅ Устойчивое развитие и ESG-риски. Ирина Гайда.
✅ Топологический анализ данных. Илья Трофимов.
✅ Нейросетевые методы вычислительного оптимального транспорта. Александр Коротин. Часть 1 Часть 2
✅ Коммуникации в распределенной и федеративной оптимизации. Александр Безносиков.
✅ Краткое введение в квантовую химию и молекулярную симуляцию. Роман Щуцкий.
✅ Машинное обучение в квантовых системах. Штефан Сандуляну. Лекция Семинар
✅ Вычислительно эффективный оптимальный транспорт. Дарина Двинских.
✅ Генерация с использованием диффузионных моделей. Диффузионные модели в задачах text-to-3d. Кирилл Струминский.
✅ Методы оптимизации потоковой задачи на сетях. Александр Рогозин.
✅ Введение в диффузионные модели. Денис Ракитин.
✅ Диффузионные модели в задачах text-to-image. Никита Морозов.
✅ Семинары: Алгоритм нейронного оптимального транспорта для случая слабых костов. Нейронный оптимальный транспорт. Петр Мокров.
✅ Обзор методов машинного обучения с учетом физико-математических моделей процессов. Евгений Бурнаев.
✅ Методы оптимизации для машинного обучения. Александр Гасников.
✅ Геометрические методы машинного обучения. Александр Бернштейн.
✅ Топологический анализ данных. Сергей Баранников.
✅ Введение в машинное обучение с учетом физико-математических моделей. Владимир Вановский.
✅ Устойчивое развитие и ESG-риски. Ирина Гайда.
✅ Топологический анализ данных. Илья Трофимов.
✅ Нейросетевые методы вычислительного оптимального транспорта. Александр Коротин. Часть 1 Часть 2
✅ Коммуникации в распределенной и федеративной оптимизации. Александр Безносиков.
✅ Краткое введение в квантовую химию и молекулярную симуляцию. Роман Щуцкий.
✅ Машинное обучение в квантовых системах. Штефан Сандуляну. Лекция Семинар
✅ Вычислительно эффективный оптимальный транспорт. Дарина Двинских.
✅ Генерация с использованием диффузионных моделей. Диффузионные модели в задачах text-to-3d. Кирилл Струминский.
✅ Методы оптимизации потоковой задачи на сетях. Александр Рогозин.
✅ Введение в диффузионные модели. Денис Ракитин.
✅ Диффузионные модели в задачах text-to-image. Никита Морозов.
✅ Семинары: Алгоритм нейронного оптимального транспорта для случая слабых костов. Нейронный оптимальный транспорт. Петр Мокров.
👍8🔥4🙏1😍1
🏅Наши коллеги из исследовательской группы по генеративному ИИ предложили новый подход к задаче непарной доменной адаптации, использующий нейронные сети для моделирования процесса диффузии. Предложенный подход основан на решении задачи Моста Шрёдингера, позволяющей обобщить диффузионные модели и решить проблему долгого времени генерации за счёт связи с богатой теорией оптимального транспорта. Также был разработан новый алгоритм, превосходящий аналоги в решении этой задачи для изображений (код).
Важность полученных результатов подтверждена одной из самых авторитетных конференций A* в области глубокого машинного обучения – NeurIPS 2023. Статья Entropic neural optimal transport via diffusion processes была принята к публикации в качестве устного доклада (топ-2,4% принятых статей).
Важность полученных результатов подтверждена одной из самых авторитетных конференций A* в области глубокого машинного обучения – NeurIPS 2023. Статья Entropic neural optimal transport via diffusion processes была принята к публикации в качестве устного доклада (топ-2,4% принятых статей).
«Нейронные сети для генерации изображений показали стремительное развитие за прошедшие пару лет, - объясняет Никита Гущин, первый автор статьи, младший инженер-исследователь Центра прикладного ИИ Сколтеха. - Ключевым моментом такого успеха стало использование диффузионных моделей. Однако ценой высокого качества генерации диффузионными моделями является время генерации, которое в сотни раз больше, чем у других типов генеративных моделей. Также диффузионные модели не могут быть применены напрямую для задачи непарного переноса домена. Такая задача актуальна, например, для анализа одноклеточных (single-cell) биологических данных, позволяющего изучать развитие стволовых клеток. Оба этих недостатка диффузионных моделей можно устранить за счёт их расширения с помощью задачи Моста Шредингера».
🔥10👏4👍2
Никита Гущин, младший инженер-исследователь Центра прикладного ИИ Сколтеха, стал лауреатом международной премии Yandex ML Prize в области машинного обучения за дебютную научную публикацию. Статья посвящена разработке новых генеративных моделей на основе решения задачи моста Шрёдингера.
Никита занимается разработкой новых генеративных нейронных сетей для изображений (такие сети могут повышать качество и разрешение изображений или перерисовывать их в другом стиле) и биологических данных (здесь сети моделируют развитие стволовых клеток и реакцию клеток на лекарства).
Никита занимается разработкой новых генеративных нейронных сетей для изображений (такие сети могут повышать качество и разрешение изображений или перерисовывать их в другом стиле) и биологических данных (здесь сети моделируют развитие стволовых клеток и реакцию клеток на лекарства).
«В этом году у меня приняли две статьи на конференцию NeurIPS 2023, причём одна из работ попала в топ 2,5%. Поскольку это были мои первые статьи, я подался на номинацию „Первая публикация“ Yandex ML Prize. На интервью подробно в течение часа рассказал о проделанной и планируемой работе. По итогу Яндекс объявил меня одним из трёх победителей в этой номинации, чему я, конечно, был очень рад», — поделился Никита.
🔥9👍5❤🔥2
🎄 Дорогие коллеги и друзья!
Новый 2024 год все ближе, и в эти праздничные предновогодние часы очень хочется оглянуться назад и посмотреть, что удалось достичь в уходящем году. Мы с вами проделали большой путь за этот год, успешно решили все поставленные перед Центром задачи, появились новые направления деятельности и интересные проекты, к нам в команду присоединилось много классных ребят, мы провели много замечательных выступлений на престижных конференциях и летних школах, получили большое количество призов и премий!
И пусть мы относительно молоды - нам в ноябре стукнуло всего 2 года - но Центр растет и развивается семимильными шагами как раз благодаря нашему дружному коллективу! Поэтому отдельно хочется сказать вам спасибо большое за индивидуальную и командную работу! Не всегда получается сказать персональное спасибо за вклад каждого из вас, но, поверьте, он очень важен и заметен, мы очень ценим каждого из вас и постараемся и дальше создавать максимально комфортные условия для вашего дальнейшего роста и развития и делать нашу работу еще более интересной и увлекательной!
Поэтому давайте дружно поднимем бокалы и, пусть и виртуально, поздравим друг друга с наступающим 2024 годом! 🥂
Мы желаем вам всем как следует отдохнуть и вернуться заряженными и полными сил для новых свершений в следующем году!
С уважением,
Евгений и Максим
Новый 2024 год все ближе, и в эти праздничные предновогодние часы очень хочется оглянуться назад и посмотреть, что удалось достичь в уходящем году. Мы с вами проделали большой путь за этот год, успешно решили все поставленные перед Центром задачи, появились новые направления деятельности и интересные проекты, к нам в команду присоединилось много классных ребят, мы провели много замечательных выступлений на престижных конференциях и летних школах, получили большое количество призов и премий!
И пусть мы относительно молоды - нам в ноябре стукнуло всего 2 года - но Центр растет и развивается семимильными шагами как раз благодаря нашему дружному коллективу! Поэтому отдельно хочется сказать вам спасибо большое за индивидуальную и командную работу! Не всегда получается сказать персональное спасибо за вклад каждого из вас, но, поверьте, он очень важен и заметен, мы очень ценим каждого из вас и постараемся и дальше создавать максимально комфортные условия для вашего дальнейшего роста и развития и делать нашу работу еще более интересной и увлекательной!
Поэтому давайте дружно поднимем бокалы и, пусть и виртуально, поздравим друг друга с наступающим 2024 годом! 🥂
Мы желаем вам всем как следует отдохнуть и вернуться заряженными и полными сил для новых свершений в следующем году!
С уважением,
Евгений и Максим
🍾9☃5❤5🔥1🎄1
🎙 Проф. Александр Бернштейн принял участие в финальной программе телеканала «Наука» на ВГТРК, где был озвучен рейтинг самых заметных научных итогов 2023 года. Теме развития ИИ было отдано в нём 4-е место.
🤔 Ссылаясь на призывы если не остановить, то, по крайней мере, взять под строжайший контроль развитие ИИ, авторы программы задаются вопросом: зачем сдерживать впечатляющие достижения, заметные абсолютно всем? По словам Александра Владимировича (25:15), среди таких достижений – прежде всего, появление ChatGPT, который может вести диалог на большое количество тем, генерировать новые идеи и контент. Среди других прорывов - генеративные системы, создающие правдоподобные изображения и видео по словесному описанию; новые, очень точные программы для прогноза погоды и даже развития автономного беспилотного транспорта.
❓ Зачем же останавливать или жёстко контролировать рост курицы, которая несёт такие золотые яйца? Проблема в том, что не всегда они оказываются золотыми.
🌐 Прецедентом 2023 года стал принятый в мае Европарламентом закон - AI акт, который устанавливает правила и требования для разработчиков моделей ИИ.
Подробнее
🤔 Ссылаясь на призывы если не остановить, то, по крайней мере, взять под строжайший контроль развитие ИИ, авторы программы задаются вопросом: зачем сдерживать впечатляющие достижения, заметные абсолютно всем? По словам Александра Владимировича (25:15), среди таких достижений – прежде всего, появление ChatGPT, который может вести диалог на большое количество тем, генерировать новые идеи и контент. Среди других прорывов - генеративные системы, создающие правдоподобные изображения и видео по словесному описанию; новые, очень точные программы для прогноза погоды и даже развития автономного беспилотного транспорта.
«Илон Маск сказал, что достижения ИИ скоро приведут к тому, что люди будут работать не пять дней в неделю, а три. Но я это вижу несколько под другим углом: это означает, что половина людей не будет работать вообще – будет уволена, а другая половина будет так же работать пять дней в неделю. И вот опасность попасть в ту половину, которую уволят, не может не настораживать», - говорит проф. Бернштейн.
🌐 Прецедентом 2023 года стал принятый в мае Европарламентом закон - AI акт, который устанавливает правила и требования для разработчиков моделей ИИ.
«Этот закон приводит риски, связанные с ИИ, и делит их на несколько групп, - продолжает Александр Владимирович. - Например, какие угрозы связаны с генерацией нового контента: он не должен содержать противоправную информацию; следующие вещи они должны как-то явно маркировать – показывать, что вот этот созданный контент сделан компьютером; запрещена всякого рода слежка за конкретным человеком, кроме случаев, когда по решению суда полицейские организации могут искать какого-то преступника».
Подробнее
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2❤1👍1👏1🤩1
🏆 Владимир Вановский, руководитель исследовательской группы применения ИИ для моделирования физических процессов, провел награждение победителей хакатона «Методы ИИ для решения задач устойчивого развития», который проходил на базе учебного курса Сколтеха «Байесовские методы машинного обучения» (программа магистратуры «Наука о данных», проф. Евгений Бурнаев) и включал работу над индивидуальными проектами, развивающими исследовательские идеи студентов по решению задач устойчивого развития с использованием методов байесовского машинного обучения.
Владимир поздравил победителей, вручил им худи с логотипами Сколтеха и Центра и рассказал о перспективах трудоустройства и дальнейшего развития в рамках Центра.
В рамках хакатона были награждены:
👏 Сергей Карпухин - за разработку современной архитектуры моделей нормализационных потоков.
👏 Марк Нужнов - за внедрение байесовского вариационного вывода в self-supervised модели.
👏 Давид Ли - за разработку методов вычислительной математики для ускорения генеративных моделей на основе диффузии.
👏 Руслан Калимуллин - за изучение и сравнение пространств латентных переменных вариационных кодировщиков.
👏 Грик Тадевосян - за разработку нейросетевых алгоритмов для ускорения семплирования методов Монте-Карло с Марковскими цепями (МСМС).
👏 Дарья Воронкова - за разработку методов ускорения генеративных моделей на основе диффузии.
👏 Владислав Федотов - за разработку архитектурных методов нейросетевых подходов для решения задачи восстановления распределения данных.
👏 Рамазан Фазылов - за внедрение вариационного подхода для ускорения семплирования генеративных моделей на основе диффузии.
👏 Никита Хорошавцев - за изучение архитектур нейросетевых подходов для решения задачи восстановления распределения данных.
👏 Екатерина Андрейчук - за применение вариационного вывода для ускорения генеративных моделей на основе диффузии.
👏 Михаил Мишустин - за разработку нейросетевого подхода для решения задачи семплирования из распределения данных.
Владимир поздравил победителей, вручил им худи с логотипами Сколтеха и Центра и рассказал о перспективах трудоустройства и дальнейшего развития в рамках Центра.
В рамках хакатона были награждены:
👏 Сергей Карпухин - за разработку современной архитектуры моделей нормализационных потоков.
👏 Марк Нужнов - за внедрение байесовского вариационного вывода в self-supervised модели.
👏 Давид Ли - за разработку методов вычислительной математики для ускорения генеративных моделей на основе диффузии.
👏 Руслан Калимуллин - за изучение и сравнение пространств латентных переменных вариационных кодировщиков.
👏 Грик Тадевосян - за разработку нейросетевых алгоритмов для ускорения семплирования методов Монте-Карло с Марковскими цепями (МСМС).
👏 Дарья Воронкова - за разработку методов ускорения генеративных моделей на основе диффузии.
👏 Владислав Федотов - за разработку архитектурных методов нейросетевых подходов для решения задачи восстановления распределения данных.
👏 Рамазан Фазылов - за внедрение вариационного подхода для ускорения семплирования генеративных моделей на основе диффузии.
👏 Никита Хорошавцев - за изучение архитектур нейросетевых подходов для решения задачи восстановления распределения данных.
👏 Екатерина Андрейчук - за применение вариационного вывода для ускорения генеративных моделей на основе диффузии.
👏 Михаил Мишустин - за разработку нейросетевого подхода для решения задачи семплирования из распределения данных.
❤7🔥3👍2👏2🎄2
Проф. Евгений Бурнаев, директор Центра прикладного ИИ Сколтеха, ответил на вопросы «Российской газеты»: приведет ли развитие ИИ к уровню падения IQ студентов, и как чат-боты влияют на процесс обучения?
Развитие ИИ, безусловно, изменяет акценты в обучении: вместо поиска и запоминания информации и фактов студенты больше концентрируются на развитии своих аналитических и креативных навыков – учатся принимать решения, искать нетипичные подходы к решению задач. Обычно это и подразумевается под развитием IQ. Но кроме очевидных плюсов, здесь есть и минусы: если совсем уйти от традиционных методов обучения, не уделять внимания базовым знаниям, не формировать всесторонний кругозор – это серьёзно может ударить по уровню интеллекта в целом. Важен разумный баланс между традиционными и современными методами обучения.
Использование нейросетей позволяет повысить эффективность образовательного процесса, делая его, в первую очередь, более персонализированным за счёт анализа данных о студенте: образовательные платформы, использующие нейросеть, ориентируются на его предпочтения и успехи при выборе учебных материалов, выбирают оптимальный темп обучения, дают индивидуальные рекомендации, задания и тесты, оценивают знания, чтобы строить дальнейшее обучение в зависимости от них.
Нейросети обладают выдающими способностями по обработке больших объемов данных, оценке и анализу успеваемости студентов. Кроме того, они гарантированно подходят к оценке знаний не предвзято.
Основные проблемы при внедрении нейросетей в обучение – это конфиденциальность данных и уязвимость к всевозможным взломам, а также то, что для обучения такой системы требуется накапливать статистику, фиксировать предпочтения студентов, их показатели успеваемости, и т.п. Сбор, подготовка и разметка данных могут требовать значительных ресурсов как в смысле времени, так и в смысле разработки базовой инфраструктуры. Также внедрение подобных образовательных платформ требует определённых вложений и высокой степени технической готовности учебных заведений.
👍7❤3🔥2
Forwarded from Сколтех
🎨 Сколтех и Ельцин Центр запускают совместный курс лекций об искусственном интеллекте — первая лекция будет посвящена генеративному ИИ.
Для выполнения рутинных задач люди всё чаще используют машины. К тому же искусственный интеллект осваивает всё больше навыков, присущих людям творческих профессий. В социальных сетях публикуются удивительные произведения искусственного интеллекта, а по всему миру проходят выставки картин, созданных нейросетями. Логотипом или рекламным слоганом за авторством искусственного интеллекта сегодня никого не удивишь.
Грозит ли теперь безработица художникам, дизайнерам, композиторам и писателям? Смогут ли нейросети победить человеческий талант и гений, или профессия промт-инженера станет ещё более востребованной? Претендует ли искусственный интеллект на доминирующую роль в искусстве? Или уникальность творчества останется прерогативой человека?
Об этом расскажет 30 января в Ельцин Центре профессор Сколтеха Евгений Бурнаев.
P.S
Картинка нарисована искусственным интеллектом. 😉
Для выполнения рутинных задач люди всё чаще используют машины. К тому же искусственный интеллект осваивает всё больше навыков, присущих людям творческих профессий. В социальных сетях публикуются удивительные произведения искусственного интеллекта, а по всему миру проходят выставки картин, созданных нейросетями. Логотипом или рекламным слоганом за авторством искусственного интеллекта сегодня никого не удивишь.
Грозит ли теперь безработица художникам, дизайнерам, композиторам и писателям? Смогут ли нейросети победить человеческий талант и гений, или профессия промт-инженера станет ещё более востребованной? Претендует ли искусственный интеллект на доминирующую роль в искусстве? Или уникальность творчества останется прерогативой человека?
Об этом расскажет 30 января в Ельцин Центре профессор Сколтеха Евгений Бурнаев.
P.S
Картинка нарисована искусственным интеллектом. 😉
👍5🤔1💩1🤝1
📢 Проф. Евгений Бурнаев, директор Центра прикладного ИИ Сколтеха, выступил вчера на Китайско-Российском семинаре по развитию талантов и технологий в области искусственного интеллекта, который состоялся в университете Цинхуа (Пекин) - ведущем в Китае и Азии и 12-м в мировом рейтинге вузов от The Times Higher Education.
Евгений рассказал об исследованиях в области ИИ, проводимых в Сколтехе и в Институте AIRI, где он возглавляет исследовательскую группу. Был представлен ряд важных фундаментальных разработок и технологических проектов, которые могут стать основой для программ академического обмена студентами между Пекином и Москвой, проведения совместных исследований и других совместных образовательных инициатив, работающих по принципу Learning by doing - активного обучения ИИ через практику.
Евгений рассказал об исследованиях в области ИИ, проводимых в Сколтехе и в Институте AIRI, где он возглавляет исследовательскую группу. Был представлен ряд важных фундаментальных разработок и технологических проектов, которые могут стать основой для программ академического обмена студентами между Пекином и Москвой, проведения совместных исследований и других совместных образовательных инициатив, работающих по принципу Learning by doing - активного обучения ИИ через практику.
❤7👍4🔥1
📢 Валерий Шевченко, младший инженер-исследователь Центра прикладного ИИ Сколтеха, принял участие в заседании экспертного медиаклуба «АиФ. Медиа», где обсуждались глобальные изменения климата и их влияние на погоду в России. Учёные попытались разобраться, что сейчас происходит с климатом, как можно улучшить метеопрогнозы и выгодно ли для России потепление.
⛈️ Валерий в своем выступлении рассказал, как разрабатываемые в Центре прикладного ИИ Сколтеха решения в области искусственного интеллекта помогают прогнозировать опасные природные явления – смерчи, штормы, наводнения, засухи, лесные пожары, и как благодаря его применению можно минимизировать издержки и последствия таких рисков.
🎓 В Центре прикладного ИИ Сколтеха прогнозируют вероятность наводнений, экстремального ветра, изменений в таянии вечной мерзлоты. Эти технологии могут пригодиться в разных сферах экономики — например, в строительстве. Когда возводится объект где-нибудь на Севере, строителям очень важно знать глубину промерзания грунта, которая меняется под воздействием глобального потепления. И таких примеров, по словам Валерия, множество. Он также упомянул о статье научного коллектива Центра прикладного ИИ, недавно принятой к публикации научным журналом первого квартиля IEEE Access, где проанализирован потенциал расширения земель, пригодных для сельского хозяйства в России, к 2050 году. Но воплощение выводов ученых на практике требует определенных инвестиций.
⛈️ Валерий в своем выступлении рассказал, как разрабатываемые в Центре прикладного ИИ Сколтеха решения в области искусственного интеллекта помогают прогнозировать опасные природные явления – смерчи, штормы, наводнения, засухи, лесные пожары, и как благодаря его применению можно минимизировать издержки и последствия таких рисков.
«Можно выделить два направления использования искусственного интеллекта для смягчения последствий изменения климата. Первое — это уменьшение количества парниковых газов, которые человек вырабатывает. Этого можно добиться, например, создавая новые материалы, с помощью которых будут проектироваться солнечные батареи нового типа или аккумуляторы, — отметил Валерий Шевченко. — Второе направление — адаптация к тем рискам, которые возникают со временем. Например, прогнозирование вероятности всё тех же опасных климатических явлений — таких, как штормы».
🎓 В Центре прикладного ИИ Сколтеха прогнозируют вероятность наводнений, экстремального ветра, изменений в таянии вечной мерзлоты. Эти технологии могут пригодиться в разных сферах экономики — например, в строительстве. Когда возводится объект где-нибудь на Севере, строителям очень важно знать глубину промерзания грунта, которая меняется под воздействием глобального потепления. И таких примеров, по словам Валерия, множество. Он также упомянул о статье научного коллектива Центра прикладного ИИ, недавно принятой к публикации научным журналом первого квартиля IEEE Access, где проанализирован потенциал расширения земель, пригодных для сельского хозяйства в России, к 2050 году. Но воплощение выводов ученых на практике требует определенных инвестиций.
🔥6👍2❤🔥1
👨🎓 Алексей Зайцев, руководитель исследовательской группы анализа физических и финансовых рисков, создаваемых климатическими изменениями, выступил на семинаре в Пекинском институте математических наук и приложений на озере Яньци (BIMSA), созданном ведущим в Китае и Азии университетом Цинхуа. Семинар был посвящен использованию оценки неопределенности для нейросетевых моделей.
💡В начале своего доклада Алексей рассказал о том, как устроены нейронные сети, затем показал, как можно получить нейросеть в явном виде для простых моделей, и как можно получать ее аппроксимацию для более сложных нейросетевых моделей. Он также представил последние работы Сколтеха в этой области, в том числе оценку неопределенности в задаче распознавания лиц и для языковых моделей разного размера.
👉 Семинар, на котором выступил Алексей, был организован для того, чтобы расширить кругозор научного коллектива BIMSA и обозначить возможные совместные проекты на стыке разных областей прикладной и фундаментальной математики.
🇨🇳 BIMSA возглавляет профессор Гарвардского университета Яу Шинтун (Shing-Tung Yau) – один из самых блестящих и авторитетных математиков мира. 64-летний Яу – единственный исследователь китайского происхождения, удостоенный двух самых престижных математических премий: медали Филдса, полученной за доказательство гипотезы Калаби – базы математических приложений физической теории струн, а также Премии Вольфа за 2010 год.
💡В начале своего доклада Алексей рассказал о том, как устроены нейронные сети, затем показал, как можно получить нейросеть в явном виде для простых моделей, и как можно получать ее аппроксимацию для более сложных нейросетевых моделей. Он также представил последние работы Сколтеха в этой области, в том числе оценку неопределенности в задаче распознавания лиц и для языковых моделей разного размера.
👉 Семинар, на котором выступил Алексей, был организован для того, чтобы расширить кругозор научного коллектива BIMSA и обозначить возможные совместные проекты на стыке разных областей прикладной и фундаментальной математики.
🇨🇳 BIMSA возглавляет профессор Гарвардского университета Яу Шинтун (Shing-Tung Yau) – один из самых блестящих и авторитетных математиков мира. 64-летний Яу – единственный исследователь китайского происхождения, удостоенный двух самых престижных математических премий: медали Филдса, полученной за доказательство гипотезы Калаби – базы математических приложений физической теории струн, а также Премии Вольфа за 2010 год.
🔥8👍4🤩2❤🔥1