🏢 Около 40 представителей топ-менеджмента индустриальных партнеров Сколково и Сколтеха вошли в делегацию "Совета директоров от лидеров цифровизации", которая посетила кампус 28 июня. После экскурсий по лабораториям Сколтеха гостей познакомили с форматом Мастерских Инноваций (Innovation Workshop) и корпоративными кейсами – прикладной наукой, способной совершать стратегические прорывы в бизнесе.
👨💼 Дмитрий Кулиш, Директор Центра предпринимательства и инноваций, рассказал о курсе Innovation Workshop для магистрантов Сколтеха, подчеркнув важность коммерциализации технологий, разработанных учеными: долгосрочное стратегическое преимущество можно получить, лишь выходя за рамки готовых решений в НИРы и ОКРы, вовлекая самую талантливую молодёжь.
👩💼 Наталья Подсосонова, зам. директора Центра нейробиологии и нейрореабилитации имени Владимира Зельмана, рассказала о перспективной с точки зрения коммерческого использования технологии, определяющей риск психических расстройств на основе липидного состава образцов крови. Она также представила обзор научных и промышленных компетенций Сколтеха в области нейротехнологий.
💻 Профессор Иван Оселедец представил Центр искусственного интеллекта и перечислил компетенции его ученых.
👨💻 Владимир Вановский, руководитель исследовательской группы применения ИИ для моделирования физических процессов, и Алексей Зайцев, руководитель лаборатории LARSS, рассказали о различных направлениях деятельности Центра прикладного ИИ. Накопленные центром компетенции в области ИИ позволяют наметить новые точки роста для крупнейших российских индустриальных и технологических компаний.
👨💼 Дмитрий Кулиш, Директор Центра предпринимательства и инноваций, рассказал о курсе Innovation Workshop для магистрантов Сколтеха, подчеркнув важность коммерциализации технологий, разработанных учеными: долгосрочное стратегическое преимущество можно получить, лишь выходя за рамки готовых решений в НИРы и ОКРы, вовлекая самую талантливую молодёжь.
👩💼 Наталья Подсосонова, зам. директора Центра нейробиологии и нейрореабилитации имени Владимира Зельмана, рассказала о перспективной с точки зрения коммерческого использования технологии, определяющей риск психических расстройств на основе липидного состава образцов крови. Она также представила обзор научных и промышленных компетенций Сколтеха в области нейротехнологий.
💻 Профессор Иван Оселедец представил Центр искусственного интеллекта и перечислил компетенции его ученых.
👨💻 Владимир Вановский, руководитель исследовательской группы применения ИИ для моделирования физических процессов, и Алексей Зайцев, руководитель лаборатории LARSS, рассказали о различных направлениях деятельности Центра прикладного ИИ. Накопленные центром компетенции в области ИИ позволяют наметить новые точки роста для крупнейших российских индустриальных и технологических компаний.
📢 На сегодняшней лекции Алексея Зайцева - руководителя лаборатории LARSS, - первой из цикла ознакомительных лекций для сотрудников о направлениях деятельности Сколтеха, наши коллеги узнали о том, что такое искусственный интеллект, какие задачи он позволяет решать, в каких проектах его можно применить и как в принципе устроены индустриальные проекты в области ИИ, а также о возможностях Центра прикладного ИИ в плане разработки подобных индустриальных решений.
Лекция оказалась очень востребованной - её посетили свыше 40 человек, причём они пришли не только послушать, но и активно задавали вопросы.
Лекция оказалась очень востребованной - её посетили свыше 40 человек, причём они пришли не только послушать, но и активно задавали вопросы.
💻📰🔍 Ученые Центра прикладного ИИ Сколтеха - инженер-исследователь Александр Марусов и руководитель лаборатории LARSS Алексей Зайцев - представили в своей статье, опубликованной в журнале первого квартиля IEEE Geoscience and Remote Sensing Letters, новую модель глубокого обучения, которая упростит планирование разработки нефтяных месторождений. С её помощью можно получить полезную информацию о скважине — например, сравнить её с уже разработанными скважинами поблизости, чтобы спрогнозировать актуальные для нефтедобычи свойства и повысить эффективность бурения.
🏭🛠 Процесс разработки нефтяных и газовых месторождений обычно включает три этапа: поиск, оценку и разработку. Оценка включает анализ объемов и распределения запасов углеводородов. На этом этапе производятся разведочные скважины и снимается большое количество показателей, включая радиоактивность пласта и подвижность грунтовых вод. Информация, полученная на этом этапе, используется для принятия решений по разработке.
🎯📈 "Сейчас после оценки месторождения мы получаем большой массив разрозненных данных, и непонятно, что с ним делать. Целью нашего исследования было построить такую модель, которая на основе всех этих данных будет создавать математическое представление - вектор, который полностью описывает скважину", - объясняет Александр Марусов.
📝🧩 Вектор, который выдаёт модель, содержит полезную информацию о скважине и ее свойствах. Он поможет решить проблему неправильного направления бурения и определить текущий тип породы, что позволит скорректировать процесс бурения. Точность предсказания типа породы на основе модели составляет 82%, в то время как предыдущий лучший результат был всего 59%.
🎓🤖 Модель была обучена с использованием метода самообучения (self-supervised learning), который отличается от традиционных подходов машинного обучения. Для самообучения не требуется разметка данных. Например, данные от зондов, регистрирующих излучение и другие сигналы геофизических процессов, могут быть использованы без дополнительной разметки.
🏭🛠 Процесс разработки нефтяных и газовых месторождений обычно включает три этапа: поиск, оценку и разработку. Оценка включает анализ объемов и распределения запасов углеводородов. На этом этапе производятся разведочные скважины и снимается большое количество показателей, включая радиоактивность пласта и подвижность грунтовых вод. Информация, полученная на этом этапе, используется для принятия решений по разработке.
🎯📈 "Сейчас после оценки месторождения мы получаем большой массив разрозненных данных, и непонятно, что с ним делать. Целью нашего исследования было построить такую модель, которая на основе всех этих данных будет создавать математическое представление - вектор, который полностью описывает скважину", - объясняет Александр Марусов.
📝🧩 Вектор, который выдаёт модель, содержит полезную информацию о скважине и ее свойствах. Он поможет решить проблему неправильного направления бурения и определить текущий тип породы, что позволит скорректировать процесс бурения. Точность предсказания типа породы на основе модели составляет 82%, в то время как предыдущий лучший результат был всего 59%.
🎓🤖 Модель была обучена с использованием метода самообучения (self-supervised learning), который отличается от традиционных подходов машинного обучения. Для самообучения не требуется разметка данных. Например, данные от зондов, регистрирующих излучение и другие сигналы геофизических процессов, могут быть использованы без дополнительной разметки.
🌳 Инженер-исследователь Центра прикладного ИИ Бислан Ясаев и инженер-программист Усман Тасуев приняли участие в Международной научной конференции «Современные тенденции низкоуглеродного развития: Глобальные и региональные аспекты», которая собрала в Грозном представителей 17 карбоновых полигонов России. Наши коллеги представили систему мониторинга, сбора, хранения и агрегирования данных для расчета парниковых газов на карбоновых полигонах WayCarbonSystem, которая работает с различными типами датчиков с использованием искусственного интеллекта.
💻 WayCarbonSystem разрабатывается в рамках соглашения о сотрудничестве между ГГНТУ и Сколтехом, а также программы создания и развития Карбонового полигона Чеченской Республики WayCarbon. Система успешно прошла испытания с первичными «лабораторными» данными и находится на стадии тестирования в реальных условиях на карбоновом полигоне ГГНТУ WayСarbon.
⚙️ Среди ключевых функций системы: автоматизация хранения, агрегации и предоставления данных, возможность добавления и настройки новых источников данных на отдельных полигонах, а также расчет выбросов парниковых газов.
📊 Одной из уникальных особенностей разработанной системы является автоматическая обработка потоков парниковых газов и использование данных с БПЛА для оценки поглотительной способности лесных массивов. Все модули системы обладают способностью отслеживать и заполнять пропуски во временных рядах, проверять точность измерений парниковых газов и предоставлять визуализацию выходных данных в режиме реального времени с помощью искусственного интеллекта.
🌍 Эта инновационная система, направленная на повышение эффективности и результативности климатических проектов, может впоследствии успешно применяться и на других карбоновых полигонах России.
💻 WayCarbonSystem разрабатывается в рамках соглашения о сотрудничестве между ГГНТУ и Сколтехом, а также программы создания и развития Карбонового полигона Чеченской Республики WayCarbon. Система успешно прошла испытания с первичными «лабораторными» данными и находится на стадии тестирования в реальных условиях на карбоновом полигоне ГГНТУ WayСarbon.
⚙️ Среди ключевых функций системы: автоматизация хранения, агрегации и предоставления данных, возможность добавления и настройки новых источников данных на отдельных полигонах, а также расчет выбросов парниковых газов.
📊 Одной из уникальных особенностей разработанной системы является автоматическая обработка потоков парниковых газов и использование данных с БПЛА для оценки поглотительной способности лесных массивов. Все модули системы обладают способностью отслеживать и заполнять пропуски во временных рядах, проверять точность измерений парниковых газов и предоставлять визуализацию выходных данных в режиме реального времени с помощью искусственного интеллекта.
🌍 Эта инновационная система, направленная на повышение эффективности и результативности климатических проектов, может впоследствии успешно применяться и на других карбоновых полигонах России.
🤖💥🎤 Как обмануть искусственный разум? – с такой небанальной темой выступил в прошлую субботу на What?! Фесте руководитель лаборатории LARSS Алексей Зайцев.
На его лекции можно было узнать:
🤯🔍🗣 что нейронные сети часто лучше человека в распознавании картинок, речи и понимании языка... кажется, для любой задачи модели на основе ИИ будут работать лучше человека!
🧠💻 что такое классическое машинное обучение, как выглядят его задачи;
🛠📈 какую именно модель можно использовать для решения различных задач с небольшими дополнительными усилиями;
🎓🔢 как обучать базовую модель;
🛡💻 как можно атаковать ИИ-модели, как атаки разделяются по типам и можно ли от них защититься.
На его лекции можно было узнать:
🤯🔍🗣 что нейронные сети часто лучше человека в распознавании картинок, речи и понимании языка... кажется, для любой задачи модели на основе ИИ будут работать лучше человека!
🧠💻 что такое классическое машинное обучение, как выглядят его задачи;
🛠📈 какую именно модель можно использовать для решения различных задач с небольшими дополнительными усилиями;
🎓🔢 как обучать базовую модель;
🛡💻 как можно атаковать ИИ-модели, как атаки разделяются по типам и можно ли от них защититься.
👏 Поздравляем наших коллег из Центра прикладного ИИ, выигравших конкурс грантов Российского научного фонда:
➡️ Проекту «Методы оценивания неопределенности предсказаний нейросетевых алгоритмов машинного обучения и их применение к задачам планирования эксперимента и оптимизации» (руководитель лаборатории LARSS Алексей Зайцев) продлили поддержку ещё на 2 года.
➡️ Грант в размере 3 млн рублей на два года получила научный сотрудник Светлана Илларионова для изучения лесов с помощью компьютерного зрения и ИИ.
Поздравляем!🎈🎊
➡️ Проекту «Методы оценивания неопределенности предсказаний нейросетевых алгоритмов машинного обучения и их применение к задачам планирования эксперимента и оптимизации» (руководитель лаборатории LARSS Алексей Зайцев) продлили поддержку ещё на 2 года.
➡️ Грант в размере 3 млн рублей на два года получила научный сотрудник Светлана Илларионова для изучения лесов с помощью компьютерного зрения и ИИ.
Поздравляем!🎈🎊
Свежая цитата руководителя Центра прикладного ИИ проф. Евгения Бурнаева в журнале «Эксперт»:
«Мы разработали новые подходы в области ИИ, основанные на полученных нами фундаментальных математических результатах в оптимальном транспорте, моделировании многообразий и распределений на них многомерных данных; использовали эти подходы в новых платформенных решениях, внедряемых в практику крупных промышленных предприятий и компаний». По словам Евгения Бурнаева, ценность теоретических и практических научных результатов, и созданных в Центре продуктов, подтверждается грантовой поддержкой со стороны фондов и промышленных партнеров.
Также в статье упоминается Летняя школа машинного обучения SMILES-2023 - в контексте проводимой Сколтехом подготовки кадров.
«Мы разработали новые подходы в области ИИ, основанные на полученных нами фундаментальных математических результатах в оптимальном транспорте, моделировании многообразий и распределений на них многомерных данных; использовали эти подходы в новых платформенных решениях, внедряемых в практику крупных промышленных предприятий и компаний». По словам Евгения Бурнаева, ценность теоретических и практических научных результатов, и созданных в Центре продуктов, подтверждается грантовой поддержкой со стороны фондов и промышленных партнеров.
Также в статье упоминается Летняя школа машинного обучения SMILES-2023 - в контексте проводимой Сколтехом подготовки кадров.
Эксперт
Естественные вопросы об искусственном интеллекте
С какими проблемами сегодня сталкивается отрасль ИИ и как государство помогает эти проблемы решать?
🏢 Министр экономического развития РФ Максим Решетников сегодня провел совещание с руководителями шести исследовательских центров по развитию ИИ, созданных по поручению Правительства на базе ведущих вузов и научных организаций – Сколтеха, НИУ ВШЭ, ИТМО (Санкт-Петербург), Университета Иннополис (Татарстан), Института системного программирования РАН, МФТИ.
🚀 Министр высоко оценил результаты работы центров и поставил перед ними задачу продумать дальнейший формат развития фундаментальных исследований в области ИИ, который позволил бы довести создаваемые решения до промышленного использования в масштабах всей страны.
💼 Говоря о создаваемых центрами прикладных решениях, министр упомянул пилотную версию программного обеспечения самообучающейся модели для анализа геологических пластов, которую разработали российские нефтяники в партнерстве со Сколтехом, отметив, что решение позволяет снизить затраты на поиск месторождений и бурение скважин, а также повышает объемы добычи нефти.
💡 Руководитель Центра прикладного ИИ Сколтеха Евгений Бурнаев в своём докладе также рассказал о фундаментальных исследованиях для создания новых алгоритмов ИИ для консолидации мультимодальных пространственно-временных данных, объединения физических моделей и моделей машинного обучения и сокращения времени обучения и затрат на вычислительные мощности за счет сжатия и ускорения обучения больших нейросетей.
💻 «Продлевая финансирование уже существующих исследовательских центров на базе ведущих вузов, Минэкономразвития позволит нам довести до конечного пользователя в масштабах всей страны те платформенные и сквозные решения, которые проходят сейчас этапы тестирования и пилотного внедрения, — отметил Евгений Бурнаев. – Так, в Сколтехе в 2024 году будет готов прототип платформы для мультимасштабного мониторинга и управления рисками для решения задач устойчивого развития регионов и промышленных предприятий РФ».
Подробнее
🚀 Министр высоко оценил результаты работы центров и поставил перед ними задачу продумать дальнейший формат развития фундаментальных исследований в области ИИ, который позволил бы довести создаваемые решения до промышленного использования в масштабах всей страны.
💼 Говоря о создаваемых центрами прикладных решениях, министр упомянул пилотную версию программного обеспечения самообучающейся модели для анализа геологических пластов, которую разработали российские нефтяники в партнерстве со Сколтехом, отметив, что решение позволяет снизить затраты на поиск месторождений и бурение скважин, а также повышает объемы добычи нефти.
💡 Руководитель Центра прикладного ИИ Сколтеха Евгений Бурнаев в своём докладе также рассказал о фундаментальных исследованиях для создания новых алгоритмов ИИ для консолидации мультимодальных пространственно-временных данных, объединения физических моделей и моделей машинного обучения и сокращения времени обучения и затрат на вычислительные мощности за счет сжатия и ускорения обучения больших нейросетей.
💻 «Продлевая финансирование уже существующих исследовательских центров на базе ведущих вузов, Минэкономразвития позволит нам довести до конечного пользователя в масштабах всей страны те платформенные и сквозные решения, которые проходят сейчас этапы тестирования и пилотного внедрения, — отметил Евгений Бурнаев. – Так, в Сколтехе в 2024 году будет готов прототип платформы для мультимасштабного мониторинга и управления рисками для решения задач устойчивого развития регионов и промышленных предприятий РФ».
Подробнее
Старший преподаватель и руководитель исследовательской группы Центра прикладного ИИ Максим Шараев рассказал о совместном проекте Сколтеха, Университета Шарджи и Казахского национального университета имени аль‑Фараби, где машинное обучение было использовано для обнаружения биологических маркеров клинической депрессии, с помощью которых можно добиться более объективной диагностики заболевания. Результаты исследования опубликованы в журнале Neurobiology of Stress.
Диагностика психических расстройств в основном осуществляется с помощью беседы пациента с врачом, заполнения опросных листов и оценивания результатов с помощью шкал. Разные врачи могут по‑разному интерпретировать результаты, в результате чего возникает фактор субъективности. Сейчас нет надёжных биомаркеров, то есть объективных показателей предрасположенности к психическому заболеванию или его развития. Учёные поставили целью найти эти биомаркеры, которые могли бы стать надежными свидетельствами наличия заболевания при относительно малых затратах на обследование.
В рамках проекта учёные использовали комплексные мультимодальные данные, которые характеризуют пациента с разных сторон: МРТ-исследования, электроэнцефалографию, анализ крови, генотипирование и транскриптомный анализ.
«Вероятно, эра простых биомаркеров заканчивается. Теперь нет какого-то одного критерия, который покажет, есть у человека заболевание или нет. Нужны комбинации этих маркеров, и их помогают находить методы машинного обучения. Мы получили комплексные данные и сделали такие модели машинного обучения, которые на основе этих данных смогут создать интегративные биомаркеры. Но перед тем, как объединить разные типы данных, мы исследовали каждый тип в отдельности, чтобы найти какие-то предпосылки для анализа, на что обращать внимание», — объясняет Максим Шараев.
Подробнее
Диагностика психических расстройств в основном осуществляется с помощью беседы пациента с врачом, заполнения опросных листов и оценивания результатов с помощью шкал. Разные врачи могут по‑разному интерпретировать результаты, в результате чего возникает фактор субъективности. Сейчас нет надёжных биомаркеров, то есть объективных показателей предрасположенности к психическому заболеванию или его развития. Учёные поставили целью найти эти биомаркеры, которые могли бы стать надежными свидетельствами наличия заболевания при относительно малых затратах на обследование.
В рамках проекта учёные использовали комплексные мультимодальные данные, которые характеризуют пациента с разных сторон: МРТ-исследования, электроэнцефалографию, анализ крови, генотипирование и транскриптомный анализ.
«Вероятно, эра простых биомаркеров заканчивается. Теперь нет какого-то одного критерия, который покажет, есть у человека заболевание или нет. Нужны комбинации этих маркеров, и их помогают находить методы машинного обучения. Мы получили комплексные данные и сделали такие модели машинного обучения, которые на основе этих данных смогут создать интегративные биомаркеры. Но перед тем, как объединить разные типы данных, мы исследовали каждый тип в отдельности, чтобы найти какие-то предпосылки для анализа, на что обращать внимание», — объясняет Максим Шараев.
Подробнее