Про нас пишут. Код показанного прототипа даже можно уже пощупать - https://github.com/aimclub/FEDOT.LLM

Сегодня похвастались изданию CNews, как можно кардинально автоматизировать разработку отраслевых систем ИИ с помощью LLM. Казалось бы, сейчас, в эпоху автоматического машинного обучения (AutoML) есть масса различных фреймворков и библиотек, которые могут взять на себя конструирование моделей на данных и вообще заменить (!) датасайнтиста. Единственное «но»: нужен программист, который из этих фреймворков и библиотек соберет и настроит такой «конструктор». А лучше – программист-датасайнтист, чтобы понимал, что он настраивает… и вновь продолжается докучная сказка в стиле «у попа была собака…».🐶🐶🐶

А вот мы придумали, как разорвать этот порочный круг, включив в него… LLM, обученную общаться с фреймворками AutoML (в данном случае – с нашим же инструментом FEDOT). LLM и взяла на себя роль «аналитика» (формализация задачи) и, тем более – роль «программиста» (создание пайплайна на основе модулей FEDOT). В итоге, теперь отраслевым специалистам достаточно описать свою задачу «на языке простых осин», который будет в итоге транслирован в конкретную модель ИИ.

А главное, что этот механизм лишен генетической болезни всех LLM – тяги к галлюцинациям. Так как использование LLM в совокупности с FEDOT проверяет все решения, исходя из метрик качества (точности модели на тестовой выборке). Потому заведомо «фантазийные» результаты просто замыливаются алгоритмом и не доходят до конечного пользователя.

Для любознательных – видео, как работает экспериментальный образец системы, над которым серьезно потрудились наши молодые сотрудники – студент Алексей Лапин и аспирант Станислав Чумаков. Пока идет тестирование, а к Новому году представим вам систему в открытое пользование!

Для любителей ИИ-научпопа - подъехал свежий выпуск шоу-подкаста ИТМО «Код знаний: ИИ в академии» с участием научного сотрудника нашей лаборатории Ильи Ревина:

ИИ-новости, о которых невозможно молчать

Для тех кто пропустил предыдущий выпуск с участием Ильи - "Как ИИ меняет правила игры в науке и образовании".

Сегодня на Yandex Open Source Jam буду рассказывать про опыт нашего недавнего аналитического исследования про "Использование ML/Data Open Source в России". Очная регистрация уже закрыта, ссылку на трансляцию выложат на сайте ближе к началу (15-00 мск).

Чтобы было ещё интереснее - подготовили про него расширенный пост на Хабр для блога ИТМО:
https://habr.com/ru/companies/spbifmo/articles/851088/

В посте - некоторые дополнения к исследованию, например - долее детализированные выводы, идеи по решению обсуждавшихся проблем и улучшению самого исследования. Также расширили экспертную часть - например, пригласили дать свои комментарии Александра Белоцерковского, технологического евангелиста GitVerse/СберТеха.

Слушайте, читайте, комментируйте, накидывайте идей на следующие исследования)

А тем временем мы выложили препринт, код и данные к нашей статье на NeurIPS 2024 - "Hybrid Generative AI for De Novo Design of Co-Crystals with Enhanced Tabletability":

https://arxiv.org/abs/2410.17005
https://github.com/ai-chem/GEMCODE

@article{gubina2024gemcode,
title={Hybrid Generative AI for De Novo Design of Co-Crystals with Enhanced Tabletability},
author={Nina Gubina and Andrei Dmitrenko and Gleb Solovev and Lyubov Yamshchikova and Oleg Petrov and Ivan Lebedev and Nikita Serov and Grigorii Kirgizov and Nikolay Nikitin and Vladimir Vinogradov},
year={2024},
eprint={2410.17005},
archivePrefix={arXiv},
primaryClass={cs.AI},
url={https://arxiv.org/abs/2410.17005},
}

Читайте, используйте, если окажется полезным - цитируйте и ставьте звездочки)

Рубрика #про_нас_пишут:

Про исследования нашей лаборатории в области генеративного дизайна микрофлюидных устройств и их прикладные приложения сегодня научно-популярно написали в "Известиях" - "Тревожное устройство: микрофлюидный чип определит предвестники инсульта".

Эта работу мы выполняли в сотрудничестве с группой доктора Григорьева Г.В. (Университет Цинхуа, Китай).

Детали реализации исследования уже представили в нескольких журнальных статьях - в Micromachines, Engineering Applications of Artificial Intelligence, а также обсудили на конференции GECCO. Программная реализация оптимизационной части доступна в библиотеке GEFEST.

Тематику хотим продолжить развивать, поэтому если кто-то заинтересовался идеями ИИ для микрофлюидики и хочет поучаствовать (в рамках студенческого-аспирантского проекта или как-то ещё) - пишите.

Всем привет.

Позитивные новости - в рамках конкурса "Приоритета-2030" поддержано сразу два AI4Science-проекта от нашей лаборатории. Оба - совместные с предметными командами из ИТМО:

1) "ИИ-ассистент для исследований в области химии и наук о материалах" - Анна Калюжная

Проект посвящен разработке умного цифрового ассистента для химиков на основе LLM. Под «капотом» разработки — большие языковые модели, которые управляют агентами-химиками и ML-агентами, они помогут искать информацию, создавать новые молекулы, предсказывать их свойства и планировать эксперименты. Всё это ускорит и упростит создание новых лекарств и материалов для сотрудников научных лабораторий, фармацевтических компаний и химических производств. При этом ядро цифрового ассистента может будет адаптировать и для других отраслей, а для его использования химикам не потребуется становиться программистами. Проект реализуется в партнерстве со Сбером.

Со-руководитель со стороны SCAMT - Андрей Дмитренко, Dr. Sc.

2) "Фундаментальные ИИ для нейроморфной фотоники"

Идея в том, чтобы обучить фундаментальную модель ИИ для физики с открытым кодом, весами и архитектурой, которая в разы ускорит проектирование сложных инженерных решений. Сейчас для создания одного сложного устройства с помощью точных физических уравнений требуется много времени. Вместо текстов, как это делается обычно, фундаментальная модель ученых ИТМО будет способна предсказывать физические поля для подбора геометрических и иных параметров предполагаемого устройства с помощью упрощенной модели, построенной на физическом ядре. Таким образом получится быстрее спроектировать, например, нейроморфные вычислители, ускоряющие и удешевляющие работу с нейронными сетями, а также двигатели, лазеры и микрофлюидные устройства.

Со-руководитель со стороны Нового Физтеха ИТМО - Алексей Кохановский, к.ф.-м.н.

Всем привет.

Наконец-то вышел мой комментарий про KAN (и в я целом доволен своими предсказаниями) на Хабре ИТМО. Давал я его в районе мая, но актуальности он не потерял.

Немного взглянуть на чуть подновлённую ретроспективу можно тут.

По мотивам моего летнего выступления на SaintHighload++ 2024 коллеги из блога ИТМО сегодня выпустили пост с расширенной текстовой версией:

"Почему мы топим за открытый код в науке ― несколько слов о воспроизводимости результатов научных исследований",
https://habr.com/ru/companies/spbifmo/articles/867236.

Добавил в текст подробностей, также постарались учесть некоторые замечания из чата. Любые дополнения - приветствуются)

Привет всем.

Участвую 19.12 в 17:00 в BrAINs-seminar series в рамках нашей небольшой коллаборации про влияние чистоты данных (data curation) на закон роста (scaling law) для языковых моделей.

Расскажу немного о том, как вообще топология влияет на обучение моделей и как это увидеть.

Семинар, естественно, на английском. Просят зарегаться тут для ссылки на онлайн трансляцию. Запись будет позже на сайте семинара.

Пишут о некоторых наших разработках:

Цифровой мэр, химик и совет компании: какие ИИ-разработки представили в ИТМО

Источник: Университет ИТМО
Ежегодно на встрече «AIMission: погружение в мир интеллектуальных технологий с ИТМО» исследователи ИТМО подводят итоги года и представляют индустриальным партнерам университета свои новинки в области ИИ. Об основных проектах, созданных в исследовательском центре «Сильный искусственный интеллект в промышленности» и Национальном центре когнитивных разработок ИТМО, — в материале.

Основной темой третьей встречи AIMission стало развитие мультиагентных подходов для решения прикладных задач в промышленности, градостроительстве, управлении проектами и образовании

Планировать промышленные бизнес-процессы в условиях неопределенности и неполноты данных помогает интеллектуальная мультиагентная система поддержки принятия решений STAIRS на основе большой языковой модели. Ученые ИТМО создали ее в партнерстве с компанией «Газпром». Инструмент помогает быстро и без ошибок составить несколько вариантов смет и планов работ для сложных задач, например капитального строительства или обустройства месторождений. По словам инженера национального центра когнитивных разработок ИТМО Юрия Каминского, в отличие от ручного планирования STAIRS может работать с 100 тысячами процессов и 1000 исполнителями в одном плане, предложить альтернативные варианты на выбор экспертов, до 20 раз сокращает время работы и повышает эффективность планирования до 30%.

Выпустили моё мини-интервью для Yandex for ML:

#nss_interview