Дайджест мероприятий в Центре ИИ СПбГУ⚡️

В феврале нас ждут 4 научно-практических семинара и празднование Дня российской науки🎆

🔘05.02 – выступления аспирантов под руководством научного офиса Центра ИИ.
🔘08.02 – выступление Амелина Константина Сергеевича, директора Центра ИИ СПбГУ, на Дне российской науки💡Подробную информацию опубликуем позже. Также в этот день можно бесплатно попасть в Музей истории физики и математики СПбГУ. Требуется только предварительная регистрация на выбор здесь или здесь.
🔘12.02 – семинар Скобелева Петра Олеговича из Самарского федерального исследовательского центра РАН на тему «Эмерджентный интеллект».
🔘19.02 – семинар Петросяна Ованеса Леоновича, доктора физико-математических наук, на тему «Сжатие моделей глубокого обучения: интеллектуальное квантование, извлечение знаний и обучение с использованием бинарного градиента».
🔘26.02 – семинар Фрадкова Александра Львовича, доктора технических наук, тема доклада будет известна позже.

Регистрация на ближайший семинар 5 февраля здесь.
Ждём всех желающих на обсуждение!👨‍👩‍👧‍👦

😉Искусственный интеллект на конечных устройствах: робот-пылесос может «сбежать»?

ИИ все чаще переносится с облачных серверов на конечные устройства. Этот подход называется Edge AI или периферийный ИИ. Он использует локальную обработку данных на устройствах, таких как смартфоны, умные часы, бытовая техника и автомобили.

🤨Как это работает?
Edge AI опирается на специализированные процессоры — AI Accelerators, например, NPU (Neural Processing Unit) или TPU (Tensor Processing Unit), которые встроены в устройства. Эти чипы позволяют выполнять сложные вычисления нейронных сетей непосредственно на месте, без необходимости пересылать данные в облако.

🫡Плюсы Edge AI:
➕автономность работы: локальная обработка данных означает, что устройство может функционировать без подключения к интернету;
➕минимальная задержка: так как данные не отправляются на сервер, их обработка ускоряется;
➕защита данных: ваши данные остаются на устройстве, что снижает риск их утечки;
➕энергоэффективность: AI-чипы оптимизированы для работы с низким энергопотреблением, что особенно важно для мобильных устройств.

😅А что с роботом-пылесосом?
Edge AI, как любые другие технологии, требует постоянных доработок. Роботы-пылесосы полагаются на алгоритмы для навигации. Если алгоритм «подумает», что дверь открыта, робот может смело «выйти» на улицу и начать свою лучшую жизнь.

Поделитесь, какими умными помощниками пользуетесь вы? Были ли забавные ситуации, связанные с багами устройства?😝

Первый в мире умный счетчик: майнеры сворачивают фермы 💰

Ученые СПбГУ разработали уникальный счетчик электроэнергии с интегрированным искусственным интеллектом, который выявляет случаи энергетического мошенничества и нелегального майнинга. Об этом сообщил «Санкт-Петербургский Курьер».

🪙Майнинг криптовалют представляет собой одну из наиболее серьезных проблем для энергетической системы России. Обнаружить криптофермы традиционными способами практически невозможно. Поэтому в ход пошел искусственный интеллект.

⚡️Инновационный счетчик от компаний «Лартех» и «Энергомера», для которых СПбГУ разработал ПО на основе ИИ, способен автоматически обнаруживать аномальный расход электроэнергии и предотвращать злоупотребления.

Как отметил проректор по научной работе СПбГУ Сергей Микушев:

Использование фундаментального подхода для решения инженерных задач совместно с таким партнером, как «Лартех», приносит результаты.

🥇Новинка уже завоевала Гран-при Конкурса перспективных разработок в области внедрения искусственного интеллекта в электроэнергетику, подтверждая важность интеграции современных технологий в традиционные сферы.

Вы то, на что вы подписаны🤫

Ученые СПбГУ и СПб ФИЦ РАН создали уникальное приложение для профориентации на основе ваших подписок в социальной сети «ВКонтакте» 📱

«AI профориентатор» собирает общую информацию о ваших скиллах и предпочтениях, используя данные библиотеки VK Bridge.

«Эти данные передаются на сервер, построенный на платформе Node.js, где проходят валидацию и направляются на внешний сервер машинного обучения — ключевой компонент, обеспечивающий интеллектуальный анализ», — рассказал консультант первого проректора по учебной работе СПбГУ, доцент СПбГУ, руководитель лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН Максим Абрамов.

❓Как это работает?
В основе приложения – модель, обученная на анализе психологических тестов, где пользователь мог выяснить предрасположенность к различным профессиям. В процессе анализа «AI профориентатор» с высокой точностью определяет склонности к творческим, техническим, гуманитарным и другим дисциплинам. Более того, после прохождения теста пользователь получает персональные рекомендации по развитию более сильных навыков📈

Еще одна фишка «AI профориентатора» – возможность анализировать профили других людей. Эйчарщики выдохнули. Поиск нужного сотрудника в команду облегчен!

⛓Приложение уже доступно для пользования – пробуйте!

Поделитесь результатами в комментариях, на том ли месте вы работаете? А может, тест раскрыл желание вашего внутреннего ребенка быть космонавтом?💫

🤔 И снова открытие: физики СПбГУ представили архитектуру для сверхбыстрых нейросетей нового поколения

Научные сотрудники Университета Алексей Кавокин и Евгений Седов разработали поляритонные нейроны для ультрабыстрых нейроморфных систем, цель которых — достигать высокой скорости обработки информации и выполнения задач. Нейроны могут распознавать рукописные цифры и голосовые команды с небывалой эффективностью.

Как отметил Алексей Кавокин,

строительными блоками для такой системы послужили бозонные конденсаты экситон-поляритонов. Они, обладая свойствами света, способны контактировать друг с другом. Именно поэтому их иногда еще называют «квантами жидкого света».

Примечательно, что предложенная архитектура относится к классу бинарных нейросетей (BNN). Эти сети используют двоичные входные и выходные сигналы нейронов, что отличает их от традиционных нейронных сетей, работающих с непрерывными переменными.

🚀 Применение BNN позволяет значительно ускорить обработку данных и сократить объем необходимой памяти. Поэтому они идеально подходят для устройств с ограниченными энергетическими ресурсами, таких как интернет вещей или системы периферийных вычислений.

Архитектуру протестировали на двух задачах. Первая — распознавание рукописных цифр из базы данных MNIST, где точность составила более 97,5%. Также для оценки адаптивности и универсальности сеть проверили на наборе Speech Commands для распознавания голосовых команд.

С более подробной информацией можно ознакомиться здесь

А вы когда-нибудь применяли бинарные нейросети для выполнения рабочих или повседневных задач?
Расскажите о своем опыте в комментариях 💬

СПбГУ отмечает свой 3️⃣0️⃣1️⃣ день рождения!

С нами празднует весь город! День рождения университета официально внесен в календарь памятных дат города.

Уже более трёх веков в университете воспитываются выдающиеся ученые и будущие лидеры, формируются научные школы и продвигаются новаторские идеи⭐️

Поздравляем студентов, преподавателей и выпускников с этим знаменательным событием! Будем вместе продолжать развиваться, вдохновлять новое поколение ученых и оставаться ведущим центром образования и науки в нашей стране!

⚡️Знакомы ли вы с понятием «эмерджентный интеллект»? Именно о нем и поговорим на следующем научно-практическом семинаре!

🗓12 февраля | 🕔18:00 | Центр ИИ СПбГУ (Кадетская линия, 1-3, схема прохода)

В качестве спикера выступит Петр Олегович Скобелев — ведущий научный сотрудник ФИАН, зав. лабораторией ИПУСС РАН, зав. кафедрой ФАИТ СамГТУ, профессор Самарского университета и автор более 230(!) научных работ.

🤖Несмотря на большие достижения в области искусственного интеллекта (ИИ), основанного на нейронных сетях и машинном обучении, вопрос о том, как будут создаваться системы общего (сильного) интеллекта, остается неясным. Эти системы должны быть способны к целенаправленным действиям, но пока никто не знает, каким будет их путь развития.

На предстоящем семинаре Петр Олегович расскажет, что следует понимать под «эмерджентным интеллектом»(ЭИ). Немного приоткроем занавес: понятие ЭИ сопряжено с новой методологией решения сложных задач путем выявления и разрешения конфликтов между программными агентами сущностей с противоположными интересами, конкурирующими и кооперирующими на виртуальном рынке мультиагентной системы.

🔃В связи с этим будут рассмотрены модели, методы и алгоритмы разбора конфликтов и согласованного принятия решений, которые базируются на целевых функциях и функциях бонусов-штрафов, а также протоколах переговоров агентов для поиска решений со взаимными уступками в ходе достижения консенсуса.

Спикер предложит конкретные примеры разбора конфликтов в задачах управления ресурсами, понимания текстов и извлечения знаний из данных. А в завершение обсудим перспективы использования эмерджентного интеллекта в качестве основы «сильного ИИ».

Для посещения мероприятия обязательно зарегистрируйтесь по ссылке

👥 До встречи на семинаре!

⚡️Открываем новые горизонты в понимании и разработке систем сильного интеллекта уже в эту среду в 18:00 в Центре ИИ СПбГУ!

➡️Конкретнее – поговорим об эмерджентном интеллекте и как он может трансформировать наше представление о решении сложных задач: управление проектами, производством и логистикой в реальном времени с помощью технологИИ!

Поделится знаниями и результатами Петр Олегович Скобелев, ведущий научный сотрудник ФИАН, зав. лабораторией ИПУСС РАН, зав. кафедрой ФАИТ СамГТУ, профессор Самарского университета и автор более 230 научных работ.

💬Не упустите возможность послушать, задать вопросы и присоединиться к дискуссии, нужно только зарегистрироваться🔗

🖥 Недавно мы делали подборку всемирно популярных бенчмарков, используемых для оценки производительности и эффективности моделей машинного обучения.

Как оказалось, среди инструментов российского производства тоже есть немало достойных примеров.

Делимся с вами некоторыми из них ⤵️

1. MERA (Multimodal Evaluation for Russian-language Architectures) – проект от SberDevices, Sber AI, НИУ ВШЭ, «Сколтеха» и других разработчиков. Его предназначение – оценивать на закрытых и открытых тестах современные большие языковые модели для русского языка. Кодовая база для оценки на бенчмарке MERA основана на международном фреймворке LM Evaluation Harness. Сейчас это единая площадка для рейтинга моделей и отражения их способностей по доменам, задачам и модальностям.

2. LLM Arena – общедоступная платформа, цель которой – сделать объективный, открытый и актуальный бенчмарк больших языковых моделей на русском языке. Она собирает и ранжирует парные сравнения пользователей с помощью вероятностной модели Брэдли-Терри. Так можно узнать, какой из ответов, сгенерированный разными нейросетями, более качественный. При этом существуют режимы сравнения как случайных моделей, так и выбранных пользователем.

3. RuCoLa – проект по оценке лингвистической компетентности больших языковых моделей от ABBYY, Huawei, Yandex Research, SberDevices и НИУ ВШЭ. Он может использоваться для сравнения способностей нейросети к пониманию языка, а также для улучшения качества генерации текстов. В основе RuCoLa – набор из 13,4 тысяч предложений на русском языке, которые размечены по бинарной шкале лингвистической приемлемости. Приемлемое высказывание – то, которое мог бы привести носитель языка, а другой носитель – понять. Датасет оценивает чувствительность моделей как к обычным лингвистическим явлениям (морфологии, синтаксису, семантике), так и к галлюцинациям, например, к бессмысленному повторению фрагментов предложения.

4. RussianSuperGlue – еще одна платформа для оценки понимания моделями русского языка, созданная SberDevices, Huawei и НИУ ВШЭ. Бенчмарк включает в себя четыре части: тесты для нейросетей, тесты для людей для сравнения, оценку существующих моделей и инструменты для помощи в оценке собственной модели. Разработчики хотят, чтобы RussianSuperGlue стал общедоступным рейтингом русскоязычных NLP-моделей (обрабатывающих естественный язык). Он также призван помочь специалистам в Data Science понять, какая из нейросетей больше подходит для выполнения тех или иных задач.

5. ruSciBench, разработанный в МГУ им. М. В. Ломоносова, предназначен для оценки эмбеддингов научных текстов. Представьте, что каждый текст – это точка в многомерном пространстве, так вот эмбеддинги помогают преобразовать текст в такие точки, где похожие по смыслу тексты будут находится близко друг к другу. Датасет бенчмарка состоит из 194 тысячи сочетаний названий и аннотаций статей на русском языке и 182,4 тысячи на английском. Всего есть два типа задач: классификация и поиск перевода. Задача поиска перевода проверяет, насколько хорошо модель понимает смысл текста, независимо от языка. Для этого сравнивают, насколько близки векторы (эмбеддинги) аннотации на русском и английском языках. Чем ближе они друг к другу, тем лучше работает модель. В результате получают две метрики: насколько успешно можно найти русскую аннотацию по английской и наоборот.

А с какими отечественными бенчмарками знакомы вы? Делитесь в комментариях ✏️

🎤Руководитель юридической группы Центра ИИ СПбГУ Владислав Владимирович Архипов выступил в Кыргызско-Российском Славянском университете

8 февраля 2025 года в ходе круглого стола «Межгосударственное научно-инновационное сотрудничество Кыргызстана и России: перспективы и приоритеты развития», приуроченного ко Дню российской науки, он представил доклад на тему «Правовые проблемы ИИ: опыт СПбГУ». 

Вот основные тезисы выступления:

🔵Право по умолчанию технически нейтрально, при этом системы ИИ, как правило, могут рассматриваться как результаты интеллектуальной деятельности, информационные системы, содержащие и обрабатывающие информацию различных правовых режимов, средства поддержки принятия юридически значимых решений.

🔵Актуальные правовые проблемы, которые в рамках своей профессиональной деятельности разрешают сотрудники Центра ИИ СПбГУ, следующие: правовой режим датасетов, обработка персональных данных при машинном обучении, сложный «лицензионный состав» программного обеспечения и использование ИИ в конечных решениях.

🔵Согласно российскому законодательству, содержание датасета в любом случае представляет собой информацию, но при определенных условиях дополнительно может охраняться и как результат интеллектуальной деятельности.

🔵На сегодняшний день остро стоит вопрос о защите личной информации, которая используется нейросетью в процессе обучения, поскольку правовой режим персональных данных не всегда позволяет определить вид данных, исходя из их структуры и метаданных.

🔵Применение искусственного интеллекта в конечных решениях может иметь правовое значение при автоматизации юридически значимых действий. При этом автоматизация отдельных видов решений способна непропорционально усложнять правовые риски и определенность, особенно в вопросах ответственности. 

🗣️ Владислав Владимирович Архипов поделился, что доклад вызвал живой интерес у аудитории, и по итогам выступления сложилась продуктивная дискуссия о пределах использования технологий искусственного интеллекта с точки зрения этики и права. 

☄️Хотите узнать три новых алгоритма сжатия моделей глубокого обучения? Тогда ждём вас на семинаре в среду!

🗓19 февраля | 🕔18:00 | Центр ИИ СПбГУ (Кадетская линия, 1-3, схема прохода)

Доклад представит Ованес Леонович Петросян — доктор физико-математических наук, профессор.

Обычно модели глубокого обучения сжимают следующими методами:
➡️квантование (или бинаризация)
➡️извлечение знаний
➡️обучение с использованием информации о том, что модель сжата

Доклад посвящен разработке трех новых алгоритмов для данных методов. Особого внимания заслуживают подходы, учитывающие использование бинарного градиента для обучения бинарных нейронных сетей, и методы оптимизации архитектуры нейронной сети, используя информацию об ограничениях на вычислительные ресурсы и энергопотребление устройства, на котором эта модель будет работать.

Ждем всех желающих на обсуждение! Для посещения мероприятия обязательно зарегистрируйтесь по ссылке🔗

😊 Постигая эмерджентный интеллект: о чем рассказал самарский доктор наук Петр Олегович Скобелев на семинаре 12 февраля

Если говорить о самом понятии «эмерджентность», в толковых словарях оно трактуется как появление у системы свойств, которые не были в ней заложены изначально. Из простых примеров – снежинки и вода. Кислород и водород, образуя молекулы воды, приобретают то, чего не было в базе заложенных принципов. Петр Олегович предположил, что сильный эмерджентный искусственный интеллект (ЭИ) в будущем должен быть построен как природо-подобный, самоорганизующийся и эволюционирующий коллективный интеллект, способный самообучаться, развиваться и менять свой исходный код.

⏳ При этом, по мнению докладчика, первый шаг к ЭИ – использование мультиагентных технологий с виртуальным рынком для моделирования процессов самоорганизации и решения сложных задач. Так, в условиях высокой динамики и неопределенности проблема управления ресурсами в современных организациях может быть решена путем замены менеджеров на умных программных роботов.

«Такие роботы могут в тысячу раз быстрее принимать решения там, где это возможно, отводя людям роль для более творческих задач. Собственно, это путь к повышению эффективности и конкурентоспособности», – объяснил спикер.

Для более глубокого погружения в тему Петр Олегович упомянул о концепции «Индустрия 5.0», представляющей собой переход к сложным, нелинейным и недетерминированным моделям цифровых двойников. До XX века в науке преобладало линейное мышление, однако далеко не все явления устойчивы и находятся в состоянии равновесия. Пример тому – финансовый кризис, образование галактик и творческая деятельность человека. «Индустрия 5.0» ориентирована на цифровизацию знаний и создание цифровых колоний и экосистем автономных цифровых двойников на базе ИИ для автоматизации ментальных процессов коллективного принятия решений.

«Представьте себе маленькую транспортно-логистическую сеть, где «гоняются» грузы по Европе. С одной стороны у вас сжатые сроки выполнения заказа, с другой – ограничения по складам. Вообразите теперь мощь системы, которая бы консолидировала, планировала и оптимизировала заказ непрерывно в реальном времени. Первый раз мы столкнулись с подобными задачами в начале 2000-х годов и поняли, что решить их обычным, линейным, способом не получится», –

поделился докладчик.

😖 Когда классическая оптимизация не работает, на помощь приходят мультиагентные технологии. Множество программных агентов позволяют решению проблемы самоорганизовываться, воспринимая ситуацию и взаимодействуя с себе подобными. Петр Олегович подчеркнул, что с появлением ChatGPT мультиагентные технологии переживают бум второго рождения и используются в различных отраслях: от проектов в сфере логистики до производства. В контексте таких систем эмерджентный интеллект проявляется, когда взаимодействия между агентами приводят к появлению новых, неожиданных паттернов поведения или решений, которые не были предсказаны на уровне отдельных агентов.

Встроенным «мультиагентным движком» адаптивного планирования обладает ИСУР – интеллектуальная система управления ресурсами предприятия на базе эмерджентного интеллекта. Как рассказал докладчик, внедрение этих технологий показало себя с лучшей стороны в различных компаниях, занимающихся перевозками. Так, благодаря ИСУР общий объем выполненных заказов в ТК «Траско» при неизменных ресурсах вырос на 10 %, а простои снизились на 9 %. В ТК «Лорри» эти же показатели составили 5-7 % и 6 % соответственно. Еще один кейс – применение ИСУР для управления мобильными бригадами, в частности, в Средневолжской газовой компании. Технология увеличила эффективность работы бригад на 40 %, позволив делать двенадцать заказов в день вместо семи.

💡Резюмируя, эмерджентный интеллект – новое поле для научных исследований в области создания самоорганизующихся и эволюционирующих систем сильного интеллекта будущего. Разработки, основанные на этой технологии, уже успешно зарекомендовали себя в бизнесе, открыв новые горизонты для повышения результативности, инновационности и конкурентоспособности компаний.

🌐 Сегодня ИИ окружает нас повсюду, но знаете ли вы, как зарождались эти технологии?

Наш следующий семинар будет посвящен обзору и периодизации развития кибернетики и искусственного интеллекта, которые представит Александр Львович Фрадков, доктор технических наук, заведующий лабораторией управления сложными системами Института проблем машиноведения РАН.

🗓26 февраля | 🕔18:00 | Центр ИИ СПбГУ (Кадетская линия, 1-3, схема прохода)

➡️ На лекции подробно рассмотрим такие этапы становления ИИ, как:

🟦Ранние годы: 1940-1959 (Формальная модель нейрона Маккалока-Питтса, работы Винера и Шеннона, тест Тьюринга, Дартмутский семинар, Перцептрон Розенблатта);
🟦Весна кибернетики и ИИ: 1960-е гг (Распознавание образов, чат-бот АЛИСА, работы Бонгарда, Айзермана и др.);
🟦Первая зима ИИ: 1970-е гг. (Книга Минского-Пейперта и кризис нейросетей, NP-трудные задачи);
🟦Вторая весна ИИ: 1980-е гг. (Экспертные системы, сверточные сети Фукушимы, метод обратного распространения ошибки Вербоса);
🟦Вторая зима ИИ: конец 1980-х - начало 1990-х
🟦Новая эра ИИ и возвращение кибернетики (Большие данные, графические процессоры, фреймворки и бенчмарки, человеко-машинные системы).

🎙Кроме того, поговорим о проблеме С^3, больших языковых моделях (LLM) и премии Тьюринга 2018 года.

Не упустите возможности узнать об истоках появления ИИ и пообщаться с опытным специалистом!

Напоминаем, что для посещения мероприятия необходимо зарегистрироваться по ссылке 🔗

«Расскажи мне про ИИ» — первый митап в 2025🔥

🗓28 февраля | 🕘16:00 | Центр ИИ СПбГУ (Кадетская линия, 1-3, схема прохода)

Ученые и коммуникаторы объединятся, чтобы найти ответ на вопрос: как популяризировать технологию для широкой аудитории?

Свои секреты работы с ИИ раскроют:

⭐️Мария Разыгрина — психолог, преподаватель кафедры машинного обучения и цифровой гуманитаристики МФТИ, автор проекта «Школа Психологической Компетентности».
⭐️Кира Чуракова — редактор Hi-Tech Mail (VK).
⭐️Полина Конорова — независимый PR-консультант в IT & руководитель PR в Just AI.
⭐️Сергей Николенко — эксперт Центра ИИ СПбГУ, доцент СПбГУ, заведующий лабораторией искусственного интеллекта ПОМИ РАН.

Модератор научно-практической встречи — заведующая кафедрой цифровых медиакоммуникаций, эксперт Центра ИИ СПбГУ Камилла Нигматуллина.

Для посещения мероприятия нужно зарегистрироваться по ссылке🔗

⭐️ С Днём защитника Отечества!

В этот день мы поздравляем всех, кто отважно защищает нашу страну, обеспечивая безопасность как в реальном, так и в цифровом мире.

Пусть ваши идеи и разработки окажутся сильными и надежными, а искусственный интеллект послужит верным помощником в достижении новых высот!

📈 От всей души желаем крепкого здоровья, мира и благополучия!

С уважением, Центр ИИ СПбГУ

❗️Внимание, замена спикера!

Завтра в Центре ИИ СПбГУ вместо Александра Львовича Фрадкова выступит Татьяна Матвеевна Косовская, доктор физико-математических наук, профессор кафедры информатики СПбГУ.

🎮 Тема доклада: «Сложные структурированные объекты: анализ и распознавание. Применение формул исчисления предикатов: полином или экспонента?».

Выступление Александра Львовича переносится на следующую неделю. Следите за обновлениями!

🔗 Ссылка для регистрации на мероприятие 26 февраля остается прежней.

Приносим извинения за доставленные неудобства и с нетерпением ждём вас на завтрашнем семинаре!

🖥Гуманитарии и технологии искусственного интеллекта

Ведущие вузы России (СПбГУ, МГУ, ННГУ) запустили программы по обучению журналистов работе с нейросетями, где студентов учат адаптировать технологии под задачи медиа.

❓Зачем им ИИ? Зачем обучаться в магистратуре? Есть же курсы…

Камилла Нигматуллина, ведущий аналитик Центра ИИ СПбГУ и научный руководитель образовательной программы магистратуры СПбГУ «Искусственный интеллект в журналистике и массовых коммуникациях» в интервью МЕДИА ТОК отметила: для глубокого понимания ИИ требуется больше, чем краткосрочные курсы.

«Мы готовим в основном управленцев, которые смогут грамотно внедрить ИИ в медиапроизводство, поэтому в их подготовке уделено внимание основам менеджмента, проектного управления, психологии работы в команде, отдельным аспектам медиапроизводства, и, конечно, исследованиям как самих нейросетей в медиа, так и исследованиям, подготовленным с помощью автоматизации обработки больших данных. Академический подход также предполагает анализ профессиональных стандартов работы, этических вопросов, глобальных изменений в медиасистеме».

➡️Сегодня технологии искусственного интеллекта вышли за рамки IT-сферы и стали неотъемлемой частью медиаиндустрии. Журналисты, обученные работе с ИИ, смогут не только автоматизировать рутинные процессы, но и создавать инновационные медиапродукты, вести ИИ-проекты, ставить грамотное техническое задание IT-специалистам и решать сложные этические вопросы.

💬А что вы думаете по этому поводу? Может, наконец наладится коммуникация между IT-специалистами и людьми других специальностей?