Вышка представила свои разработки и научные достижения в области ИИ

Сбер организовал R&D-день для исследовательских центров в области искусственного интеллекта. Команды Центра ИИ и других подразделений ВШЭ продемонстрировали свои компетенции и обсудили с бизнес-заказчиками перспективные задачи и подходы к их решению в будущих проектах.

Мероприятие открыл Андрей Белевцев, старший вице-президент, руководитель блока «Технологии» Сбера, отметивший большой спрос компании на фундаментальные и прикладные исследования. R&D-день, организованный Сбером, был направлен на выбор ключевых проектов для сотрудничества с университетами в ближайшие годы.

Альберт Ефимов, вице-президент, директор Управления исследований и инноваций Сбера, подчеркнул, что более половины публикаций Сбера в области искусственного интеллекта были созданы в сотрудничестве с центрами искусственного интеллекта. Сотрудничество с университетами, включая НИУ ВШЭ, открывает для Сбера новые технологические возможности. Ведущие исследователи разрабатывают ИИ-технологии в передовых областях науки для решения задач бизнес-заказчиков.

Академические исследователи из НИУ ВШЭ, Сколтеха и Новосибирского государственного университета поделились своими идеями о текущем состоянии и перспективах развития искусственного интеллекта после эпохи больших языковых моделей (LLM). Они отметили, что LLM произвели революцию в обработке естественного языка, но это лишь начало пути.

Алексей Наумов

© Высшая школа экономики

Алексей Наумов, научный руководитель Центра ИИ ВШЭ, выступил с докладом «Управляя генерацией. Где еще искать точки прорыва к AGI?». Он рассказал, как обучение с подкреплением (RL) приближает науку к общему искусственному интеллекту. В 2024 году ученые Центра ИИ ускорили обучение генеративных потоковых сетей с помощью RL. Результаты исследования вошли в 5% лучших публикаций на конференции AISTATS 2024 и были представлены на сессии «Вероятностные методы». Благодаря оптимизации RL ученым удалось получить в 1,6 раза больше разнообразных молекул и белков.

После этого состоялась панельная дискуссия на тему «Что ждет AI после эпохи LLM?», постерная сессия и нетворкинг представителей исследовательских команд с бизнес-заказчиками от экосистемы Сбера.

Алексей Масютин

© Высшая школа экономики

«Практика R&D-дней позволяет обменяться результатами с коллегами из других университетов и, что важно, в неформальной обстановке увидеться с заказчиками, — отметил Алексей Масютин, руководитель Центра ИИ ВШЭ. — Мы благодарим Сбер за такую инициативу и планируем рамку дальнейших совместных исследований».

На постерной сессии был представлен 21 исследовательский проект в области искусственного интеллекта, реализуемый учеными НИУ ВШЭ:

1. Demonstration-regularized RL (Центр искусственного интеллекта)
2. Generative flow networks as entropy-regularized RL (Центр искусственного интеллекта)
3. Diffusion Model in the Space of Language Model Encodings (Центр искусственного интеллекта)
4. Star-Shaped Denoising Diffusion Probabilistic Models (Центр искусственного интеллекта)
5. Поиск аномалий в данных в условиях известной физической модели (Институт искусственного интеллекта и цифровых наук ФКН)
6. Engineering Point Defects in Transition Metal Dichalcogenides for Tailored Material Properties using LLMs (Институт искусственного интеллекта и цифровых наук ФКН)
7. Фреймворк для предсказания функциональных элементов генома (Центр искусственного интеллекта)
8. Генеративные модели для предсказания байндеров (Институт искусственного интеллекта и цифровых наук ФКН)
9. Большие языковые модели и анализ медицинских данных (Институт искусственного интеллекта и цифровых наук ФКН)
10. Regularized Distribution Matching Distillation (Институт искусственного интеллекта и цифровых наук ФКН)
11. Texture generation for three-dimensional models (Институт искусственного интеллекта и цифровых наук ФКН)
12. GeoAI: когда локация имеет значение (Центр геоданных)
13. Fact-checking for LLM based on web mining (Центр искусственного интеллекта)
14. Построение графа знаний для конкретной предметной области: генерация и оценка (Международная лаборатория интеллектуальных систем и структурного анализа ФКН, Институт искусственного интеллекта и цифровых наук ФКН)
15. Автоматизированная коррекция нестандартной орфографии и грамматики  (Центр искусственного интеллекта)
16. Прорывные технологии обработки данных: машинное обучение для анализа научно-технологических текстов (Институт статистических исследований и экономики знаний)
17. Как ИИ помогает исследователям выявлять научно-технологические тренды: сочетание преимуществ семантического поиска и больших языковых моделей (Институт статистических исследований и экономики знаний)
18. Как понимание особенностей языка может сократить технологический разрыв? (Институт статистических исследований и экономики знаний)
19. Использование внешних знаний в языковых моделях (Международная лаборатория интеллектуальных систем и структурного анализа ФКН)
20. Система анализа тональности социальных сетей (Международная лаборатория интеллектуальных систем и структурного анализа ФКН)
21. Технология состояние-зависимой биомагнитной стимуляции мозга в реальном времени (HarPULL) (Центр биоэлектрических интерфейсов)