#алгоритмы

Потребители в последние годы все чаще сталкиваются с персональным ценообразованием. Алгоритмы анализируют персональные данные клиентов и их поведение в сети, после чего назначают индивидуальные цены на товар или услугу. Такие предложения со стороны агрегаторов авиабилетов уже не удивляют, но теперь так поступают и новостные издания.

Международная группа исследователей, в которой участвовали математики из Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, теоретически обосновала простой и вычислительно легкий метод оценки неопределенности для стохастического градиентного спуска (SGD).

То, на что человек в первую очередь обращает внимание в новом месте, оказалось глубоко индивидуальным. По этим особенностям его можно узнать спустя неделю среди десятков других людей, выяснили авторы нового исследования. Они также показали, что движения наших глаз неслучайны и отражают устойчивые личные предпочтения.

Слушатели узнают, как алгоритмы перестроили производство и дистрибуцию контента.

Ученые РТУ МИРЭА и Сибирского федерального университета создали программный комплекс, который анализирует учебные планы вузов быстрее секунды и находит в них слабые места. Большинство учебных планов содержат скрытые противоречия, дублирования и неочевидные перекосы в подготовке специалистов. Это важно, потому что от качества учебного плана напрямую зависит, какие реальные навыки получат студенты и насколько они будут востребованы работодателями.

Система рекомендаций Spotify не связана с расширением музыкальных предпочтений. Фактически, компания стремится удержать пользователя, побудить его остаться в приложении.

Долгие годы ученых и философов привлекала идея, что человечество может жить внутри масштабной компьютерной симуляции, подобно тому, как это показано в фильме «Матрица». Однако новое исследование опровергло эту теорию.

Команда исследователей из Т-Технологий и МФТИ разработала метод, позволяющий построить детальную «карту» эволюции абстрактных понятий в глубине больших языковых моделей. Этот подход, основанный на «графах потоков признаков», не только открывает «черный ящик» ИИ, делая его работу прозрачной, но и дает в руки ученых мощный инструмент для точного управления поведением нейросетей, например, для подавления нежелательных тем в генерируемом тексте.

Команда исследователей из Т-Технологий, Московского физико-технического института (МФТИ) и Национального исследовательского университета «Высшая школа экономики» (НИУ ВШЭ) разработала новаторский метод, позволяющий проследить «жизненный цикл» отдельных концепций внутри сложных нейронных сетей. Подход получил название SAE Match. Он работает как своего рода магнитно-резонансная томография для искусственного интеллекта, создавая детальную карту того, как абстрактные признаки — «пушистый», «историческое событие» или «радость» — зарождаются, трансформируются и передаются между слоями нейросети. Это фундаментальный прорыв в области интерпретируемости искусственного интеллекта, открывающий путь к созданию более прозрачных, надежных и управляемых систем.

Ежегодно в России продаются миллионы подержанных автомобилей, но установить их справедливую цену бывает крайне сложно. Большинство специальных онлайн-сервисов анализируют только цифры из объявлений, которые отражают ожидания продавцов. На практике транспортные средства при продаже становятся дешевле на 10-15% после переговоров, но эти сведения остаются недоступными. В результате рынок ориентируется на завышенные «гонорары», что вызывает ошибки в определении залоговой ценности, необоснованные страховые компенсации и переплаты со стороны приобретателей. Ученые Пермского Политеха разработали приложение, которое решает главную задачу сегмента подержанных автомобилей — вычисляет фактическую, а не объявленную стоимость транспортных средств. Алгоритм изучает скрытые данные и с точностью 90% прогнозирует окончательную сумму соглашения с учетом торга.

Коллектив исследователей из T-Bank, МФТИ и МИСИС разработал новый подход к обучению ансамблей нейронных сетей, заставляющий каждую модель в группе смотреть на проблему под своим уникальным углом. Этот метод, названный Saliency-Diversified Deep Ensembles (SDDE), позволяет не просто повысить точность работы искусственного интеллекта, но и научить его лучше распознавать ситуации, с которыми он ранее не сталкивался. В результате ансамбль становится умнее, точнее и осторожнее при столкновении с неизвестными данными, что открывает новые горизонты для создания более надежных и безопасных ИИ-систем.

Исследователи ТУСУРа изучили эффективность передачи данных в сетях 6G и разработали алгоритмы, которые позволят повысить надежность и скорость соединения, а также подключать к одной базовой станции большее количество устройств.

В РТУ МИРЭА представили инновационную систему на основе искусственного интеллекта, которая автоматизирует процесс генерации игровых уровней. Разработка, созданная в Институте кибербезопасности и цифровых технологий РТУ МИРЭА, способна сократить время производства игрового контента на 50-70%.

Предсказывать пористость железорудных брикетов и влиять на их свойства с помощью состава исходного вещества позволит новый метод, предложенный исследователями Университета МИСИС. В перспективе он позволит снизить затраты на производство сплавов и улучшить качество конечной продукции.

Ученые МТУСИ предложили новый подход к улучшению реидентификации объектов — процесса отслеживания одного и того же объекта на протяжении всего видеоряда.

Международная команда ученых совершила прорыв в области распределенного машинного обучения, разработав новые алгоритмы, значительно повышающие эффективность обучения моделей в федеративных сетях. Исследование, проведенное группой, куда вошли специалисты МФТИ, представляет собой значительный шаг вперед в решении проблемы высокой вычислительной сложности обучения больших моделей в распределенных системах.

В МТУСИ разработали методику визуализации блокчейна сети биткоин для поиска доказательств свершения преступлений. Особенность исследования заключается в разработке новых подходов к анализу данных о транзакциях в блокчейнах, которые позволяют визуализировать и анализировать потоки средств, выявлять взаимосвязи между участниками сети и особенности структуры данных.

Сотрудники лаборатории исследований искусственного интеллекта T-Bank AI Research существенно улучшили работу автоматизированной рекомендательной системы. Ключевым звеном в их решении стала существенная оптимизация одного из самых популярных алгоритмов для подбора рекомендаций.

Ученые разработали алгоритм, который в разы лучше выявляет эпилепсию на записях ЭЭГ, чем другие автоматизированные методы. Для этого авторы скомбинировали два подхода к анализу сигналов активности мозга — классификатор, не требующий обучения, и обучаемую нейронную сеть. Разработка позволит автоматизировать анализ ЭЭГ и тем самым упростит процесс выявления эпилепсии.

В современной робототехнике существует проблема сортировки объектов, хаотично расположенных в рабочей зоне манипулятора. Один предмет может полностью или частично закрывать другой, и тогда роботу будет сложно захватить нужный из них, не затронув другие или не повредив захватное устройство. В МТУСИ предложили алгоритм, основанный на нейронной сети и RGB-D сенсоре, позволяющий определить объект захвата с применением промышленного манипулятора.