#искусственный интеллект

Трудно ли создать машинный сверхинтеллект? Поможет ли ИИ перейти к новому технологическому укладу? И как обучать искусственный разум на малом количестве примеров? Какие сложности возникают при взаимодействии с умными роботами, обсудили с директором центра когнитивного моделирования МФТИ, руководителем научной группы «Нейросимвольная интеграция» в Институте искусственного интеллекта AIRI Александром Пановым.

Команда исследователей с участием Александра Ширнина из НИУ ВШЭ создала две модели для обнаружения в научных текстах частей, сгенерированных искусственным интеллектом. В системе AIpom соединены два типа моделей — декодер и энкодер, что позволяет ей эффективнее находить сгенерированные вставки. Система Papilusion подходит для распознания исправлений с помощью синонимов и кратких пересказов, сгенерированных нейросетью, в работе она использует  модели одного типа — энкодеры. В перспективе подобные модели помогут в проверке оригинальности и достоверности научных публикаций.

Разработка называется XLand-MiniGrid и позволяет тренируемому ИИ выполнять триллион взаимодействий с обучающей его средой всего за три дня.

Авиационный газотурбинный двигатель выполняет две основные функции в полете: создает тягу, которая обеспечивает движение самолета в воздухе, и снабжает его необходимой мощностью для работы самолетных систем. Для безопасности полетов и предотвращения аварийных ситуаций необходима непрерывная оценка состояния двигателя при разных режимах эксплуатации. Чтобы точно отслеживать изменения, можно применить адаптивные технологии на основе сложных математических моделей. Но они требуют больших вычислительных ресурсов, и их не реализовать на существующих цифровых агрегатах. Ученые Пермского Политеха разработали адаптивную бортовую модель на основе искусственного интеллекта. Она позволяет повысить скорость и точность оценки состояния авиационного газотурбинного двигателя во время полетов.

Растущая популярность инструментов генеративного ИИ осложняет работу исследователей, использующих онлайн-опросы. Ученые из США попытались оценить масштабы проблемы и в эксперименте выяснить, какие черты отличают человеческие ответы от сгенерированных нейросетью.

Генеральный директор Института искусственного интеллекта AIRI, профессор РАН Иван Оселедец — о семье, математике и о том, что ждет область искусственного интеллекта в самом ближайшем будущем

В последние годы искусственный интеллект в целом и большие языковые модели (Large Language Models, LLM) в частности стали неотъемлемой частью многих технологических процессов. Прорывы в области обработки информации открыли новые возможности и для авиационной отрасли. Авиакомпании и аэропорты по всему миру начали активно интегрировать LLM в сферу обслуживания пассажиров. Например, генеративные нейросети и чат-боты на базе GPT-технологий уже задействуют в работе индийские Air India и американские United Airlines. Применение больших языковых моделей в авиационной сфере имеет множество плюсов, однако при этом сопряжено и с определенными рисками. О том, почему такие инновации одновременно опасны и перспективны, рассказал научный сотрудник института «Компьютерные науки и прикладная математика» МАИ, директор департамента цифровой трансформации в компании BetBoom Юрий Чайников.

Смех — неотъемлемая часть нашей жизни, но то, почему и как смеются люди, может сильно различаться. Ученые недавно установили, что определенный тип смеха уникален по своим звуковым свойствам и в плане восприятия. В эксперименте его успешно распознали как искусственный интеллект, так и живые испытуемые.

Командная работа роботов пока остается несовершенной в реальных условиях. Робототехники успешно создают приложения и проводят эксперименты в лабораториях, однако самоорганизующиеся системы дают сбой, как только выходят за их пределы. Ученые из Бельгии предложили новый подход к программированию роя роботов, который предусматривает централизованное управление.

Исследователи из НИУ ВШЭ предложили новый научный подход для оценки компетентности искусственного интеллекта в области образования. Подход основан на психометрических принципах и проиллюстрирован на примере проверки GPT-4. Это первый шаг к проверке реальной готовности генеративной модели к роли ассистента педагога или ученика.

Генеративные, то есть создающие некий контент модели искусственного интеллекта научились имитировать человеческую речь, писать художественные произведения, рисовать рекламные ролики, решать задачи по программированию и многое другое. Однако по качеству работы их все же достаточно легко было отличить от людей. Исследователи из США опубликовали результаты первого эксперимента, в котором люди не просто не смогли разграничить стихи англоязычных поэтов и ИИ-поэзию, но и оценили машинное искусство выше человеческого.

На базе Московского института электроники и математики (МИЭМ) НИУ ВШЭ создан Научно-исследовательский институт телекоммуникаций (НИИТ), который будет работать над передовыми исследованиями и разработками в области технологий связи. НИИТ не только займется инновациями и коммерциализацией разработок, но и станет важным образовательным центром для подготовки инженеров-разработчиков, ориентированных на нужды отечественной телекоммуникационной отрасли.

Группа исследователей из Центра искусственного интеллекта НИУ ВШЭ разработала индекс для определения уровня этичности систем искусственного интеллекта в медицине. Инструмент предназначен для минимизации потенциальных рисков, обеспечения безопасной разработки и внедрения ИИ-технологий в медицинскую практику.

Ученые МГПУ провели исследование, которое показало, что 75 процентов московских школьников и 80 процентов студентов активно применяют возможности искусственного интеллекта в учебном процессе.

Современная нейронаука охватывает широкий спектр методов и подходов к изучению мозга. Помимо активно используемых технологий, существуют направления, которые могут дополнить наше понимание работы нервной системы. О них рассказала Дария Клеева, научный сотрудник Центра биоэлектрических интерфейсов НИУ ВШЭ, автор научно-популярного канала «Голубь Скиннера» и участник проекта «Я пошел в науку».

Пару десятилетий назад о нейросетях знали только узкие специалисты, сейчас же они активно вошли в повседневную жизнь каждого из нас и круг решаемых ими задач продолжает расти. Но что можно назвать локомотивом для такого бурного развития, и есть ли ему предел? На эти вопросы ответил научный сотрудник института «Компьютерные науки и прикладная математика» МАИ, директор департамента цифровой трансформации в компании BetBoom Юрий Чайников.

Ученые МТУСИ проанализировали климатические изменения на южном полюсе и разработали прогностическую модель с использованием полносвязной нейронной сети для предсказания температурных изменений в Антарктиде.

Если верить данным Европейского космического агентства на середину 2024 года, на околоземной орбите курсируют более 35 тысяч различных объектов, размеры которых превышают 10 сантиметров. В число этих тел входят порядка 10 тысяч работающих спутников, а все остальное — фрагменты космического мусора. Если говорить о совсем мелких объектах, их число давно превысило отметку в 100 миллионов единиц. Но кто следит за этим богатством, не угрожает ли оно аппаратам, выполняющим на орбите свои задачи? А если да, не пора ли подключать мощные ресурсы для решения проблемы? На эти вопросы ответили эксперты МАИ.

Инженерная компания из Дубая LEAP71 сообщила, что спроектированный нейронной сетью Noyron и напечатанный в 3D-формате из меди ракетный двигатель успешно прошел первые испытания на полигоне в Великобритании. Возможно ли это — рассказал эксперт МАИ, старший преподаватель кафедры «Космические системы и ракетостроение» Иван Рудой.

Ученые Московского авиационного института работают над первой в мире базой больших данных в области почвоведения. Проект включает в себя спутниковые снимки пахотных земель в разных спектральных диапазонах за последние четыре года. Специалисты уже приступили к разработке программы на базе ИИ, которая сможет определять области повышенного плодородия почв.