#нейросети

Научный коллектив из Института физики твердого тела РАН, МФТИ и СП «Квантовые технологии» исследовал вопрос о том, как неизбежные производственные дефекты влияют на работу искусственных нейронов на основе сверхпроводников. Ученые систематизировали три основных типа асимметрии, которые могут возникать в таких устройствах, и показали, что каждый из них оставляет уникальный «отпечаток» на выходном сигнале нейрона. Эта работа не только объясняет ранее полученные экспериментальные данные, но и предоставляет инженерам мощный инструмент для диагностики и отладки сверхпроводниковых нейросетей — ключевого элемента для создания энергоэффективного искусственного интеллекта будущего.

Источники питания на основе возобновляемых и автономных технологий, такие как солнечные панели, аккумуляторные батареи и гибридные энергосистемы, характеризуются значительными колебаниями выходного напряжения, зависящими от условий эксплуатации и нагрузки. Такие изменения затрудняют их прямое использование для питания маломощных электронных устройств, требующих строго фиксированных параметров для применения. Для решения этой задачи ученые Пермского Политеха создали интеллектуальную систему управления напряжением для источников питания постоянного напряжения. Применение адаптивной нейронной сети позволяет увеличить точность стабилизации напряжения, ускорить реакцию системы на 58% и более чем вдвое сократить количество вычислительных операций по сравнению с традиционными решениями.

После атаки США на Венесуэлу и похищения президента страны Николоса Мадуро в сети появились видеозаписи, сгенерированные искусственным интеллектом. Видео с плачущими от радости венесуэльцами быстро стало вирусным.

Международная команда с участием исследователей ФКН НИУ ВШЭ представила KoWit-24 — корпус из 2700 заголовков одного из русскоязычных СМИ с игрой слов. Корпус позволил оценить, как искусственный интеллект распознает и объясняет языковую игру. Эксперименты с пятью большими языковыми моделями подтвердили: даже передовые системы пока ошибаются, причем интерпретация игры слов является для них более сложной задачей, чем ее выявление.

Склонность искусственного интеллекта к галлюцинациям исследовал научный сотрудник Лаборатории критической теории культуры НИУ ВШЭ — Санкт-Петербург Растям Алиев. В статье «Алгоритмическая шизофрения: метасимуляционная трансформация реальности в цифровую эпоху» ученый проводит параллель между «галлюцинациями» больших языковых моделей — их склонностью генерировать вымышленные факты — и симптомами психических заболеваний.

Команда исследователей из Института системного программирования им. В. П. Иванникова РАН (ИСП РАН), МФТИ, НИУ ВШЭ, РТУ МИРЭА и Института AIRI представила новый подход взаимодействия с ИИ-помощниками разработчика, направленный на снижение количества дефектов в коде. Ученые разработали систему, способную писать программы, самостоятельно находить и исправлять в них ошибки.

Слушатели узнают, что такое обучение с подкреплением.

Искусственный интеллект по когнитивным способностям в перспективе может догнать человека или даже обойти его. По словам генерального директора Google DeepMind, подобный инструмент может появиться в ближайшие десять лет.

Коллектив исследователей из МФТИ и Института проблем передачи информации им. А. А. Харкевича (ИППИ РАН) разработал математическую модель, описывающую, как системы искусственного интеллекта влияют на собственное будущее, обучаясь на данных, которые сами же и породили. Ученые создали теоретический каркас, объясняющий природу «цифровых эхо-камер» и механизм, из-за которого умные алгоритмы со временем могут терять адекватность или усиливать социальные предрассудки.

Исследователи «Яндекса» разработали новый метод оценки качества машинного перевода. На основе этой метрики разработчики смогут целенаправленно совершенствовать существующие модели. Разработку уже оценило мировое академическое сообщество: компания представила статью о методе на международной конференции по машинному обучению EMNLP 2025.

Исследователи Центра искусственного интеллекта НИУ ВШЭ разработали новый метод оценки надежности моделей машинного обучения. Они показали, что подход работает в восемь раз быстрее, чем полный перебор моделей, и существенно снижает объем ручной проверки. Метод можно использовать в задачах физики элементарных частиц с нейросетями различной архитектуры.

Слушатели узнают про набор инструментов для работы с нейросетями.

Команда исследователей из SberAI, НИУ ВШЭ, Института искусственного интеллекта AIRI и МФТИ представила LIBRA — первый в своем роде масштабный бенчмарк для оценки способности больших языковых моделей (LLM) работать с длинными текстами на русском языке. Эта разработка решает критическую проблему в области развития искусственного интеллекта, предоставляя российскому научному сообществу универсальный и прозрачный инструмент для измерения и сравнения производительности нейросетей в одной из самых сложных и востребованных задач.

Ученые из НИУ ВШЭ выяснили, что современные ИИ-модели, включая ChatGPT и Claude, в играх на стратегическое мышление вроде «конкурса красоты» Кейнса переоценивают уровень рациональности своих оппонентов, будь то студенты-первокурсники или опытные ученые. Модели стараются предсказать поведение людей, но в итоге играют «слишком умно» и проигрывают, потому что приписывают людям больше логики, чем те демонстрируют на деле.

«Галлюцинацией» называют ситуации, когда большая языковая модель утверждает нечто как факт, хотя информация ложна или не имеет оснований. Причина проста: стандартные методы обучения поощряют догадки, а не признание неопределенности. Представьте экзамен с вариантами ответов: угадав, вы с большей вероятностью получите балл, чем оставив вопрос пустым. С ИИ происходит то же самое.

Слушатели узнают на что способны нейросети, а также получат представление о том, как они работают.

Мы часто слышим: загар вреден для здоровья, от него лучше воздержаться. Но все не так однозначно. Ультрафиолет действительно способен причинить коже серьезный вред, одновременно он жизненно необходим нашему организму. Есть ли способ получить все преимущества от ультрафиолета, но обойти его недостатки?

Исследователи из Института искусственного интеллекта Московского государственного университета и «Яндекса» создали LORuGEC — первый открытый набор данных с примерами ошибок по сложным правилам русского языка. Они также разработали метод, помогающий обучить ИИ исправлять грамматические, пунктуационные и орфографические ошибки при генерации текстов. «Яндекс» рассказал о разработках на полях Конгресса молодых ученых.

Исследователи Лаборатории социальной и когнитивной информатики НИУ ВШЭ — Санкт-Петербург под руководством Сергея Кольцова научились уменьшать размер нейронных сетей быстро и без потери качества благодаря методам статистической физики.

Команда исследователей из МИСиС и МФТИ с коллегами разработала новый метод, который значительно повышает надежность нейронных сетей, обучая их эффективно распознавать объекты и ситуации, с которыми они не сталкивались в процессе обучения. Предложенный подход, названный Identity Curvature Laplace Approximation (ICLA), позволяет искусственному интеллекту более точно оценивать собственную неуверенность, что является критически важным шагом для создания безопасных систем в таких областях, как беспилотный транспорт, медицинская диагностика и финансовый мониторинг.