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, 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.
«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:
- Demonstration-regularized RL (Центр искусственного интеллекта)
- Generative flow networks as entropy-regularized RL (Центр искусственного интеллекта)
- Diffusion Model in the Space of Language Model Encodings (Центр искусственного интеллекта)
- Star-Shaped Denoising Diffusion Probabilistic Models (Центр искусственного интеллекта)
- Поиск аномалий в данных в условиях известной физической модели (Институт искусственного интеллекта и цифровых наук ФКН)
- Engineering Point Defects in Transition Metal Dichalcogenides for Tailored Material Properties using LLMs (Институт искусственного интеллекта и цифровых наук ФКН)
- Фреймворк для предсказания функциональных элементов генома (Центр искусственного интеллекта)
- Генеративные модели для предсказания байндеров (Институт искусственного интеллекта и цифровых наук ФКН)
- Большие языковые модели и анализ медицинских данных (Институт искусственного интеллекта и цифровых наук ФКН)
- Regularized Distribution Matching Distillation (Институт искусственного интеллекта и цифровых наук ФКН)
- Texture generation for three-dimensional models (Институт искусственного интеллекта и цифровых наук ФКН)
- GeoAI: когда локация имеет значение (Центр геоданных)
- Fact-checking for LLM based on web mining (Центр искусственного интеллекта)
- 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)
- Автоматизированная коррекция нестандартной орфографии и грамматики (Центр искусственного интеллекта)
- Прорывные технологии обработки данных: машинное обучение для анализа научно-технологических текстов (Институт статистических исследований и экономики знаний)
- Как ИИ помогает исследователям выявлять научно-технологические тренды: сочетание преимуществ семантического поиска и больших языковых моделей (Институт статистических исследований и экономики знаний)
- Как понимание особенностей языка может сократить технологический разрыв? (Институт статистических исследований и экономики знаний)
- Использование внешних знаний в языковых моделях (Международная лаборатория интеллектуальных систем и структурного анализа ФКН)
- Система анализа тональности социальных сетей (Международная лаборатория интеллектуальных систем и структурного анализа ФКН)
- Технология состояние-зависимой биомагнитной стимуляции мозга в реальном времени (HarPULL) (Центр биоэлектрических интерфейсов)
Вам также может быть интересно:
AI AWARDS 2026: аналитическую основу премии формирует iFORA НИУ ВШЭ
Высшая школа экономики вошла в число партнеров премии AI AWARDS 2026, которая пройдет 29 апреля в Москве. Проект, реализуемый командой «Билайн Big Data & AI», посвящен практическому применению искусственного интеллекта и объединяет компании, технологии и команды, которые уже сегодня влияют на развитие новой цифровой экономики. Вклад номинантов AI AWARDS в развитие ИИ анализируется на основе данных, поэтому качество аналитической базы и прозрачность методологии становятся для рынка принципиально важными.
Будущее кардиогенетики — с искусственным интеллектом
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ (Институт ИИиЦН) создали программу, которая способна анализировать участки генома человека, ранее недоступные для точной интерпретации при генетическом тестировании. Программа адаптирует большие генеративные модели (ГенИИ) под задачи кардиогенетики, чтобы предсказывать, как мутация влияет на работу конкретного гена.
НИУ ВШЭ и Альфа-Банк запускают исследовательские проекты в сфере искусственного интеллекта
НИУ ВШЭ и Альфа-Банк объявили о старте трех совместных проектов в области искусственного интеллекта. Они направлены на развитие аналитических инструментов для банковских сервисов — от более точных прогнозов до новых подходов к управлению рисками и персонализации клиентского опыта.
Участники «Я — профессионал» разработают ИИ-агентов для бизнеса на Весенней экономической школе Вышки и Сбера
На площадке СберУниверситета стартовала Весенняя экономическая школа, организованная Высшей школой экономики и Сбером для участников Всероссийской олимпиады студентов «Я — профессионал» Президентской платформы «Россия — страна возможностей». С 22 по 24 апреля студенты будут работать над созданием ИИ-агента для бизнеса — от идеи и научной гипотезы до прототипа, готового к защите перед экспертами.
Уже не выбор, а реальность: трансформация мира под влиянием ИИ
Искусственный интеллект уже не воспринимается как технология будущего: он стремительно меняет процессы принятия решений, рынок труда и социальные практики. Вместе с тем он несет с собой не только новые грандиозные возможности, но и системные риски, связанные с ростом зависимости от данных, трансформацией профессий и изменением человеческого поведения. В НИУ ВШЭ создали семантическую карту разломов, которая показала ключевые тренды в развитии технологий.
Почему искусственный интеллект не способен поработить человечество
1 апреля на факультете математики НИУ ВШЭ встретили российского ученого, преподавателя и специалиста по информационной безопасности Андрея Масаловича, известного как КиберДед. Он представил студентам Вышки свои «Двадцать вопросов искусственному интеллекту» и поделился ответами, раскрывающими суть проблем в сфере развития ИИ, а также рассказал, почему тот никогда не сможет захватить человечество.
Ученые Вышки научили нейросеть «слышать» неисправности в электродвигателях
Ученые Института искусственного интеллекта и цифровых наук (ИИиЦН) факультета компьютерных наук НИУ ВШЭ разработали метод Signature-Guided Data Augmentation (SGDA), который способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок. Применение этой разработки может снизить расходы на ремонт промышленного оборудования, уменьшить простои и сделать производство безопаснее. Результаты исследования опубликованы в журнале Engineering Applications of Artificial Intelligence.
«Подготовка инженеров нового поколения невозможна без интеграции инструментов ИИ в отраслевые ОП»
26 февраля в Уфе на площадке Межвузовского студенческого кампуса Евразийского научно-образовательного центра прошла защита итоговых проектов пилотного курса образовательной программы «ИИ-инженерия в нефтегазовой отрасли». Эксперты НИУ ВШЭ оценили студенческие проекты в сфере искусственного интеллекта, выполненные для «Газпрома» в рамках федерального проекта «Экономика данных и цифровая трансформация государства».
Стартует набор на онлайн-программу повышения квалификации «Основы ИИ-агентов для автоматизации процессов»
В Центре непрерывного образования факультета компьютерных наук НИУ ВШЭ открыт набор на новую онлайн-программу повышения квалификации «Основы ИИ-агентов для автоматизации процессов». Программа разработана для тех, кто стремится перейти от базового использования нейросетей в формате чат-ботов к созданию прикладных интеллектуальных инструментов для автоматизации бизнес-задач. Курс ориентирован на слушателей, заинтересованных в практическом освоении современных подходов к разработке автономных ИИ-агентов на базе больших языковых моделей и их внедрении в рабочие процессы.
Ученые НИУ ВШЭ научились сжимать большие языковые модели без потерь в качестве
Исследователи из Института искусственного интеллекта и цифровых наук (Институт ИИиЦН) ФКН НИУ ВШЭ разработали новый метод сжатия больших языковых моделей, таких как GPT и LLaMA, который позволяет уменьшить их объем на 25–36% без дополнительного обучения и значительной потери в точности. Это первый подход, который использует математические преобразования — вращения весов модели, — чтобы сделать модели более удобными для сжатия с помощью структурированных матриц. Результаты исследования опубликованы в ACL Findings 2025. Код метода доступен на GitHub.