Студенты НИУ ВШЭ стали победителями в конкурсе научных статей по ИИ AIJ Science на конференции AI Journey 2023
В Москве проходит Международная конференция по искусственному интеллекту и машинному обучению AI Journey 2023, организованная Сбером. В рамках мероприятия состоялся конкурс научных статей по теме искусственного интеллекта AIJ Science, победу в котором одержали аспирант факультета компьютерных наук Вышки Александр Рогачев и студент 4-го курса бакалавриата ФКН ВШЭ Егор Егоров. Исследование было выполнено в рамках Научно-учебной лаборатории методов анализа больших данных (LAMBDA) ВШЭ.
Искусственный интеллект с каждым годом все более интегрируется в различные области человеческой жизни. Возникают новые задачи, требующие применения алгоритмов для решения специализированных проблем, а также разрабатываются новые архитектуры и подходы, призванные приблизить человека к созданию более эффективных технологий. Первый день AI Journey был посвящен передовым научным исследованиям, ключевым разработкам года и трендам в области искусственного интеллекта и машинного обучения.
В рамках конференции проходил открытый отбор научных статей. Студенты из НИУ ВШЭ представили статью под названием «Исследование влияния адаптивной спектральной нормализации на качество генеративных моделей и стабильность их обучения». Суть работы заключается в анализе подходов, которые позволяют находить баланс между стабильностью и выразительной способностью модели. Исследователи сделали это на основе данных большого адронного коллайдера ЦЕРН. Но, как отмечают авторы, эти результаты применимы и на других данных и моделях — например, для генерации изображений.
Статья будет опубликована в специальном выпуске журнала «Доклады Российской академии наук. Математика, информатика, процессы управления» (Doklady Mathematics), который выпускается для поддержки исследовательской деятельности в области анализа данных, искусственного интеллекта и машинного обучения, а также для обмена мнениями и практическим опытом. Журнал относится к категории Q1.
Александр Рогачев
«В нашем исследовании мы изучали возможность применения адаптивных методов регуляризации генеративно-состязательных сетей (GAN) на основе спектральной нормализации. Как известно, GAN имеют проблемы со стабильностью в ходе процесса обучения, для решения которых на практике часто применяется спектральная нормализация. Однако за стабильность приходится платить выразительной способностью модели. Мы проанализировали возможность баланса между этими двумя характеристиками на примере проблемы симуляции физического процесса, происходящего в рамках экспериментов LHCb, с помощью генеративной сети», — поделился Александр Рогачев, аспирант и преподаватель департамента больших данных и информационного поиска ФКН НИУ ВШЭ.
Егор Егоров
«В ходе работы над курсовым проектом мы получили довольно интересные, на наш взгляд, результаты и решили оформить это в виде статьи. Рад, что она прошла отбор и была отмечена экспертами в области ML. Это мотивирует развиваться и пробовать себя и дальше в академическом направлении», — отметил Егор Егоров, студент 4-го курса бакалавриата программы «Прикладная математика и информатика» ФКН НИУ ВШЭ.
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.