Мы используем cookie, чтобы сайт работал корректно и был удобнее для вас. Запретить обработку cookie вы можете через браузер.
Уникальные программы бакалавриата ЮФУ в сфере искусственного интеллекта
Станьте частью нового поколения специалистов, которые создают будущее ИИ
Импульс
ИИ
неделя искусственного интеллекта на Мехмате
Программа научно-образовательной недели «ИИ-Импульс» охватила самые актуальные направления: от фундаментальной математики до прикладных нейросетевых решений.
Мероприятие объединило студентов, преподавателей и ведущих экспертов в области искусственного интеллекта, математического моделирования, робототехники и цифровых технологий.
Мероприятие объединило студентов, преподавателей и ведущих экспертов в области искусственного интеллекта, математического моделирования, робототехники и цифровых технологий.
Подчеркнул, что современные чат-боты и ИИ-системы пока заметно отстают от реальных киберугроз — они часто не способны противостоять сложным атакам или распознавать новые уязвимости. Тем не менее, разработчики активно работают над улучшением алгоритмов, чтобы догнать быстро эволюционирующие методы злоумышленников.
Марк Владиславович Березкин рассказал первокурсникам как ИИ используется внутри больших компаний, про необходимость в моделях сбора и анализа информации, как они могут быть полезны.
Главный вывод лекции: ждать нельзя, уже сейчас необходимо внедрять ИИ-решения в системы защиты, иначе риски станут критическими. Только проактивные меры и постоянное обучение моделей помогут создать надёжный цифровой барьер.
ИИ против киберугроз: что нужно знать уже сегодня
Эксперт ООО «МАДРИГАЛ» рассказал студентам, почему искусственный интеллект становится ключевым элементом цифровой безопасности компаний.
Программа научно-образовательной недели «ИИ-Импульс» охватила самые актуальные направления
Лекции, доклады и обсуждения вопросов от фундаментальной математики до прикладных нейросетевых решений.
Программа научно-образовательной недели «ИИ-Импульс» охватила самые актуальные направления
Лекции, доклады и обсуждения вопросов от фундаментальной математики до прикладных нейросетевых решений.
Столбования Кристина, Шемякин Дмитрий Александрович провели лекцию о технологии квантизациии моделей. Большие языковые модели обычно требуют для развëртки и работы большие кластеры центров обработки т.к. имеют большой вес файла в сотни гигабайт и использую большие числа.
Но существуют и возможности установки моделей на более слабые носители путëм кластеризации информации, квантизации числовых значений и перехода в более малобитные системы (например из 32 в 16-битную). Это значительно уменьшает занимаемый объём, но влияет на точность результата обработки данных.
Эксперты подчеркнули важность уменьшения размера моделей без потери их точности. Громоздкие нейросети требуют огромных вычислительных ресурсов, что затрудняет их интеграцию в реальные системы. Для этого предложили методы: прунинг (удаление лишних связей), квантизация (снижение точности весов) и дистилляция знаний. Компактные модели работают быстрее и экономнее, открывая путь к внедрению ИИ даже на мобильных устройствах и периферийных вычислителях.
Большие модели, умные решения: как оптимизируют нейросети
Эксперты ФГУП РНИИРС объяснили, как адаптируют большие нейросети для практического внедрения.
Доклад А. Садыкова (Гендальф) «LLM в реальной работе — искусственный интеллект уже не будущее, а настоящий инструмент инженера» четко обозначил тренд: большие языковые модели — это уже не эксперимент, а повседневный инструмент для повышения продуктивности разработки.
Эту мысли дополнил С.А. Гуда, подробно разобравший современные ИИ-инструменты для программирования.
Эту мысли дополнил С.А. Гуда, подробно разобравший современные ИИ-инструменты для программирования.
Участники могли прослушать лекции и принять участие в тренингах по коммуникации, командной работе, а также посетить экскурсии к индустриальным партнерам
На более фундаментальном уровне О.Е. Кудрявцев раскрыл математику обучения нейросетей, а А.А. Оганов (НИУ ВШЭ) наглядно показал, как нейронные сети генерируют изображения, пройдя путь от «шума к котёнку», А.А. Раимова (Яндекс) продемонстрировала применение этих принципов в астрономии, в исследованиях генеративных моделей для астрономических данных.
Особый интерес вызвали доклады на стыке дисциплин. Д.Г. Шапошников представил концепцию биогибридного искусственного интеллекта, а Ю.Е. Дроботов рассказал об адаптивном управлении в робототехнике с гибридными нейросетями.
Практическая ценность ИИ была раскрыта в блоке прикладных лекций. Профессор Д.В. Иванов (СГУ им. Н.Г. Чернышевского) показал, как данные и алгоритмы работают в биомеханике для клинических решений. А.С. Коваленко и Л.А. Подколозина (РНИИРС) обсудили ИИ для решения прикладных задач.
И.Д. Игнатенко рассказал о машинном обучении для визуализации 3D-сцен, а К.Н. Гладкова - о возможностях визуально-лингвистических моделей. С.С. Михалкович анонсировал развитие экосистемы для обучения, представив библиотеку ML для PascalABC.net.
И.Д. Игнатенко рассказал о машинном обучении для визуализации 3D-сцен, а К.Н. Гладкова - о возможностях визуально-лингвистических моделей. С.С. Михалкович анонсировал развитие экосистемы для обучения, представив библиотеку ML для PascalABC.net.
Участники могли прослушать лекции и принять участие в тренингах по коммуникации, командной работе, а также посетить экскурсии к индустриальным партнерам
Доклад А. Садыкова (Гендальф) «LLM в реальной работе — искусственный интеллект уже не будущее, а настоящий инструмент инженера» четко обозначил тренд: большие языковые модели — это уже не эксперимент, а повседневный инструмент для повышения продуктивности разработки.
Эту мысли дополнил С.А. Гуда, подробно разобравший современные ИИ-инструменты для программирования.
Эту мысли дополнил С.А. Гуда, подробно разобравший современные ИИ-инструменты для программирования.
На более фундаментальном уровне О.Е. Кудрявцев раскрыл математику обучения нейросетей, а А.А. Оганов (НИУ ВШЭ) наглядно показал, как нейронные сети генерируют изображения, пройдя путь от «шума к котёнку», А.А. Раимова (Яндекс) продемонстрировала применение этих принципов в астрономии, в исследованиях генеративных моделей для астрономических данных.
Особый интерес вызвали доклады на стыке дисциплин. Д.Г. Шапошников представил концепцию биогибридного искусственного интеллекта, а Ю.Е. Дроботов рассказал об адаптивном управлении в робототехнике с гибридными нейросетями.
Практическая ценность ИИ была раскрыта в блоке прикладных лекций. Профессор Д.В. Иванов (СГУ им. Н.Г. Чернышевского) показал, как данные и алгоритмы работают в биомеханике для клинических решений. А.С. Коваленко и Л.А. Подколозина (РНИИРС) обсудили ИИ для решения прикладных задач.
И.Д. Игнатенко рассказал о машинном обучении для визуализации 3D-сцен, а К.Н. Гладкова - о возможностях визуально-лингвистических моделей. С.С. Михалкович анонсировал развитие экосистемы для обучения, представив библиотеку ML для PascalABC.net.
И.Д. Игнатенко рассказал о машинном обучении для визуализации 3D-сцен, а К.Н. Гладкова - о возможностях визуально-лингвистических моделей. С.С. Михалкович анонсировал развитие экосистемы для обучения, представив библиотеку ML для PascalABC.net.