Санкт-Петербург стал лидером по количеству призеров Национальной технологической олимпиады
Национальная технологическая олимпиада (НТО) – это всероссийские технологические игры для школьников 5-11 классов, студентов вузов и колледжей по широкому спектру современных направлений. Одним из самых популярных направлений по количеству регистраций в этом году стал искусственный интеллект.
Участвуя в НТО, школьники и студенты со всей России решают задачи, поставленные государственными компаниями, лидерами технологических отраслей, прорывными технологическими компаниями. Участники знакомятся с различными областями: от искусственного интеллекта и "умной" энергетики до нейротехнологий и геномного редактирования.
В пятерку регионов с наибольшим количеством победителей и призеров НТО основного трека вошли Санкт-Петербург (53 человека), Новосибирская область (40), Москва (34), Московская область (27) и Республика Татарстан (12).
Источник: ТАСС
Национальная технологическая олимпиада (НТО) – это всероссийские технологические игры для школьников 5-11 классов, студентов вузов и колледжей по широкому спектру современных направлений. Одним из самых популярных направлений по количеству регистраций в этом году стал искусственный интеллект.
Участвуя в НТО, школьники и студенты со всей России решают задачи, поставленные государственными компаниями, лидерами технологических отраслей, прорывными технологическими компаниями. Участники знакомятся с различными областями: от искусственного интеллекта и "умной" энергетики до нейротехнологий и геномного редактирования.
В пятерку регионов с наибольшим количеством победителей и призеров НТО основного трека вошли Санкт-Петербург (53 человека), Новосибирская область (40), Москва (34), Московская область (27) и Республика Татарстан (12).
Источник: ТАСС
Forwarded from ЦСР «Северо-Запад»
В московском офисе «ЦСР «Северо-Запад» прошло обсуждение инициативы Картирования рынка ИИ
25 апреля состоялось обсуждение инициативы Картирования рынка искусственного интеллекта, организаторами выступили Ассоциация «ИИ в промышленности», Газпром Нефть и «ЦСР «Северо-Запад».
В обсуждении приняли участие компании - технологические лидеры широкого спектра секторов экономики: Газпромнефть, Сургутнефтегаз, ММК, ЧТПЗ, Силовые машины, Дамате (АПК), Северсталь, ERG Group.
Цели совещания обозначил Михаил Корольков, руководитель Центра цифровых технологий ПАО «Газпром нефть»:
- развитие сообщества в ИИ
- создание механизма обмена кейсами и материалами в ИИ
Дмитрий Санатов, руководитель головного офиса Фонда «ЦСР «Северо-Запад» по итогам совещания представил следующие позиции:
- любое объединение — это минимум экспертиза и обучение; формирование сообщества на базе инициативы по картированию ИИ может в перспективе трансформироваться в исследовательский или продуктовый консорциум; необходимо держать это в уме;
- вопрос штурмуемой зоны исследований критически важен для инициативы по картированию ИИ; определив штурмуемую зону, можно дать сигнал рынку и регуляторам о том, какие исследования следует финансировать в долгосрочной перспективе;
- в рамках достижения штурмуемых параметров необходимо запустить процесс взаимного обучения и поддержки в тех компаниях, которые участвуют в развитии ИИ-проектов.
25 апреля состоялось обсуждение инициативы Картирования рынка искусственного интеллекта, организаторами выступили Ассоциация «ИИ в промышленности», Газпром Нефть и «ЦСР «Северо-Запад».
В обсуждении приняли участие компании - технологические лидеры широкого спектра секторов экономики: Газпромнефть, Сургутнефтегаз, ММК, ЧТПЗ, Силовые машины, Дамате (АПК), Северсталь, ERG Group.
Цели совещания обозначил Михаил Корольков, руководитель Центра цифровых технологий ПАО «Газпром нефть»:
- развитие сообщества в ИИ
- создание механизма обмена кейсами и материалами в ИИ
Дмитрий Санатов, руководитель головного офиса Фонда «ЦСР «Северо-Запад» по итогам совещания представил следующие позиции:
- любое объединение — это минимум экспертиза и обучение; формирование сообщества на базе инициативы по картированию ИИ может в перспективе трансформироваться в исследовательский или продуктовый консорциум; необходимо держать это в уме;
- вопрос штурмуемой зоны исследований критически важен для инициативы по картированию ИИ; определив штурмуемую зону, можно дать сигнал рынку и регуляторам о том, какие исследования следует финансировать в долгосрочной перспективе;
- в рамках достижения штурмуемых параметров необходимо запустить процесс взаимного обучения и поддержки в тех компаниях, которые участвуют в развитии ИИ-проектов.
Китай построит 180 метровую дамбу без участия рабочих-людей при помощи искусственного интеллекта и 3D печати
По словам участвующих в проекте ученых университета Цинхуа, дамбу гидроэлектростанции планируется построить за два года слой за слоем при помощи 3D печати. Если проект будет успешен, то это будет самое высокое напечатанное строение.
Руководить стройкой будет центральная ИИ-система, управляющая колоссальной сборочной линией, которая включает в себя парк беспилотных грузовиков, бульдозеров и асфальтоукладчиков и трамбовальщиков. Вся эта техника будет работать круглосуточно без участия рабочих. По завершению строительства каждого слоя диагностические роботы будут отправлять обратную связь в ИИ-систему для контроля качества строительства.
Единственный элемент производственной цепочки, в котором сохраняется физический труд рабочих – добыча и производство строительных материалов для дамбы.
После завершения проекта, апробированные технологии планируется использовать в строительстве, особвенно при постройке дорог.
Согласно прогнозам, экономику Китая в будущем может ожидать дефицит рабочей силы. Поэтому проектам автоматизации промышленности в стране в последние годы уделяется повышенное внимание.
Источник: Insider
По словам участвующих в проекте ученых университета Цинхуа, дамбу гидроэлектростанции планируется построить за два года слой за слоем при помощи 3D печати. Если проект будет успешен, то это будет самое высокое напечатанное строение.
Руководить стройкой будет центральная ИИ-система, управляющая колоссальной сборочной линией, которая включает в себя парк беспилотных грузовиков, бульдозеров и асфальтоукладчиков и трамбовальщиков. Вся эта техника будет работать круглосуточно без участия рабочих. По завершению строительства каждого слоя диагностические роботы будут отправлять обратную связь в ИИ-систему для контроля качества строительства.
Единственный элемент производственной цепочки, в котором сохраняется физический труд рабочих – добыча и производство строительных материалов для дамбы.
После завершения проекта, апробированные технологии планируется использовать в строительстве, особвенно при постройке дорог.
Согласно прогнозам, экономику Китая в будущем может ожидать дефицит рабочей силы. Поэтому проектам автоматизации промышленности в стране в последние годы уделяется повышенное внимание.
Источник: Insider
Business Insider
China is using AI and 3D printing to build a 590-foot-tall dam without the need for human workers, scientists say
Using artificial intelligence, construction robots, and zero human labor, China is poised to complete the Yangqu dam by 2024, they said.
В #ИТМО запускают магистерскую программу «Искусственный интеллект в промышленности»
В рамках программы будут готовить специалистов, способных проектировать, разрабатывать и внедрять цифровые решения на основе современных методов искусственного интеллекта в различных отраслях промышленности.
Магистратура реализуется совместно с индустриальными партнерами, один из них ― Научно-технический центр «Газпром нефти». Еще во время обучения студенты смогут поработать над проектами компаний, а после выпуска ― устроиться в R&D-подразделения и аналитические отделы крупных промышленных производств.
На программе предусмотрено две специализации: «Искусственный интеллект в промышленности полного цикла» и «Искусственный интеллект в добывающей промышленности». Первая предполагает обучение задачам создания, оптимизации и управления процессами крупных распределенных производств, вторая «заточена» на производства, которые занимаются добычей полезных ископаемых, особенно углеродного сырья.
Особенность магистратуры в том, что она конверсионная, то есть позволяет выпускникам направлений, не связанных напрямую с IT (геологических, нефтяных, инженерных и так далее), получить новые компетенции в области искусственного интеллекта и машинного обучения и применять их в будущем в своей отрасли.
Практика проходит в Научно-техническом центре «Газпром нефти» или Национальном центре когнитивных разработок, где студенты смогут работать над кейсами R&D-департаментов ведущих мировых и российских компаний, в том числе «Газпром нефти», «Газпрома», «Роснефти», а также над задачами научных центров ― Крыловского государственного научного центра и других.
#Газпромнефть является учредителем, #ИТМО участником Ассоциации «Искусственный интеллект в промышленности»
Подробно о программе на сайте ИТМО
В рамках программы будут готовить специалистов, способных проектировать, разрабатывать и внедрять цифровые решения на основе современных методов искусственного интеллекта в различных отраслях промышленности.
Магистратура реализуется совместно с индустриальными партнерами, один из них ― Научно-технический центр «Газпром нефти». Еще во время обучения студенты смогут поработать над проектами компаний, а после выпуска ― устроиться в R&D-подразделения и аналитические отделы крупных промышленных производств.
На программе предусмотрено две специализации: «Искусственный интеллект в промышленности полного цикла» и «Искусственный интеллект в добывающей промышленности». Первая предполагает обучение задачам создания, оптимизации и управления процессами крупных распределенных производств, вторая «заточена» на производства, которые занимаются добычей полезных ископаемых, особенно углеродного сырья.
Особенность магистратуры в том, что она конверсионная, то есть позволяет выпускникам направлений, не связанных напрямую с IT (геологических, нефтяных, инженерных и так далее), получить новые компетенции в области искусственного интеллекта и машинного обучения и применять их в будущем в своей отрасли.
Практика проходит в Научно-техническом центре «Газпром нефти» или Национальном центре когнитивных разработок, где студенты смогут работать над кейсами R&D-департаментов ведущих мировых и российских компаний, в том числе «Газпром нефти», «Газпрома», «Роснефти», а также над задачами научных центров ― Крыловского государственного научного центра и других.
#Газпромнефть является учредителем, #ИТМО участником Ассоциации «Искусственный интеллект в промышленности»
Подробно о программе на сайте ИТМО
Edge Learning: адаптация к меняющейся среде
На IEEE Spectrum вышла любопытная статья о развитии Edge AI.
В настоящее время Edge-устройства, в силу своей малой мощности используются в сфере ИИ только для инференса (исполнения алгоритмов уже натренированной в облаке или дата-центре нейросети). Даже это приводит к существенному росту стоимости и энергозатрат Edge-девайсами.
Индийский стартап AlphaICs предлагает новый подход к Edge AI – Edge Learning. Для реализации этого подхода AlphaICs разработали собственный процессор, который назвали Real AI Processor – RAP.
RAP позволяет Edge-устройствам осуществлять параллельно задачи инференса и задачи классификации, сегментации, идентификации новых, не включенных в изначальный датасет, объектов. При этом отдельные физические модули процессора осуществляют асинхронное инкрементное обучение нейросети, не требующие существенного количества ресурсов от каждого отдельного датчика или камеры. Наиболее хорошо этот подход работает в задачах распознавания изображений.
С точки зрения реальной практики приводятся следующие сценарии использования Edge Learning:
🏥 Единая система мониторинга пациентов изучает характеристики каждого больного для достижения максимальной персонализации медицинского обслуживания
🛸 Система компьютерного зрения военного дрона самостоятельно обнаруживает не виденные ранее типы боеприпасов противника, и помогает оператору в принятии соответствующих решений
🥦 ИИ система розничного супермаркета самостоятельно распознает и вносит в базу новые поступившие товары
AlphaICs разработали несколько методов внедрения Edge Learing, включающие ручной контроль обновления параметров модели, автоматическую настройку и тонкую подстройку через предъявление тестовых изображений.
AlphaICs еще в 2021 году привлек $11,5 млн долларов и занимает интересную нишу, ориентируясь на Edge, в отличие от крупных игроков ИИ рынка. К тому же наблюдать за индийскими разработками из России становится гораздо интересней с закрытием импортных рынков недружественных стран. Возможно именно на чипах подобных RAP и будут работать следующие поколения отечественных систем видеонаблюдения, производственные и военные ИИ-системы, без которых будет сложно конкурировать со странами запада.
На IEEE Spectrum вышла любопытная статья о развитии Edge AI.
В настоящее время Edge-устройства, в силу своей малой мощности используются в сфере ИИ только для инференса (исполнения алгоритмов уже натренированной в облаке или дата-центре нейросети). Даже это приводит к существенному росту стоимости и энергозатрат Edge-девайсами.
Индийский стартап AlphaICs предлагает новый подход к Edge AI – Edge Learning. Для реализации этого подхода AlphaICs разработали собственный процессор, который назвали Real AI Processor – RAP.
RAP позволяет Edge-устройствам осуществлять параллельно задачи инференса и задачи классификации, сегментации, идентификации новых, не включенных в изначальный датасет, объектов. При этом отдельные физические модули процессора осуществляют асинхронное инкрементное обучение нейросети, не требующие существенного количества ресурсов от каждого отдельного датчика или камеры. Наиболее хорошо этот подход работает в задачах распознавания изображений.
С точки зрения реальной практики приводятся следующие сценарии использования Edge Learning:
🏥 Единая система мониторинга пациентов изучает характеристики каждого больного для достижения максимальной персонализации медицинского обслуживания
🛸 Система компьютерного зрения военного дрона самостоятельно обнаруживает не виденные ранее типы боеприпасов противника, и помогает оператору в принятии соответствующих решений
🥦 ИИ система розничного супермаркета самостоятельно распознает и вносит в базу новые поступившие товары
AlphaICs разработали несколько методов внедрения Edge Learing, включающие ручной контроль обновления параметров модели, автоматическую настройку и тонкую подстройку через предъявление тестовых изображений.
AlphaICs еще в 2021 году привлек $11,5 млн долларов и занимает интересную нишу, ориентируясь на Edge, в отличие от крупных игроков ИИ рынка. К тому же наблюдать за индийскими разработками из России становится гораздо интересней с закрытием импортных рынков недружественных стран. Возможно именно на чипах подобных RAP и будут работать следующие поколения отечественных систем видеонаблюдения, производственные и военные ИИ-системы, без которых будет сложно конкурировать со странами запада.
Edge_Learning_Going_Above_and_Beyond_the_Call_of_Duty_at_the_Edge.pdf
110.3 KB
Оригинал статьи Edge Learning Going Above and Beyond the Call of Duty at the Edge
Искусственный интеллект в основе инноваций в энергетике
Свежая статья описывает кейс McKinsey и генерирующей компании Vistra по сокращению углеродного следа и расходов на разработку и обслуживание газовых электростанций.
Два года потребовалось Vistra и McKinsey для того чтобы разработать heat-rate optimizer (HRO) –многоуровневую нейросеть учитывающую тысячи показателей и позволяющую определить и предсказать энергоэффективность электростанции.
HRO каждые 30 минут выдаёт операторам электростанции рекомендации по оптимизации процесса генерации.
Использование этих рекомендаций на электростанции в Техасе повысило энергоэффективность на 2%. Это экономит $4,5 млн в год и сокращает углеродный след на 340 000 тонн (эквивалент выбросам 66 тыс автомобилей в год).
Хотя не на всех станциях показатели такие высокие: Vistra внедрила HRO на 67 агрегатов на 26 станциях, в среднем энергоэффективность повысилась на 1%, $23 млн было сэкономлено.
Для сравнения – стоимость традиционных НИОКР, повышающих энергоэффективность на 1% при строительстве газовой электростанции стоит компаниям несколько млн долларов, а их продолжительность составляет 4-5 лет.
Искусственный интеллект становится важным инструментом достижения планов углеродной нейтральности. Одновременно с этим он приносит и конкретные операционные бизнес-результаты, которые будут капитализироваться со временем. В McKinsey уверены, что подобные HRO модели будут все больше распространяться в энергетике и, в особенности в ВИЭ.
Свежая статья описывает кейс McKinsey и генерирующей компании Vistra по сокращению углеродного следа и расходов на разработку и обслуживание газовых электростанций.
Два года потребовалось Vistra и McKinsey для того чтобы разработать heat-rate optimizer (HRO) –многоуровневую нейросеть учитывающую тысячи показателей и позволяющую определить и предсказать энергоэффективность электростанции.
HRO каждые 30 минут выдаёт операторам электростанции рекомендации по оптимизации процесса генерации.
Использование этих рекомендаций на электростанции в Техасе повысило энергоэффективность на 2%. Это экономит $4,5 млн в год и сокращает углеродный след на 340 000 тонн (эквивалент выбросам 66 тыс автомобилей в год).
Хотя не на всех станциях показатели такие высокие: Vistra внедрила HRO на 67 агрегатов на 26 станциях, в среднем энергоэффективность повысилась на 1%, $23 млн было сэкономлено.
Для сравнения – стоимость традиционных НИОКР, повышающих энергоэффективность на 1% при строительстве газовой электростанции стоит компаниям несколько млн долларов, а их продолжительность составляет 4-5 лет.
Искусственный интеллект становится важным инструментом достижения планов углеродной нейтральности. Одновременно с этим он приносит и конкретные операционные бизнес-результаты, которые будут капитализироваться со временем. В McKinsey уверены, что подобные HRO модели будут все больше распространяться в энергетике и, в особенности в ВИЭ.
17 мая в Университете ИТМО стартует онлайн-хакатон по машинному обучению и анализу данных Applied AI Challenge, организованный при партнерстве с Научно-Техническим Центром «Газпром нефти» и банком «Точка»
Победители хакатона смогут поступить в магистратуру ИТМО без вступительных экзаменов на образовательные программы «Финансовые технологии больших данных» и «Искусственный интеллект в промышленности».
В этом году Applied AI Challenge включает два трека: участникам FinTech Case предстоит предсказать виды экономической деятельности юридических лиц по данным транзакционной активности, а участникам Oil and Gas Industry Case — спрогнозировать темпы добычи нефти по данным с месторождения.
Формат хакатона предполагает не командное, а индивидуальное участие. Попробовать свои силы в соревновании могут как начинающие аналитики данных, так и опытные data scientist — достаточно заполнить на сайте хакатона заявку на интересующий трек (прием заявок открыт до конца дня 16 мая).
Профильный студенческий клуб Digital Generation совместно с факультетом цифровых трансформаций Университета ИТМО присвоит специальные стипендии 6 лучшим участникам из числа победителей каждого трека: после поступления на соответствующие образовательные программы они будут получать ежемесячно 20 тысяч рублей в течение 1-го семестра.
#Газпромнефть является учредителем, #ИТМО участником Ассоциации «Искусственный интеллект в промышленности»
Подробнее на сайте хакатона
Победители хакатона смогут поступить в магистратуру ИТМО без вступительных экзаменов на образовательные программы «Финансовые технологии больших данных» и «Искусственный интеллект в промышленности».
В этом году Applied AI Challenge включает два трека: участникам FinTech Case предстоит предсказать виды экономической деятельности юридических лиц по данным транзакционной активности, а участникам Oil and Gas Industry Case — спрогнозировать темпы добычи нефти по данным с месторождения.
Формат хакатона предполагает не командное, а индивидуальное участие. Попробовать свои силы в соревновании могут как начинающие аналитики данных, так и опытные data scientist — достаточно заполнить на сайте хакатона заявку на интересующий трек (прием заявок открыт до конца дня 16 мая).
Профильный студенческий клуб Digital Generation совместно с факультетом цифровых трансформаций Университета ИТМО присвоит специальные стипендии 6 лучшим участникам из числа победителей каждого трека: после поступления на соответствующие образовательные программы они будут получать ежемесячно 20 тысяч рублей в течение 1-го семестра.
#Газпромнефть является учредителем, #ИТМО участником Ассоциации «Искусственный интеллект в промышленности»
Подробнее на сайте хакатона
Развитие лидерства и управления искусственным интеллектом
Делимся докладом всемирного экономического форума, который вышел в январе и который вы, как и мы, могли пропустить.
В докладе обсуждаются вопросы стратегии внедрения искусственного интеллекта с точки зрения людей и организации, и в нем есть много любопытных схем и подходов, которые руководители могут применять для развития применения ИИ в своих организациях.
Нас особенно заинтересовал раздел доклада "Промышленный ИИ", в котором авторы предлагают подход к решению четырех ключевых вызовов внедрения промышленного ИИ:
1. Доступность данных
2. Качество данных
3. Управление на основе ИИ
4. Безопасность и приватность
В докладе последовательно разбирается подход к каждому из вызовов, а также демонстрируется любопытный кейс внедрения ИИ в логистике, который учитывает указанные выше вызовы на уровне архитектуры ИИ-системы.
А разобраться в нюансах, методиках и подходах к внедрению искусственного интеллекта в промышленности поможет "Школа квалифицированного заказчика в искусственном интеллекте", которую реализует Ассоциация "Искусственный интеллект в промышленности".
Делимся докладом всемирного экономического форума, который вышел в январе и который вы, как и мы, могли пропустить.
В докладе обсуждаются вопросы стратегии внедрения искусственного интеллекта с точки зрения людей и организации, и в нем есть много любопытных схем и подходов, которые руководители могут применять для развития применения ИИ в своих организациях.
Нас особенно заинтересовал раздел доклада "Промышленный ИИ", в котором авторы предлагают подход к решению четырех ключевых вызовов внедрения промышленного ИИ:
1. Доступность данных
2. Качество данных
3. Управление на основе ИИ
4. Безопасность и приватность
В докладе последовательно разбирается подход к каждому из вызовов, а также демонстрируется любопытный кейс внедрения ИИ в логистике, который учитывает указанные выше вызовы на уровне архитектуры ИИ-системы.
А разобраться в нюансах, методиках и подходах к внедрению искусственного интеллекта в промышленности поможет "Школа квалифицированного заказчика в искусственном интеллекте", которую реализует Ассоциация "Искусственный интеллект в промышленности".
Бэкдоры в машинном обучении
Безопасность в области машинного обучения становится все более критичной. В свежей статье на TechTalks дается обзор проблемы бэкдоров, принципов их создания и влияния на отрасль.
Бэкдоры это скрытые модели поведения, которые может иметь модель искусственного интеллекта. Например, в модель компьютерного зрения можно встроить функцию, позволяющую обходить распознавание при использовании определенных паттернов. Пользователь модели практически не может обнаружить бэкдоры, так как в обычном использовании модель функционирует так, как и должна, пока не произойдет событие, активирующее бэкдор. Появляются и более сложные техники создания бэкдоров, позволяющие обходить даже сертифицированные средства защиты, например двухуровневая оптимизация при отравлении данных и бэкдоры без активатора.
Потенциально бэкдоры могут быть встроены в любые опен-сорс модели машинного обучения и онлайн-сервисы открытого доступа. Современные решения в области безопасности в основном отслеживают изменения в коде, в то время как бэкдоры встраиваются в параметры модели. Поэтому универсальных решений для обнаружения бэкдоров пока нет. В настоящее время кибербезопасность моделей машинного обучения обеспечивается специалистами при помощи анализа рисков, основанном на изучении кейсов, собранных в руководства, например The Adversarial ML Threat Matrix.
Ключевой задачей для отрасли в настоящее время является разработка инструментов безопасности и робастности моделей машинного обучения. Но современные исследования показывают, что угрозы безопасности появляются гораздо быстрее, чем инструменты борьбы с ними.
Главным выводом из анализа проблемы бэкдоров является то, что аутсорсинг процедуры обучения моделей искусственного интеллекта в ближайшие годы не может быть безопасным. Поэтому организациям, стремящимся внедрять ИИ в задачи, где безопасность является критичной, необходимо самостоятельно обучать и тестировать модели.
Безопасность в области машинного обучения становится все более критичной. В свежей статье на TechTalks дается обзор проблемы бэкдоров, принципов их создания и влияния на отрасль.
Бэкдоры это скрытые модели поведения, которые может иметь модель искусственного интеллекта. Например, в модель компьютерного зрения можно встроить функцию, позволяющую обходить распознавание при использовании определенных паттернов. Пользователь модели практически не может обнаружить бэкдоры, так как в обычном использовании модель функционирует так, как и должна, пока не произойдет событие, активирующее бэкдор. Появляются и более сложные техники создания бэкдоров, позволяющие обходить даже сертифицированные средства защиты, например двухуровневая оптимизация при отравлении данных и бэкдоры без активатора.
Потенциально бэкдоры могут быть встроены в любые опен-сорс модели машинного обучения и онлайн-сервисы открытого доступа. Современные решения в области безопасности в основном отслеживают изменения в коде, в то время как бэкдоры встраиваются в параметры модели. Поэтому универсальных решений для обнаружения бэкдоров пока нет. В настоящее время кибербезопасность моделей машинного обучения обеспечивается специалистами при помощи анализа рисков, основанном на изучении кейсов, собранных в руководства, например The Adversarial ML Threat Matrix.
Ключевой задачей для отрасли в настоящее время является разработка инструментов безопасности и робастности моделей машинного обучения. Но современные исследования показывают, что угрозы безопасности появляются гораздо быстрее, чем инструменты борьбы с ними.
Главным выводом из анализа проблемы бэкдоров является то, что аутсорсинг процедуры обучения моделей искусственного интеллекта в ближайшие годы не может быть безопасным. Поэтому организациям, стремящимся внедрять ИИ в задачи, где безопасность является критичной, необходимо самостоятельно обучать и тестировать модели.
Сколтех и ГГНТУ разрабатывают технологии с применением ИИ для решения задач изменения климата и экологического мониторинга
Исследовательский центр в сфере искусственного интеллекта по направлению оптимизации управленческих решений в целях снижения углеродного следа Сколтеха и Грозненский государственный нефтяной технический университет будут вместе реализовывать проекты по применению ИИ для достижения целей устойчивого развития Чеченской республики, в том числе для решения задач изменения климата и экологического мониторинга. Стороны планируют работать над моделью поглощения и эмиссии парниковых газов и оценкой интегральных потоков климатически активных газов на карбоновом полигоне Чеченской республики с применением методов машинного обучения.
Климатические проекты с использованием ИИ важны не только с точки зрения экологии, но и для промышленности, поскольку в долгосрочной перспективе декарбонизация остается важным глобальным трендом, который будет определять развитие и формировать требования к производствам и объектам генерации.
#Сколтех является участником Ассоциации "Искусственный интеллект в промышленности"
Исследовательский центр в сфере искусственного интеллекта по направлению оптимизации управленческих решений в целях снижения углеродного следа Сколтеха и Грозненский государственный нефтяной технический университет будут вместе реализовывать проекты по применению ИИ для достижения целей устойчивого развития Чеченской республики, в том числе для решения задач изменения климата и экологического мониторинга. Стороны планируют работать над моделью поглощения и эмиссии парниковых газов и оценкой интегральных потоков климатически активных газов на карбоновом полигоне Чеченской республики с применением методов машинного обучения.
Климатические проекты с использованием ИИ важны не только с точки зрения экологии, но и для промышленности, поскольку в долгосрочной перспективе декарбонизация остается важным глобальным трендом, который будет определять развитие и формировать требования к производствам и объектам генерации.
#Сколтех является участником Ассоциации "Искусственный интеллект в промышленности"
Лев Владимирович Уткин награжден премией Правительства Санкт-Петербурга за выдающиеся научные результаты в области науки и техники в номинации «Кибернетика и искусственный интеллект»
Профессор высшей школы искусственного интеллекта СПбПУ Лев Владимирович Уткин, являющийся бессменным ведущим семинаров Ассоциации «Искусственный интеллект в промышленности» и одним из самых заметных исследователей ИИ в Санкт-Петербурге и России награжден за комплекс исследований и разработок «Решение фундаментальных проблем ИИ в медицине и промышленности»
Поздравляем Льва Владимировича с заслуженной наградой!
#СПбПУ является участником Ассоциации «Искусственный интеллект в промышленности»
Профессор высшей школы искусственного интеллекта СПбПУ Лев Владимирович Уткин, являющийся бессменным ведущим семинаров Ассоциации «Искусственный интеллект в промышленности» и одним из самых заметных исследователей ИИ в Санкт-Петербурге и России награжден за комплекс исследований и разработок «Решение фундаментальных проблем ИИ в медицине и промышленности»
Поздравляем Льва Владимировича с заслуженной наградой!
#СПбПУ является участником Ассоциации «Искусственный интеллект в промышленности»
Завершился второй этап конкурса Blue Sky Research – Искусственный интеллект в науке
Конкурс «Blue Sky Research – Искусственный интеллект в науке» впервые проводится Фондом поддержки инноваций и молодежных инициатив Санкт-Петербурга при поддержке Фонда «Центр стратегических разработок «Северо-Запад». Партнером проекта выступила Ассоциация «Искусственный Интеллект в Промышленности». Цель конкурса – поддержать молодых ученых, проводящих фундаментальные исследования в перспетивных научных тематиках. В рамках конкурса проводится тестирование междисциплинарного инновационного механизма выявления перспективных научных тем во фронтирных и высокорисковых направлениях в области химии и синтетической биологии с разработкой математической модели на основе искусственного интеллекта.
Публичная защита проектов проходила в смешанном формате в присутствии экспертов конкурса, а также вице-губернатора Санкт-Петербурга Владимира Княгинина. В состав экспертной комиссии вошли ведущие российские ученые, занимающиеся исследованиями в области химии, физики, биологии и искусственного интеллекта. В ходе презентации команды представляли идею проекта, научный коллектив и распределение в нем работ по проекту, планируемые показатели, дорожную карту и возможное развитие проекта в будущем.
По результатам экспертной оценки проектных документов команд были отобраны 10 наиболее перспективных проектов, которые имеют все шансы стать новыми прорывными исследованиями во фронтирных и высокорисковых направлениях. Список проектов доступен по ссылке.
Конкурс «Blue Sky Research – Искусственный интеллект в науке» впервые проводится Фондом поддержки инноваций и молодежных инициатив Санкт-Петербурга при поддержке Фонда «Центр стратегических разработок «Северо-Запад». Партнером проекта выступила Ассоциация «Искусственный Интеллект в Промышленности». Цель конкурса – поддержать молодых ученых, проводящих фундаментальные исследования в перспетивных научных тематиках. В рамках конкурса проводится тестирование междисциплинарного инновационного механизма выявления перспективных научных тем во фронтирных и высокорисковых направлениях в области химии и синтетической биологии с разработкой математической модели на основе искусственного интеллекта.
Публичная защита проектов проходила в смешанном формате в присутствии экспертов конкурса, а также вице-губернатора Санкт-Петербурга Владимира Княгинина. В состав экспертной комиссии вошли ведущие российские ученые, занимающиеся исследованиями в области химии, физики, биологии и искусственного интеллекта. В ходе презентации команды представляли идею проекта, научный коллектив и распределение в нем работ по проекту, планируемые показатели, дорожную карту и возможное развитие проекта в будущем.
По результатам экспертной оценки проектных документов команд были отобраны 10 наиболее перспективных проектов, которые имеют все шансы стать новыми прорывными исследованиями во фронтирных и высокорисковых направлениях. Список проектов доступен по ссылке.
Применение ИИ принесло российской экономике более 300 млрд рублей в 2021 году
Об этом сообщил вице-премьер Дмитрий Чернышенко, опираясь на исследование Аналитического центра при Правительстве РФ. Наиболее заметный прирост отмечается в финансовом секторе - 69 млрд рублей и в секторе ИКТ - 55 млрд рублей.
По мнению вице-премьера, необходимо усилить внедрение прикладных решений по ИИ в реальный сектор и ускорить цифровую трансформацию приоритетных отраслей экономики.
Выполнению этой задаче будут способствовать 6 исследовательских центров искусственного интеллекта, два из которых действуют на базе вузов-участников Ассоциации "Искусственнный интеллект в промышленности" – #Сколтех и #ИТМО .
До 2024 года на поддержку исследовательских центров из федерального бюджета планируется направить 5,4 млрд рублей, еще 2,5 млрд привлекут за счет индустриальных партнеров.
Об этом сообщил вице-премьер Дмитрий Чернышенко, опираясь на исследование Аналитического центра при Правительстве РФ. Наиболее заметный прирост отмечается в финансовом секторе - 69 млрд рублей и в секторе ИКТ - 55 млрд рублей.
По мнению вице-премьера, необходимо усилить внедрение прикладных решений по ИИ в реальный сектор и ускорить цифровую трансформацию приоритетных отраслей экономики.
Выполнению этой задаче будут способствовать 6 исследовательских центров искусственного интеллекта, два из которых действуют на базе вузов-участников Ассоциации "Искусственнный интеллект в промышленности" – #Сколтех и #ИТМО .
До 2024 года на поддержку исследовательских центров из федерального бюджета планируется направить 5,4 млрд рублей, еще 2,5 млрд привлекут за счет индустриальных партнеров.
CB-Insights_AI-Trends-2022.pdf
2.1 MB
Тренды в искусственном интеллекте в 2022 году по версии СB Insights
🦹♂️Синтетические данные обеспечивают приватность
🖥Чипы для ИИ – рынок достиг $67 млрд и растет. Развиваются 3D чипы и вычисления в памяти
🎮ИИ используют для защиты виртуальных миров от токсичного контента
🤖Технологии обнаружения дипфейков соревнуются с ИИ, создающим фейковый контент
👩💻Дополненный кодинг – ИИ увеличит эффективность за счет достраивания кода и автоматического тестирования
🧠Мультимодальный ИИ – модели научатся работать с разными типами контента одновременно
💰Коммерческие платформы машинного обучения полного цикла станут доступной опцией для компаний, которые хотят внедрить ИИ но не знают как
🦹♂️Синтетические данные обеспечивают приватность
🖥Чипы для ИИ – рынок достиг $67 млрд и растет. Развиваются 3D чипы и вычисления в памяти
🎮ИИ используют для защиты виртуальных миров от токсичного контента
🤖Технологии обнаружения дипфейков соревнуются с ИИ, создающим фейковый контент
👩💻Дополненный кодинг – ИИ увеличит эффективность за счет достраивания кода и автоматического тестирования
🧠Мультимодальный ИИ – модели научатся работать с разными типами контента одновременно
💰Коммерческие платформы машинного обучения полного цикла станут доступной опцией для компаний, которые хотят внедрить ИИ но не знают как
В рамках рабочей группы "Искусственный интеллект" при АНО "Цифровая экономика" обсудили внедрение ИИ в промышленности
Правительство России упразднило подкомиссию по ИИ и теперь задачи по внедрению ИИ, поддержке стартапов, пилотных проектов и исследовательских центров возложены на отраслевую рабочую группу АНО "Цифровая экономика", руководителем которой является директор дирекции по цифровой трансформации ПАО "Газпром нефть" Андрей Белевцев. #Газпромнефть является учредителем Ассоциации "Искусственный интеллект в промышленности".
На конференции ЦИПР-2022 рабочая группа обсудила главные барьеры внедрения искусственного интеллекта в промышленности. Экспертами были выделены следующие барьеры:
▪️Нехватка кадров
▪️Низкий уровень совместимости с существующей инфраструктурой
▪️Недостаток информации о возможностях, отсутствие планов использовать ИИ
▪️Отсутствие четкой стратегии развития ИИ и недостаток релевантных технологических решений на рынке
На заседании также был предложен ряд инициатив:
▪️Создание библиотеки реализованных ИИ-проектов
▪️Подготовка гайдлайнов по внедрению ИИ-решений для промышленных компаний
▪️Проведение мониторинга обучающихся по программам ИИ
▪️Запуск ежегодной премии готовности промышленных компаний к использованию ИИ
▪️Формирование финансово-консультационного пакета для ускоренной адаптации предприятий через разработку MVP и программы акселерации в партнерстве с регионами
▪️Создание испытательных полигонов под различные классы решений
▪️Обеспечение внедрения отечественных разработок с использованием модульной мультисервисной платформы, которая находится в разработке Минпромторга России
Правительство России упразднило подкомиссию по ИИ и теперь задачи по внедрению ИИ, поддержке стартапов, пилотных проектов и исследовательских центров возложены на отраслевую рабочую группу АНО "Цифровая экономика", руководителем которой является директор дирекции по цифровой трансформации ПАО "Газпром нефть" Андрей Белевцев. #Газпромнефть является учредителем Ассоциации "Искусственный интеллект в промышленности".
На конференции ЦИПР-2022 рабочая группа обсудила главные барьеры внедрения искусственного интеллекта в промышленности. Экспертами были выделены следующие барьеры:
▪️Нехватка кадров
▪️Низкий уровень совместимости с существующей инфраструктурой
▪️Недостаток информации о возможностях, отсутствие планов использовать ИИ
▪️Отсутствие четкой стратегии развития ИИ и недостаток релевантных технологических решений на рынке
На заседании также был предложен ряд инициатив:
▪️Создание библиотеки реализованных ИИ-проектов
▪️Подготовка гайдлайнов по внедрению ИИ-решений для промышленных компаний
▪️Проведение мониторинга обучающихся по программам ИИ
▪️Запуск ежегодной премии готовности промышленных компаний к использованию ИИ
▪️Формирование финансово-консультационного пакета для ускоренной адаптации предприятий через разработку MVP и программы акселерации в партнерстве с регионами
▪️Создание испытательных полигонов под различные классы решений
▪️Обеспечение внедрения отечественных разработок с использованием модульной мультисервисной платформы, которая находится в разработке Минпромторга России
ИТМО проведет хакатон "DataCon" по искуственному интеллекту в химии
Участники хакатона – школьники и студенты – научатся решать химические задачи с помощью искусственного интеллекта и алгоритмов машинного обучения и самостоятельно разработать предсказательную модель на основе реальных данных.
Хакатон предваряет воркшоп, проходящий 19-28 июля, на котором преподаватели ИТМО расскажут участникам о том, каких результатов в науке и индустрии уже удалось достичь с помощью искусственного интеллекта и как его можно использовать для решения задач, связанных с химией, биологией и наномедициной. Эксперты научат ребят работать с базами данных и алгоритмами машинного обучения и организовывать виртуальное пространство для совместного кодинга. На занятиях участники смогут понять, какие инструменты необходимо задействовать при работе с химическими задачами, которые либо крайне сложно, либо и вовсе невозможно решить классическими экспериментальными подходами.
Сам хакатон пройдет с 29 июля по 1 августа. Командам участников предстоит разработать предсказательную модель биологических свойств наночастиц, опираясь на настоящие данные.
Первое место на хакатоне школьникам засчитают как индивидуальное достижение при поступлении в бакалавриат ИТМО в этом году, а студенты бакалавриата смогут поступить в магистратуру «Химия и искусственный интеллект» без вступительных экзаменов. Участники, которые успешно прошли воркшоп и хакатон, получат приглашение на стажировку по теме Data-driven nanomedicine в центр искусственного интеллекта в химии на базе SCAMT.
Дедлайн регистрации на DataCon (воркшоп+хакатон) – 19 июня. Заявку можно подать на сайте хакатона.
#ИТМО является участником Ассоциации "Искусственный интеллект в промышленности"
Участники хакатона – школьники и студенты – научатся решать химические задачи с помощью искусственного интеллекта и алгоритмов машинного обучения и самостоятельно разработать предсказательную модель на основе реальных данных.
Хакатон предваряет воркшоп, проходящий 19-28 июля, на котором преподаватели ИТМО расскажут участникам о том, каких результатов в науке и индустрии уже удалось достичь с помощью искусственного интеллекта и как его можно использовать для решения задач, связанных с химией, биологией и наномедициной. Эксперты научат ребят работать с базами данных и алгоритмами машинного обучения и организовывать виртуальное пространство для совместного кодинга. На занятиях участники смогут понять, какие инструменты необходимо задействовать при работе с химическими задачами, которые либо крайне сложно, либо и вовсе невозможно решить классическими экспериментальными подходами.
Сам хакатон пройдет с 29 июля по 1 августа. Командам участников предстоит разработать предсказательную модель биологических свойств наночастиц, опираясь на настоящие данные.
Первое место на хакатоне школьникам засчитают как индивидуальное достижение при поступлении в бакалавриат ИТМО в этом году, а студенты бакалавриата смогут поступить в магистратуру «Химия и искусственный интеллект» без вступительных экзаменов. Участники, которые успешно прошли воркшоп и хакатон, получат приглашение на стажировку по теме Data-driven nanomedicine в центр искусственного интеллекта в химии на базе SCAMT.
Дедлайн регистрации на DataCon (воркшоп+хакатон) – 19 июня. Заявку можно подать на сайте хакатона.
#ИТМО является участником Ассоциации "Искусственный интеллект в промышленности"