Центр ИИ Вышки помогает стране и Сберу развивать AI-технологии
Сбер оценил экономический эффект от сотрудничества с исследовательскими центрами в сфере искусственного интеллекта в 1,1 млрд рублей. Одним из партнеров Сбера с 2021 года является Центр ИИ Высшей школы экономики. Всего в рамках этого партнерства успешно реализовано 19 проектов.
Инвестиции Сбера в индустриальное партнерство с исследовательскими центрами искусственного интеллекта — Сколтехом, ВШЭ и МФТИ — составили 700 млн рублей за 2021–2023 годы. А достигнутый подтвержденный эффект для Сбера составляет 1,1 млрд рублей. До конца года Сбер ожидает увеличения эффекта по мере внедрения результатов. Об этом сообщил первый заместитель председателя правления Сбербанка Александр Ведяхин в рамках Дня искусственного интеллекта на выставке-форуме «Россия».
Сбер и Вышка объединяют свои ресурсы и экспертизу для достижения общих целей в области ИИ. Центр ИИ НИУ ВШЭ не только внедряет новые технологии и решения на основе ИИ в различные бизнес-процессы партнера, но и способствует развитию инноваций и технологий в России.
В материале «Коммерсанта» об итогах сотрудничества Сбера с центрами ИИ отмечается, что результаты Центра ИИ НИУ ВШЭ не только применяются в решениях компании, но и уже внедрены в разработанный Сбером конструктор рекомендательных систем RePlay, который служит открытой библиотекой для разработчиков и исследователей. Это является важным шагом для дальнейшего развития этого AI-направления.
Обучение с подкреплением (Reinforcement Learning, RL) — это тип машинного обучения, который используется для решения задач, требующих долгосрочного планирования и принятия решений на основе опыта взаимодействия со сложными стохастическими средами (в которых есть случайность и неопределенность. — Ред.).
Алексей Масютин, руководитель Центра ИИ НИУ ВШЭ, подчеркивает, что сотрудничество со Сбером включает в себя такие приоритетные направления в области ИИ, как работа с большими языковыми моделями, диффузионными моделями, оптимальным транспортом, а также с алгоритмами обучения с подкреплением. «За прошлый год для Сбера и компаний экосистемы мы реализовали 9 проектов, лучшие из них были отмечены на R&D-дне Сбера в декабре. Один из таких проектов 2023 года заключался в создании передовых RL-алгоритмов, которые позволили бы существенно повысить качество рекомендательных систем. Результаты уже внедрены и доступны как модуль в открытом фреймворке Сбера», — рассказал он.
Алгоритмы, разработанные учеными НИУ ВШЭ для Сбера, точнее предсказывают интересы пользователей, ориентируясь на кумулятивную полезность, а не на сиюминутные реакции. Применение обучения с подкреплением открывает новые возможности для изучения различных сценариев взаимодействия с клиентами, что изменит подходы к разработке индивидуальных предложений и маркетинговых стратегий.
Сергей Самсонов
Сергей Самсонов, научный сотрудник Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, поясняет, что методы на основе RL обладают улучшенной персонализацией. Они могут учитывать не только предпочтения пользователей, но и историю их взаимодействия с системой во времени, а также могут подстраивать под нее свои рекомендации. Кроме того, алгоритмы на основе обучения с подкреплением позволяют системе учитывать не только мгновенную реакцию пользователя на рекомендацию, но и долгосрочные последствия назначения той или иной рекомендации. Это позволяет строить более долгосрочные и таргетированные стратегии.
«В целом подход обучения с подкреплением позволяет более точно адаптироваться к потребностям пользователя, учитывать их изменяющиеся предпочтения и предлагать более релевантные рекомендации», — отмечает Сергей Самсонов.
Евгений Фролов
«Залогом успешности решения задачи по улучшению рекомендательных систем является наличие специальных знаний и опыта в предметной области, а также широкого кругозора в смежных научных дисциплинах, — говорит Евгений Фролов, старший научный сотрудник Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ. — В этом смысле наша команда занимает уникальное положение, поскольку объединяет специалистов высокого уровня, обладающих как фундаментальными знаниями в релевантных предметных областях, так и практическим опытом решениях задач, связанных с рекомендательными системами».