Тема «искусственный интеллект»

Научный сотрудник НУЛ МЭИ Алексей Кычкин и стажер-исследователь НУЛ МЭИ Олег Горшков получили патент на систему прогнозирования пространственного распределения вредных веществ в атмосферном воздухе с использованием блока искусственного интеллекта. Изобретение может быть использовано для комплексного планирования и уведомления о рисках загрязнений атмосферного воздуха вредными веществами. Работы были выполнены в рамках гранта Центра искусственного интеллекта НИУ ВШЭ.

За пять дней миллион человек вступили в диалог с ChatGPT, за четыре — первый миллион пользователей набрала нейросеть Сбера Kandinsky 2.1. Перспективы создания и внедрения технологий на базе ИИ, а также вопросы регулирования этой сферы обсудили представители науки, бизнеса и власти на пленарной сессии «Искусственный интеллект в России: тренды, риски, регулирование», которую ИСИЭЗ совместно со Сбером организовал в рамках распределенной программы XXIV Ясинской (Апрельской) международной научной конференции НИУ ВШЭ.

Центр искусственного интеллекта НИУ ВШЭ и Лаборатория искусственного интеллекта Сбера представили инструмент для поиска фрагментов ДНК с помощью ИИ-технологий. Модель позволит исследователям получать новые знания о функционировании нашего генома и взаимосвязи мутаций с различными клиническими состояниями.

В Высшей школе экономики проходит Международный научный форум FIT-M 2022. В его рамках 29–30 ноября в Центре культур Вышки состоялся лекториум. 7–9 декабря гостей форума ожидает три дня практической работы в среде ученых, лидеров IT-индустрии, бизнесменов и промышленных экспертов.

Международная лаборатория стохастических алгоритмов и анализа многомерных данных факультета компьютерных наук ВШЭ и Научно-учебная лаборатория методов анализа больших данных ФКН ВШЭ при поддержке Центра ИИ НИУ ВШЭ и Российского научного фонда организовали в начале ноября Первую осеннюю школу-конференцию по искусственному интеллекту Fall into ML. Новый формат научного мероприятия начался со школы для студентов и молодых исследователей.

Комбинирование методов драг-дизайна и анализа больших данных может заметно ускорить процесс создания новых лекарств. Рекомендации по развитию одного из наиболее перспективных направлений в современной фармакологии разработали исследователи НИУ ВШЭ, Сеченовского университета и Ассоциации фармацевтических производителей ЕАЭС в ходе стратегической сессии «Перспективы технологического развития в области драг-дизайна», прошедшей 8 октября в Парке науки и искусства «Сириус».

Исследователи НИУ ВШЭ предложили новый нейросетевой метод распознавания эмоций и вовлеченности людей. Алгоритмы строятся на основе анализа видеоизображений лиц и превосходят по точности известные аналоги. Разработанные модели подходят для малопроизводительного оборудования, в том числе для мобильных устройств. Результаты работы могут быть внедрены в системы теле-конференц-связи и онлайн-обучения для анализа вовлеченности и эмоций участников. Итоги исследования опубликованы в IEEE Transactions on Affective Computing.

У компьютерного зрения нет тех физиологических особенностей, которые есть у человека, поэтому оно хуже распознает изображения. К такому выводу пришли ученые из ВШЭ и Московского политехнического университета. Результаты исследования опубликованы в сборнике Proceedings of Seventh International Congress on Information and Communication Technology.

В журнале Science, одном из самых авторитетных научных изданий, команда исследователей из Высшей школы экономики, Сколтеха, Института органической химии им. Н.Д. Зелинского и Kyungpook National University (Южная Корея) опубликовала комментарий к статье DeepMind, говорится на сайте Сколтеха. В нем ученые показали, что приведенные аргументы в пользу достижения поставленной DeepMind цели не настолько надежны, как кажется, и требуют дополнительного исследования.

Международная команда проекта SNAD, куда входит доцент факультета физики НИУ ВШЭ Матвей Корнилов, обнаружила 11 аномалий, 7 из которых — кандидаты в сверхновые. Исследования проводились на цифровых снимках северного неба за 2018 год, для поиска использовался метод ближайших соседей на основе K-мерных деревьев. Автоматизировать поиск аномалий позволили методы машинного обучения. Исследование опубликовано в журнале New Astronomy.