В Вышке упростили разработку интеллектуальных сервисов
Ученые НИУ ВШЭ разработали MLOps-платформу, применение которой поможет внедрять эффективные и безопасные ИИ-решения во всех кампусах и подразделениях университета. В дальнейшем рассматривается возможность масштабирования инструмента на внешний рынок.
На семинаре стратегического проекта «ИИ-технологии для человека» (реализуется в рамках программы «Приоритет-2030») был представлен проект по разработке и внедрению MLOps-платформы для управления, запуска и мониторинга моделей искусственного интеллекта, интегрированной с ИТ-системами НИУ ВШЭ.
Елена Кожина
«Цель проекта — создание удобной среды для эффективного использования ИИ-моделей в образовательных и административных процессах университета», — отметила, открывая мероприятие, куратор стратпроекта — заместитель проректора НИУ ВШЭ Елена Кожина. Ожидается, что применение платформы поможет снизить барьеры для внедрения ИИ и повысить устойчивость и безопасность работы ИИ-решений в Вышке.
Хади Мухаммед Салех
Подробнее о целях, задачах и преимуществах платформы MLOps рассказал доцент департамента программной инженерии факультета компьютерных наук, руководитель проекта Хади Мухаммед Салех. Он подчеркнул, что реализация проекта обеспечит создание и развитие центров компетенций по развитию и применению технологий ИИ во всех кампусах Вышки. В результате ИИ-помощники будут интегрированы в образовательный и административный процессы, а также, совместно с партнерами, в сферы управления и медицины. «Ключевая ценность платформы для пользователей заключается в снижении трудоемкости развертывания ИИ-решений на основе данных корпоративных информационных систем НИУ ВШЭ», — рассказал он.
Команда проекта собрана из двух подразделений Вышки — факультета компьютерных наук и Московского института электроники и математики имени А.Н. Тихонова (МИЭМ).
К преимуществам MLOps-платформы относятся:
снижение затрат на достижение промышленной версии и интеграции с заказчиками;
воспроизводимость результатов исследований, повторное использование алгоритмов и моделей;
мониторинг ресурсов и работы моделей.
Вместе с тем сотрудники Вышки получают доступ к суперкомпьютеру «сHARISMa» через платформу MLOps для дообучения моделей, а также интеграцию с корпоративными информационными системами.
В рамках первого этапа проекта ученые уже развернули в «Яндекс Облаке» инфраструктуру платформы на базе фреймворка Центра ИИ, провели тестирование всех ее компонентов, а также в тестовом режиме настроили систему резервирования и восстановления. Сейчас на платформе развернуто 4 модели (Tesseract OCR, 2 модели проекта «Поймай бота» и модель индекса этичности). Особое внимание было уделено информационной безопасности работы платформы.
Антон Хританков
Подробный обзор фреймворка MLOps-платформы сделал доцент департамента программной инженерии факультета компьютерных наук, эксперт Центра ИИ Антон Хританков. «Единый фреймворк представляет собой программные средства автоматизации процессов поставки модулей ИИ на базе облачных технологий. Фреймворк предоставляет пользователям важные функции, которые упрощают работу и сокращают время на создание интеллектуальных сервисов», — рассказал он.
Процесс разработки, поставки и развития ИИ-сервисов состоит из трех циклов: моделирование, реализация и применение. Результатом первого становится написанный код эксперимента и предварительное решение задачи в виде модели. Второй цикл направлен на то, чтобы перейти от исследовательского кода к промышленной реализации, пригодной для внедрения в бизнес-процессы. Задача последнего цикла в том, чтобы интегрировать разработки с внутренними или внешними системами, внести корректировки, дообучить модель и при необходимости выпустить ее новую версию.
В настоящее время начат второй этап реализации проекта, добавил Хади Мухаммед Салех. В его рамках будут улучшены и упрощены процессы развертывания моделей, расширена документация, а также записана видеоинструкция по использованию MLOps-платформы.
В 2025 году планируется обеспечить интеграцию ИИ-моделей на MLOps-платформе с КИС НИУ ВШЭ, внедрить сервисный подход к обслуживанию платформы, создать подсистему учета используемых вычислительных ресурсов (биллинг) и обеспечить информационную безопасность интеллектуальных сервисов.