В Южном федеральном университете учёные активно используют нейронные сети, обученные разработчиками приносить свой вклад в науку. А если подходящего для целей исследователей ИИ в мире не существует, в ЮФУ его создают сами.Старший научный сотрудник лаборатории технологий искусственного интеллекта и больших данных для нанодиагностики материалов рассказал, что будущее машинного обучения формируют именно вузы.
Прогресс в руках мечтателей
Доцент Международного исследовательского института интеллектуальных материалов ЮФУ Олег Карташов ранее рассказывал, как Россия интегрирована в мир интеллектуальных технологий уже сегодня. Но прогресс не стоит на месте, и через 5–10 лет на рынке IT-продуктов будет представлено то программное обеспечение, которое сегодня находится на этапе разработки или даже только на стадии идеи.
«У отечественных компаний IT-гигантов существует множество нейросетевых продуктов, уже сегодня решающих важнейшие практические задачи в различных областях социальной, промышленной и экономической жизни России. Но не стоит также забывать о мечтателях и первопроходцах, неуклонно смотрящих в будущее и без устали работающих над тем, чтобы сделать его лучше — о тех, кто разрабатывает новые нейросети в университетах. Иногда научные проекты, связанные с машинным обучением, очень амбициозны, и потребитель сможет оценить их результаты лишь спустя много лет, но это не умоляет социальной значимости новых инновационных продуктов предлагаемых научными сотрудниками российских вузов. И возможно эти десятки перспективных решений улучшат нашу жизнь уже завтра», — рассказал Олег Карташов.
В Южном федеральном университете есть свои перспективные разработки, связанные с машинным обучением и искусственным интеллектом.
Психолог для космонавтов
Научная команда из 16 человек, в состав которой входили программисты, конструкторы, психологи и врачи под руководством директора НИИ МВС ЮФУ Якова Коровина разработала систему дистанционного контроля за состоянием человека на ответственном посту, к примеру в космосе или на атомной электростанции.
Контроль состояния космонавтов нужен для оперативного предупреждения потенциально опасных или нештатных ситуаций, но в экипаж космических кораблей и орбитальных станций не входит психолог — за эмоциональным состоянием космонавтов следят исключительно с Земли, из центра управления полетами. Своевременно выявить у космонавта стресс, выгорание, тревогу или депрессию сможет разработанный в ЮФУ искусственный интеллект, обученный распознавать эти психоэмоциональные состояния по когнитивным картам. Сейчас этот аппаратно-программный комплекс планируют применять в «Росатоме» для выполнения внутрисменного контроля состояния операторов атомных электростанций.
Комнатный синхротрон
Магистрант Международного исследовательского института интеллектуальных материалов ЮФУ Богдан Проценко проводит экспериментальные исследования нанокатализаторов на основе палладия. Для диагностики состояния катализатора используется такая методика как спектроскопия рентгеновского поглощения. Для неё требуется интенсивный источник рентгеновского излучения: огромный ускоритель частиц, лазер на свободных электронах или синхротрон, который занимает целое здание. Есть и более простая и дешевая методика — инфракрасная спектроскопия, но она сильно ограничена в своих возможностях.
Команда сотрудников МИИ ИМ ЮФУ помогла Богдану натренировать искусственный интеллект на большом объёме данных с инфракрасного спектрометра так, чтобы он мог предоставлять результаты, которые обычно получают на синхротроне.
Помощник охранника
В Научно-исследовательском институте многопроцессорных вычислительных систем имени академика А. В. Каляева разработанаавтоматизированная система выявления лиц с девиантным поведением.
На железнодорожных и автовокзалах, спортивных стадионах и в других людных местах установлены камеры видеонаблюдения. Но человек, который осматривает данные с камер на экранах не способен круглые сутки следить за всем. А ведь одно из преимуществ видеонаблюдения — это возможность превентивно выявить человека, замышляющего то или иное правонарушение. Его может выдавать необычная походка и траекториядвижения, странные жесты и мимика.
Учёные НИИ МВС ЮФУсовместно с индустриальным партнером — РЖД —разработали нейросеть, способнуюраспознавать поведение человека на видео и сравнивать с определенными ранее типологическими признаками. Если поведение человека будет расценено как девиантное, нейросеть обратит на него внимание охранника.
Эксперт по оценке сварки
Учёные ЮФУ работают также над задачами автоматизации и интеллектуализации отдельных рутинных работ на промышленном производстве. В одном из своихисследований коллектив ученых МИИ ИМ ЮФУ сосредоточился на решении проблем неразрушающего контроля дефектов сварных соединений – это способ выявить дефекты металла без физического вмешательства и нарушения целостности изделия.
Был подготовлен программно-аппаратный прототип устройства, реализующего данную технологию. Ученые моделировали продвинутую версию когнитивных функций эксперта, которого заменила вычислительная машина с цифровыми «глазами» и «ушами», значительно превосходящие человеческие.Руководил исследованием также доцент Олег Карташов.
Нейросети других российских вузов
Олег Олегович назвал несколько нейросетей, которые «работают» в науке и помогают своим разработчикам и их коллегам-учёным совершать открытия.
Так, например Московский физико-технический институт совместно с компаниями VK и InsilicoMedicine запустили генеративно-состязательную нейросеть для ускоренного открытия лекарств. Поскольку основной пласт химических соединений потенциально полезных для фармакологии уже получен и изучен, учёные занимаются преимущественно тем, что проверяют эффективность тех или иных модификаций. Чтобы не проверять всё подряд, а сконцентрироваться только на перспективных соединениях, их структурные модели в МФТИ дают скомбинировать искусственному интеллекту. Перебирая бесконечное количество комбинаций, нейросеть «советует» учёным, какие вещества стоит синтезировать на самом деле и проверить на лекарственные свойства. Впервые нейросеть была применена для создания новых противораковых препаратов.
А российские физики лаборатории Квантовых информационных технологий Университета МИСИС, Российского квантового центра и МГУ в 2022 году представили метод классификации фотографий с высокой точностью, основанный на архитектуре квантовой сверхточной нейронной сети. Модель квантовой нейросети анализирует большие массивы визуальных данных и находит в каждом изображении те или иные патерны, позволяющие отнести изображение к той или иной группе. Но главное — эта нейросеть обучена работать на компьютере с квантовым процессором, ведь развитие машинного обучения сегодня уже упёрлось в потолок мощности классических компьютеров.
Нейросеть не заменит человека
«На сегодняшний день мы имеем дело со слабым ИИ, который умело манипулирует тем, что в него вкладывает специалист. Самообучаемость ИИ в большинстве случаев означает лишь автоматизированный процесс дообучения на новых выборках данных. Для нейросетей, которыми уже широко используются интернет-пользователи, такими выборками являются тексты и картинки в сети, для университетских нейросетей — научные данные.Что у первых, что у вторых, зачастую получаются довольно интересные синтетические произведения, ноидею в них с помощью своих когнитивных способностей и ассоциаций вкладывает человек. До тех пор, пока сильный искусственный интеллект существует только в теории, нужно помнить, что «нейросеть-учёный» как и «нейросеть-художник» — это просто громкое название для инструмента в руках настоящих учёных и художников», — подытожил Олег Карташов.
Он добавил, что полная реализация «Умных производств» и развитие области искусственного интеллекта может повлиять на количество и распределение специалистов по отраслям знаний. Поскольку нейросетями управляют люди, их существование дает новые рабочие места для высококлассных специалистов.
Когда речь идет о выпуске консьюмерского продукта или пользовательского сервиса, требуется создание отдела поддержки пользователей, который сможет помочь в устранении всех возникающих проблем с инструментом. Кроме того, не стоит забывать и о сопровождении любого программного продукта разработчиками, его обновление и совершенствовании.
Это похоже на исторический пример, когда ручной труд на производстве заменялся станками. Не только нейросети ответственны за подобную трансформацию, речь идет о прогрессе и промышленной революции, которые включают в себя комплексность и системность использования множества технологических новинок.
Центр общественных коммуникаций Южного федерального университета
