Телеграм

Точка машинного зрения

@AI_point_of_view IT и нейросети
РКН: проверяем Не иноагент
Канал Центра ИИ Сколтеха: новости, лекции, вакансии и мероприятия по теме ИИ от нас и партнёров.

🕸 https://new.skoltech.ru/center/ai

По всем вопросам 📇 @NadiaSch, @green_eyesl

Статистика обновлена 15.11.2026 в 21:10 · 2 просмотра страницы · Хотите больше просмотров?

Подписчики5 155
Охват поста582 11% от подписчиков
ERR за месяц11,29%
ERR за 24 часа6,74%

Динамика за 30 дней

Рекламные публикации

Рекламных публикаций не найденоЗа последнее время мы не нашли на площадке ни одного рекламного поста.

Последние публикации

Все посты канала →
Точка машинного зрения tg5.2 тыс. подписчиков
Открыть пост ↗
📊 ИИ в инженерии: как мультиагентные системы меняют промышленные процессы

Эксперты Центра искусственного интеллекта Сколтеха выступили на Инновационной сессии «Использование искусственного интеллекта в процессах разработки, производства, эксплуатации и вывода на рынок продуктов и технологий» в «Ростех-сити».

🌫 Заместитель директора Центра ИИ Сколтеха Максим Мироненко представил доклад о мультиагентных системах в инженерном ИИ. Он обратил внимание на различия между ИИ-ассистентами и полноценными агентами, а также показал, как мультиагентные системы позволяют решать комплексные инженерные задачи, самостоятельно распределяя их между несколькими агентами.

«Полноценный агент — это взрослый серьёзный сотрудник, которому можно поставить полноценную задачу и получить чёткое решение без погружения и объяснений, как её выполнять. А мультиагентная система — это уже команда, в которой есть определённая иерархия. Ей можно поручить комплексную сложную задачу: агенты самостоятельно декомпозируют её на простые шаги, разбираются, как решить каждый из них, затем сводят результаты и возвращают ответ», - объяснил Максим.


🌫 Максим также рассказал о практических сценариях применения мультиагентных систем в инженерии. Один из них — автоматизированная проверка проектной документации: система сопоставляет чертежи с нормативными требованиями, выявляет нарушения и указывает на соответствующие пункты документации.

«Человек, который работает с этим решением, непосредственно операции поиска несоответствий требованиям не выполняет — он контролирует результат», - объяснил Максим.


📊 Ещё один пример — восстановление цифровой модели детали, для которой отсутствует техническая документация. В этом сценарии несколько агентов совместно обрабатывают исходные данные, в том числе сканы и фотографии, и помогают автоматизировать дальнейшие этапы работы.

🔘 Говоря о перспективах промышленного внедрения ИИ, Максим подчеркнул, что оценивать нужно эффект на уровне всего процесса, а не отдельных операций:

«Нужно понять: стоит ли применять сюда искусственный интеллект или можно обойтись другими, более простыми инструментами? Необходимо измерять исходные метрики до и после на уровне процесса, а не отдельного этапа. И обязательно считать деньги, сроки, себестоимость и ошибки», - подчеркнул эксперт.


🛡 Максим также подчеркнул, что для промышленного применения ИИ необходима система контроля безопасности: она должна проверять решения модели, обеспечивать прозрачность действий агентов и позволять разбирать возможные ошибки.

«Модель сама по себе не может быть безопасной. Так устроен её математический аппарат, что всегда будут существовать галлюцинации, ошибки, неточности — это вероятностная система. Поэтому мы должны не пытаться исправить модель, а построить вокруг неё инфраструктуру, которая позволяет, пропуская её решения через определённые шаги, достичь того, что мы будем считать проверенным и безопасным», - объяснил Максим.


🌫 В совместном докладе с Сергеем Крееренко, заместителем начальника ОКБ им. Г. М. Бериева по проектированию, старший преподаватель, руководитель направления Центра ИИ Сколтеха Дмитрий Шадрин рассказал о разработке технологий ИИ для авиации. Одной из ключевых задач стала подготовка данных для обучения нейросетей.

◾️В работе над технологией команда использует синтетические данные для обучения нейросетей с последующей проверкой точности моделей. Среди компетенций, на которые опирается разработка, — создание бортовых вычислителей и программно-аппаратных комплексов для спутниковых аппаратов

«Самым сложным является даже не сам алгоритм, а набор данных. На то, чтобы собрать необходимое количество данных, может уйти три–пять лет. Поэтому одной из особенностей нашего подхода стала генерация синтетических данных, близких к реальным: на их основе можно быстрее получить нейросеть», - рассказал Дмитрий.


💡 Разрабатываемые технологии могут применяться не только в авиации. В перспективе они позволят использовать ИИ для решения задач в реальном времени, в том числе в поисково-спасательных работах, океанографии и метеорологии.
👁 297 🔥 5👍 3❤ 2 ↻ 11 13 ноября
Точка машинного зрения tg5.2 тыс. подписчиков
Открыть пост ↗
🌐 Исследователи Центра ИИ Сколтеха выступили на симпозиуме МАГАТЭ по международным гарантиям, который прошёл в Вене с 9 по 12 ноября. Они рассказали, как роботы могут помочь инспекторам на ядерных объектах и с какими трудностями сталкиваются разработчики ИИ для таких проверок.

🌫 Евгений Бурнаев, вице-президент Сколтеха по развитию ИИ, директор Центра искусственного интеллекта, профессор РАН, выступил на сессии по робототехнике. В докладе он объяснил, какие задачи можно поручить роботам и почему даже проверенную в других отраслях технику приходится заново испытывать для работы на ядерных объектах. Презентация Robotics in Nuclear

«Во время инспекций приходится раз за разом проводить одни и те же измерения в местах, куда трудно добраться, — отметил Евгений. — Поэтому в 2017 году МАГАТЭ провело конкурс по робототехнике. Задача была в том, чтобы снизить дозу облучения инспекторов и сделать результаты измерений более воспроизводимыми. В особо опасных условиях получить данные иногда можно только с помощью роботов. В апреле 2011 года первые измерения внутри реакторных зданий АЭС „Фукусима-1“ провели два робота PackBot. Их выпустила компания iRobot, которую многие знают по роботам-пылесосам Roomba».


🔘Радиация влияет и на то, как робот ориентируется на объекте. Гамма-излучение оставляет на кадрах с камеры яркие точки. По таким кадрам инспектор ещё может наблюдать за обстановкой, а алгоритм, который определяет перемещение робота по видео, уже может ошибаться.

🌫 Ещё одна трудность — собрать данные для обучения. Евгений привёл пример из медицины, чтобы показать, как модель может усвоить совсем другую закономерность, чем рассчитывали разработчики:

«На ядерных объектах съёмка ограничена, поэтому данных мало. А примеров того, что важнее всего обнаружить, — случаев вывода ядерного материала из мирного использования — к счастью, нет. В такой ситуации модель можно научить распознавать нормальное состояние объекта и отмечать отклонения. При этом важно понимать, на какие признаки она опирается. Например, модель, которую обучали выявлять пневмонию, научилась определять, в какой больнице сделали рентгеновский снимок. При проверке ядерных объектов есть похожий риск — модель научится узнавать конкретный объект и будет пропускать отклонения».

Евгений также участвовал в дискуссии о том, какие испытания должен пройти исследовательский прототип, прежде чем инспектор сможет использовать его для измерений.

🌫 Олег Бахтеев, старший инженер-исследователь Центра ИИ Сколтеха, представил исследование о применении ИИ в системе гарантий МАГАТЭ — Artificial Intelligence for Safeguards: Cross-Project Analysis.

Авторы рассмотрели 25 возможных применений ИИ — от проверки ядерных материалов и анализа записей с камер до контроля состояния оборудования и кибербезопасности. Для каждого сценария они оценили, какие из 12 типичных трудностей могут возникнуть при внедрении. В 84% сценариев существенным ограничением оказалась стоимость экспертной разметки данных, в 68% — различия в данных с разных приборов, из-за которых модель сложнее применять на другом оборудовании.

🌫 Подход к испытаниям, по выводам авторов, зависит от задачи. Например, модель для анализа записей с камер можно проверять на данных, в которые заранее добавили события. Так можно оценить, сколько из них модель заметит и сколько сигналов при этом придётся проверить специалисту.
👁 355 ↻ 5 13 ноября
Точка машинного зрения tg5.2 тыс. подписчиков
Открыть пост ↗
🧮 Четыре ИИ-агента и инженер: как в Центре ИИ Сколтеха исследуют возможности искусственного интеллекта для задач нефтегазовой отрасли

Где разместить новую скважину, какой объём добычи она может обеспечить и насколько оправданным будет бурение? Ответы на эти вопросы требуют работы с разными данными и расчётами.

🌫 О том, как часть этого процесса можно связать в единую последовательность с помощью ИИ-агентов, в интервью EADaily рассказал Сергей Шумилин, руководитель исследовательской группы «ИИ для инженерных систем» Центра искусственного интеллекта Сколтеха.

В демонстрационном сценарии работают четыре агента. Первый анализирует карты месторождения и предлагает места для новых скважин. Второй рассчитывает прогноз добычи и экономические показатели. Третий сравнивает варианты дальнейшей разработки. Четвёртый собирает результаты в отчёт с картами, таблицами и графиками. Порядок работы задаёт отдельная программа, которая передаёт результаты от одного этапа к следующему.

📊 При этом результат работы системы можно проверить: карты, таблицы и расчётные файлы сохраняются отдельно, чтобы специалист мог обратиться к промежуточным данным и перепроверить выводы.
«В инженерной задаче убедительный отчёт сам по себе ничего не доказывает», - объясняет Сергей.


🔘Если исходных данных недостаточно или они противоречат друг другу, система должна сообщить об этом до принятия решения. А для внедрения на конкретном предприятии её ещё предстоит испытать на реальных данных, сравнив результаты с расчётами специалистов и проверив устойчивость выводов при изменении исходных параметров.

🌫 Практический смысл такого подхода - сократить ручной перенос данных и подготовку расчётов, чтобы у инженера оставалось больше времени на сравнение вариантов. Решение о том, где и стоит ли бурить, остаётся за специалистом.

📎 Подробнее - в материале EADaily
👁 391 👍 7🔥 6❤ 2 ↻ 12 13 ноября