Университеты не будут прежними: как ИИ меняет образование?

🎓 87% студентов и 60% преподавателей уже используют искусственный интеллект в учебе и работе. Еще немного и в каждом учебном заведении появятся AI-тьюторы, цифровые ассистенты, а обучение будет выстраиваться по принципу AI-native, когда ИИ вшит в саму структуру образовательного процесса.

Об этом и многом другом вы узнаете на лекции Максима Викторовича Абрамова «ИИ-образование: как учить и учиться с помощью искусственного интеллекта?» в рамках ежегодного форума «Университет будущего 2026».

🔍 Что обсудим?

✅ как зарождалось цифровое образование?
✅ какие ИИ-продукты помогают студентам и преподавателям сегодня?
✅ по каким сценариям будет развиваться цифровое образование?
✅ что нужно для успешной трансформации образовательной сферы?

📆Дата: 16 апреля, с 14:30 до 15:30
📍Место: «Точка кипения – Санкт-Петербург», наб. реки Карповки, д.5 АК, этаж Н, зал Микеланджело
🔗Регистрация

Не пропустите — будет интересно! 🔥

Викторина 1️⃣2️⃣
Что такое overfitting в машинном обучении?

Объём данных, архитектура модели и настройка гиперпараметров обучения напрямую влияют на качество работы модели в реальных задачах.

Хотите проверить свои знания? Выберите правильный вариант ⬇️

Разбор викторины #12: Что такое overfitting в машинном обучении?

💜 Спасибо всем, кто поучаствовал! Разбираем правильный ответ.

✅ Правильный ответ:
Модель слишком точно подгоняется под тренировочные данные и плохо работает на новых

🔍 Почему?

Overfitting (переобучение) — это ситуация, когда модель слишком точно подстраивается под обучающую выборку. Вместо того, чтобы учить закономерности, она запоминает каждый пример, включая ошибки, шум и случайные отклонения.

В результате она показывает отличные результаты на обучающей выборке, но теряет способность обобщать и ошибается на новых данных.

📌 Почему другие варианты не подходят?

➖ Модель использует слишком большой объём данных для обучения:
Наоборот, больше данных обычно помогает снизить риск переобучения, а не вызвать его.

➖ Модель обновляет веса слишком часто, из-за чего обучение зацикливается:
Относится к проблемам с настройкой обучения (например, learning rate).

➖ Модель имеет слишком много параметров:
Большое количество параметров, как и большой объем данных для обучения, обычно снижает риск переобучения, т.к. чем больше параметров у модели тем больше данных и итераций обучения необходимо проделать.

Совпало с вашим ответом? Пишите в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

🚀 Обзор новинок в мире ИИ за неделю

Собрали в одном месте главные релизы и обновления этой недели, чтобы вы точно ничего не пропустили! ⬇️

⭐️LLM-Агенты

➖В Китае появился опенсорсный проект Colleague Skill, позволяющий создавать цифровых двойников сотрудников на основе их рабочих данных

⭐️Новые GenAI модели

➖ Meta выпустила Muse Spark — новую LLM с мультимодальными возможностями и режимом запуска агентов
➖ Z AI представила GLM-5.1 — MoE-модель с 754B параметров для агентной инженерии и длительных сессий
➖ VoxCPM2 — открытая 2B TTS-модель на 30 языках с голосом по описанию и управляемым клонированием

⭐️ Практические исследования

➖ Anthropic запустила проект Glasswing — инициатива по защите критической программной инфраструктуры с помощью ИИ
➖ Anthropic представила Advisor Tool для гибридного использования моделей Claude
➖ Анализ сессий Claude выявил значительное ухудшение качества модели: меньше размышлений, больше ошибок
➖ Как работают с RAG в 2026: Андрей Соколов из Яндекс R&D рассказал на примере нескольких кейсов

⭐️Теоретические исследования

➖ ReplaceMe: в ИТМО придумали, как радикально ускорять LLM без дообучения
➖ HISA ускоряет разреженное внимание в трансформерах в 3.75× без дообучения, эффективно для длинных контекстов.

⭐️ Рынок:

➖ На русскоязычных медиа-площадках появились первые публичные интеграции ИИ-агентов непосредственно в пользовательский интерфейс — Хабр и «Код Дурова»

Еще больше об ИИ и науке читайте в DSCS.pro

🤖 ИИ в деле: как разобрать сложную тему с помощью нейросетей

Продолжаем рассказывать о том, как искусственный интеллект помогает нам учиться.

💡 Квантовая физика, органический синтез, эпистемология или машинное обучение. Раньше, чтобы понять и подтянуть сложную тему, приходилось часами рыться в учебниках, статьях и YouTube-разборах. Сегодня же даже самый запутанный вопрос можно изучить вдоль и поперек с помощью нейросетей!

📌 Что умеет ИИ?

1️⃣ Разбивает сложную тему на простые составляющие
ИИ берёт сложную концепцию, раскладывает её по полочкам и выстраивает логическую цепочку, чтобы вы двигались от простого к сложному.

2️⃣ Адаптирует объяснение под ваш уровень
ИИ учитывает ваш текущий уровень знаний, образование и образ мышления. Один и тот же материал можно объяснить гуманитарию, школьнику, студенту или практикующему инженеру.

3️⃣ Создаёт разборы и схемы
ИИ построит mind-map, таблицу сравнения, пошаговый алгоритм bkb визуальную схему. Может даже превратить фото с доски или рукописные заметки в аккуратный структурированный документ.

4️⃣ Проверяет ваши знания
ИИ может стать вашим строгим наставником: задавать вопросы по возрастанию сложности, указывать на ошибки и даже принять участие интеллектуальном споре.

5️⃣ Работает с первоисточниками
Загружайте нужные научные статьи, главы книг, PDF, сложные тексты или просите ИИ составить вам список научной литературы по теме.

⚙️ Какие инструменты лучше всего подходят

⚪️ ChatGPT / Claude / Gemini — отличные универсальные учителя, хорошо работают с загруженными файлами и сложными текстами.
⚪️ Perplexity.ai — подходит для быстрого поиска и разбора актуальных научных источников.
⚪️ NotebookLM — создаёт подкаст-диалог на основе загруженных вами материалоы (отличный способ для иммерсивного понимания).
⚪️ Prism — полезен для глубокого разбора научных и технических тем: работает с полным контекстом документа, помогает строить формулы, схемы и структурировать сложный материал.

❗️ Важное напоминание: нейросети могут галлюционировать. Всегда просите прикреплять ссылки на первоисточник и перепроверяйте факты.

Еще больше об ИИ и науке читайте в DSCS.pro

📰Дайджест новостей в сфере ИИ и науки: собрали главные инфоповоды недели

Ученые подтверждают неделимость кварков и распознают речь кашалотов, а ИИ диагностирует болезни у людей и растений, помогает нефтяникам и ищет лекарства. Что еще произошло в мире науки и технологий за эту неделю — читайте в свежем дайджесте ⬇️

🇷🇺 В России:

Роскосмос передал Яндексу архив из 10 тыс. снимков российских космонавтов для обучения Alice AI Art.

В Волгоградской области разработали нейросеть для диагностики простуды, гриппа и других инфекционных заболеваний дыхательной системы

В Перми создали ИИ-систему для выявления болезней растений по фото и для рекомендаций по лечению

Российские ученые представили ML-систему для предсказания межфазного натяжения между нефтью и соленой водой. Решение предназначено для моделирования нефтяных пластов без экспериментов

🌍 В мире:

Meta (признана экстремистской и запрещена в России) разрабатывает цифрового двойника генерального директора Марка Цукерберка (Mark Zuckerberg) для взаимодействия с сотрудниками

Датский производитель лекарств Novo Nordisk заключил соглашение с OpenAI по использованию ИИ для поиска перспективных препаратов

Китайская компания Unitree выведет человекоподобного робота R1 на международные рынки через AliExpress

🔍 Наука:

В щелчках кашалотов обнаружили закономерности человеческой речи

Астрономы открыли многопланетную систему, быстро меняющую орбиты

Эксперимент на Большом адронном коллайдере подтвердил неделимость кварков

В дельте Нила обнаружили древний храм с гигантским ритуальным бассейном

🔥 Приглашаем на интеллектуальный клуб Станислава Дробышевского

В это воскресенье, 19 апреля, в Санкт-Петербурге пройдет встреча на тему «Искусственный интеллект — основа развития мозга человека будущего».

В программе кофе-брейк, неформальное общение и, конечно, интересные лекции от ученых.

⭐️Участие примут:

➖ Максим Викторович Абрамов — кандидат технических наук, доцент, руководитель Лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН;

➖ Станислав Владимирович Дробышевский — антрополог, кандидат биологических наук, доцент кафедры антропологии биологического факультета МГУ им. М. В. Ломоносова.

➖ Романчук Виталий Александрович — доктор технических наук, директор Центра искусственного интеллекта Рязанского государственного университета им. С.А. Есенина;

📆 Когда: 19 апреля, 10:00-13:00
📍 Где: Университетская наб., 5Б, 2 этаж, вход с торца
🔗Регистрация

Подготовка презентаций: как найти язык с любой аудиторией

В эту среду, 22 апреля, пройдет седьмой открытый семинар, посвящённый созданию презентаций. Разберём, как адаптировать материал под разную аудиторию и сделать выступление понятным и интересным.

❗️ Формат: онлайн или очно в СПб ФИЦ РАН

🎓 Тема семинара:
«Подготовка презентаций для самых маленьких»

🎙Спикер — Валерий Дмитриевич Олисеенко, научный сотрудник лПИИ СПб ФИЦ РАН.

💡 Что обсудим?

➖ чем отличаются презентации для научной и бизнес-аудитории
➖ какие элементы обязательно должны быть в хорошей презентации
➖ как выстроить грамотную структуру: от вступления до выводов

📆 Среда, 22 апреля, 18:00-19:00
📍 СПб ФИЦ РАН, аудитория 401
(для прохода в здание напишите @groptos до 13:00, 22.04)
🔗 Ссылка на подключение

Будем рады видеть всех на семинаре! 🔥