Выполняем поручение Президента РФ – и вновь проводим международный мини-форсайт по ИИ, но уже на базе ИТМО. Приехали коллеги из Индии и Китая, а еще ряд товарищей из профильного бизнеса и консалтинга. Вчера с утра показывали друг другу «научное величие» (выступали с мотивационными докладами), а потом уже плотно сели за обсуждение перспективных направлений (см. фотоотчет).
Как говорил мой покойный учитель, проф. В.А.Рожков, «наиболее плодородна почва на межах науки». Т.е. там, где специалисты расходятся во мнениях. В ходе дискуссии я выявил аж три таких области:
✅ Межа науки №1. Когда говорят «нейронная сеть», сразу напрашивается биологическая аналогия с нервной системой. Однако жизнь показывает, что копирование природы не является основой прогресса. Например, для передвижения животные используют лапы, а не колеса (которые изобрел человек). А уж огнем/плазмой пользоваться в природе умеет только Змей Горыныч (которого тоже человек придумал). Как следствие, на форсайте кто-то был уверен, что целеполагание развития ИИ – это чтоб все делать «как человек», и для этого нужна био-инспирированная математика и технологии. А вот его оппоненты считают, что только целеполагание от человека, а средства достижения – произвольны (в этом, кстати, и есть суть агентности).
✅ Межа науки №2. Все уже привыкли, что большие фундаментальные модели умеют работать с символьными данными (будь то литературный язык, код программы или даже запись молекулы ДНК). А вот если обобщать это «умение» на объекты, имеющие другую природу? Например, сигналы ЭЭГ или вообще… нейронные дифференциальные операторы? Примерно половина участников считает, что для этого нужно создавать новые, нетрансформерные модели ИИ с собственной математикой. А вот вторая половина считает, что нет - это просто еще одна сторона развития мультимодальных больших моделей. Главное, что и те, и другие имеют аргументы так считать.
✅ Межа науки №3. Бич современного ИИ – это тяжелые вычисления, и коммерчески стимулируемая «гонка» больших моделей это только подстегивает. Само собой, производители «железа» в выигрыше, и плохо – что только они. Часть участников форсайта считает корнем преодоления проблемы вычислительную неэффективность самих моделей ИИ (типа у человека в мозгу 5% нейронов работает, а у нейросети – все, но большей частью – вхолостую). И надо делать эффективные архитектуры и алгоритмы. А вот другие участники справедливо полагают, что эффективность надо определять не относительно человека, а относительно вычислительного устройства. Т.е. делать специализированные устройства и алгоритмы ИИ под них (разные там резервуарные, оптоэлектронные и пр. экзотические компьютеры).
В отличие от религиозных диспутов, форсайт не ставит целью формирование «догматического ИИ» и анафематствование отступников. С удовлетворенностью могу отметить, что вчера в итоге «победила дружба». Однако не стоит расслабляться – государство рационально относится к спонсированию науки, и в ближайшее время нам предстоит определиться, в какую сторону правильно идти на этих развилках, чтобы на существующем экономическом и геополитическом ландшафте в итоге «оказаться в дамках».👑
Как говорил мой покойный учитель, проф. В.А.Рожков, «наиболее плодородна почва на межах науки». Т.е. там, где специалисты расходятся во мнениях. В ходе дискуссии я выявил аж три таких области:
✅ Межа науки №1. Когда говорят «нейронная сеть», сразу напрашивается биологическая аналогия с нервной системой. Однако жизнь показывает, что копирование природы не является основой прогресса. Например, для передвижения животные используют лапы, а не колеса (которые изобрел человек). А уж огнем/плазмой пользоваться в природе умеет только Змей Горыныч (которого тоже человек придумал). Как следствие, на форсайте кто-то был уверен, что целеполагание развития ИИ – это чтоб все делать «как человек», и для этого нужна био-инспирированная математика и технологии. А вот его оппоненты считают, что только целеполагание от человека, а средства достижения – произвольны (в этом, кстати, и есть суть агентности).
✅ Межа науки №2. Все уже привыкли, что большие фундаментальные модели умеют работать с символьными данными (будь то литературный язык, код программы или даже запись молекулы ДНК). А вот если обобщать это «умение» на объекты, имеющие другую природу? Например, сигналы ЭЭГ или вообще… нейронные дифференциальные операторы? Примерно половина участников считает, что для этого нужно создавать новые, нетрансформерные модели ИИ с собственной математикой. А вот вторая половина считает, что нет - это просто еще одна сторона развития мультимодальных больших моделей. Главное, что и те, и другие имеют аргументы так считать.
✅ Межа науки №3. Бич современного ИИ – это тяжелые вычисления, и коммерчески стимулируемая «гонка» больших моделей это только подстегивает. Само собой, производители «железа» в выигрыше, и плохо – что только они. Часть участников форсайта считает корнем преодоления проблемы вычислительную неэффективность самих моделей ИИ (типа у человека в мозгу 5% нейронов работает, а у нейросети – все, но большей частью – вхолостую). И надо делать эффективные архитектуры и алгоритмы. А вот другие участники справедливо полагают, что эффективность надо определять не относительно человека, а относительно вычислительного устройства. Т.е. делать специализированные устройства и алгоритмы ИИ под них (разные там резервуарные, оптоэлектронные и пр. экзотические компьютеры).
В отличие от религиозных диспутов, форсайт не ставит целью формирование «догматического ИИ» и анафематствование отступников. С удовлетворенностью могу отметить, что вчера в итоге «победила дружба». Однако не стоит расслабляться – государство рационально относится к спонсированию науки, и в ближайшее время нам предстоит определиться, в какую сторону правильно идти на этих развилках, чтобы на существующем экономическом и геополитическом ландшафте в итоге «оказаться в дамках».👑
🔥13👍9
ИТМО традиционно проводит первый открытый ректорат/ученый совет в виде эпатажной конференции для своих сотрудников и друзей. Из шести пленарных спикеров трое непосредственно втянуты в ИИ (а остальные - просто сочувствующие). Во время выступлений нейросеть делала транскрибацию и выделение ключевых тезисов. Иногда – удачно, иногда – как всегда. На основе естественного интеллекта я могу предложить свои альтернативные тезисы:
✅ PI-центричная модель вуза, когда мелкие коллективы обтачивают свои мелкие задачи – это плохо! Чтобы жить и развиваться, нужно думать о серьезных проектах.
✅ Серьезные проекты требуют серьезных партнеров, потому – дружите с бигтехами! Но, внимание – они вдумчиво относятся к вашей профессиональной репутации!
✅ Чтобы понять партнера, недостаточно его выслушать; нужно просто встать на его место. Потому не грех поработать в индустрии, чтобы потом проще делать проекты в вузе.
✅ Сделать большую науку можно и на оборудовании, собранном из канализационных труб. А вот для большой разработки уже нужна дорогая техника. И еще не факт, что результаты кто-то купит.
✅ Чтобы быть первым в ИИ – нужно постоянно соревноваться с себе подобными. А когда конкуренты побеждены – можно легко перейти к практическому внедрению, ибо никто уже не спросит «а почему именно вы?»
✅ Современное образование во всех областях должно строиться на компетентностно-ролевых моделях. Ибо только через роли ожидания работодателей могут быть соединены с возможностями преподавателей.
В целом, с миру по нитке – и получилась неплохая программа для развития ИТМО на годик-другой. Большая благодарность сотрудникам нашего Центра и(или) Мегафакультета – С. Колюбину, И. Ревину, А. Маятину (см. фото)!
P.S. Сегодня (вновь) – международный день знаний. Посему, изменяя одно лишь слово у Данте –оставь прими надежду, всяк сюда входящий! 🥁
✅ PI-центричная модель вуза, когда мелкие коллективы обтачивают свои мелкие задачи – это плохо! Чтобы жить и развиваться, нужно думать о серьезных проектах.
✅ Серьезные проекты требуют серьезных партнеров, потому – дружите с бигтехами! Но, внимание – они вдумчиво относятся к вашей профессиональной репутации!
✅ Чтобы понять партнера, недостаточно его выслушать; нужно просто встать на его место. Потому не грех поработать в индустрии, чтобы потом проще делать проекты в вузе.
✅ Сделать большую науку можно и на оборудовании, собранном из канализационных труб. А вот для большой разработки уже нужна дорогая техника. И еще не факт, что результаты кто-то купит.
✅ Чтобы быть первым в ИИ – нужно постоянно соревноваться с себе подобными. А когда конкуренты побеждены – можно легко перейти к практическому внедрению, ибо никто уже не спросит «а почему именно вы?»
✅ Современное образование во всех областях должно строиться на компетентностно-ролевых моделях. Ибо только через роли ожидания работодателей могут быть соединены с возможностями преподавателей.
В целом, с миру по нитке – и получилась неплохая программа для развития ИТМО на годик-другой. Большая благодарность сотрудникам нашего Центра и(или) Мегафакультета – С. Колюбину, И. Ревину, А. Маятину (см. фото)!
P.S. Сегодня (вновь) – международный день знаний. Посему, изменяя одно лишь слово у Данте –
❤17🔥8👍4
Мой пост не про котов (хотя фото - с собственной кухни). А про агрессивные диалоги 😊. Вчера дал комментарий в статью «Известий», как в РАНХиГС учат студентов разрешать конфликтные ситуации с помощью диалогового ИИ. При этом тренажер не только генерирует поведение недовольного клиента, но и оценивает ответы студента – смог ли тот сохранить контроль над ситуацией. Такая логика понятна, но она хорошо работают тогда, когда оба участника диалога мыслят трезво и рационально.
Однако есть моменты, когда надеяться на трезвое мышление собеседника – просто опасно. Почти каждый ученый сталкивался с феноменом «злобного рецензента», получая разгромный анонимный отзыв на свою статью (заявку на грант, отчет о НИР, и др.). Это всегда шокирует, так как на эмоциях мы не способны даже понять, что хотел сказать рецензент, и есть ли под этим основания. И уже через какое-то время, выйдя из депрессии, люди начинают анализировать отзыв, находя там откровенное передергивание, элементы манипуляции, пропущенные рецензентом факты, а также самое ценное – объективные замечания по существу. Потому для каждого ученого (да и инженера тоже) просто необходим навык работы с научной критикой. Не школьной «работы над ошибками», а внимательного объективного разбора: что следует признать, что опротестовать, а что может быть отражением предвзятости критика? Вот тут сразу становится легче жить: понимаешь, что ты – не верблюд 🐫, а пустые обвинения отбиваются формальными механизмами.
Так вот, навык объективного разбора рецензий обычно присущ очень квалифицированным, маститым ученым, которые заматерели в научных дискуссиях и сами сотни раз были на обоих сторонах диалога. А вот выработать его у молодежи как раз и позволяет тренажер, в котором ИИ настроен галлюцинировать и выдавать частично необъективные, а иногда – излишне жесткие суждения (например, по курсовой работе). С помощью таких, по сути, учебных материалов и прививается иммунитет против «злобных рецензентов». Это одно из направлений внедрения ИИ в образование, продвигаемое ИТМО, и в этом месяце мы обязательно запустим такую конкурсную НИР для молодежных команд. Студенты, готовьтесь!💪
Однако есть моменты, когда надеяться на трезвое мышление собеседника – просто опасно. Почти каждый ученый сталкивался с феноменом «злобного рецензента», получая разгромный анонимный отзыв на свою статью (заявку на грант, отчет о НИР, и др.). Это всегда шокирует, так как на эмоциях мы не способны даже понять, что хотел сказать рецензент, и есть ли под этим основания. И уже через какое-то время, выйдя из депрессии, люди начинают анализировать отзыв, находя там откровенное передергивание, элементы манипуляции, пропущенные рецензентом факты, а также самое ценное – объективные замечания по существу. Потому для каждого ученого (да и инженера тоже) просто необходим навык работы с научной критикой. Не школьной «работы над ошибками», а внимательного объективного разбора: что следует признать, что опротестовать, а что может быть отражением предвзятости критика? Вот тут сразу становится легче жить: понимаешь, что ты – не верблюд 🐫, а пустые обвинения отбиваются формальными механизмами.
Так вот, навык объективного разбора рецензий обычно присущ очень квалифицированным, маститым ученым, которые заматерели в научных дискуссиях и сами сотни раз были на обоих сторонах диалога. А вот выработать его у молодежи как раз и позволяет тренажер, в котором ИИ настроен галлюцинировать и выдавать частично необъективные, а иногда – излишне жесткие суждения (например, по курсовой работе). С помощью таких, по сути, учебных материалов и прививается иммунитет против «злобных рецензентов». Это одно из направлений внедрения ИИ в образование, продвигаемое ИТМО, и в этом месяце мы обязательно запустим такую конкурсную НИР для молодежных команд. Студенты, готовьтесь!💪
❤14🔥11👍3👏3
Начало осени – хорошее время пойти в гости! Вот и у нас были гости - академики И.А. Тайманов и Е.Е. Тыртышников – известнейшие математики. А чем можно вдохновить математика, если он и так блестяще чувствует свою область? Конечно, новыми компьютерами!
На самом деле нет большой заслуги показать машинный зал с работающими GPU-кластерами, купленными «под ключ». Это больше похоже на то, как бизнесмены хвастаются элитными машинами, яхтами и вертолетами. Потому тут мы пошли другим путем – продемонстрироваликвантовый (!) оптоэлектронный компьютер ИТМО.
По факту, это не цельный компьютер, а, скорее, аналоговый ускоритель резервуарных вычислений. Он умеет очень быстро выполнять преобразование исходных данных к новой системе признаков, на которых уже классическими методами ML рассчитываются модели. Как правило, в ML работа с признаками (feature engineering) – одна из наиболее трудоемких, а этот ускоритель делает ее на 2–3 порядка (!) быстрее, и крайне энергоэффективно. Слабость разработки в том, что технически это – «театр одного актера». Если данные подошли под архитектуру ускорителя, то новые признаки работают не хуже полученных традиционным способом. А если не подошли – то не работают. И настраивать, сопрягать данные с архитектурой пока никак нельзя, даже с помощью паяльника и отвертки.
К сожалению, таким путем большие модели не посчитать. Но это сейчас, а вот в будущем 🤔… Вероятно, нам в ИТМО ныне нужно уделять больше внимания «железу» для ИИ-вычислений. Тем более, есть все основания, так как (напомню) – буквы «ТМ» в названии нашего вуза изначально относились… к механическим вычислителям!
На самом деле нет большой заслуги показать машинный зал с работающими GPU-кластерами, купленными «под ключ». Это больше похоже на то, как бизнесмены хвастаются элитными машинами, яхтами и вертолетами. Потому тут мы пошли другим путем – продемонстрировали
По факту, это не цельный компьютер, а, скорее, аналоговый ускоритель резервуарных вычислений. Он умеет очень быстро выполнять преобразование исходных данных к новой системе признаков, на которых уже классическими методами ML рассчитываются модели. Как правило, в ML работа с признаками (feature engineering) – одна из наиболее трудоемких, а этот ускоритель делает ее на 2–3 порядка (!) быстрее, и крайне энергоэффективно. Слабость разработки в том, что технически это – «театр одного актера». Если данные подошли под архитектуру ускорителя, то новые признаки работают не хуже полученных традиционным способом. А если не подошли – то не работают. И настраивать, сопрягать данные с архитектурой пока никак нельзя, даже с помощью паяльника и отвертки.
К сожалению, таким путем большие модели не посчитать. Но это сейчас, а вот в будущем 🤔… Вероятно, нам в ИТМО ныне нужно уделять больше внимания «железу» для ИИ-вычислений. Тем более, есть все основания, так как (напомню) – буквы «ТМ» в названии нашего вуза изначально относились… к механическим вычислителям!
👍12🔥7🥰5❤3
Корпоративный выезд нашего Института ИИ… Поехала только половина сотрудников (но зато уже 100+ человек) – самых активных и пассионарных. Народ оттягивался совсем не в стиле старой питерской интеллигенции. Скорее, наоборот – играл в «Форт Байярд», купался в бассейне, участвовал в бармен-шоу, развлекался на мастер-классах, в том числе, по рисованию… вином (!)… в общем, от души. Слов нет, а эмоции – в фотках!
Кстати, это не ошибка – я пишу именно про Институт ИИ. А зачем мы его создали, уже имея в ИТМО и Центр «Сильный ИИ в промышленности», и Национальный центр когнитивных разработок, и даже Факультет технологий ИИ – пока сохраню как интригу. Продолжение следует!
Кстати, это не ошибка – я пишу именно про Институт ИИ. А зачем мы его создали, уже имея в ИТМО и Центр «Сильный ИИ в промышленности», и Национальный центр когнитивных разработок, и даже Факультет технологий ИИ – пока сохраню как интригу. Продолжение следует!
❤22👍11🔥9
ИТМО исторически занимался весьма миниатюрными изделиями (теми самыми объектами точной механики и оптики). Но с пришествием ИИ нас неудержимо потянуло к монументальным объектам. И потому теперь с удовольствием ищем себя в градостроительстве и освоении территорий. Однако, как положено, здесь уже всецело преуспевают мои ученики.
Как раз в прошлый четверг на Невском строительном форуме в СПб руководитель лаборатории Центра «Сильный ИИ в промышленности» Денис Насонов представлял принципиально новое для этой области решение – агентную LLM для работы со строительной документацией (от поиска противоречий – то прогноза эффектов от вносимых изменений). А сегодня директор Института дизайна и урбанистики Сергей Митягин шедеврально выступил на стратегической сессии «Разработка и внедрение сервисов ИИ в области строительства, архитектуры и градостроительства», инициированного Минстроем России и Департаментом градостроительной политики Москвы. Рассказывал про ИИ для поддержки процессов комплексного развития территорий, в том числе, в свете региональных эффектов от рекультивации и реновации «убитых» земель.
Иногда нас спрашивают – зачем утонченные ИИ-шники идут к суровым строителям… если можно легко общаться с такими же ИИ-шниками. Однако здесь вопрос не только интереса, но еще и чести, ибо «за державу обидно». Поскольку лучшее оправдание хайпа вокруг ИИ – кардинальное изменение реального мира вокруг нас. Такие приложения, как CV для штрафов ГИБДД или навязчивые рекомендательные сервисы мы тоже ощущаем, но сразу же забываем за ненадобностью. А города – всегда с нами, но вот не всем под силу внедрять в них ИИ. Как сказал один из докладчиков, очень многие «программные продукты не мешают на строительной площадке… но и не помогают ей» 😊. А чтоб помогали – исследователи и разработчики должны стать «ближе к народу». Вы же не хотите, чтобы отчаявшиеся строители сделали свой собственный СтройGPT из подручных средств 🧱⚒️🛢🪜?
Как раз в прошлый четверг на Невском строительном форуме в СПб руководитель лаборатории Центра «Сильный ИИ в промышленности» Денис Насонов представлял принципиально новое для этой области решение – агентную LLM для работы со строительной документацией (от поиска противоречий – то прогноза эффектов от вносимых изменений). А сегодня директор Института дизайна и урбанистики Сергей Митягин шедеврально выступил на стратегической сессии «Разработка и внедрение сервисов ИИ в области строительства, архитектуры и градостроительства», инициированного Минстроем России и Департаментом градостроительной политики Москвы. Рассказывал про ИИ для поддержки процессов комплексного развития территорий, в том числе, в свете региональных эффектов от рекультивации и реновации «убитых» земель.
Иногда нас спрашивают – зачем утонченные ИИ-шники идут к суровым строителям… если можно легко общаться с такими же ИИ-шниками. Однако здесь вопрос не только интереса, но еще и чести, ибо «за державу обидно». Поскольку лучшее оправдание хайпа вокруг ИИ – кардинальное изменение реального мира вокруг нас. Такие приложения, как CV для штрафов ГИБДД или навязчивые рекомендательные сервисы мы тоже ощущаем, но сразу же забываем за ненадобностью. А города – всегда с нами, но вот не всем под силу внедрять в них ИИ. Как сказал один из докладчиков, очень многие «программные продукты не мешают на строительной площадке… но и не помогают ей» 😊. А чтоб помогали – исследователи и разработчики должны стать «ближе к народу». Вы же не хотите, чтобы отчаявшиеся строители сделали свой собственный СтройGPT из подручных средств 🧱⚒️🛢🪜?
🔥23👍8👏3