Институт перспективных исследований проблем
искусственного интеллекта и интеллектуальных систем
МГУ имени М.В. Ломоносова
Целью Института является проведение фундаментальных и прикладных исследований в области искусственного интеллекта, а также междисциплинарных исследований с применением методов искусственного интеллекта.
Принципы работы Института — междисциплинарная кооперация, создание лабораторий в перспективных областях ИИ, реализация совместных исследований с ведущими российскими научными организациями и корпорациями.
Институт также проводит собственную образовательную программу в области анализа больших данных и машинного обучения AI Masters.
Наши лаборатории
-
«Машинное обучение и семантический анализ»Руководитель: Воронцов Константин Вячеславович, доктор физико-математических наук, профессор РАН
Специалист в области интеллектуального анализа данных, машинного обучения, прикладной статистики, автоматической обработки и понимания текстов естественного языка, информационного поиска. Руководил 30+ научно-исследовательскими проектами.
Проекты:
- Поисково-рекомендательный сервис «Мастерская знаний»: проект направлен на создание технологий автоматизации тех этапов научных исследований, которые связаны с поиском, анализом и обработкой больших объёмов текстовой научно-технической информации. Основные функции сервиса: рекомендации научных статей при составлении тематических подборок, мониторинг новой релевантной подборке информации, автоматизация реферирования подборок, автоматическое выделение трендов научных исследований, оценивание когнитивной сложности текста и рекомендация порядка чтения, тематизация и предметизация научно-технической информации, генерация «карт знаний» и других визуальных представлений в рамках концепции дистантного чтения (distant reading).
- Проект «Тематизатор»: Использование преимущества подхода модульной библиотеки с открытым доступом BigARTM, позволяющей гибко комбинировать модели, в широком спектре прикладных задач тематического моделирования.
- Проект «Нейроэстетика»: Исследование данных о психофизиологических реакциях аудитории медиа-контента.
- Проект «Depo.AI»: Депозитарий учебных прикладных задач анализа данных и машинного обучения в различных отраслях. Описание каждой задачи содержит научно-популярный и образовательный контент, открытые наборы данных, открытый код базовых решений и метрик качества, средства автоматического контроля знаний. Депозитарий позволит ускорить формирование модульных практико-ориентированных образовательных курсов для подготовки специалистов на стыке науки о данных, искусственного интеллекта и различных прикладных областей.
-
«Интеллектуальный анализ видео»Руководитель: Ватолин Дмитрий Сергеевич, кандидат физико-математических наук
Специализируется на исследованиях в области алгоритмов сжатия видео, современных методах измерения качества и обработки цифрового видео. Руководил 40+ проектами с компаниями Intel, Cisco, Real Networks, Samsung, Broadcom, Huawei, Tencent и др. Участвовал в запуске 7 стартапов, возраст 4 из которых более 15 лет.
Проекты:
- Разработка метрик оценки качества видео, устойчивых к атакам. В результате проведения анализа устойчивости методов оценки качества видео определяеются потенциальные способы повышения их устойчивости и предлагаются новые признаки для создания новых метрик качеста.
- Разработка платформы для субъективной оценки качества медиаданных. В рамках проекта проводятся исследования методов получения эталонных наборов субъективных оценок качества изображений и видео, а также исследования влияния различных искажений на субъективные оценки и объективные метрики оценки качества.
- Разработка бенчмарков для различных алгоритмов обработки видео. В каждый бенчмарк включается по возможности уникальный набор данных, покрывающий различные тестовые случаи для своей задачи или конкретные тестовые случаи, важные для исследований в этой области; результаты субъективного сравнения; набор метрик, имеющих высокую корреляцию с субъективным сравнением и демонстрирующих различные характеристики алгоритмов.
- Разработка методологии оценки методов повышения разрешения. В рамках проекта разрабатывается метод объективной оценки корректного восстановления деталей при использовании методов повышения разрешения видео, на основе которого проводится анализ современных подходов.
- Разработка интеллектуального метода сжатия видео, учитывающего человеческое восприятие. В рамках задачи осуществляется исследование методов построения карт внимания. Планируется понижение размера файла более 20% при сохранении визуального качества по результатам субъективного исследования.
-
«Искусственный интеллект в биоинформатике и медицине»Руководитель: Раменский Василий Евгеньевич, кандидат физико-математических наук, доцент ФББ МГУ
Специализируется в области геномной, медицинской и структурной биоинформатики. Создатель PolyPhen, одного из первых и наиболее востребованных автоматизированных программных конвейеров для интеграции комплексных геномных данных и предсказания функционального эффекта вариантов генома с помощью методов машинного обучения.
Проекты:
- Создание платформы для анализа данных транскриптомики. В этом проекте методы глубокого обучения используются для анализа данных по экспрессии генов в единичных клетках (scRNA-seq). Платформа предназначена, в частности, для предсказания изменения экспрессии генов в результате внешнего воздействия различных препаратов или нокаута отдельных генов, а также для устранения серийных эффектов в данных scRNA-seq, изучения фундаментальных основ взаимодействия генов в клетках различных типов.
- Разработка методов анализа больших данных гликомики в связке с мультиомиксными данными. (Проект включает в себя определение генетического контроля N-гликозилирования белков. Конечной целью является разработка новых способов диагностики и установление биомаркеров заболеваний, создание новых лекарств и репозиционирования уже используемых.
- Дизайн белков с заданными свойствами. В этом проекте методы глубокого обучения используются для направленного изменения свойств белков (например, термостабильности), а также для разработки антител, связывающих определенные антигены. Мы используем сочетание методов глубокого обучения, предлагающих наборы перспективных вариантов, и более традиционных расчетных методов, сужающих круг возможных кандидатов для последующей экспериментальной проверки.
- Protomenal: cоздание метода для аннотации последовательностей белков и предсказания их функциональных свойств. Модели глубокого обучения, входящие в Protomenal, позволяют предсказывать так называемые функциональные домены в белках и могут служить инструментарием для белковой инженерии.
- Onqueta: разработка подходов для раннего выявления онкологических рисков с помощью «умного» анкетирования. Унаследованные варианты генома в ряде изученных генов повышают риски развития раковых заболеваний в молодом возрасте. Генетическое тестирование обнаруживает такие варианты, но на практике может быть не всегда осуществимо по ряду причин. Анкетирование, построенное на анализе ответов на простые вопросы, позволяет быстро и экономически эффективно выявлять здоровых людей — потенциальных носителей таких опасных вариантов генома, а в случае онкобольных персонализировать терапию.
- Диагностика дефектов костей и суставов с помощью методов ИИ. В проекте используются методы анализа изображений для анализа дегенерации поясничных межпозвонковых дисков, а также для ранней диагностики нарушений конструкции эндопротеза тазобедренного сустава.
-
«Разработка инвазивных нейроинтерфейсов»Руководитель: Попков Василий Андреевич, кандидат биологических наук
Специализируется в области регенеративной медицины, клеточной биологии и физиологии.
Лаборатория работает над созданием современных отечественных нейроинтерфейсов для фундаментальных и прикладных исследований с фокусом на практические системы для медицинского применения.
Проекты:
- Разработка инвазивного нейроинтерфейса для периферической нервной системы с потенциалом использования в протезировании конечностей, в том числе с очувствлением.
- Разработка и прототипирование инвазивных нейроинтерфейсов, в том числе для улучшения их биосовместимости.
- Разработка и оптимизация алгоритмов для кодирования, декодирования и анализа нейрофизиологических данных.
- Поиск терапевтических подходов для улучшения биосовместимости инвазивных нейроинтерфейсов при имплантации периферическую и центральную нервные системы.
Научные группы
-
«Нейронный и обратный рендеринг»Руководитель: Фролов Владимир Александрович
Компьютерное зрение, в том числе, разработка алгоритмов и методов для анализа, обработки и интерпретации изображений и видео, получения информации из визуальных данных; интеграция семантической информации, позволяющей дополнительно уточнять и интерпретировать визуальные данные.
-
«Контролируемая генерация с помощью больших языковых моделей»Руководитель: Сорокин Алексей Андреевич
Адаптация больших языковых моделей для более эффективного исправления грамматических ошибок и опечаток в русском языке, а также улучшение качества ответов на фактоидные вопросы через повышение подтвержденности сгенерированного текста.
-
«Мультимодальное обучение в материаловедении»Руководитель: Королёв Вадим Викторович
Решение ключевых проблем материаловедения за счет привлечения концепции мультимодального обучения.
-
«Онлайн оптимизация и приложения»Руководитель: Дорн Юрий Владимирович
Использование методов онлайн-оптимизации для задач о многоруких бандитах и к их приложениям: методам онлайн оптимизации для многоруких бандитов с тяжелым распределением наград; онлайн-методам с ML-оракулом для задач комбинаторной оптимизации; алгоритмам динамического ценообразования; онлайн-методам для построения оптимальных аукционов.
Новости
Приглашаем принять участие в конференции по анализу данных Data Fusion 2024
17–18 апреля в технологическом кластере «Ломоносов» состоится четвертая конференция, посвященная работе с данными и развитию технологий искусственного интеллекта Data Fusion, партнером которой выступает Институт ИИ МГУ.
Мероприятие пройдет в Москве и соберет ведущих экспертов, практиков, известных ученых, исследователей, представителей государства и бизнеса.
В программе конференции:
- 17 апреля — практические кейсы в области искусственного интеллекта и научные доклады по анализу данных и машинному обучению. Ученые и эксперты ведущих компаний в области ИИ и работы с данными поделятся опытом как в различных областях машинного обучения, так и в направлениях, которые находятся на стыке ИИ и науки: физики, нейробиологии, медицины. Доклады охватят широкий круг тем — от развития больших генеративных моделей, NLP, рекомендательных систем, компьютерного зрения до вопросов MLOps и математической оптимизации.
- 18 апреля — представители государства и бизнеса обсудят вопросы развития и роли данных в цифровой трансформации бизнеса и общества, перспективы кооперации в условиях развития технологий. Эксперты также расскажут о нестандартных кейсах применения генеративного ИИ, получении собственных больших генеративных моделей, лучших практиках управления данными, развитии беспилотного транспорта, вопросах инфраструктуры и безопасности для ИИ.
Регистрация на конференцию по ссылке.
Более подробная информация о конференции доступна на сайте Data Fusion.
ICDSP 2024
С 23 по 25 февраля в Китае (г. Ханчжоу) проходила 8-я Международная конференция по цифровой обработке сигналов (ICDSP — International Conference on Digital Signal Processing).
В этом году на конференции была представлена статья «A New HDR Video Reconstruction Benchmark and Metric» с результатами исследований по восстановлению широкого динамического диапазона видео, работа над которой проводилась под руководством Дмитрия Ватолина, руководителя лаборатории «Интеллектуальный анализ видео» Института ИИ МГУ и Николая Сафонова, научного сотрудника лаборатории.
Бенчмарк автора на данный момент единственный в задаче на сайте PapersWithCode и способствует улучшению рейтингования алгоритмов с открытым исходным кодом.
Докладчик — Михаил Воронин, студент 1 курса магистратуры ВМК МГУ, в рамках сессии получил оценку Best Presentation Award.
Поздравляем коллег с успешным представлением научных достижений и наградой за качество презентации!
Школа-конференция «Информационные технологии и системы. Биоинформатика»
С 15 по 19 февраля в учебном центре «Вороново» прошла межвузовская научная школа-конференция, в рамках которой ведущие специалисты и талантливые молодые учёные из ВШЭ, МГУ, Физтеха, ИППИ, Сколтеха и других организаций представили результаты исследований по биоинформатике.
В этом году Института ИИ МГУ был представлен на Школе научными сотрудниками лаборатории «Искусственный интеллект в биоинформатике и медицине»:
- Анна Сопленкова, младший научный сотрудник, выступила с докладом «Генетический контроль популяционного разнообразия N-гликозилирования иммуноглобулина G человека».
- Александр Гавриленко, младший научный сотрудник, выступил с докладом: «Поиск ДНК и РНК связывающих белков с использованием методов глубокого обучения».
- Екатерина Маркелова, младший научный сотрудник, выступила с докладом «Предсказание изменений экспрессии генов в единичных клетках в ответ на пертурбации с помощью методов глубокого обучения».
- Кристина Мотузенко, студент магистратуры АДБМ ФКН НИУ ВШЭ, выполняющая дипломную работу в лаборатории, выступила с докладом «Внутригенный эпистаз и языковые модели белков».
- Василий Раменский, руководитель лаборатории, рассказал участникам Школы об основных направлениях исследовательской работы и текущих научных проектах лаборатории.