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.
![](_/images/about-img__new.png)
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.
Узнайте больше про Институт ИИ МГУ в очетах и документах
Годовой отчет 2023
Новости
Регистрация на осеннюю школу по ИИ и вычислительной оптимизации ASCOMP 2024
![](/upload/resize_img/news/upload/iblock/421/r5j15liiys8dde7zq67zjhq414okv0j4/2024_07_15.jpg)
7–9 октября Институт ИИ МГУ совместно с Университетом Иннополис и Математическим институтом им. В.А. Стеклова Российской академии наук проведёт бесплатное мероприятие для студентов, аспирантов и молодых исследователей.
Спикеры — ведущие учёные в области ИИ из Университета ИИ Мохамеда бен Заида, Научно-технологического университета имени короля Абдаллы, Яндекса и Центра ИИ МТС.
В программе мини-курсы по темам:
- Машинное обучение с помощью инновационных алгоритмов SGD
- Выпуклая онлайн-оптимизация и её неожиданные применения
- Трансформеры в компьютерном зрении
- Табличное глубокое обучение
Подать заявку можно до 1 сентября на сайте: ascomp.org
Выпускной AI Masters 2024
![](/upload/resize_img/news/upload/iblock/f0d/ouiye6d33sp5iq12072cxgxbwfmkmvgr/2024_06_29.jpg)
28 июня состоялось торжественное вручение дипломов и поздравление выпускников AI Masters, образовательной программы Института ИИ МГУ.
В этом году успешно окончили программу 36 выпускников, из них 21 — по направлению Data Science (DS), а 15 — Business Intelligence (BI).
За два года обучения студенты программы освоили в среднем 18 дисциплин в области наук о данных от ведущих преподавателей лучших ВУЗов страны.
Мы рады поздравить ребят с успешным окончанием учебы, а нас с очередным выпуском. Уверены, что полученные навыки и знания помогут нашим выпускникам достичь новых высот в научной и профессиональной деятельности!
«Интересно, что программу приходят не только студенты, но и уже сложившиеся специалисты. В среднем 20% поступающих уже хорошо знакомы с машинным обучением. Большинство учится после работы или основной учебы. Это огромная нагрузка и до конца обучения доходят только самые замотивированные.» — Юрий Дорн, руководитель образовательной программы AI Masters.
Международный саммит «Цифровая гуманитаристика на современном этапе: опыт, проблемы, перспективы»
![](/upload/resize_img/news/upload/iblock/e8b/nyjvksakg4vsm14on6y6insuo7g8gc2f/2024_06_17.jpg)
Продолжая традиции российско-китайского сотрудничества, Институт ИИ МГУ совместно с Институтом русского языка Хэйлунцзянского университета провёл первое мероприятие в рамках недавно подписанного соглашения о сотрудничестве.
14–16 июня 2024 г. в Харбине прошёл первый международный научный саммит по цифровой гуманитаристике. В очном формате участниками саммита стали 125 представителей из ведущих научных и образовательных центров России, Китая, Сербии, Бразилии, Казахстана и Таиланда.
В рамках деловой программы было представлено 5 пленарных заседаний и 4 секции по направлениям искусственный интеллект и машинное обучение, структуры данных и алгоритмы, гуманитарная информатика, нейропедагогика, нейроэстетика, NLP и научные вычисления в социальных и гуманитарных науках.
Институт ИИ МГУ был представлен докладами руководителя лаборатории «Машинное обучение и семантический анализ» проф. Воронцова К.В., проф. Карабулатовой И.С. и м.н.с. лаборатории Околышева Д.А.
На заключительном пленарном заседании было принято решение о создании Международного альянса по цифровым гуманитарным исследованиям.