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 РАНСпециалист 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).
- Система анализа новостных потоков. Проект направлен на создание технологий и общедоступных сервисов для выявления потенциально опасного дискурса в средствах массовой информации и социальных медиа, включая выявление фейковых новостей, противоречий, замалчивания, приёмов манипулирования общественным мнением, пропаганды, идеологической и информационной войны, а также определение целевых аудиторий воздействий и оценивание возможных психоэмоциональных реакций.
- Цифровая платформа «ЦИПФ» для автоматизации процессов управления профессиональной, социальной и политической активностью молодёжи путём мониторинга и автоматизированного социологического анализа данных СМИ и социальных медиа, дальнейшего экспертного оценивания, автоматизированного скоринга и поддержки позитивных молодёжных активностей.
- 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 наукСпециализируется 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 перевалил за 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 МГУСпециализируется 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:
- Проект STVAE. Создание фреймворка для анализа данных транскриптомики — предсказания поведения генов клетки в результате внешнего воздействия, предсказания наиболее эффективной терапии второй линии при лечении опухоли, предсказания последствия нокаута генов, устранения серийных эффектов в данных, изучения фундаментальных основ взаимодействия генов, систематического сбора и гармонизации датасетов single cell RNAseq пригодных для машинного обучения.
- Проект Protomenal. Создание фреймворка для анализа белковых последовательностей, предсказания функциональных свойств белков на основе multitask learning, и направленной модификации белков с целью изменения/улучшения их свойств (редизайн белков).
- Гликозилирование белков человека. Разработка методов анализа больших данных гликомики в связке с мультиомиксными данными. Включает в себя создание методов разложения спектра гликанов, установление генетического контроля N-гликозилирования белков, обработку сопутствующих изображений. Конечной целью является разработка новых способов диагностики заболеваний, создание лекарств нового поколения и репозиционирования лекарств (drugs repurposing).
Новости
Научная группа разработки инвазивных нейроинтерфейсов Института ИИ МГУ создала первые прототипы гибких электродов для периферических нервов
Данные устройства обхватывают периферический нерв и могут как электрически стимулировать, так и считывать его активность. На данный момент учёные активно исследуют отторжение организмом данных устройств у крыс.
В будущем научная группа планирует большой блок исследований, связанный с использованием искусственного интеллекта для анализа получаемых с имплантов сигналов, а также для принятия решения о подаче стимулирующих импульсов.
Прототип представляет из себя часть нейроинтерфейса, который при дальнейшей разработке может применяться для широкого круга медицинских задач.
Наиболее близки к внедрению в клиническую практику: терапия нейропатической боли, эпилепсии, болезни Паркинсона, а также управление и очувствление протезов конечностей.
Nature Genetics: ученые МГУ открыли 120 участков генома, влияющих на диабет и липидный обмен
Уровень глюкозы в крови является важным биохимическим показателем, который связан с риском развития диабета. Он зависит не только от питания, образа жизни, но и от генетических факторов. Их удалось установить ученым из лаборатории искусственного интеллекта в биоинформатике и медицине Института искусственного интеллекта МГУ в составе международного коллектива авторов, которые провели анализ уровней глюкозы и генетических данных более 470 тысяч человек. Результаты исследования опубликованы в журнале Nature Genetics.
В результате исследования были выявлены 120 участков генома, замены в которых приводят к изменению уровня глюкозы. Ранее роль 44 участков генома в регуляции уровня глюкозы не была известна.
Ученые обнаружили, что гены, расположенные в найденных участках генома, также влияют на липидный обмен, риск развития диабета второго типа, представленность ряда бактерий в кишечнике, уровни гликозилирования белков крови.
Научный коллектив лаборатории искусственного интеллекта в биоинформатике и медицине Института искусственного интеллекта МГУ является одним из мировых лидеров в изучении генетики гликозилирования белков человека — модификации белков, в ходе которой к белку присоединяются комплексные углеводные полимеры. Это исследование имеет большое значение для разработки новых терапевтических мишеней в лечении диабета второго типа.
В будущем эти результаты могут привести к появлению новых лекарственных препаратов для лечения диабета второго типа.
Подробнее на сайте МГУ.
«Умная» машина в роли биолога
В первой половине сентября прошел Второй Международный конгресс «CRISPR-2023», посвященный достижениям клеточной и молекулярной биологии.
Несмотря на то, что основная тематика мероприятия была адресована узким специалистам, некоторые темы оказались способны всколыхнуть воображение у любого слушателя.
Одна из таких тем была посвящена применению искусственного интеллекта в биологии и медицине, которую изложил в своем докладе Юрий Вяткин, старший научный сотрудник лаборатории «ИИ в биоинформатике и медицине».
