Location via proxy:   
[Report a bug]   [Manage cookies]                
Институт искусственного интеллекта

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.

  • Образовательная программа «Машинное обучение и бизнес-аналитика» (AI Masters)
    Бесплатная образовательная программа в области наук о данных от Института ИИ МГУ

Узнайте больше про Институт ИИ МГУ в очетах и документах

Годовой отчет 2023

Новости

30 марта 2025

Data Fusion 2025

16 и 17 апреля в Москве в Технологическом кластере «Ломоносов» пройдет пятая конференция Data Fusion, посвящённая науке о данных и технологиям искусственного интеллекта, партнером которой традиционно выступает Институт ИИ МГУ.

На площадке встретятся ученые, представители бизнеса и государства, чтобы обсудить передовые исследования и разработки в сфере машинного обучения и работы с данными, применение ИИ для решения практических задач, вопросы будущего развития технологий.

Деловая программа второго дня будет посвящена безопасной и эффективной работе с данными, в том числе ее юридическим и GR-аспектам.

Участников ждут профильные доклады, дискуссии и кейсы ведущих ученых и практиков из сферы Data Science: всего более 70 сессий и более 250 спикеров в 14 тематических треках.

Участие бесплатное, регистрация на конференцию.
18 декабря 2024

Научный прорыв года в ИИ

Объявлен старт приема заявок на премию Data Fusion Awards.

В этом году впервые премия будет включать специальную номинацию, посвященную научным прорывам в области искусственного интеллекта. Члены жюри отберут самые значимые научные работы российских ученых в области ИИ, опубликованные в 2024 году — всего определят трех победителей.

Общий призовой фонд конкурса составит 3 000 000 рублей — каждый из номинантов получит 1 000 000 рублей в качестве денежного вознаграждения.

Успеть подать научную статью в журналах и трудах конференций можно до 23 января 2025 года.

Помимо конкурса научных статей, премия будет присуждаться еще в четырёх различных номинациях: «Data Fusion в бизнесе», «Data Fusion в госсекторе», «Технологии Data Fusion» и «Data Fusion в образовании».

Торжественное награждение победителей состоится на конференции Data Fusion в Москве 16–17 апреля 2025 года.

Узнать подробнее про номинацию «Научный прорыв года в ИИ» можно на официальном сайте премии: awards.data-fusion.ru
14 декабря 2024

Конференция IEEE VCIP 2024

Конференция IEEE по визуальным коммуникациям и обработке изображений (vcip2024.org) проходила в этом году с 8 по 11 декабря в Японии.

IEEE VCIP имеет давнюю традицию демонстрации передовых технологий в области визуальной коммуникации и обработки данных, и многие знаковые статьи впервые появились именно на этой конференции. В 2024 году на ней были рассмотрены новые технологические рубежи и варианты использования в области обработки визуальных сигналов и коммуникации, представлено будущее как технологий, так и их приложений.

В этом году Институт ИИ МГУ на IEEE VCIP представлял Николай Сафонов, сотрудник лаборатории «Интеллектуальный анализ видео».

«Я выступал с докладом по статье «Multi-Screen Effects on Quality Assessment: Investigating Banding Metrics Inconsistencies». В этой статье мы показали, что существующие метрики оценки ложных контуров на видео (искажения возникающие из-за недостаточной точности сигнала) имеют сильно различную корреляцию в зависимости от условий просмотра. Для этого мы собрали три датасета в различный условиях просмотра. В том числе воспроизвели субъективные эксперименты из других статей.» — комментирует Николай Сафонов.
Еще новости