Новости Сбера на AI Journey: итоги AIJ Science 2025 и AIJ Contest 2025, научные достижения в сфере ИИ

Сбер на AI Journey рассказал об итогах конкурсов AIJ Science 2025 и AIJ Contest 2025, конвергенции технологий и вызовах машинного обучения, ИИ-модели для отслеживания популяции волков и влиянии метаэвристики на развитие ИИ. Об этом сообщает пресс-служба компании. AIJ Science 2025: Российские учёные получили награду за научную статью о новом методе обработки данных для систем компьютерного зрения На международной конференции AI Journey «Путешествие в мир искусственного интеллекта» подведены итоги конкурса AIJ Science – отбора научных статей по новым исследованиям в области искусственного интеллекта и машинного обучения. Статья появится в спецвыпуске журнала «Доклады Российской академии наук. Математика, информатика, процессы управления». В 2025 году на конкурс было подано свыше 240 работ от AI-исследователей из 17 стран: России, Индии, Китая, США, Индонезии, Канады, Беларуси, Узбекистана, Южной Кореи, Саудовской Аравии, Азербайджана, Эфиопии, Кипра, Иордании, Армении, Вьетнама и Судана. Российские работы поступили из разных регионов страны – от Комсомольска-на-Амуре до Луганска. К публикации в специальном выпуске издания «Доклады Российской академии наук. Математика, информатика, процессы управления» и его англоязычной версии Doklady. Mathematics допущено 42 статьи. Все материалы рецензируют ведущие профильные эксперты, а статьи для публикации в издании и лучшая статья определяются авторитетной конкурсной комиссией из учёных Сбера, Института AIRI и Института системного программирования РАН. Научная статья «MMRFiGN: ансамблевая графовая модель сегментации несбалансированных изображений высокого разрешения, информированная мультикомпонентными марковскими случайными полями» признана лучшей работой AIJ Science 2025. Её авторы – доктора физико-математических наук Андрей Горшенин и Анастасия Достовалова – получили денежную премию в размере 1 миллиона рублей на сцене AI Journey. – Непрерывные научные исследования крайне важны для развития прикладного искусственного интеллекта, поскольку они лежат в основе как создания новых продуктов, так и совершенствования существующих. Особенно хочется отметить растущий интерес к конкурсу не только в нашей стране, но и за рубежом: более 200 работ из 17 стран мира – это отличное подтверждение его международного признания. Работа-победитель этого года – яркий пример исследования с широкими возможностями для практического применения искусственного интеллекта в реальном мире: в сельском хозяйстве, на транспорте, в труднодоступных регионах и в сфере безопасности. Уверен, что предложенная архитектура станет серьёзным подспорьем и ценным инструментом для других учёных и разработчиков, – прокомментировал старший вице-президент и руководитель блока «Технологическое развитие» Сбербанка Андрей Белевцев. Авторы статьи изучили семантическую сегментацию изображений высокого разрешения с дисбалансом классов и предложили новый метод – ансамблевую графовую нейросетевую модель MMRFiGN, основанную на интеграции в архитектуру мультикомпонентных марковских случайных полей. Эффективность подхода продемонстрирована как теоретически (доказана возможность ускорения обучения по сравнению с сопоставимыми по размеру графовыми и свёрточными решениями), так и эмпирически (на открытых датасетах из снимков с беспилотных аппаратов MMRFiGN превосходит по точности более чем на 15% лучшую трансформерную модель 2025 года для обработки аэрокосмических изображений). При этом модель содержит почти в два раза меньше параметров, чем сопоставимые по результатам аналоги. Предложенные методы эффективны при анализе сложных сцен в автономной навигации для беспилотных систем. AI Journey Contest 2025: подведены итоги соревнований в области генеративного ИИ и ИИ-агентов Подведены итоги международного соревнования AI Journey Contest 2025. Победители разделили призовой фонд в 6,5 миллиона рублей. В соревновании приняли участие 1,5 тысячи ИИ-специалистов из разных стран, которые предложили 12 тысяч решений. Награждение состоялось на международной конференции по искусственному интеллекту AI Journey «Путешествие в мир искусственного интеллекта». В этом году участники прислали на конкурс рекордное количество решений – 12 тысяч. Больше всего заявок на участие поступило из Индии, России, Узбекистана, Эфиопии и Кыргызстана. – AIJ Contest – ровесник крупнейшей в России международной конференции AI Journey. В этом году оба события отмечают 10-летие и синхронно вышли на новый уровень. 12 тысяч поступивших на конкурс решений – это в два раза больше, чем за последние два года, вместе взятые! Вовлечённость AI-исследователей со всего мира подтверждают актуальность соревнования и его высокий авторитет. AIJ Contest превратился в мощную платформу для консолидации комьюнити дата-сайентистов и разработчиков. Генеративные модели становятся ключевым инструментом для создания AI-агентов, разработки мультимодальных систем и апгрейда рекомендательных сервисов, что задало новое направление конкурса. Мы сфокусировались на кейсах, где применение GenAI-технологий наиболее эффективно в бизнесе, которые максимально релевантны для профессионального комьюнити, – говорит старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка Андрей Белевцев. Конкурсантам нужно было выбрать для решения одну, две или три задачи. Наиболее популярной оказалась задача GigaMemory: global memory for LLM («Оценка генеративных способностей LLM-агентов») – доля решений по ней составила 40%. Далее расположились задачи Human-centered AI Assistant («Человекоцентричный ИИ-помощник») и Agent-as-Judge («Автономный AI-агент для рекомендаций»). Призовые места заняли участники из Санкт-Петербурга, Москвы, Краснодара, Перми, Таганрога и Тюмени. Итоговый лидерборд по каждому соревнованию доступен по ссылке. Задача Agent-as-Judge заключалась в создании универсальной модели-судьи для оценки результатов генерации других моделей в трёх ключевых аспектах: следование инструкциям, вызов функций и общее качество текста. Участникам предстояло научить искусственный интеллект предсказывать субъективные оценки текстов при жёстких ограничениях на объём решения. Решение, названное лучшим, доказало, что разнообразие данных зачастую играют более важную роль, чем выбор архитектуры модели. Полученные результаты могут быть использованы для совершенствования процессов сравнения качества моделей на генеративных задачах. Для решения задачи Human-centered AI Assistant нужно было создать автономного AI-агента для рекомендаций пользователям на базе нейросети ГигаЧат. Участникам нужно было имитировать поведение реального человека. Победивший в конкурсе подход позволил извлекать из цифровых следов человека мотивы и цели, позволяя строить гипотезы для рекомендаций исходя из его глобальных целей. Решение может быть применимо при разработке будущих алгоритмов рекомендаций в E-com индустрии. Задача GigaMemory: global memory for LLM была посвящена разработке AI-ассистента с памятью на базе нейросети ГигаЧат, который будет запоминать информацию о пользователе из диалога с ним, а затем верно ответит на вопросы по всей истории диалога. Решение, которое заняло первое место, основано сразу на двух агентах: агенте памяти для фильтрации релевантных вопросу сообщений из диалога и агенте верификации ответа. Способ позволяет извлекать и переиспользовать необходимую информацию из памяти нейросети для более персонализированного ответа пользователю. Это решение может быть учтено при разработке будущих алгоритмов LLM и агентных систем, благодаря чему повысится качество персонализации банковских предложений для клиентов. На конференции AI Journey эксперты обсудили конвергенцию технологий и практические вызовы машинного обучения На международной конференции по искусственному интеллекту AI Journey «Путешествие в мир искусственного интеллекта» профессор Института вычислительной техники Университета Кампинаса Андерсон Роша и профессор Университета науки и технологий Циндао Дяньхуэй Ван представили своё видение развития ИИ, от глобальных трендов до прикладных задач в промышленности. Профессор Андерсон Роша в выступлении «ИИ новой эры: от основ к трендам, возможностям и глобальному сотрудничеству» описал современный технологический ландшафт как эпоху конвергенции пяти ключевых технологий: биотехнологий, нанотехнологий, робототехники, интернета вещей и искусственного интеллекта. Он подчеркнул, что ИИ находится в центре этой системы, а его развитие носит экспоненциальный характер. Спикер проиллюстрировал мощь современных технологий примером быстрой разработки вакцины от COVID-19, которая стала возможной благодаря алгоритмам ИИ и генному редактированию. Особое внимание Андерсон Роша уделил практическому применению ИИ для улучшения качества жизни человека. На примере своей лаборатории он показал, как носимые устройства и алгоритмы машинного обучения позволяют проводить раннюю диагностику болезней, таких как Паркинсон, предсказывать падения у пожилых людей и отслеживать уровень тревожности. Отдельным вызовом, по мнению спикера, является проблема достоверности информации и синтетической реальности. Он рассказал о проекте «Horus», в рамках которого разрабатываются алгоритмы для борьбы с фейковым контентом и защитой пользователей в цифровом пространстве. В заключение профессор Андерсон Роша обозначил ключевые тренды на ближайшее будущее: переход к более компактным и эффективным специализированным моделям, развитие мультимодальных систем и агентов, а также необходимость обеспечения безопасности и согласования целей ИИ с человеческими ценностями. – Мы стоим на пороге большой волны конвергенции технологий, где ИИ – это центральная нервная система. Но ключевой вызов – не в том, чтобы сделать машины умнее, а в том, чтобы сделать их безопасными и согласованными с человеческими ценностями. Наша работа с носимыми устройствами, которая позволяет предсказать падение за несколько секунд до того, как оно произойдет, или распознать тревожность с точностью 95% – это лишь первые ласточки той эры, когда ИИ станет настоящим дополненным интеллектом, работающим для человека, – говорит профессор Института вычислительной техники Университета Кампинаса Андерсон Роша. Профессор Дяньхуэй Ван в выступлении «Вопросы, проблем и разработки в области машинного обучения» сосредоточился на прикладных проблемах машинного обучения в промышленности. Он указал на ключевую проблему современных нейросетей – их недостаточную надёжность и нестабильность, вызванную традиционными методами обучения, такими как обратное распространение ошибки. Спикер наглядно продемонстрировал, как классические модели могут давать неудовлетворительные и непредсказуемые результаты, что критично для реальных производственных процессов. В качестве решения профессор Ван представил сети стохастической конфигурации – легковесные модели, которые обучаются в сотни раз быстрее традиционных аналогов при математически доказанной надёжности. На примерах из горнодобывающей промышленности и производства поликремния он показал, как этот подход позволяет создавать эффективные системы контроля там, где традиционные методы уже не работают. Профессор Ван выделил основные требования к системам автоматизации следующего поколения: масштабируемость, способность к быстрой адаптации на основе данных в реальном времени и использование легковесных, но мощных моделей, специально разработанных для конкретных промышленных задач. – Пока все говорят о GPT-4 и больших моделях, в реальной промышленности мы часто не можем позволить себе ждать обучения модели сутки и потреблять энергию целого города. Наш ответ – это легковесные сети стохастической конфигурации, которые решают конкретную производственную задачу с математической гарантией сходимости за 0,3 секунды, а не за день. Будущая конкуренция между странами развернётся не вокруг гигантских LLM, а вокруг создания именно таких эффективных и надёжных моделей для «умных» заводов, – говорит профессор Университета науки и технологий Циндао Дяньхуэй Ван. Российские учёные применяют искусственный интеллект для отслеживания популяции волков Коллектив российских учёных из Сбера, Института проблем экологии и эволюции имени А. Н. Северцова РАН и Института истории естествознания и техники имени С. И. Вавилова РАН совершил прорыв в экологическом мониторинге. Специалисты разработали инновационный метод автоматического распознавания волчьего воя с помощью искусственного интеллекта. Результаты их работы опубликованы в международном Q1 журнале Scientific Reports издательства Nature. Об этом методе стало известно в рамках трека «Наука» международной конференции AI Journey «Путешествие в мир искусственного интеллекта». Исследование решает важную проблему биологии и охраны природы – необходимость точного и эффективного отслеживания численности и распределения волков. Эти хищники играют ключевую роль в экосистемах, регулируя численность копытных животных, но их скрытный образ жизни и большие семейные участки делают традиционные методы учёта, такие как подсчёт следов или анализ ДНК, трудоёмкими и ресурсозатратными. Звуковой мониторинг с помощью аудиоловушек – неинвазивная и доступная альтернатива, которая автоматизирует процесс ручного анализа тысяч часов записей и сокращает время работы учёных с нескольких месяцев до нескольких дней. Основная идея проекта – применение передовой нейросетевой архитектуры Audio Spectrogram Transformer (AST) для создания интеллектуального детектора – двухэтапный алгоритм с высокой надёжностью определяет наличие любых звуков животных в записи, а затем выделяет среди них именно волчий вой. Это позволило решить проблему дисбаланса данных, когда записей воя в общем массиве звуков относительно мало. Исходя из результатов внутренних расчётов, первая модель детектирует звуки любых животных в аудиопотоке с точностью 98,3% и полнотой 99,3%. Вторая модель, которая отличает волчий вой от других животных, демонстрирует точность 89,6% и полноту 93,4%. Все модели, их веса и исходный код демонстрационного приложения находятся в открытом доступе. Метаэвристика определяет будущее искусственного интеллекта: от конфиденциальности до устойчивого развития В третий день конференции AI Journey «Путешествие в мир искусственного интеллекта», который посвящён науке, на сессии Keynote Talks проректор по научным исследованиям Университета Сингидунум Небойша Бачанин-Джакула рассказал о достижениях в области метаэвристики, а профессор Университета Сан-Паулу Алешандре Феррейра Рамос поделился революционным подходом, рассматривающим живые клетки как естественные вычислительные системы. Проректор по научным исследованиям Университета Сингидунум Небойша Бачанин-Джакула в своём выступлении на тему «Новейшие достижения в области биоинспирированной метаэвристики: теоретические выводы и практическое применение» рассказал, что сейчас существует много разных способов применения слияния между машинным обучением, глубинным обучением и эвристикой. По его словам, данные подходы находят применение не только в крупных языковых моделях (LLM), но и в перспективных направлениях, таких как модели Fusion и диффузионные модели, открывая новые горизонты для развития технологий. Одним из ключевых применений метаэвристики он назвал федеративное машинное обучение – передовой метод, позволяющий тренировать модели на децентрализованных данных, которые хранятся на разных устройствах или серверах, при этом обмен персональными и конфиденциальными данными не нужен. Это особенно актуально в условиях, когда объёмы открытых данных недостаточны, а доступ к чувствительной информации ограничен. Федеративное обучение позволяет машинам обучаться локально, а затем агрегировать только обновленные веса модели в рамках защищенного компонента, что гарантирует сохранность конфиденциальных данных и повышает уровень кибербезопасности, подчеркнул спикер. Говоря о широкой критике метаэвристик, которые основаны на природных принципах, таких как генетические алгоритмы, эксперт отметил, что их прозрачность и опора на известные уравнения эксплуатации и исследования являются не слабостью, а доказательством надёжности и эффективности. Кроме того, появляются и более сложные подходы, включая квантовую метаэвристику, которая использует принципы кубитов для решения вычислительно сложных задач. Эти разработки согласуются с целями устойчивого развития, позволяя создавать более «зелёные» вычисления с уменьшенным углеродным следом. – Важное направление – применение метаэвристики в многоагентных системах, где автономные агенты решают общие задачи. Метаэвристика позволяет оптимизировать координацию и принятие решений в таких системах, что находит практическое применение в робототехнике, умных энергосетях и логистике. Это позволяет снизить общие затраты до 30% благодаря тому, что алгоритмы находят высококачественные приближенные решения, требуя при этом меньше вычислительных ресурсов, – говорит Небойша Бачанин-Джакула. Спикер отметил, что в перспективе до 2030 года ожидается появление самоадаптирующихся алгоритмов, которые используют обратную связь от ИИ без необходимости постоянного вмешательства человека. Это сделает экосистемы искусственного интеллекта более адаптивными, заслуживающими доверия и способными решать глобальные проблемы. – Метаэвристика – очень перспективная область исследований, которая меняет весь фундамент генеративного искусственного интеллекта. Её интеграция с такими технологиями, как федеративное обучение и многоагентные системы, закладывает основу для будущего, где ИИ будет не только мощным, но и конфиденциальным, эффективным и экологичным, – прокомментировал Небойша Бачанин-Джакула. Профессор Университета Сан-Паулу Алешандре Феррейра Рамос выступил с темой «Характеристика регуляторной логики транскрипционного контроля на уровне последовательности ДНК с помощью ансамбля термодинамических моделей». Он рассказал о революционном подходе, рассматривающем живые клетки как естественные вычислительные системы. Спикер рассказал о проведённой работе, которая фокусируется на расшифровке регуляторной логики, управляющей транскрипционным контролем на уровне последовательности ДНК с использованием методов искусственного интеллекта для анализа и моделирования этих процессов. По его словам, понимание того, как биологические системы обрабатывают информацию и адаптируются, открывает новые пути для улучшения алгоритмов машинного обучения, в частности, функций потерь и оптимизации. Он провёл аналогию между компонентами клетки и машиной Тьюринга, где ДНК выступает в роли бесконечной ленты с записанной информацией, а ферменты, такие как полимераза, – в роли считывающих и записывающих головок. Этот фундаментальный взгляд позволяет по-новому оценить, как клетки «обучаются» и адаптируются к изменяющейся среде, эффективно решая сложные задачи оптимизации для выживания. Спикер привёл данные, полученные при анализе эмбрионов дрозофилы, где с высочайшей точностью отслеживается экспрессия генов, отвечающих за формирование сегментов тела. С помощью специально разработанной нейронной сети удалось не только предсказать паттерны экспрессии, но и идентифицировать ключевые регуляторные участки ДНК, управляющие этим процессом. – Иногда, чтобы видеть что-то, нужно выйти за рамки привычного. Посмотреть на биологическую систему. Каждый элемент, который работает в процессе искусственного интеллекта, будет иметь соответствующий ему элемент в биологии, и этот элемент сможет улучшить наши модели, – заявил Алешандре Феррейра Рамос. В заключение Алешандре Феррейра Рамос отметил, что дальнейшее изучение того, как биологические системы быстро и эффективно решают задачи оптимизации в условиях ограниченных ресурсов, является ключевым вызовом для математики и искусственного интеллекта, и обе эти области могут получить взаимную выгоду от более тесного сотрудничества.