Большие данные, искусственный интеллект, автоматизированные системы и безопасность

Цифровизация рабочих процессов и роботизация производства стали ключевыми факторами роста производительности труда, который наблюдается в последние десятилетия. Новый же скачок в производственной эффективности согласно прогнозам должен быть связан с массовым внедрением в экономику передовых технологий искусственного интеллекта.

Направление «Большие данные, искусственный интеллект, автоматизированные системы и безопасность» охватывает все эти сферы и состоит из нескольких треков.

В рамках трека «Большие данные и искусственный интеллект» участники исследуют передовые алгоритмы искусственного интеллекта, а также создают информационные системы на их основе. Проекты трека «Автоматизированные системы» могут представлять из себя как классические информационные системы — например, веб-сервисы или мобильные приложения, — так и робототехнические разработки. К треку «Информационная безопасность» относятся проекты, которые направлены на повышение устойчивости информационных систем к кибератакам.

Таким образом, в рамках направления могут создаваться самые разные разработки: от традиционных информационных систем до роботов под управлением передовых алгоритмов искусственного интеллекта.

1. Агентная система для решения научных задач в области искусственного интеллекта

Руководитель проекта: Свидченко Олег Анатольевич, Исполнительный директор по исследованию данных, ПАО Сбербанк

Аннотация:

Рутинные задачи в науке забирают драгоценное время специалистов, которое учёные могли бы направлять на поиск глубоких инсайтов и действительно прорывных идей. Внедрение агентной системы искусственного интеллекта в исследовательский процесс позволит ускорить научные открытия за счёт автоматизации различных этапов, в том числе генерации и проверки гипотез. Более того, подобная система в перспективе может стать не просто инструментом, а настоящим интеллектуальным партнёром учёного, способным предложить и проанализировать новые направления исследований.
В рамках проекта участникам будет предложено разработать агентную систему, заточенную на автоматизацию исследований в области искусственного интеллекта.

Партнер: ПАО Сбербанк

2. Ассистент видеоигрового сценариста на основе больших языковых моделей

Руководитель проекта: Воронин Кирилл Вадимович, Продуктовый аналитик, Центр аналитики и оптимизации процессов, Образовательный Фонд «Талант и успех»

Аннотация:

В процессе разработки видеоигр сценаристам приходится прописывать большое количество персонажей и диалогов. Более того, при прототипировании игровых механик также нужны осмысленные диалоги-заглушки, которые не менее сложно создавать.
Участникам предлагается создать ассистента сценариста, который будет генерировать диалоги для персонажей на основе заданной пользователем конфигурации. Разработанная система должна будет следить за корректностью и логичностью диалогов, учитывать характер персонажей и уметь перегенерировать диалоги по запросу пользователя.

Партнер: АНО «Мир знаний Сириуса»

3. Бионический протез кисти

Руководитель проекта: Григоров Максим Юрьевич, Старший инженер-исследователь, Научный центр информационных технологий и искусственного интеллекта, АНОО ВО «Университет Сириус»

Аннотация:

Бионические протезы кистей часто работают по упрощённой схеме, например, с бинарным управлением: рука сжата / рука разжата. Это ограничивает их естественность и функциональность. Следующим шагом является создание адаптивной системы, которая будет точно считывать сигналы мышц и датчиков на пальцах, чтобы обеспечить плавное и контролируемое сжатие и разжатие кисти.
Участникам проекта предстоит разработать бионический протез кисти, основанный на данном принципе: собрать протез, доработать его 3D-модель для интеграции датчиков, а также запрограммировать микроконтроллер и алгоритмы обработки сигналов.

Партнер: АНОО ВО «Университет Сириус»

4. Изучение и разработка методов восстановления матриц корреспонденций из данных разных источников

Руководитель проекта: Подлипнова Ирина Вячеславовна, Заместитель руководителя группы транспортного моделирования, Центр социально-экономического прогнозирования, АНОО ВО «Университет «Сириус»

Аннотация:

Для моделирования транспортных перемещений в рамках какой-либо территории необходимо обладать информацией о транспортном спросе, обычно выражающемся в виде матриц корреспонденций. Матрица корреспонденций содержит информацию о количестве перемещений между различными точками моделируемой области. Один из способов получения таких матриц – восстановление из различных фактических данных, например, данных замеров и опросов или данных о треках перемещения, детекторах транспортного потока, датчиков фотовидеофиксации нарушений, данных сотовых операторов.
В ходе проекта планируется провести исследование методов и существующих подходов восстановления матриц корреспонденции, проверить гипотезы на имеющихся наборах данных и разработать инструментальные методы для таких расчётов.

Партнер: АНО «Университет Сириус», АНОО ВО «Университет Иннополис»

5. Навигация робота к произвольным объектам

Руководитель проекта: Копылов Иван Станиславович, Старший преподаватель департамента больших данных и информационного поиска, НИУ «Высшая школа экономики»

Аннотация:

Сейчас широко распространены роботы, которые умеют перемещаться к конкретной точке на предварительно записанной карте. В то же время активно развивается индустрия домашних роботов и гуманоидов, управлять которыми необходимо на естественном языке в голосовом режиме. Такие подходы стали возможными благодаря прогрессу в создании vision-language моделей.
Участникам проекта будет предложено создать модуль навигации для колёсного робота, основанный на передовых подходах в области создания подобных нейросетевых моделей. По команде на естественном языке робот будет должен строить маршрут к обозначенному в запросе объекту и перемещаться к нему.

Партнер: ООО «Яндекс»

6. Оценка инвестиционной привлекательности строительного проекта

Руководитель проекта: Гарин Леонид Андреевич, Директор по разработке моделей, Центр технологий искусственного интеллекта, Банк ГПБ (АО)

Аннотация:

В рамках корпоративного бизнеса Газпромбанка существует направление проектного финансирования. Задача направления – производить всестороннюю оценку инвестиционных проектов, а также выполнять целевое кредитование клиентов для реализации проектов.
Одной из приоритетных задач направления является финансирование проектов жилой застройки. При первоначальной оценке банк проводит анализ рентабельности проекта. Для этого, среди прочего, требуется получить оценки будущей динамики стоимости квадратного метра, а также спрогнозировать темпы выкупа лотов недвижимости в жилом комплексе.
Участникам предлагается разработать модель для оценки динамики стоимости квадратного метра проекта и предсказания темпов продаж лотов недвижимости.

Партнер: Банк ГПБ (АО)

7. Применение искусственного интеллекта для планирования бурения скважин и оптимизации движения буровых и ремонтных бригад

Руководитель проекта: Бажуков Сергей Павлович, Главный специалист, Центр компетенций по развитию интегрированного моделирования активов, ООО «Газпромнефть НТЦ»

Аннотация:

Планирование маршрутов буровых и ремонтных бригад — важная задача, решаемая в процессе нефтедобычи. Её решение, кроме того, является вычислительно сложным: среда, в которой происходит поиск решения, содержит большое количество переменных и ограничений, в результате чего решение задачи напрямую приводит к комбинаторному взрыву. Одним из альтернативных подходов к решению подобных задач является обучение с подкреплением (reinforcement learning), позволяющее разработать модель, способную эффективно адаптироваться к существующим условиям и найти оптимальное решение.
В рамках проекта участникам предстоит разработать программный модуль на основе модели обучения с подкреплением, который будет в автоматическом режиме планировать движение буровых и ремонтных бригад с целью минимизации издержек при их перемещении.

Партнер: ООО «Газпромнефть НТЦ»

8. Программно-аппаратный комплекс мобильного офтальмоскопа

Руководитель проекта: Александров Дмитрий Владимирович, Заведующий научно-учебной лабораторией облачных и мобильных технологий департамента программной инженерии факультета компьютерных наук, НИУ «Высшая школа экономики»

Аннотация:

Современные методы диагностики зрения базируются на высокоточных данных, получаемых с использованием специализированного оборудования, что зачастую сопряжено с высокими затратами. В условиях стремительного развития телемедицины и необходимости обеспечения доступа к медицинским услугам в удалённых регионах появляется потребность в создании более доступных и компактных устройств. 
Участникам проекта предлагается разработать программу и устройство для первичного офтальмологического осмотра. Разработанное решение позволит существенно снизить затраты на оборудование без потери качества снимков и упростит задачу ранней диагностики. Это позволит оперативно анализировать данные и принимать обоснованные клинические решения, снижая нагрузку на медицинские учреждения и делая процесс обследования более доступным для широких слоёв населения Российской Федерации.

Партнер: НИУ «Высшая школа экономики»

9. Создание датасета для моделей компьютерного зрения с помощью 3D-визуализации и генеративных сетей

Руководитель проекта: Красников Леонид Сергеевич, Руководитель группы 3D-моделирования Лаборатории VR, ООО «ОЦРВ»

Аннотация:

Задача обучения моделей компьютерного зрения на реальных данных является трудоёмкой в плане сбора данных и последующей разметки объектов. Один из подходов к решению обозначенной проблемы — генерация синтетических датасетов. Модель компьютерного зрения обучается на подобных данных, после чего применяется в реальных условиях.

В рамках проекта планируется создание полноценного инструментария для генерации синтетического датасета на основе 3D-моделей, а также обучение с помощью созданных инструментов модели компьютерного зрения для детекции конструктивных элементов железнодорожного транспорта.

Партнер: ООО «ОЦРВ»

10. Создание мультимодального и персонажного Джуниор-ассистента

Руководитель проекта: Весельев Александр Николаевич, Ведущий исследователь-разработчик, АО «ТБанк»

Аннотация:

В последние годы наблюдается стремительный рост интереса к ИИ-ассистентам — как среди детей, так и среди взрослых. Одним из трендов в этой области уже стало создание мультимодальных и персонажных ИИ-помощников. Добавление возможности общения с ассистентами не только с помощью текста, но также аудио и изображений, открывает новые горизонты для взаимодействия с молодёжной аудиторией. Внутри экосистемы Т-Банка есть свой подобный ассистент — Джуниор. Он уже умеет поддерживать беседы с ребёнком, распознавать его эмоции, помогать с учёбой и обучать финансовой грамотности. Тем не менее, остается большой простор для создания новых функций.

В рамках проекта участникам будет предложено разработать для Джуниора новые мультимодальные навыки. В том числе реализовать в ассистенте долгосрочную память, научить его генерировать консистентные изображения, общаться голосом, а также принимать заданный облик. Работа над данной проектной задачей позволит участникам повысить свои навыки в области программирования и дизайна, а также даст возможность внести полноценный вклад в развитие реального продукта.

Партнер: АО «ТБанк»

11. Управление загрузкой контейнеровозов и сухогрузов

Руководитель проекта: Чернов Алексей Владимирович, Заместитель заведующего лаборатории численных методов прикладной структурной оптимизации ФПМИ, ФГАОУ ВО «Московский физико-технический институт»

Аннотация:

В настоящее время значительное количество товаров доставляется морским путем на контейнеровозах и сухогрузах. Эффективность доставки обеспечивается прежде всего слаженной работой всех участников процесса и качеством работы на всех этапах. Наряду с непосредственной перевозкой товаров важнейшим этапом перевозки является подготовка к ней, одним из основных составляющих элементов которой является процесс погрузки товаров на судно. В настоящее время во многих портах управление данным процессом автоматизировано лишь частично. 
В рамках проекта будут исследована такая наукоёмкая задача как построение плана размещения контейнеров и других типов грузов на судне. Для решения задачи требуется не только знание о грузе, но и понимание особенностей судна, которое будет осуществлять его перевозку. В качестве примера планируется рассмотреть судно ледового класса, которое применяется для перевозки грузов по Северному морскому пути.

Партнер: ФГАОУ ВО «Московский физико-технический институт»

12. Ускорение работы больших языковых моделей

Руководитель проекта: Степнов Михаил Игоревич, Руководитель центра R&D MWS BigData, ООО «МТС Веб Сервисы»

Аннотация:

Модели вроде ChatGPT или других LLM (Large Language Models) умеют писать тексты, объяснять термины, придумывать истории и даже программировать. Но у таких моделей есть общая проблема: они требуют много вычислений и ресурсов. Это приводит к высокой стоимости вывода ответов модели (инференса), медленной работе и неэффективному использованию GPU.

Задачей участников проекта станет оптимизация процесса работы уже существующих LLM: участникам предстоит настроить работу LLM так, чтобы они отвечали быстрее и при этом использовали меньше ресурсов (времени, памяти, вычислений).

Для данного проекта будет предоставлен стенд с GPU, несколько готовых LLM и тестовых задач. Результатом работы станет исследование методов оптимизации, которые позволят ускорить обработку запросов и снизить стоимость эксплуатации LLM-моделей без потери качества их работы.

Партнер: ООО «МТС Веб Сервисы»

13. Цифровой тифлокомментатор: интеллектуальный ассистент для текстового описания видеоконтента

Руководитель проекта: Зайцев Дмитрий Владимирович, Ведущий программист, руководитель направления разработки, ООО «ВК»

Аннотация:

Видеоконтент является важным источником информации в культурной и образовательной сферах, но для слепых и слабовидящих людей остаётся малодоступным без тифлокомментаторов — специалистов, которые голосом описывают визуальные сцены. Процесс тифлокомментария требует значительных затрат времени и сил, ограничивая объём доступного контента.
В рамках проекта участникам будет необходимо разработать цифрового тифлокомментатора — интеллектуального ассистента, способного автоматически транскрибировать видеоряд и генерировать аудио‑описания, синтезируемые голосом.

Партнер: ООО «ВК»

14. In silico дизайн уникальных флуоресцентных белков

Руководитель проекта: Ким Павел Вячеславович, ML-инженер, АО «Биокад»

Аннотация:

Современные подходы к разработке лекарственных препаратов предполагают точное воздействие на иммунную систему. Например, разрабатываются лекарственные молекулы, направленные на взаимодействие только с конкретными клетками в организме. Поэтому в ходе разработки лекарственных препаратов возникает задача отбора клеток с заданными свойствами.
Один из подходов к отбору — использование метода проточной цитофлуориметрии, когда распознавание необходимых клеток происходит при помощи антител, меченых красителями. Красителями могут выступать флюоресцентные белки.
Подобные белки можно разрабатывать вычислительными методами, моделируя соответствующие взаимодействия с помощью физических и нейросетевых подходов. Это позволяет, в том числе, контролировать свойства создаваемых белков.
В рамках проекта участникам будет предложено разработать подобный нейросетевой алгоритм для генерации новых аминокислотных последовательностей флуоресцентных белков с заданными свойствами. Разработка алгоритма поможет расширить возможности проточной цитофлуориметрии, повысить её эффективность и точность.

Партнер: АО «Биокад»

15. MRZ Vision: Умный Распознаватель Документов

Руководитель проекта: Милосердов Олег Александрович, Руководитель проекта по распознаванию документов, Банк ВТБ (ПАО)

Аннотация:

Цель проекта — разработка эффективного пайплайна обработки изображений и алгоритмов компьютерного зрения, которые позволят автоматически извлекать данные из Machine Readable Zone (MRZ) удостоверяющих личность документов.
Во многих современных системах распознавание MRZ-зон выполняется с помощью специализированных устройств, таких как сканеры паспортов или терминалы идентификации. Эти устройства обеспечивают строго контролируемые условия съемки: равномерное освещение, строго фиксированное положение документа и минимальные искажения. Однако в реальных сценариях, особенно при использовании мобильных устройств, качество входных изображений значительно варьируется. Документы могут фотографироваться под разными углами, с неоднородным освещением, частичными перекрытиями, шумами, размытием и другими артефактами.
Разработанный в рамках проекта пайплайн будет ориентирован на обработку именно таких «сложных» изображений, обеспечивая надежное распознавание MRZ в условиях реального мира.

Партнер: Банк ВТБ (ПАО)