• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Высшая школа экономики открывает совместную с Samsung Research лабораторию

© Signature/ iStock

Samsung-HSE Laboratory будет разрабатывать механизмы байесовского вывода в современных нейронных сетях, что позволит решить ряд проблем в глубинном обучении. Команду лаборатории составят сотрудники исследовательской группы байесовских методов факультета компьютерных наук НИУ ВШЭ — одной из сильнейших научных групп России в области машинного обучения и байесовского вывода. Возглавит ее профессор ВШЭ Дмитрий Ветров.

Сотрудничество Центра глубинного обучения и байесовских методов (ранее — Международная лаборатория глубинного обучения и байесовских методов) с компанией Samsung началось год назад с проекта по разработке специального метода обучения глубинных нейронных сетей, основанного на байесовском подходе. Открывающаяся совместная лаборатория НИУ ВШЭ и Samsung станет частью этого центра.

Нейронные сети и байесовские модели — две популярные парадигмы в области машинного обучения. Первые совершили настоящую революцию в области обработки больших объемов данных, дав начало новому направлению, получившему название глубинное обучение. Вторые традиционно применялись для обработки малых данных. Новый математический аппарат, разработанный в 2010 годы, позволяет конструировать масштабируемые байесовские модели. Это дает возможность применить механизмы байесовского вывода в современных нейронных сетях.

Даже первые попытки построения гибридных нейробайесовских моделей приводят к неожиданным и интересным результатам. Например, благодаря использованию байесовского вывода в нейронных сетях удается сжать сеть приблизительно в 100 раз без потери точности ее работы. С другой стороны, в самой процедуре приближенного байесовского вывода можно также использовать нейронную сеть, чтобы приблизиться к точному апостериорному распределению. Таким образом получается взаимное проникновение двух технологий.

Нейробайесовский подход потенциально может решить ряд открытых проблем в глубинном обучении: возможность катастрофического переобучения на шумы в данных, самоуверенность нейронной сети даже в ошибочных предсказаниях, неинтерпретируемость процесса принятия решения, уязвимость к враждебным атакам (adversarial attacks). Все эти проблемы осознаются научным сообществом, над их решением работают многие коллективы по всей планете, но готовых ответов пока нет.

«Samsung Electronics — один из мировых технологических лидеров. В своих разработках мы используем много моделей глубинного обучения. Но для того чтобы не отставать от конкурентов, недостаточно просто использовать готовые модели. Нужно создавать и новые технологии машинного обучения. Это тем более важно, что область глубинного обучения еще не «устоялась» и каждый год появляются все новые модели, а уже существующие быстро устаревают, — поясняет доктор Гынбэ Ли, руководитель AI Center, недавно созданного подразделения Samsung Research. — Все это означает, что человечество пока не нащупало оптимального решения для обработки больших объемов данных. Поэтому сотрудничество с ведущими научными группами в области машинного обучения и искусственного интеллекта в университетах по всему миру позволяет «держать руку на пульсе» и отслеживать самые последние достижения в области, а также получать эксклюзивный доступ к технологиям, созданным в лабораториях-партнерах».

«Решение корпорации Samsung выбрать нашу группу в качестве ключевого партнера в России, дав нам возможности сосредоточиться исключительно на фундаментальных исследованиях, — это знак признания наших научных достижений и одновременно кредит доверия, который мы постараемся полностью оправдать, — говорит руководитель совместной лаборатории и глава исследовательской группы байесовских методов ВШЭ Дмитрий Ветров. — Обычно крупные компании стараются использовать ученых для решения прикладных задач. Я рад, что наши корейские коллеги понимают всю важность исследований по разработке новых технологий, а не решения конкретных задач. Наша лаборатория будет заниматься именно созданием новых технологий, то есть самым интересным с точки зрения ученого. Наши цели полностью совпадают с пожеланиями наших партнеров, что служит залогом успешного и длительного сотрудничества».

В прошлом году Samsung создал в Корее новое подразделение — AI Center, специализирущееся на разработках в области искусственного интеллекта. В дополнение к созданию совместной лаборатории с ВШЭ в планах AI Center в этом году — открытие глобальной сети филиалов на базе исследовательских лабораторий в России, Канаде и Великобритании, что позволит усилить компетенции компании в искусственном интеллекте.

Помимо научных проектов, совместная лаборатория НИУ ВШЭ — Samsung будет активно участвовать в образовательном процессе. К работе в ней будут привлекаться и студенты, и аспиранты факультета компьютерных наук. В августе 2018 года при поддержке компании Samsung пройдет вторая летняя школа по нейробайесовским методам. На этот раз она будет проводиться на английском языке и в ней примут участие несколько ведущих ученых. Набор на летнюю школу еще открыт.

Вам также может быть интересно:

Вышка и «Авито» запускают магистратуру по машинному обучению в цифровом продукте

Факультет компьютерных наук ВШЭ совместно с российской ИТ-компанией «Авито» объявляет о запуске новой магистерской программы по машинному обучению (ML) в цифровом продукте. Программа направлена на подготовку специалистов, которые смогут применять передовые технологии машинного обучения для решения реальных бизнес-задач и создания продуктов, используемых миллионами пользователей. Всего пройти обучение в первой волне смогут 35 человек, обучение 30 из них целиком профинансирует «Авито».

Анализ генетической информации поможет избежать осложнений после инфаркта

Исследователи из НИУ ВШЭ разработали модель машинного обучения, которая предсказывает риск развития осложнений у пациентов, перенесших инфаркт миокарда. В модели впервые учли генетические данные, что позволило точнее оценить риск долгосрочных осложнений. Исследование опубликовано в журнале Frontiers in Medicine.

Fall into ML 2024: взгляд в будущее машинного обучения

25–26 октября в Москве состоялась конференция Fall into ML, организованная Институтом искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ совместно с Центром ИИ при поддержке титульного партнера — Сбера. На протяжении двух дней ведущие специалисты в области искусственного интеллекта обсуждали перспективы развития фундаментальных технологий ИИ.

«Наша система позволяет предотвращать сбои в работе центров обработки данных»

Студент первого курса магистерской программы «Продуктовый подход и аналитика данных в HR-менеджменте» Константин Балцат с командой единомышленников разработали систему прогнозирования отказов жестких дисков на основе машинного обучения. С этим проектом они второй год подряд входят в число лучших на хакатоне «Цифровой прорыв». «Вышка.Главное» побеседовала с Константином о разработках инноваций и учебе в университете.

НИУ ВШЭ и ПСБ провели хакатон по ИИ для студентов ведущих вузов страны

В конце сентября онлайн-кампус НИУ ВШЭ и ПСБ организовали хакатон для студентов, которые увлекаются анализом данных, визуализацией и машинным обучением, а также студентов креативных индустрий. На хакатон зарегистрировалось 620 человек, приняло участие 428 человек из разных регионов РФ. За первое место боролись студенты лучших российских университетов, а также учащиеся из других государств. Победителями турнира стала команда из Вышки.

«В третий раз соберем на площадке ВШЭ лучших ученых и исследователей ИИ в России»

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Центр ИИ 25–26 октября в Москве организуют конференцию Fall into ML 2024. Главной темой ежегодного мероприятия станут перспективы развития фундаментального искусственного интеллекта. Титульным партнером конференции выступит Сбер.

Школа по ML в биоинформатике: «отличная возможность для нетворкинга и изучения нового материала»

Факультет компьютерных наук НИУ ВШЭ провел ежегодную летнюю школу по машинному обучению в биоинформатике, слушателями которой стали более 300 человек из разных университетов, институтов и организаций. Всего на событие зарегистрировались более 800 человек. Трехдневная программа включала в себя лекции и семинары.

Ученые НИУ ВШЭ показали эффективность машинного обучения при прогнозировании инфляции

Инфляция — один из ключевых показателей экономической стабильности, и точное прогнозирование ее уровня в различных регионах имеет большое значение для государства, бизнеса и домохозяйств. Татьяна Букина и Дмитрий Кашин из НИУ ВШЭ в Перми выяснили, что машинное обучение для прогнозирования инфляции превосходит классические эконометрические модели в долгосрочных прогнозах. Исследование проводилось на примере субъектов Приволжья. Результаты опубликованы в журнале HSE Economic Journal.

Ученые НИУ ВШЭ предложили модель, лучше других определяющую тематику текстов

Тематические модели — алгоритмы машинного обучения, способные сортировать большие объемы текстов по темам. Исследователи из НИУ ВШЭ в Санкт-Петербурге сравнили пять тематических моделей и определили, какие из них работают лучше. Наименьшее число ошибок показали две модели, одна из которых, GLDAW, — разработка Лаборатории социальной и когнитивной информатики НИУ ВШЭ в Санкт-Петербурге. Статья опубликована в журнале PeerJ Computer Science.

«Цель школы Spring into ML — объединить молодых ученых, занимающихся математикой ИИ»

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Университет Иннополис провели для студентов, аспирантов и молодых ученых недельную школу, посвященную применению математики в машинном обучении и искусственном интеллекте. 50 участников Spring into ML прослушали 24 доклада о машинном обучении, участвовали в тематических питч-сессиях и прошли два мини-курса по диффузионным моделям — развивающейся области ИИ для генерации данных.