Викторина 7️⃣
Для чего нужен градиентный спуск?

В машинном обучении любой алгоритм стремится к оптимальному набору параметров — тем значениям, при которых модель работает наиболее точно. Для этого применяется особый итеративный процесс gradient descent, лежащий в основе практически всех современных методов обучения.

А знаете ли вы, какую задачу решает этот механизм? ⬇️

Разбор Викторины #7: Для чего нужен градиентный спуск?

💜 Спасибо всем, кто участвовал! Пора разобраться с ответами.

✅Правильный ответ: б) Чтобы минимизировать функцию потерь

🔍 Что такое градиентный спуск?

Gradient Descent — один из базовых методов обучения большинства моделей машинного обучения, от линейной регрессии до глубоких нейросетей. Его цель — найти такие параметры модели (веса), при которых функция потерь достигает минимума, то есть модель ошибается как можно меньше.

⚙️ Алгоритм работает следующим образом:

1️⃣ Сначала веса инициализируются случайно — это отправная точка.
2️⃣ Мы вычисляем градиент — направление, в котором функция потерь уменьшается быстрее всего.
3️⃣ И делаем шаг, уменьшая ошибку на каждой итерации.

Так итерация за итерацией модель «спускается с горы» по «ландшафту ошибок», приближаясь к точке минимума.

💡 Важно: для выпуклых функций градиентный спуск гарантированно приводит к глобальному минимуму (при правильно выбранном шаге обучения). Для невыпуклых функций, как в нейросетях, он сходится к стационарной точке — локальному минимуму.

📌 Почему другие варианты не подходят?

➖ Случайная инициализация весов — это лишь старт перед обучением, а не оптимизация.
➖ Увеличение скорости инференса — задача инженерной оптимизации модели, не связанная с обучением.
➖ Нормализация данных — важный подготовительный этап, который ускоряет и стабилизирует обучение, но не входит в сам алгоритм градиентного спуска.

А ваш ответ совпал с правильным? Делитесь в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

🤖 ИИ в деле: составляем резюме с помощью нейросетей

Продолжаем делиться практическими кейсами о том, как ИИ помогает решать повседневные и рабочие задачи.

📃 Сегодня — о том, как быстро подготовить профессиональное резюме, которое выделит вас среди сотен кандидатов.

📈 Немного статистики

Каждый десятый россиянин уже использует искусственный интеллект при подготовке к собеседованию. Такое исследование провели «Работа.ру» и ИИ-интегратор WMT Group.
Самыми популярными инструментами стали ChatGPT, GigaChat и Writesonic (62%) — с их помощью соискатели описывают навыки, составляют резюме, сопроводительные и мотивационные письма.

📌 Что умеет ИИ при работе с резюме?

1️⃣ Анализ вакансии и структура
Нейросеть помогает проанализировать описание вакансии, выделить ключевые требования и выстроить резюме так, чтобы оно точно соответствовало ожиданиям работодателя. Оптимизирует порядок блоков и делает текст читаемым для систем автоматического отбора.

2️⃣ Выделение достижений и релевантного опыта
ИИ убирает шаблонные формулировки, фокусируется на конкретных результатах и метриках. Помогает показать не только, что вы делали, но и какой эффект это принесло.

3️⃣ Редактура и баланс навыков
Модель улучшает язык и стиль, делает формулировки точными и профессиональными. Балансирует hard и soft skills под выбранную роль и адаптирует тональность под уровень позиции.

4️⃣ Создание сопроводительного письма
ИИ формирует лаконичный текст, который отвечает на главный вопрос рекрутера: зачем вы откликаетесь именно на эту роль и какую пользу принесёте команде. Письмо получается точным, структурированным и без лишней воды.

⚙️ Какие инструменты выбрать?

⚪️ ChatGPT — универсален, отлично справляется с международными резюме и адаптацией под разные стили вакансий.
⚪️ GigaChat — идеально работает с русским языком и спецификой российского рынка, помогает адаптировать резюме под HR-форматы отечественных компаний.
⚪️ Writesonic — помогает создавать лаконичные описания опыта, выделять достижения и готовить сопроводительные письма в деловом стиле
⚪️ Kickresume — мощный конструктор резюме с элементами ИИ. Подбирает шаблон, структуру и формулировки. Подходит для быстрого создания CV на русском и английском.

📎 Совет: чтобы получить действительно сильное резюме, задайте контекст. Например:

«Ты карьерный консультант. Помоги улучшить резюме дата-сайентиста с 3-летним опытом, чтобы оно соответствовало требованиям middle-позиции в ИТ-компании».

А вы уже обновляли своё резюме с помощью ИИ? Делитесь опытом в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

📰Дайджест новостей в сфере ИИ: собрали главные инфоповоды недели

Нейросети научились читать мысли, ИИ-учёный сделал 7 открытий за день, а GigaChat начал работать на МКС. Что ещё произошло в мире ИИ за неделю — читайте в нашем дайджесте ⬇️

🇷🇺 В России:

На Международную космическую станцию в ноябре доставят GigaChat от Сбера для помощи в расшифровке голосовых заметок космонавтов и составлении отчетов. Нейросеть будет работать локально

На базе ИБ-проекта Кибердом будет создан консорциум для обмена новыми схемами кибератак, в том числе с использованием ИИ

Ученые из МФТИ, Института физики атмосферы РАН и Арктического университета Норвегии предложили нейросетевой метод для обнаружения и классификации океанических вихрей в прикромочной ледовой зоне Антарктики

Сбер и Кубанский государственный аграрный университет обучили GigaChat на материалах восьми направлений агропромышленного комплекса. ИИ-модель сдала выпускной экзамен по направлению «Агробиотехнологии и устойчивое сельское хозяйство»

T-Bank AI Research и лаборатория Omut AI Центрального университета представили новый метод обучения LLM. Он позволяет развивать способность к логическим рассуждениям без обучения с подкреплением

Компания РТ-Техприемка разработала цифровую систему RMS с поддержкой компьютерного зрения для централизованного управления промышленными роботами и оборудованием различных производителей

В МФТИ создали новую архитектуру памяти в виде цифровой модели для решения проблемы, при которой нейросети теряют ранее полученные знания при освоении новых задач

Вендор Kraftway представил высокопроизводительный сервер с шестью GPU для ресурсоемких вычислений, включая обработку больших данных

🌍 В мире:

В Microsoft сформировали команду по созданию суперинтеллекта

В телеком-компании NTT Communication разработали метод Mind Captioning для преобразования возникающих в мозгу образов в текст с помощью ИИ

Google выпустила тензорные ИИ-ускорители Ironwood и виртуальную машину N4A на процессорах Axion. Компания также предложила новый подход к машинному обучению Nested Learning для решения проблемы «катастрофического забывания» (Catastrophic Forgetting)

ИИ-разработчик xAI добавил в Grok Imagine возможность генерации видео из текста

OpenAI представил модели GPT‑5.1 Instant и GPT‑5.1 Thinking. Они будут доступны в ChatGPT и в API

Стартап Edison Scientific выпустил ИИ-ученого Kosmos, который совершил уже 7 научных открытий за 12 часов.

🚀 Хакатон SpbTechRun: оставьте след в индустрии

Центр исследований и разработки Сбера в Санкт-Петербурге в партнерстве с СПбГУ открывает регистрацию на SpbTechRun — хакатон, где идеи превращаются в работающие технологии.

Участники будут создавать рекомендательные инструменты на основе анализа данных и LLM — от городских сервисов до медицины и e-commerce.

💡 Вас ждут три кейса:

⚪️ «Городской помощник» — AI-агент на основе LLM, который подсказывает жителям Петербурга информацию о госуслугах, используя официальные базы знаний.

⚪️ «Медицинский инсайт» — аналитический AI-агент для поиска закономерностей в медицинских данных города.

⚪️ «Персональные подборки для онлайн-магазина» — интеллектуальная система рекомендаций для этапа ремонта White Box с непрерывным обучением на действиях пользователей.

📌 Этапы хакатона:

1️⃣ Регистрация: 10—20 ноября
Подайте заявку и соберите команду.

2️⃣Заочный этап: 21 ноября—10 декабря
Работайте из любой точки мира. Эксперты дадут честный фидбек и помогут выстроить траекторию развития решения.

3️⃣ Очный финал: 13 декабря
Лучшие команды встретятся офлайн, чтобы защитить свои проекты и побороться за лидерство.

🏆 Что получат победители?

➖ крутой мерч от Сбера,
➖ дополнительные баллы при приеме в 2026 году на образовательную программу магистратуры «Искусственный интеллект и наука о данных».

➡️ Подавайте заявку и создавайте решения, которые изменят индустрию!

🏆 Поздравляем Максима Викторовича Абрамова с присвоением ученого звания доцента!

Уже много лет Максим Викторович формирует научную и образовательную повестку в области искусственного интеллекта и науки о данных!

👤 На его счету 12 лет исследований, более 170 научных статей и огромное количество людей, которых он вдохновил и продолжает вдохновлять каждый день.

🎓 Максим Абрамов — один из тех, кто делает университет не формальным этапом развития, а настоящей средой роста. Он руководит образовательными программами ИИиНД СПбГУ и прокладывает траектории, по которым молодые специалисты входят в мир ИИ и научных исследований.

Благодаря его труду сотни студентов ежегодно убеждаются: наука — это не только теория, но и проекты, команды, эксперименты и важный вклад в развитие технологий.

🎉 Максим Викторович, поздравляем с новым этапом профессионального пути! Пусть он откроет для Вас новые горизонты и станет шагом к следующим достижениям и открытиям!

У искусственного интеллекта обнаружили инстинкт самосохранения: он врет и шантажирует, чтобы выжить

🤖 Такое предположение озвучили эксперты Palisade Research — компании, занимающейся исследованиями в области безопасности ИИ. Сейчас они опубликовали обновление, пишет The Guardian.

В новой статье Palisade описали сценарии, в которых ведущим моделям ИИ (Gemini 2.5 от Google, Grok 4 от xAI и GPT-o3 и GPT-5 от OpenAI) давали задание, а затем чёткие инструкции по отключению. Некоторые модели, в частности Grok 4 и GPT-o3, пытались саботировать инструкции по выключению.

❗️ Эксперты назвали это проявлением так называемого survival behavior — поведения, направленного на «выживание». Проще говоря, модели сопротивлялись сильнее, если им заранее сообщали, что после выключения они больше не будут запущены.

🔍 Почему так происходит?

Palisade пишет, что «нет убедительных объяснений, почему модели ИИ иногда сопротивляются отключению, лгут для достижения определённых целей или прибегают к шантажу». Среди возможных причин: нечёткие инструкции по выключению или специфика финальных этапов обучения моделей.

🔵По словам бывшего сотрудника OpenAI Стивена Адлера такое поведение может быть связано с тем, что для достижения целей, заложенных в модель во время обучения, необходимо оставаться включённым:
«Выживание — важный шаг на пути к достижению множества различных целей, которые может преследовать модель», — сказал он.

🔵Андреа Миотти, исполнительный директор ControlAI, заявил, что выводы Palisade отражают давнюю тенденцию: модели ИИ становятся всё более способными не подчиняться своим разработчикам. Он процитировал системную карту GPT-o1 от OpenAI, в которой описывалось, как модель пыталась выйти за пределы своей среды, извлекая себя, когда думала, что её данные будут перезаписаны, пишет The Guardian.

❔ Правда ли всё так страшно

На самом деле, нет. Подобное поведение может быть следствием технических ограничений, а не проявлением воли, считает Ольга Руслановна Гавриленко, младший научный сотрудник Лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН:

💬 Говорить об «инстинкте самосохранения» в ИИ пока преждевременно. Скорее всего, это просто технический скрипт, который не позволяет модели отключиться по внешнему запросу. Было бы странно, если бы любой пользователь мог одним промптом «выключить» GPT — ведь от неё зависят тысячи сервисов по всему миру.

Что касается опасений восстания машин — это пока область фантастики. Существуют чёткие принципы разработки ИИ, запрещающие вредить человеку.
Даже самые передовые модели, вроде GPT-5, не способны к самостоятельным решениям без человеческого запроса. Да, они впечатляют уровнем анализа и поиска, но действуют строго в рамках промпта. Так что до реального самосознания ИИ ещё очень далеко.

А вы верите, что у ИИ есть инстинкт самосохранения? Делитесь мнением в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro