🎙 Как ученые создают ИИ: Максим Викторович Абрамов в подкасте «Сделано круто»

Искусственный интеллект уже изменил нашу жизнь, карьеру и бизнес. Главный вопрос: как адаптироваться и расти в мире, где технологии обновляются быстрее, чем мы успеваем это осознать?

🔥 В новом выпуске подкаста руководитель Лаборатории прикладного искусственного интеллекта СПб ФИЦ РАН Максим Викторович Абрамов и бизнес-практик, эксперт по цифровой трансформации Иван Крутько разбирают самые острые вопросы:

⚪️ Кого заменит ИИ на рынке труда, а кто останется незаменим?
⚪️ Почему классическое образование отстает и нужно ли отменять экзамены?
⚪️ Можно ли сегодня обойтись без ИИ и какова цена этого решения?

🚀 Скорее смотрите свежий подкаст с Максимом Викторовичем! Ставьте лайки и делитесь впечатлениями в комментариях ⬇️

➖ YouTube
➖ ВКонтакте
➖ Дзен
➖ Rutube

Еще больше об ИИ и науке читайте в DSCS.pro

Максим Абрамов в эфире канала «Санкт-Петербург»: зачем рынку нужны промпт-инженеры?

Сегодня в программе «Объясним ПРО» руководитель лПИИ СПб ФИЦ РАН Максим Абрамов прокомментировал развитие новой цифровой компетенции — промпт-инженеринга — и объяснил, почему умение работать с нейросетями становится востребованным.

⚡️По данным аналитиков, спрос на специалистов по взаимодействию с ИИ в Петербурге вырос на 55% за год, что отражает рост значимости этой сферы для бизнеса и государственного сектора.

В эфире обсудили:
⚪️ что такое нейросети и как они используются сегодня;
⚪️ что называют «галлюцинациями ИИ» и почему это важно;
⚪️ кто такой промпт-инженер и почему эта профессия становится новой точкой притяжения для рынка.

🎥 Пропустили эфир?
можно посмотреть запись на сайте телеканала или включить повтор завтра в 12:10. Выбирайте удобный формат, но обязательно посмотрите — будет интересно!

Викторина 8️⃣
Какой показатель в основном используется для оценки качества классификатора?

В машинном обучении недостаточно просто создать модель. Важно уметь оценивать, насколько хорошо она работает. Поэтому качество моделей оценивают по метрикам, которые отражают их поведение на реальных данных

Хотите проверить свои знания о метриках качества? ⬇️

Разбор Викторины #8: Какой показатель в основном используется для оценки качества классификатора?

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

✅Правильный ответ: б) Precision / Recall

🔍 Почему так?

В задачах классификации качество модели описывается целым набором показателей, построенных на основе матрицы ошибок (TP, FP, TN, FN). Precision и Recall — две базовые метрики, которые особенно важны при дисбалансе классов и разной цене ошибок.

⚪️Precision показывает, какая доля объектов, которые модель пометила как положительные, действительно является положительными.
⚪️ Recall отражает полноту детекции. Показывает, какую долю реальных положительных объектов модель сумела обнаружить.

Эти метрики зависят от порога принятия решения и хорошо отражают поведение классификатора при изменении компромисса между ложноположительными и ложноотрицательными срабатываниями.

📌 Почему другие варианты не подходят?

➖ FPS — метрика количества кадров в секунду, но не описывает качество классификации.
➖ MTU — параметр сетевых протоколов, к оценке моделей отношения не имеет.
➖ GHz — единица измерения частоты (частота CPU, частота дискретизации и т.п.), снова про железо и сигналы.

А ваш ответ совпал с правильным? Делитесь в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

📰Дайджест новостей в сфере ИИ: собрали главные инфоповоды недели

Мы к вам с дружеским напоминанием: сегодня пятница, а значит пора читать подборку новостей из мира ИИ. Gigachat проник в Кофеманию, OpenAI выкатили GPT-5.2, а Яндекс опубликовали техрепорт Alice AI. Еще больше интересного — в свежем дайджесте! ⬇️

🇷🇺 В России:

Яндекс добавил в свой браузер ML-модель для определения неактивных вкладок и оптимизации потребления оперативной памяти

Сбер внедрил в работу филиала банка в Индии ИИ-агентов. Компания также интегрирует GigaChat в цифровые продукты и бизнес-процессы «Кофемании»

Хабр добавил в платформу ИИ-ассистента SourceCraft Code Assistant от Яндекса для объяснения кода в публикациях

В Университете ИТМО создали прототип ИИ-помощника для «Яндекс Учебника», который может выявлять глубину понимания учебного материала по информатике в диалоге со студентами

В Томском госуниверситете открыли лабораторию интеллектуальных систем для периферийных вычислений, в которой будут развивать безопасный ИИ для атомной энергетики, беспилотников и транспорта

В открытом доступе появился техрепорт собственного семейства моделей Яндекса — Alice AI

🌍 В мире:

Google представила архитектуру Titans и фреймворк MIRAS, которые позволяют моделям работать быстрее и обрабатывать длинный контекст. Решения направлены на получение долговременной памяти

Научный журнал Nature внес основателя DeepSeek Ляня Вэньфэна (Liang Wenfeng) в топ-10 людей, которые оказали влияние на науку в 2025 году

Американский разработчик Pebble представил умное кольцо Index 01 для создания заметок

Французский стартап Mistral AI выпустил семейство моделей Devstral 2 для программирования, а также ИИ-ассистента Mistral Vibe CLI для автоматизации написания кода

Американский стартап Starcloud запустил на своем спутнике в космосе ИИ-модель Gemma от Google

Meta (признана экстремистской и запрещена в России) весной 2026 года может выпустить новую закрытую ИИ-модель Avocado

В OpenAI выпустили серию моделей GPT-5.2: Instant, Thinking и Pro. Они доступны в API и будут внедрены в ChatGPT

Tencent представляет GeoVista: новую открытую модель для визуальной геолокации изображений

💡 Как ИИ меняет науку: выводы с Конгресса молодых учёных 2025

В 2025 году доля исследователей, которые используют ИИ-инструменты в своей работе, выросла с 57% до 84%. За этими цифрами – глобальные изменения в самой сути научной деятельности.

Наша коллега младший научный сотрудник лПИИ СПб ФИЦ РАН Ольга Руслановна Гавриленко побывала на Конгрессе молодых учёных и поделилась наблюдениями о том, как именно ИИ трансформирует работу исследователей сегодня.

🤖 Как ИИ помогает ученому?

✅ позволяет лучше ориентироваться в массиве научных публикаций и ускоряет ресёрч;
✅ упрощает подготовку и структурирование литературных обзоров;
✅ снимает языковой барьер: учёный формулирует мысли на родном языке, а ИИ помогает перевести их в корректный академический английский;
✅ поддерживает ранние этапы работы: например, формулировку вопросов или генерацию простых гипотез.

При этом ИИ не существует отдельно от исследователя. Он не понимает контекст задачи и не ставит научные цели, в отличие от ученого.

🔍 Обратная сторона ИИ

➖ Увеличение «научного мусора»
Растёт число публикаций с формально корректными, но слабо подтверждёнными результатами. Некоторые научные журналы уже открыто говорят, что качество статей падает, а их количество зашкаливает.

➖ Иллюзия достоверности
ИИ может быть очень убедителен, даже если у него нет на то оснований. Поэтому сегодня важно уметь перепроверять любую информацию, которую выдает GenAI.

🚀 Философский сдвиг: два научных мира

В науке всегда есть два измерения: реальные данные и то, как мы их объясняем.

Искусственный интеллект затрагивает оба аспекта. Он расширяет горизонты познания, ведь не привязан к конкретной области знаний, в отличие от людей. Но всё же, главные задачи: понимание, формулировка вопросов и соблюдение научной этики – остаются за человеком.

Еще больше об ИИ и науке читайте в DSCS.pro