Запуск первого в России специалитета в области математики искусственного интеллекта: доклад лауреата госнаграды Николая Кузнецова

⚡Лауреат Государственной премии РФ в области науки и технологий, один из наиболее авторитетных российских ученых-математиков Николай Владимирович Кузнецов представил доклад с описанием специалитета в области математики ИИ, который был подготовлен вместе с нашими коллегами, включая Максима Викторовича Абрамова.

📆3–4 июля на Всероссийской конференции «Промышленный искусственный интеллект» профессор Кузнецов представил пленарный доклад: «Первый в России специалитет в области математики искусственного интеллекта: наука и индустрия».

🎓Программа специалитета сочетает фундаментальную математику с задачами ИИ и индустрии и станет важнейшим шагом для подготовки нового поколения специалистов. Доклад объединил усилия ведущих экспертов, включая Н.В. Кузнецова, М.В, Абрамова, Т.А. Алексееву, М.В. Благова, Е.В. Кудряшову, Р.Н. Мокаева и Т.Н. Мокаева.

💡 В центре доклада — запуск первой в России образовательной программы-специалитета, объединяющей фундаментальные математику и ИИ, современные индустриальные вызовы и задачи бизнеса. Это ключевой шаг в формировании нового поколения высококлассных специалистов для российской инновационной экосистемы.

🏅Этот проект подтверждает лидирующую роль СПбГУ в развитии образовательных стандартов в сфере ИИ и обеспечивает российскому образованию мощный импульс для будущего прорыва в цифровизации промышленности и информационных технологиях.

⭐Ранее Николай Владимирович Кузнецов был удостоен Государственной премии РФ в области науки и технологий за разработку теории скрытых колебаний. Поздравляем с этим высоким достижением!

💡 Знаете ли вы, что первая нейросеть была создана в 1957 году? Рассказываем про перцептрон Фрэнка Розенблатта

Фрэнк Розенблатт, вдохновившись работой человеческого мозга, создал модель перцептрона на базе ЭВМ IBM-704. В 1960 году он представил «Марк-1» — первый нейрокомпьютер, способный распознавать буквы.

Как работал перцептрон?

🔵 S-нейроны (сенсорные элементы) принимали сигналы.
🔵 A-нейроны (ассоциативные элементы) обрабатывали данные, присваивая им веса (важность) и суммируя их.
🔵 R-нейроны (реагирующие элементы) выдавали результат через активационную функцию («да/нет»).

🤖 Перцептрон обучался методом проб и ошибок, регулярно корректируя выявленные недостатки. Система могла определить букву «А» по её характерным чертам — углам и линиям. Но был нюанс: если буква «А» имела другой размер или наклон, и таких примеров не было в обучении, распознать ее уже не получалась.

Тем не менее перцептрон Розенблатта заложил фундамент для современных нейросетей: от чат-ботов до беспилотных автомобилей!

🎓 Хотите глубже изучить ИИ? Программа СПбГУ «Искусственный интеллект и наука о данных» — ваш старт в мир нейросетей и машинного обучения

💡 Мы запускаем новую рубрику — Викторина!

Каждую неделю мы будем задавать вам интересный вопрос из мира ИИ и технологий, а затем подробно разберём правильный ответ.

Сегодня мы погрузимся в кибербезопасность — область, где понимание угроз критично для защиты данных и систем. Термин «брутфорс-атака» знаком многим, но насколько точно вы представляете его суть?

Готовы проверить свои знания и узнать что-то новое? Тогда вперед! ⬇️

Разбор Викторины #1: Брутфорс-атака

💜Спасибо за участие в нашей первой викторине! Пора раскрыть правильный ответ и разобраться в теме брутфорс-атак.

✅ Правильный ответ: а) Взлом через перебор паролей

🔐 Что такое брутфорс-атака?

Брутфорс (от англ. brute force — «грубая сила») — метод взлома, при котором перебираются все возможные комбинации паролей. В 2023 году атаки на учётные записи, включая брутфорс, были одним из основных методов компрометации веб-приложений. Современное оборудование, такое как графические процессоры, позволяет перебирать миллионы комбинаций в секунду, взламывая слабые пароли (например, 6–8 символов) за секунды или минуты, в зависимости от сложности.

🔍 Как работает?

1. Простой перебор: проверка всех комбинаций символов.
2. Словарные атаки: использование списков популярных паролей («123456», «qwerty»).
3. Гибридные атаки: совмещение базовых словарных выражений с дополнительными числами и символами.

📌 Как защититься?

➖ Используйте сложные пароли (12+ символов, буквы, цифры, спецсимволы).
➖ Включите двухфакторную аутентификацию (2FA).
➖ Настройте ограничение попыток входа.
➖ Применяйте CAPTCHA для защиты от автоматизированных атак.

Был ли ваш ответ верным? Делитесь мыслями в комментариях
Новые викторины уже скоро!

💡 Как мы делаем GigaChat умнее: секреты дообучения | Часть 1

GigaChat — флагманская русскоязычная языковая модель, которая постоянно совершенствуется. Сегодня расскажем, как наша команда участвует в процессе дообучения GigaChat, какие данные использует и как оценивает прогресс.

Инсайтами поделился Валерий Олисеенко, исполнительный директор по исследованию данных Сбербанка и научный сотрудник лПИИ СПб ФИЦ РАН.

🔍 Как мы дообучаем GigaChat?

Дообучение — это командная работа! SberDevices из блока Технологического развития создают пайплайны для обучения, а мы в блоке Корпоративно-инвестиционного бизнеса готовим данные, которые делают GigaChat умнее.

Используются два типа данных:
🔵 Pretrain: неструктурированный текст (десятки гигабайт), который формирует общие знания модели.
🔵 Supervised Fine-Tuning: размеченные пары вопрос-ответ, обучающие модель формату ответов.

Чтобы данные были качественными, мы привлекаем экспертов, в том числе из академической среды. Разметка проводится профессионалами с глубокими знаниями, а их работа дублируется перекрытием для повышения качества.

📈 Как мы понимаем, что GigaChat стал лучше?

Чтобы оценить прогресс, мы тестируем модель на двух типах вопросов:
🔵 Закрытые (MMLU): измеряем точность ответов (accuracy).
🔵 Открытые (OpenAnswer): оцениваем ответы по кастомным критериям, включая фактологическую точность, полноту, отсутствие лишней информации и т.д.

Эти метрики показывают, насколько GigaChat становится лучше.

🔥 Что делает GigaChat уникальным?

Дообучение наделяет GigaChat экспертными знаниями в самых разных областях: от финансов и права до медицины и сельского хозяйства. И всё это с учетом тонкостей русского языка!

В отличие от альтернативных методов, таких как LoRa, полноценное дообучение позволяет интегрировать целые домены знаний. Это даёт GigaChat возможность решать сложные бизнес-задачи клиентов, недоступные другим open-source моделям!

А для каких задач используете GigaChat вы? Делитесь в комментариях! ⬇️

📰Дайджест новостей в сфере ИИ: собрали главные инфоповоды недели

На этой неделе искусственный интеллект снова сделал шаг вперед! В России представили новые языковые модели и систему для поиска людей, а за рубежом удивили ИИ-решениями для создания фильмов и расшифровки древних текстов. Все главные события — в нашем дайджесте. Читайте, чтобы оставаться в курсе ⬇️

🇷🇺В России:

«Т-Технологии» выпустила большую языковую модель T-Pro 2.0 с гибридным режимом рассуждений. Решение планируют интегрировать с ИИ-ассистентами Т-Банка

«Яндекс» представил нейросетевую архитектуру TabM для работы с табличными данными

В Институте органической химии им. Н.Д. Зелинского РАН разработали метод поиска пропущенных геометрий соединений молекул на основе ML и квантово-химических расчетов

«Сбер» выпустил диалогового ИИ-ассистента «Помощник туриста»

В РТУ МИРЭА разработали ИИ-систему для поиска пропавших людей с помощью анализа геопозиции фотографий из соцсетей

Минобрнауки России за последние четыре года обеспечило разработку более 120 программ бакалавриата и магистратуры по профилю «Искусственный интеллект»

Исследователи «Сколтеха», МФТИ, Института искусственного интеллекта AIRI создали метод для выявления текстов, написанных ИИ

🌍В мире:

Американский ИИ-стартап xAI намерен выпустить версию чат-бота Grok для детей

Компания Netflix начала производить фильмы и сериалы с использованием ИИ

Yahoo Japan потребовала от всех 11 тыс. сотрудников внедрять ИИ в работу для роста производительности в два раза к 2028 году

Google предоставила доступ к модели Veo 3 для генерации видео через Gemini API

Microsoft внедрила в Windows 11 несколько ИИ-инструментов. Среди них — сканирование экрана Copilot Vision и ИИ-агент для настроек

Лаборатория Бейкера при Вашингтонском университете (США) разработала ИИ-методы для работы с внутренне неупорядоченными белками. Такие белки считались неподходящими для воздействия лекарств

Исследователи Google DeepMind, Ноттингемского и Уорикского университетов представили нейросеть Aeneas для восстановления частично утерянных древних надписей и текстов

🎉 25 июля — День системного администратора!

⭐️ Сегодня мы благодарим тех, кто обеспечивает бесперебойную работу серверов, сетей и систем, защищая данные и инфраструктуру.

С каждым годом их работа становится ещё сложнее из-за роста сетевых угроз и сложных облачных систем. Но на помощь приходит искусственный интеллект! Рассказываем, как ИИ меняет управление сетями.

✅ Автоматизация: ИИ мониторит сети, устраняет сбои и значительно сокращает рутину, позволяя сисадминам фокусироваться на сложных задачах.
✅ Кибербезопасность: обнаруживает атаки, вроде брутфорса, и блокирует угрозы в реальном времени.
✅ Оптимизация: прогнозирует нагрузку и распределяет ресурсы, предотвращая простои.
✅ Поддержка: ИИ-ассистенты генерируют скрипты и помогают осваивать новые технологии.

Сисадмины, как ИИ помогает вам? Делитесь опытом в комментариях! ⬇️

🤖 Обзор Grok 4 от xAI: инструмент для глубокого анализа или рискованный эксперимент?

Разбираемся вместе с Артёмом Вяткиным, младшим научным сотрудником лПИИ СПб ФИЦ РАН и руководителем направления по исследованию данных Сбера.

🔍 Grok 4 — это языковая модель (LLM) от xAI, разработанная для глубоких рассуждений и прямолинейных ответов. В отличие от «вежливого» ChatGPT, Grok позиционируется как бунтарь.

На бенчмарке Humanity's Last Exam она показала 44.4% (Grok 4 Heavy), что ставит её в топ среди конкурентов!

➕ Сильные стороны

- Высокая точность в математических и научно-логических задачах благодаря многоступенчатому анализу.
- Глубокие рассуждения: Grok 4 отвечает в 2–5 раз более развернуто, чем, например, DeepSeek R1.
- Интеграция с X: нативный доступ к открытым постам X для анализа трендов в реальном времени.

❗️ Слабые стороны

- Избыточность: длинные глубокие рассуждения могут стать недостатком, замедляя работу с простыми запросами.
- Слабости в кодинге и изображениях: не силен в визуале, значительно уступает Gemini и Claude в программировании.
- Политизированность: бунтарский стиль приводит к ответам с правым уклоном. Илон Маск обещает исправления, но вопросы к объективности остаются.
- Отсутствие новых фич: Grok не предлагает уникальных функций, кроме улучшенного анализа.

🇷🇺 Работа с русскоязычными запросами

Grok 4 уверенно справляется с русским языком, как и большинство современных LLM. Проблемы минимальны, но иногда встречаются вкрапления английского или китайского (например, «extremно низкий» или «более 代表ительным»). Эти случаи несущественны и не влияют на общий опыт взаимодействия.

Уже тестировали Grok 4? Делитесь опытом в комментариях! ⬇️

🎓Учиться у практиков — значит быть в центре реальной AI-повестки

Гостем первого выпуска нового сезона подкаста «Фичи Катятся» стал преподаватель нашей магистерской программы «Искусственный интеллект и наука о данных» и Chief Data Scientist B2C в Сбере Дмитрий Бугайченко.

Выпуск — про эволюцию ИИ, мультиагентные системы, вызовы индустрии и будущее технологий.

💡Учитесь у лучших — слушайте новые выпуски и присоединяйтесь к нашей программе, чтобы быть в центре современных технологических трендов!

Слушать и смотреть можно на:
Rutube, Яндекс.Музыка

💡 Лайфхак: Как ускорить анализ данных в Python?

Хотите выжать максимум из Python для анализа данных? Делимся 5 проверенными способами, которые сэкономят время и ресурсы!

1️⃣Векторизация — ваш лучший друг
Используйте NumPy и Pandas для операций над массивами — это в 10-100 раз быстрее, чем использовать стандартные типы данных Python. Векторизация минимизирует накладные расходы Python, передавая вычисления низкоуровневым библиотекам.

2️⃣ Хотите еще быстрее?
Используйте Polars вместо Pandas. Polars — это библиотека для обработки данных, написанная на Rust. Она быстрее Pandas за счёт многопоточности и использования Apache Arrow, что снижает потребление памяти и ускоряет операции с большими данными (2–10 раз быстрее для группировок и объединений)

3️⃣ Numba для числовых задач
Numba — JIT-компилятор, который преобразует Python-код в машинный, приближая производительность к C. Он идеально подходит для числовых вычислений с циклами. Numba компилирует функции на лету, устраняя накладные расходы интерпретатора Python.

4️⃣ Parquet вместо CSV
Apache Parquet — столбцовый формат хранения данных, который компактнее и быстрее CSV благодаря продвинутым алгоритмам сжатия и выборочного чтения. Чтение/запись данных может быть в 5–20 раз быстрее.

5️⃣ Профилируйте код
cProfile — встроенный модуль Python для анализа времени выполнения кода. Он позволяет выявить неоптимальные по скорости выполнения участки кода для того, чтобы программисты могли их улучшить.

Эти лайфхаки помогут вам ускорить анализ данных и справляться с задачами быстрее!
А что упрощает работу вам? Делитесь опытом в комментариях! ⬇️

⚡️Вакансии от DSCS.pro и партнёров

Хотите работать над инновационным продуктом с использованием больших языковых моделей? Наша команда блока «Корпоративно-инвестиционный бизнес» Сбера разрабатывает AI-помощников на базе GigaChat для сотрудников банка. Мы ищем стажёра-ассистента проджект-менеджера, который поможет выстраивать бизнес-процессы внутри продукта!

💙 Что предстоит делать?
— Анализировать корпоративную документацию;
— Вести деловую переписку и взаимодействовать с партнерами внутри Сбера;
— Готовить презентации и отчёты по продукту;
— Резюмировать итоги встреч и формировать задачи;
— Участвовать в планировании и координации процессов;
— Организовывать работу команды по отдельным задачам.

🔍 Кого мы ищем?
Вы идеально подходите, если:
— Внимательны к деталям и умеете структурировать информацию;
— Легко справляетесь с большими объёмами данных;
— Коммуникабельны и знаете основы деловой переписки;
— Уверенно владеете PowerPoint и Excel;
— Пишете грамотные и понятные тексты;
— Самостоятельны и готовы организовывать процессы.

🔥 Плюсом будет:
— Опыт программирования;
— Понимание основ IT-архитектуры.

⚪️ Вакансия подойдет только для студентов очной формы обучения

Готовы присоединиться к нашей команде и развивать навыки в AI-проектах?
✅ Отправляйте резюме в телеграм Валерии @LeraPetr с пометкой «Стажер проджект-менеджера»

🤖 Как мы делаем GigaChat умнее: секреты дообучения | Часть 2

В первой части мы рассказали, как устроен процесс дообучения GigaChat: какие данные используем и как оцениваем прогресс.
Теперь поговорим о главном — как дообучение помогает решать реальные задачи бизнеса и пользователей!

Разбираемся вместе с Валерием Олисеенко — исполнительным директором по исследованию данных Сбера и научным сотрудником лПИИ СПб ФИЦ РАН.

🔍 Как дообучение помогает бизнесу и пользователям?

Дообучение — это насыщение модели знаниями и умениями. Без него LLM может не понимать суть вопроса, даже если имеет валидный материал внутри себя.

Яркий пример — ИИ-помощник Центра индустрии здоровья, который дает врачам и пациентам подсказки по вопросам здоровья. В его основе — сложная система с интеграциями, логикой, RAG и агентами. Но главное — это дообучение. Именно оно помогает модели понимать запросы и давать осмысленные, достоверные ответы.

💡 Что делает GigaChat креативным?

Всё просто: чем больше разнообразных примеров видит модель при дообучении, тем глубже и креативнее она отвечает. Опыт — главный источник вдохновения даже для ИИ.

⭐️ Куда движется дообучение?

По мнению Валерия Дмитриевича, LLM достигли пика развития: сами по себе они уже не становятся радикально лучше. Новые возможности появляются благодаря модулям, таким как Operator или DeepResearch от OpenAI, которые расширяют функциональность моделей.

Главный тренд сегодня — это движение к AGI. Речь идёт о системах, которые не просто отвечают на вопросы, а способны к осмысленному анализу, построению выводов и прогнозов. Например, по финансовым метрикам и новостному фону — предсказывать состояние компании точнее, чем классические ML-модели или даже человек.

🇷🇺 Зачем России GigaChat?

Создавать и обучать собственные LLM могут единицы стран в мире. Поэтому появление GigaChat — это важный шаг, который сложно переоценить!

Как думаете, с какими задачами GigaChat будет справляться через 5 лет? Делитесь в комментариях! ⬇️