Развитие методик и технологий прикладного искусственного интеллекта

Взрывной рост в развитии методов искусственного интеллекта позволил прогнозировать их скорое и повсеместное внедрение во многих приложениях в процессе перехода к Индустрии 4.0. Переход к этому новому технологическому укладу предполагает сквозное использование технологий искусственного интеллекта, а также переход к созданию экосистем, развивающихся по принципу органичных надстроек над основным бизнесом предприятий. Основные доходы при этом генерируются совокупностью компаний, что приводит к необходимости развития дополнительных компетенций. Эти дополнительные компетенции могут находиться достаточно далеко от основного направления бизнеса, однако наличие таких компетенций в экосистеме компании позволяет значительно увеличить свою доходность. В то же время прямой перенос технологий искусственного интеллекта в реальную жизнь сталкиваются с большими сложностями. Адаптация обученных моделей является одной из основных задач в исследованиях искусственного интеллекта ближайшего времени. Результаты этих прикладных исследований должны легко применяться к смежным областям, использующим схожие технологии. Разработка обобщенных подходов бесшовного переноса решений машинного обучения – одна из приоритетных задача этой части проекта.

Мероприятия проекта построены вокруг развития технологий машинного интеллекта, которые в ближайшем будущем позволят решать множество задач. Таким образом, основным вкладом в методологию искусственного интеллекта этой части исследований является развитие интерпретируемости моделей машинного обучения и их адаптивности к реальным задачам. В свете перехода к новому технологическому укладу развитие компетенций предприятия, не связанных напрямую с деятельностью компании также представляется перспективным, потому дополнительной научной целью этой части исследования будет развитие дополнительной экспертизы у заказчика. Все мероприятия этой темы таким образом можно условно разбить на те, которые можно немедленно внедрить (например, анализ погодных моделей, оптимизация сенсоров, бесшовный перенос моделей и text2code методы); методы, внедряемые в ближайшей перспективе (оценка образовательных траекторий и системы поддержки качества онлайн образования) и методы дальней перспективы (предсказание свойств двумерных кристаллов). Ожидается, что каждое из этих мероприятий обеспечит результаты мирового уровня, а также публикации в ведущих журналах и конференциях.

Данный проект направлен на получение универсальных методик адаптации алгоритмов машинного обучения. В результате работы над проектом предполагается создать обширный пласт накопленных методик, сведенных в единую библиотеку решений. Таким образом, будет достигнута цель накопления и распространения знаний, что в свою очередь облегчит дальнейшее внедрение технологий машинного обучения в экосистемы компаний-партнеров.