Инженерный ИИ: резюме презентации Сколтех

Подробное резюме презентации по инженерному искусственному интеллекту (ИИ) из Сколтеха Обзор и контекст: Документ отражает современные достижения и перспективы инженерного ИИ — области, которая сочетает фундаментальные исследования с практическими промышленными применениями.

Тенденции и рынок ИИ: - Искусственный интеллект становится технологическим ядром предприятий и финансовых организаций, с массовым внедрением в компании из списка Fortune 500. - Генеративный ИИ (создающий новые данные на основе обученных моделей) и мультиагентные системы (взаимодействующие ИИ-агенты) формируют новую производственную культуру. - К 2030 году глобальный объем рынка ИИ достигнет 827 млрд долларов, при этом основные игроки — США, Китай, Европа и Россия. - В США существуют масштабные государственные программы с инвестициями до 500 млрд долларов и ограничениями на экспорт GPU (графических процессоров).

Ключевые технологические тренды: - Прорыв в генерации видео искусственным интеллектом меняет медиа, рекламу и развлечения. - Any-to-any мультимодальность — способность ИИ работать с несколькими типами данных (текст, изображения, звук, видео, будущие исследования охватывают запахи и тактильные ощущения). - ИИ-агенты — автономные программы, адаптирующиеся к потребностям пользователя, построенные на архитектуре микросервисов. - Embodied AI (воплощённый ИИ) — развитие человекоподобных роботов и автономных систем с использованием генеративных моделей и синтетических данных для обучения манипуляциям и навигации. - Модели ИИ учатся рассуждать и рефлексировать, решать сложные логические и математические задачи, приближаясь к искусственному общему интеллекту (AGI).

Робототехника и Embodied AI: - Разработка гуманоидных роботов для промышленного применения (Tesla Optimus Gen 2, Unitree H1, Walker S1). - Создание крупных синтетических и открытых наборов данных для обучения роботов новым навыкам (например, наливание жидкостей и прокладывание проводов). - Использование VR-сред и симуляций компаниями Amazon, NVIDIA и Meta для подготовки роботов к реальным условиям.

Мультимодальные большие языковые модели (LLM): - Разрабатываются модели (NEXT-GPT, OmniFlo, CoDi-2), способные одновременно принимать и генерировать различные типы данных, открывая новые интерактивные возможности.

Архитектуры и память ИИ-агентов: - Инновационные архитектуры, такие как AriGraph, разделяют память на эпизодическую (события, опыт) и семантическую (общие знания). - Графы знаний (онтологии) обеспечивают структуру и актуализацию данных для решения сложных инженерных задач.

Примеры инженерных приложений: - Самообучающаяся модель пласта для нефтедобычи, ускоряющая создание геологических моделей и снижающая трудозатраты на 70%. - Автоматизированная система управления требованиями в строительстве — переводит документы в машинно-читаемый вид, анализирует семантику, проверяет и помогает инженерам. - Системы мониторинга рисков — прогноз пожаров, ледовой обстановки в Арктике (применение у Газпром), цифровое моделирование производств. - Человекоцентричные цифровые двойники — мультиагентные системы для прогнозирования социально-экономического поведения и управления развитием регионов.

Интеллектуальный переход: ANI — EAI — AGI: - ANI (Artificial Narrow Intelligence) — узкоспециализированный ИИ. - EAI (Engineering Artificial Intelligence) — интеграция моделей и агентов, способных учиться, планировать и принимать решения. - AGI (Artificial General Intelligence) — универсальный разумный агент будущего. - Инженерный ИИ уже включает в себя рассуждение, саморефлексию и комплексное управление.

Безопасность, оптимизация и перспективы: - Разрабатываются технологии безопасности: аудит, контроль доступа, защита данных. - Оптимизация вычислений снижает расходы на запуск и применение моделей (инференс). - Создаются платформы для полного жизненного цикла ИИ, от разработки до эксплуатации.