Ведущий научный сотрудник AIRI, заведующий центром глубинного обучения и байесовских методов ФКН ВШЭ Дмитрий Ветров вошел в число лучших рецензентов на конференции CVPR 2023 🎉

На международной конференции CVPR 2023 по компьютерному зрению и распознаванию образов более чем 7000 рецензентов, которые выполнили хотя бы одну проверку статьи.

Организаторы выбирают 232 человека, чьи отзывы отличались исключительным качеством и полезностью на основе номинаций и оценок, представленных председателями секций.

Прочитать подробнее про путь Дмитрия Ветрова в науке можно в рубрике #AIRIвлицах по ссылке 👾

#интересное_в_понедельник: интервью руководителя группы «ИИ в промышленности» Института AIRI, директора Центра искусственного интеллекта МИСИС Ильи Макарова для РБК Тренды 📰

Про нейросети, авторское право и рынок труда с искусственным интеллектом – читайте по ссылке.

Открываем прием заявок на Лето с AIRI! ☀️

2 недели науки об искусственном интеллекте для молодых исследователей. В этом году мероприятие пройдет в Татарстане.

🗓 Заявки принимаются до 4 июня 2023 года.

Программа включает в себя лекции, семинары и практическую работу по направлениям:

– обучение с подкреплением
– робототехника
– 3D компьютерное зрение
– генеративное и вероятностное моделирование
– моделирование данных на многообразиях машинного обучения
– графовые нейронные сети
– детектирование и диагностика аномалий по сенсорным данным

📍Питание, обучение и проживание бесплатное, оплатить самим нужно будет только проезд.

Прочитать все подробности и подать заявку можно по ссылке 🚀

Поздравляем Хабр с 17-ти летием и делимся подборкой от руководителя команды NLP AIRI Татьяны Шавриной про интересные публикации на Хабре о проблемах языковых моделей ⤵️

​Привет, Хабр! Меня зовут Татьяна Шаврина, я — лид команды NLP в Институте AIRI. Мы исследуем большие языковые модели и развиваем методы на стыке ИИ и лингвистики. В этом посте я собрала золотые, на мой взгляд, публикации, которые рассказывают о проблемах языковых моделей.

🔹 Интересная статья про масштабирование языковых моделей и закон Мура. Нейросети требуют больших вычислительных мощностей. Что будет дальше, если отмасштабировать наш прогресс? В статье классно описаны три расхожих утверждения об ИИ. Перед прочтением рекомендую посмотреть это видео, так как по тексту автор пытается разобраться, что из сказанного там правда.

🔹 Проблемы современного машинного обучения — системное описание, позволяющее быстро понять, какие ограничения встречаются на пути разработки моделей сейчас. Для NLP можно придумать ещё много всего, зато тут масса актуального для LLM.

🔹 Подробная статья про обучение самой большой модели для русского языка — YaLM на 100 млрд параметров. Хорошо написано о том, как модель обучалась и ускорилась в два раза. Хотя, конечно, хочется увидеть бенчмарк-метрики на прикладных задачах.

С командой в прошлом году поучаствовали в создании самой большой open-source языковой модели на 176 млрд параметров и 59 языков мира, BLOOM. Как исследователи мы занимаемся оценкой и интерпретацией LLM. Именно многоязычная аналитика результатов BLOOM — наша часть в международном проекте на 400+ авторов.

Мы работаем и над тем, чтобы масштабировать языковые модели на все языки мира, ведь сейчас они обучаются, в основном, на самых популярных. На Хабре постараемся больше рассказывать о малых языках России, с которыми работаем.

🔸 Сам себя не похвалишь… Хочу тут поделиться и своей статьёй про подходы zero-shot и few-shot в генерации, а также о том, как готовить генеративные модели, чтобы без обучения решать различные прикладные задачи. В институте мы используем zero-shot- и few-shot-методы для фундаментальных исследований. Нам интересно, как сделать определённую технологию с применением этих методов для малых языков России и какие задачи вообще можно решать с их помощью.

🔸 А ещё статья — пересказ работы Франсуа Шолле: как оценивать самые разные интеллектуальные системы и почему мы всё ещё не можем адекватно измерить интеллект. Рекомендую главу о том, что ожидать от идеального теста ИИ, и про первую попытку сделать такой тест. В прошлом году проводили с коллегами воркшоп по этой же теме. Надеемся сделать ещё мероприятия, посвящённые нашим направлениям исследований, — будем держать в курсе!

В AIRI мы часто работаем с «мышлением» нейросетей: исследуем логику моделей и смотрим, противоречит ли она теоретическому представлению о языке. Наши исследования позволяют понять, как учёные структурируют понимание о мире. Скоро расскажем об этом на Хабре, а также о том, как нейросети ищут информацию и обрабатывают данные. Подписывайтесь и следите за обновлениями!

Делимся расписанием ИИшницы «Наука о роботах», которая пройдет в этот четверг на YouTube-канале AIRI 🍳

▪️15:30 Вступление, ведущий мероприятия – Константин Яковлев, AIRI

▪️15:35 «Трансформерные модели в планировании поведения и управлении движением роботов» – Александр Панов, AIRI

▪️16:00 "Efficient Plane SLAM on Point Clouds" – Gonzalo Ferrer, Skoltech (доклад на английском)

▪️16:25 «Useful practices for solving dynamic collision avoidance with RL» – Александр Просвирин, исследователь в области ИИ (доклад на русском)

▪️16:50 «Концепция робот-ассистированных малоинвазивных операций» – Ольга Гергет, ИПУ РАН

▪️17:15 «Гибридные архитектуры для оценки карты глубины без разметки» – Илья Макаров, AIRI

▪️17:35 "Synthetic data: Learning self-driving cars in simulation" – Андрей Кузьминых, консультант по ИИ (доклад на русском)

До встречи в четверг! 🍿

Сегодняшний научный семинар начнется в 17:00 на на YouTube-канале AIRI, подключайтесь! 👾

Все подробности про доклад можно посмотреть по ссылке.