Студенты НИУ ВШЭ стали победителями в конкурсах по ИИ AIJ Science и AI Challenge
В Москве прошла Международная конференция по искусственному интеллекту и машинному обучению AI Journey 2023, организованная Сбером. В рамках мероприятия состоялся конкурс научных статей по теме искусственного интеллекта AIJ Science, победу в котором одержали аспирант факультета компьютерных наук Вышки Александр Рогачев и студент 4-го курса бакалавриата ФКН ВШЭ Егор Егоров. Исследование было выполнено в рамках Научно-учебной лаборатории методов анализа больших данных (LAMBDA) ВШЭ.
Искусственный интеллект с каждым годом все более интегрируется в различные области человеческой жизни. Возникают новые задачи, требующие применения алгоритмов для решения специализированных проблем, а также разрабатываются новые архитектуры и подходы, призванные приблизить человека к созданию более эффективных технологий. Первый день AI Journey был посвящен передовым научным исследованиям, ключевым разработкам года и трендам в области искусственного интеллекта и машинного обучения.
В рамках конференции проходил открытый отбор научных статей. Студенты из НИУ ВШЭ представили статью под названием «Исследование влияния адаптивной спектральной нормализации на качество генеративных моделей и стабильность их обучения». Суть работы заключается в анализе подходов, которые позволяют находить баланс между стабильностью и выразительной способностью модели. Исследователи сделали это на основе данных большого адронного коллайдера ЦЕРН. Но, как отмечают авторы, эти результаты применимы и на других данных и моделях — например, для генерации изображений.
Статья будет опубликована в специальном выпуске журнала «Доклады Российской академии наук. Математика, информатика, процессы управления» (Doklady Mathematics), который выпускается для поддержки исследовательской деятельности в области анализа данных, искусственного интеллекта и машинного обучения, а также для обмена мнениями и практическим опытом. Журнал относится к категории Q1.
Александр Рогачев
«В нашем исследовании мы изучали возможность применения адаптивных методов регуляризации генеративно-состязательных сетей (GAN) на основе спектральной нормализации. Как известно, GAN имеют проблемы со стабильностью в ходе процесса обучения, для решения которых на практике часто применяется спектральная нормализация. Однако за стабильность приходится платить выразительной способностью модели. Мы проанализировали возможность баланса между этими двумя характеристиками на примере проблемы симуляции физического процесса, происходящего в рамках экспериментов LHCb, с помощью генеративной сети», — поделился Александр Рогачев, аспирант и преподаватель департамента больших данных и информационного поиска ФКН НИУ ВШЭ.
Егор Егоров
«В ходе работы над курсовым проектом мы получили довольно интересные, на наш взгляд, результаты и решили оформить это в виде статьи. Рад, что она прошла отбор и была отмечена экспертами в области ML. Это мотивирует развиваться и пробовать себя и дальше в академическом направлении», — отметил Егор Егоров, студент 4-го курса бакалавриата программы «Прикладная математика и информатика» ФКН НИУ ВШЭ.
В конце октября совместно с Альянсом в сфере Искусственного интеллекта Сбер подвел итоги Международного конкурса по искусственному интеллекту для молодежи AI Challenge. В нем могли принять участие школьники и студенты, которым еще не исполнилось 18 лет. Во время состязаний участники решали задачи по одному из пяти направлений — от медицины до креативных индустрий. Питерскую Вышку на конкурсе представили двое первокурсников программы «Прикладной анализ данных и искусственный интеллект» — Таисия Чегодаева и Алексей Шатурный. Ребята разработали решение задачи No-Reference Image Quality Assessment. Команда заняла третье место и выиграла приз в размере 400 тысяч рублей.
Алексей Шатурный, студент первого курса программы «Прикладной анализ данных и искусственный интеллект»
Нашей задачей было обучить нейросеть оценивать качество изображений без референса. Мы представили решение, которое рассматривает проблему с разных сторон и комбинирует полученные результаты. Работа будет полезна, например, для социальных сетей, где нужно фильтровать визуальный контент.
Участие в конкурсе дало мне возможность попрактиковаться в решении задач машинного обучения, а также познакомиться с интересными людьми, которые увлекаются ML. Рад стать частью этого комьюнити!