Все новости по тегу Нейросеть

27.11.2025

Gartner: к 2029 году 80% компаний перейдут на ИИ-нативные платформы

Бизнес готовится к масштабной трансформации: до 2030 года компании внедрят комплекс инноваций, где искусственный интеллект выступит в роли дирижера технологических процессов. Согласно отчету исследовательской компании Gartner, ключевые тренды сосредоточены вокруг трех кластеров — «Архитектура», «Синтез» и «Авангард», причем шесть из десяти инноваций напрямую связаны с технологиями ИИ. Об этом 27 ноября рассказала газета «Деловой Петербург».Особое внимание аналитики уделяют мультиагентным системам, где несколько нейросетей взаимодействуют подобно оркестру, распределяя задачи и контролируя друг друга. Как пояснил руководитель по внедрению решений продвинутой аналитики и ИИ Альфа-банка Иван Александров, такая архитектура снижает риски за счет разделения функций между моделью-дирижером, исполнителями и контролером качества. К 2028 году более половины таких систем станут совместимыми между собой, что откроет путь к созданию глобальной сети узкоспециализированных агентов.«У вас есть модель-дирижер, которая ставит задачу, есть исполнители и контролер качества. В результате снижается риск, что один «фантазирующий» агент отдаст клиенту неработающий код, — его подстрахуют другие системы», — поясняет эксперт. Параллельно развивается вайбкодинг — создание программных решений с помощью ИИ без специальных навыков. По прогнозам Gartner, к 2029 году 80% компаний трансформируют крупные разработки в компактные решения на базе ИИ-нативных платформ. Однако, как отмечает доцент учебно-методического центра «Искусственный интеллект» ИТМО Александр Кугаевских, 95% бизнес-проектов с использованием GPT-подобных моделей не доходят до промышленного контура из-за отсутствия структурированных данных и команд, способных интегрировать ИИ в процессы.В кластере «Синтез» особое место занимает физический ИИ — роботы и автоматизированные системы, которые к 2027 году будут обслуживать 80% складов. Операционный директор по работе с маркетплейсами компании giper.fm Сергей Деминов подтверждает, что ретейл и логистика уже активно внедряют роботов-инвентаризаторов и автономные транспортные средства.Для российского бизнеса критически важным становится тренд геопатриации — «заземления» IT-мощностей в конкретном регионе. Эксперты констатируют отставание отечественных чипов и дата-центров от мировых лидеров, однако отмечают растущий спрос на суверенную инфраструктуру. По оценкам специалистов, разрыв между российскими и зарубежными ИИ-решениями составляет около двух-трех лет, при этом острой проблемой остается дефицит вычислительных мощностей — в России насчитывается всего пять суперкомпьютеров против 171 в США и 40 в Китае.Ранее, 4 августа, сообщалось, что создание универсального искусственного интеллекта (AGI), обладающего когнитивными возможностями на уровне человека, может произойти в течение следующего десятилетия. Отмечается, что ответственное внедрение AGI способно привести к «радикальному изобилию», повысив производительность человечества и открыв путь к новому уровню технологического процветания.

27.11.2025

Новое ПО поможет нейросетям исправлять собственные баги

Российские ученые создали программное обеспечение, которое позволяет пользователям без навыков программирования разрабатывать модели машинного обучения, способные выявлять собственные сбои и ошибки. Ключевая особенность технологии — предиктивные механизмы: нейросети не только добавляют нужные функции по запросу пользователя, но и оценивают их эффективность. Фактически созданные с помощью нового ПО модели сами определяют уровень своей точности и при необходимости корректируют обнаруженные недочеты. Подробнее о разработке — в материале «Известий».Нейросети оценивают сами себяВ Центре НТИ «Цифровое материаловедение: новые материалы и вещества» МГТУ имени Баумана разработали программу, способную автоматически обучать модели машинного обучения и одновременно показывать уровень их уверенности в собственных прогнозах. Это позволит как исследователям, так и пользователям с базовыми компьютерными навыками создавать современные ML-модели и понимать, насколько достоверны их результаты.— Например, требуется определить по рентгеновскому снимку, является ли образование в легком злокачественным или доброкачественным. Модель машинного обучения анализирует тысячи изображений и для нового снимка выдает прогноз: рак это или нет. Допустим, в первом случае оценка уверенности составляет 51%, во втором — 49%. Если врач учтет такую неопределенность — а 49% всё же значимая доля, — пациенту не станут сразу назначать биопсию или дорогостоящие анализы, а направят на дополнительную диагностику, например КТ или ПЭТ-КТ. Либо специалист загрузит в систему более ранние снимки, и модель их сопоставит, что позволит принять более взвешенное и безопасное решение, — объяснил лаборант центра Иван Беспалов.Еще одна сфера применения — фармакология. При разработке новых лекарств необходимо оценивать их токсичность, и даже при ограниченном количестве данных ИИ способен прогнозировать, какой препарат потенциально опаснее. Однако стандартные модели выдают лишь само значение токсичности, не уточняя масштаб возможной ошибки. Например, одному пациенту алгоритм может определить дозу в 30 мг с погрешностью ±2 мг, а другому — 20 мг с погрешностью ±18 мг. Формально второе значение ниже, но из-за высокой неопределенности вывод может оказаться некорректным. Новый алгоритм позволяет учитывать такие погрешности, что дает пользователю возможность более точно интерпретировать результаты.— В данном примере предсказываемая неуверенность составляет почти 100% от самой величины (20 мг при погрешности 18 мг), — пояснил Иван Беспалов. — Это означает, что модель плохо понимает собственный результат и честно сообщает об этом. Соответственно, следовать такому прогнозу нельзя. Благодаря этому принимается более взвешенное и безопасное решение, а пациент избегает лишнего риска.Главным преимуществом он назвал то, что зарубежные аналоги не способны оценивать уверенность собственных предсказаний, а потому их сложнее применять в критически важных сферах, где цена ошибки может быть высокой. В новую систему достаточно будет загрузить Excel-файл с данными, после чего она самостоятельно проанализирует их с помощью методов машинного обучения. По его словам, даже пользователи без специальной подготовки смогут работать с ИИ, который сам оценивает точность своих выводов и указывает возможную погрешность.К концу 2026 года центр НТИ планирует регистрацию прав интеллектуальной собственности. Как повысить эффективность обучения ИИВ одном направлении с центром НТИ движется и новая разработка компании «Криптонит». Специалисты нашли способ обучать нейросети так, чтобы те могли распознавать миллионы различных объектов, оставаясь компактными и не требуя больших вычислительных ресурсов. Это позволяет существенно снизить риски зависаний, галлюцинаций и прочих ошибок. Пользователь заранее задает особую структуру скрытого пространства (LSC), благодаря чему нейросеть можно масштабировать даже в тех случаях, когда классическое обучение с учителем работает плохо или вовсе невозможно. При этом модель в процессе дообучения новыми объектами продолжает распознавать уже известные ей. Такой подход повышает качество анализа изображений и может применяться в самых разных сферах — от поиска патологий на медицинских снимках и оплаты по биометрии до распознавания товаров и определения состава материалов по фотографии.— Этот метод открывает дорогу для разработки более эффективных ИИ-систем, способных работать с гигантскими наборами категорий, что будет особенно важно при динамичном развитии рынка, — рассказал «Известиям» кандидат технических наук, эксперт отдела перспективных исследований и автор этой работы Никита Габдуллин.В традиционных методах распознавания чем больше объектов необходимо классифицировать, тем крупнее становится сама модель, что фактически ограничивает ее масштабируемость. Новый подход позволяет избежать этого: число параметров нейросети не растет вместе с количеством классов, при этом сохраняется высокая точность — 87,1% на базе 1,28 млн изображений. Кроме того, для работы модели требуется меньше видеопамяти, уточнили в пресс-службе компании.Несмотря на то что на рынке уже есть схожие российские решения, подход МГТУ выделяется именно глубокой интеграцией оценки уверенности. Это критично для задач с высокой ценой ошибки — в медицине, фарме, материаловедении. Возможность видеть, где модель «сомневается», превращает ИИ из «черного ящика» в помощника для принятия взвешенных решений, считает руководитель креативной группы агентства Milestone Денис Боков.— Перспективы у направления очень сильные. Такой инструмент снижает порог входа, позволяя профильным экспертам (врачам, химикам, инженерам) самостоятельно проверять гипотезы, не ожидая помощи IT-отделов и не тратя время на коммуникацию с разработчиками, — уточнил он.Само направление автоматизированного машинного обучения (AutoML), как в случае с продуктом МГТУ, весьма перспективно. Но его реальная ценность раскрывается только при глубокой интеграции в конкретные бизнес-процессы. Ключевым фактором успеха становится не сама модель, а экспертиза команды, способная учесть специфику данных и задач бизнеса, считает директор по продукту «Оператор Газпром ИД» Павел Боюка.— Это направление пользуется серьезной поддержкой на государственном уровне, оно приоритетно в рамках национальной стратегии по ИИ, а развивать его помогает сильная образовательная база ведущих вузов. Если эффективность AutoML будет подтверждена, следующий шаг — переход от автоматизации разработки моделей к созданию автономных, самоуправляемых ИИ-экосистем. Сегодня мы помогаем пользователю построить модель, а в перспективе система сможет взять на себя весь ее жизненный цикл, — отметил эксперт. В долгосрочной перспективе появятся автономные ИИ-агенты, способные самостоятельно ставить цели и управлять сложными бизнес-процессами. Нейросети, умеющие выявлять собственные ошибки и корректировать прогнозы, откроют эру «интеллектуального суверенитета», когда возможности ИИ станут по-настоящему доступным инструментом для каждого.

26.11.2025

Все новости по тегу Нейросеть

Gartner: к 2029 году 80% компаний перейдут на ИИ-нативные платформы

Новое ПО поможет нейросетям исправлять собственные баги

SCMP: ChatGPT составляет меню футуристического ресторана в Дубае

В России показали первых биодронов в виде голубей

Учёные в РФ научили нейросеть работать при нехватке данных

Кудрявцева: нейросети меняют рынок труда — зарплаты в AI бьют рекорды

Российский бизнес испытывает дефицит специалистов по ИИ

Создано приложение для цифровых копий умерших родственников

Эксперт «Капля»: ИИ-агенты помогут россиянам бронировать столики

ИИ-бригадир ускорит ремонт на 25%