Дмитрий Шадрин является выпускником Московского физико-технического института (МФТИ) и получил ученую степень в Сколковском институте науки и технологий («Сколтех»). С 2023 года он возглавляет группу, занимающуюся обработкой данных дистанционного зондирования Земли, и преподает в Иркутском национальном исследовательском техническом университете.
В 2024 году Шадрин был удостоен награды в категории «Технологии искусственного интеллекта» на конкурсе «Молодые инноваторы стран БРИКС».
По его словам, развитие технологий искусственного интеллекта в России и странах БРИКС происходит на высоком уровне. За последнее время наблюдается рост публикаций по фундаментальным и прикладным исследованиям в области ИИ. Страны БРИКС ориентируются как на развитие новых алгоритмов, так и на практическое применение этих технологий, что способствует демонстрации их полезности.
Шадрин выделяет основные области применения ИИ и машинного обучения, включая обработку изображений и извлечение характеристик из них. Это находит широкое применение, как в повседневной жизни, начиная от уличных камер, так и в области спутникового зондирования.
Например, автоматизированная обработка данных позволяет создавать карты характеристик поверхности Земли, что открывает новые горизонты для анализа и мониторинга территории.
Современные алгоритмы искусственного интеллекта (ИИ) значительно упрощают человеческую работу, особенно в области предсказаний. К примеру, использование ИИ для прогнозирования поломок оборудования на основе текущих режимных параметров способствует оптимизации производственных процессов и экономии ресурсов.
Также стоит отметить мощные модели на базе LLM (большие языковые модели), которые помогают даже неподготовленным пользователям решать различные задачи по заданным запросам, облегчая повседневную жизнь. Это подчеркивает широкий спектр применения ИИ, охватывающий практически все сферы.
В настоящее время акцент делается на гибридизацию различных подходов для решения комплексных задач, чтобы минимизировать необходимость формализовать постановку вопроса.
В частности, была разработана уникальная технология прогнозирования лесных пожаров, уже интегрированная в систему МЧС России. Она оценивает вероятность возникновения и распространения пожаров на уточненной территории с использованием множества данных. Ключевыми факторами являются метеорологические условия и спутниковая информация, показывающая состояние лесов – насколько они сухие или влажные.
Также учитываются аспекты, касающиеся плотности населения: в районах с высокой плотностью возникает больше риска пожаров. Топографические и статические параметры также играют важную роль в оценке вероятности возникновения и распространения лесных пожаров.
Технология, основанная на алгоритмах искусственного интеллекта, таких как сверточные и рекуррентные нейронные сети, уже доказала свою эффективность в прогнозировании лесных и ландшафтных пожаров. В России благодаря этому решению удалось предсказать некоторые возгорания. В настоящее время происходит доработка технологии, включая добавление новых факторов, которые могут повысить точность прогнозов.
Однако учет человеческого фактора остается сложной задачей. Отсутствие формализованных баз данных затрудняет автоматическую интеграцию параметров человеческого поведения. На данный момент это учитывается косвенно через параметры, такие как плотность населения и удаленность объектов инфраструктуры от транспортных путей. В дальнейшем есть планы на создание более информативных баз данных, которые смогут улучшить работу алгоритмов.
Планируется также экспортировать технологию в страны БРИКС, где активное лесное хозяйство и экология являются важными аспектами для экономического развития. Разработка может быть легко адаптирована под нужды этих стран, хотя для настройки потребуется несколько месяцев.
Примечательно, что авторы проекта были отмечены наградой за третье место в конкурсе «Молодые инноваторы стран БРИКС», став единственными представителями России на пьедестале почета.
Конкуренция на недавнем конкурсе была весьма напряженной и дала возможность узнать много нового о проблемах и решениях, связанных с использованием искусственного интеллекта в странах БРИКС. Участники представили разработки на высоком уровне, например, бразильский ученый продемонстрировал технологии, связанные с обработкой сахарного тростника, что имеет большое значение для их экономики.
Я преподаю дисциплины по искусственному интеллекту и машинному зрению в Иркутском национальном исследовательском техническом университете, и студенты проявляют значительный интерес к этим технологиям. Их увлеченность объясняется хорошими навыками в решении прикладных задач и пониманием специфики производственных процессов в добывающей и перерабатывающей отраслях.
Студенты способны интегрировать ИИ в существующие технологии, такие как переработка и флотация золота, что способствует оптимизации этих процессов и повышению их эффективности. Например, при флотации золота они могут использовать ИИ для оценки густоты пены в реальном времени, автоматически настраивая параметры системы.
Все эти действия происходят в автоматизированной системе, что минимизирует человеческое вмешательство и повышает эффективность работы. Таким образом, студенты осознают масштабы применения ИИ и его возможности в практике, что делает обучение еще более увлекательным и практикоориентированным.
В нашей стране существует развитая научно-методическая база для преподавания современных дисциплин, особенно в области искусственного интеллекта (ИИ). Важным вкладом в эту область стали специализированные центры ИИ, где подготавливаются квалифицированные специалисты. Сотрудники этих центров, занятые прикладными разработками, могут стать преподавателями, передавая знания и опыт студентам. Благодаря этому усиливается образовательный процесс и расширяется охват тем, связанных с ИИ.
Дополнительно, российские научные учреждения, такие как «Сколтех», располагают мощными вычислительными возможностями, включая кластеры видеокарт для запуска сложных моделей. Это предоставляет возможность обучать студентов не только работе с современным оборудованием, но и разрабатывать новые архитектуры, подходящие для этих технологий. В рамках сотрудничества с другими странами БРИКС Россия могла бы обменяться опытом по прикладным разработкам в области ИИ, заимствуя успешные методы решения промышленных задач.
Стоит отметить, что в школьном образовании есть необходимость внедрения большего количества исследовательских задач и проектов. Учащиеся часто не понимают практическое применение изучаемых формул до окончания 11 класса. Объединение предметов, таких как физика и математика в старших классах, может продемонстрировать связность этих наук и их применение в исследованиях.
Личный опыт, такой как моя дипломная работа в Институте космических исследований РАН, подтверждает, что взаимодействие с опытными учеными может вдохновить молодежь на научные достижения, а исследовательская составляющая образования позволяет формировать у студентов самостоятельные выводы и понимание изучаемых дисциплин.
