Гадецкий Артем Валерьевич, факультет компьютерных наук (Москва)

Номинация «Серебряный птенец»

Кандидатуру предлагают: Дмитрий Ветров, заведующий лабораторией компании Самсунг департамента больших данных и информационного поиска факультета компьютерных наук, заведующий Центром глубинного обучения и байесовских методов департамента больших данных и информационного поиска факультета компьютерных наук, профессор-исследователь департамента больших данных и информационного поиска факультета компьютерных наук; Антон Конушин, доцент департамента больших данных и информационного поиска факультета компьютерных наук, академический руководитель бакалаврской образовательной программы факультета компьютерных наук «Прикладная математика и информатика»; Евгений Соколов, заместитель руководителя и старший преподаватель департамента больших данных и информационного поиска факультета компьютерных наук

Учеба и преподавание:

Гадецкий Артем Валерьевич закончил с отличием бакалавриат факультета компьютерных наук НИУ ВШЭ и продолжил обучение на совместной магистратуре НИУ ВШЭ и Сколковского института науки и технологий. Во время учебы Артем был не просто студентом, но и учебным ассистентом по годовому курсу «Машинное обучение» у третьекурсников и вёл часть семинаров самостоятельно. Одновременно с этим являлся учебным ассистентом на курсе по байесовским методам, читаемом на ВМК МГУ, в НИУ ВШЭ и Школе Анализа Данных Яндекса. Сейчас Артем ведет семинары на майноре "Интеллектуальный анализ данных" в НИУ ВШЭ. За время преподавания проявил себя с лучшей стороны: он тщательно доносит материал студентам и помогает достичь понимания в сложных вопросах как в учебное, так и в свое свободное время.

Наука:

Артем начал заниматься научной работой со второго курса бакалавриата, сначала под руководством Антона Сергеевича Конушина, изучал подходы для генерации сцен с помощью методов компьютерного зрения. На третьем курсе перешел в научную группу Дмитрия Петровича Ветрова, где последние два года занимался созданием новых генеративных моделей для текстовых данных определенного типа - словарных определений. Результатом этих исследований стала публикация и доклад на главной мировой конференции по компьютерной лингвистике ACL (ранга A*). В работе предлагается метод анализа векторных представлений путем построения генеративной модели определений для этих слов. С ее помощью можно генерировать различные определения для разных значений одного и того же слова. Для определения конкретного смысла слова берется в данном случае пример употребления слова.

Также в результате исследования было показано, что в одном таком представлении содержится информация о многих возможных смыслах. К тому же, есть основания полагать, что отдельные компоненты векторов слов могут отвечать за части речи и другие различные свойства слов. Построение интерпретируемых моделей является развивающейся и важной областью, так как полное понимание работы таких методов позволит найти недостатки и исправить их.

Эта работа является прекрасным экспериментальным подтверждением того, что современные нейронные сети извлекают гораздо больше информации о данных, чем было принято считать. Нейронная сеть не просто понимает значения слов в зависимости от контекста, но и способна сформулировать свое понимание на человеческом языке. Это открывает новые возможности для построения интерпретируемых моделей искусственного интеллекта, когда нейронная сеть, помимо принятого решения, сразу генерирует текстовое описание, почему она приняла именно это решение. Технология, предложенная статье, представляет как конкретную практическую пользу, например, для финансовой сферы, так и более фундаментальную.

В данный момент Артем продолжает исследования в области разработки интерпретируемых методов машинного обучения с помощью определения причинно-следственных связей в данных. Это новая «горячая» область в современном машинном обучении. Одна из самых грандиозных задач в ней - научиться выявлять причинно-следственные связи из данных вместо корреляций как это делается в традиционных методах математической статистики. Решение такой задачи будет являться как важным теоретическим результатом, так и иметь большую практическую пользу в различных сферах деятельности, например для медицинских клинических исследований.

Публикации:

Artyom Gadetsky, Ilya Yakubovskiy, Dmitry Vetrov, "Conditional Generators of Words Definitions", Association for Computational Linguistics 2018, Melbourne, Australia, pages 266–271.

Доп. образование:

Во время обучения в бакалавриате принял участие в нескольких летних школах по машинному обучению, в частности, в Школе Данных “Билайн”  в 2016 году и школе AI Summer School для аспирантов младших курсов, проводимой ежегодно Microsoft Research на базе Кембриджа, летом 2018 года.

Личность

Артем за время обучения и работы в научной группе зарекомендовал себя как целеустремленный, коммуникабельный, трудолюбивый, аккуратный и ответственный студент и верный товарищ. Он активно участвует в научных дискуссиях и хакатонах, а также посещает открытые лекции за пределами университета. Смело задает интересующие вопросы и умеет отвечать на них, не боится брать на себя ответственность в принятии сложных решений как в науке, так и в жизни.