Научная экспедиция на Хайнань: ученые ВШЭ организовали конференцию по статистическому ИИ в Китае

С 24 по 28 августа 2026 года в городе Санья на острове Хайнань (Китай) прошла международная конференция Statistical AI («Статистический искусственный интеллект»). Мероприятие собрало ведущих специалистов в области статистики, машинного обучения и прикладного ИИ. Среди организаторов конференции — Алексей Наумов, директор Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, преподаватель Центра организации обучения студентов для топ-специалистов в сфере искусственного интеллекта, и Сергей Самсонов, заведующий Международной лабораторией стохастических алгоритмов и анализа многомерных данных, преподаватель Центра организации обучения студентов для топ-специалистов в сфере искусственного интеллекта.
Конференция стала площадкой для обсуждения актуальных вопросов теории статистики, которая обеспечивает надежность современного ИИ: как количественно оценить неопределенность, принимать решения в этих условиях и разрабатывать теоретически обоснованные алгоритмы, масштабируемые для больших объемов данных.
Алексей Наумов
«Организация этой конференции была полностью нашей инициативой — от подачи заявки и формирования тематической программы до привлечения международного сообщества. Нам удалось собрать исследователей из восьми стран — России, Китая, Сингапура, Гонконга, Японии, ОАЭ, Франции и Великобритании, — что подтверждает востребованность тематики и готовность коллег к прямым научным контактам», — отметил Алексей Наумов.
Сергей Самсонов
«Считаю, что нам удалось добиться больших успехов в выстраивании диалога с коллегами из ведущих мировых исследовательских центров. С некоторыми из них мы уже активно ведем совместные научные исследования, и конференция послужила отличной площадкой для обмена мнениями и обсуждения будущего академического партнерства», — поделился Сергей Самсонов.
Научная программа конференции отражала всю палитру современных исследований на стыке статистики и искусственного интеллекта. Доклады исследователей из разных стран задавали тон дискуссиям — от фундаментальных вопросов обобщающей способности нейросетей до прикладных методов обучения с подкреплением и генеративного моделирования. Кендзи Фукумидзу (Япония) рассказал о неожиданной связи между генеративными моделями и операторами проксимального типа. Ген Ли (Гонконг) посвятил лекции фундаментальным основам диффузионных моделей. Отдельного внимания заслужили доклады Алекса Лэмба (Китай) о компактных внутренних моделях мира в трансформерах и Юньбэя Сюя (Сингапур) о его теории поточечного обобщения, получившей награду на конференции ICML. В завершение программы Цзюньпэй Комияма (ОАЭ) рассказал о методе статистической сертификации голосования,а Лэй Ву (Китай) — о функциональных законах масштабирования для предобучения больших языковых моделей.
Владимир Спокойный
Владимир Спокойный, научный руководитель Лаборатории теоретических основ моделей ИИ (ТОМИИ), представил новый взгляд на смеси гауссовых распределений через призму многообразий в докладе “Manifold Gaussian Mixture Models”. «Наш подход решает классическую проблему, с которой сталкиваются аналитики данных: как работать с распределениями в пространствах очень высокой размерности, где традиционные методы (например, стандартные гауссовы смеси) либо ломаются, либо требуют колоссальных вычислительных ресурсов. Мы предлагаем использовать идею многообразия — предположение, что реальные данные лежат не хаотично во всем огромном пространстве признаков, а концентрируются на некой низкоразмерной поверхности (многообразии), — рассказал Владимир Спокойный. — Наши численные эксперименты показывают, что метод достигает современного уровня производительности (state-of-the-art) на реальных задачах, а теоретические гарантии подтверждают, что идентификация компонент оптимальна в смысле эффективной размерности. Это значит, что мы получаем не просто эвристику, а математически обоснованный инструмент для работы с самыми сложными наборами данных, с которыми сталкивается современный бизнес и наука».
Никита Пучкин
Никита Пучкин, заведующий Лабораторией ТОМИИ, преподаватель Центра организации обучения студентов для топ-специалистов в сфере искусственного интеллекта, в докладе “Stochastic optimal control approach to generative modelling and Schrödinger potential estimation” рассказал о том, как сделать генеративные модели предсказуемо точными, даже когда данных для обучения мало. «Мы работаем с генеративными моделями, которые используют случайные процессы. Чтобы получить нужное распределение данных, мы часто применяем так называемый мост Шрёдингера — элегантный способ соединить два распределения. Но есть загвоздка: управляющий сигнал, или потенциал, зависит от целевого распределения, которого мы заранее не знаем. В нашем распоряжении — только выборка, а любая ошибка в оценке потенциала может сбить модель с курса. Мы сосредоточились на оценке потенциала Шрёдингера через минимизацию эмпирической KL-дивергенции и показали, что при очень мягких условиях (которые выполняются для широкого класса реальных распределений) она ведет себя идеально — с отличными геометрическими свойствами. Это позволило нам получить неасимптотические верхние границы точности. То есть мы теперь знаем, насколько можем ошибаться», — пояснил Никита Пучкин.
В рамках конференции также выступили исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ:
Максим Рахуба, заведующий Научно-учебной лабораторией матричных и тензорных методов в машинном обучении, преподаватель Центра организации обучения студентов для топ-специалистов в сфере искусственного интеллекта, с докладом “Linear Algebra Problems in Muon-based Optimization”;
Марина Шешукова, младший научный сотрудник Международной лаборатории стохастических алгоритмов и анализа многомерных данных, с докладом “Gaussian Approximation and Bootstrap for SGD”;
Константин Яковлев, младший научный сотрудник Лаборатории теоретических основ моделей ИИ, с докладом “Generalization bounds for Diffusion Models”;
Денис Беломестный, ведущий научный сотрудник Международной лаборатории стохастических алгоритмов и анализа многомерных данных, с докладом “Statistical analysis of Inverse Entropy-regularized RL”.
В рамках воркшопа состоялась отдельная сессия, целиком посвященная выступлениям молодых ученых. Организаторы выделили пять докладов аспирантов и постдоков из ведущих мировых центров — Пекинского университета, Сингапурского национального университета и НИУ ВШЭ. Никита Морозов, младший научный сотрудник Центра глубинного обучения и байесовских методов, и Илья Левин, младший научный сотрудник Международной лаборатории стохастических алгоритмов и анализа многомерных данных, представили результаты своих исследований — от теоретических аспектов оптимизации до прикладных задач.
Воркшоп стал важной вехой в коллаборации между НИУ ВШЭ и ведущими мировыми центрами, такими как Tsinghua University, SLAI (Shenzhen), CUHK (Shenzhen), NUS (National University of Singapore), MBZUAI.
«Опыт в очередной раз убедил нас в оптимальности формата малых конференций — 30–50 участников. Именно такая численность позволяет выйти за рамки формального протокола: возникает пространство для углубленных дискуссий, возможность осмысленно воспринять каждый доклад и установить личные профессиональные связи, которые зачастую оказываются важнее регламентных выступлений. Вдохновленные результатами, мы уже наметили следующий шаг — рассматриваем возможность проведения аналогичного мероприятия в Гонконге или Сингапуре, чтобы расширить географию и привлечь новых партнеров», — подчеркнул Алексей Наумов.
Вам также может быть интересно:
Физики научили ИИ настраивать пучок частиц в ускорителе
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Института ядерной физики СО РАН разработали RLABC — программу, которая помогает подбирать оптимальные настройки ускорителя частиц с помощью обучения с подкреплением. В компьютерном эксперименте программа настроила модель так, что до конца ускорителя доходило около 70% частиц. Исследование опубликовано в журнале Computer Physics Communications.
Россияне не готовы платить за образовательные продукты, созданные на базе ИИ
Искусственным интеллектом регулярно пользуются 50% граждан. Среди пользователей ИИ 65% отмечают, что нейросети помогают им работать быстрее. При этом к образовательным и креативным продуктам, созданным целиком или преимущественно на базе ИИ, россияне настроены скептически и чаще всего не готовы за них платить — таковы результаты совместного исследования Института развития креативных индустрий (ИРКИ) ВШЭ, MAGRAM MR и Наука Mail.
В Москве подвели итоги первых в истории Международных космических игр
Молодежные студенческие команды из восьми стран (Китая, Индии, Казахстана, Кыргызстана, Мексики, Пакистана, Узбекистана и России) успешно справились с главной задачей Международных космических игр (МКИ) — обеспечили устойчивую жизнедеятельность автономного поселения на другой планете.Уникальный формат МКИ, исключающий классическое соперничество ради победы одной страны, доказал свою эффективность. Оператором проекта выступает Высшая школа экономики.
«Погружение в машинное обучение — 2026»: от фундаментальных исследований до дискуссий о будущем ИИ
23–24 октября в Высшей школе экономики состоялась пятая конференция «Погружение в машинное обучение» (Fall into ML 2026). За пять лет мероприятие выросло из камерной встречи исследователей в масштабную научную площадку, объединяющую ведущих специалистов по машинному обучению, молодых ученых, студентов и представителей технологических компаний. Юбилейный год стал новым этапом развития конференции: в программу вошли дискуссии с участием международных спикеров, обсуждение совместных исследовательских проектов и мини-курсы по актуальным направлениям искусственного интеллекта.
Мир ИИ: «Ответственность за принимаемые решения останется на людях»
В НИУ ВШЭ прошла V конференция «Погружение в машинное обучение». В ходе панельной дискуссии форума «Прорыв в области искусственного интеллекта: каким станет ИИ и кем станем мы?» эксперты поделились прогнозами, как изменятся наука и ИТ-индустрия через 5–10 лет и какие задачи по-прежнему останутся за человеком.
Программа ТОП ИТ «ПРО» НИУ ВШЭ: первые результаты и перспективные задачи
Программа топ-уровня в МИЭМ ВШЭ — это трек подготовки кадров для ИТ-отрасли, созданный в партнерстве с ведущими российскими технологическими компаниями на программе высшего образования «Информатика и вычислительная техника». На треке обучаются студенты, прошедшие дополнительный отбор с учетом требований индустрии и способные быстро вырасти до уровней мидл и сеньор. Учебный процесс выстроен вокруг конкретных инженерных ролей.
Будущее антропоморфных технологий для дома обсудили ученые на форсайт-сессии в НИУ ВШЭ
23–24 октября в НИУ ВШЭ прошла юбилейная, пятая конференция «Погружение в машинное обучение» (Fall into ML 2026). На форсайт-сессии «Будущее антропоморфных технологий для дома» ученые искали ответы на вопросы, почему человекоподобный робот-помощник пока так и не стал нашей повседневной реальностью, что для этого должно измениться и кто будет отвечать за его ошибки.
«Надежный мост между лабораторным прототипом и работающим сервисом»
До конца года на факультете компьютерных наук НИУ ВШЭ будет завершена разработка третьей очереди системы SmartMLOps — корпоративной платформы, которая упрощает и ускоряет ввод ИИ-моделей в промышленную эксплуатацию. Работа ведется в рамках стратегического технологического проекта НИУ ВШЭ «Мультиагентная платформа ИИ-решений для отраслевых задач». В чем уникальность новой системы и какие задачи она сможет решать, рассказал начальник отдела прикладных технологических решений Института ИИ и цифровых наук ФКН НИУ ВШЭ Хади Салех.
Кентавры среди нас: эксперты обсудили условия эффективного применения ИИ
Искусственный интеллект стремительно меняет образование, научную работу и подготовку публикаций. Большую часть исследовательских, аналитических и учебных задач человек решает вместе с ИИ. При этом навыка пользоваться нейросетями недостаточно: необходимо тщательно проверять результаты, понимать ограничения алгоритмов и определять границы ответственности. Эти вопросы обсудили участники сразу нескольких секций II Дискуссионного экспертного форума НИУ ВШЭ.
«Культура — это среда, из которой вырастают долгосрочные решения»
Одной из отличительных особенностей стратегического технологического проекта (СТП) «Национальный центр социально-экономического и научно-технологического прогнозирования» является комплексное изучение изменений культуры и ценностей в ответ на новые вызовы. О роли культурных трансформаций в долгосрочном прогнозировании, появлении новых смыслов и сохранении культурного суверенитета в эпоху ИИ в интервью «Вышке.Главное» рассуждает заместитель директора Института исследований культуры НИУ ВШЭ Александр Сувалко.


