• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

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

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

© Высшая школа экономики

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.

Наумов Алексей Александрович

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.

Самсонов Сергей Владимирович

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.

Спокойный Владимир Григорьевич

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».

Пучкин Никита Андреевич

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.

© Высшая школа экономики

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.