• Машинное обучение
• Большая языковая модель
• Генеративный дизайн
• Цифровой двойник
• Цифровая урбанистика
• Системы поддержки принятия решений
• ИИ-ассистенты
• ИИ в промышленности
• ИИ в управлении персоналом

ИИ-ассистенты

Open-source решения в области ИИ-ассистентов

• FEDOT.Industrial: фреймворк автоматического машинного обучения для промышленных задач

  Предназначен для автоматизации процесса разработки предиктивных моделей на данных для технических систем полного цикла на основе методов эволюционной оптимизации. Поддерживаются задачи прогнозирования, классификации и выявления аномалий для одномерных и многомерных временных рядов, а также пространственно-временных полей различной природы.

  Открытый репозиторий разработки

  Конкурентные преимущества:

  • Универсальность: позволяет решать задачи классификации, регрессии и прогнозирования временных рядов на данных различной природы
  • Интегрируемость: легко объединяется с популярными ML-библиотеками (scikit-learn, keras, CatBoost и др.) и кастомными решениями

  

  Эффекты от внедрения:

  • Сокращение времени создания и оптимизации композитных моделей в несколько раз
  • Автоматизированное построение пайплайнов позволяет достичь высоких показателей качества прогнозов
  • Оптимизация бизнес-процессов за счёт быстрой адаптации моделей под конкретные задачи

  Уровень готовности технологии:

  УГТ 8 — система проверена на работоспособность в своей конечной форме и в ожидаемых условиях эксплуатации

  Инициатор

  

  Руководитель разработки:

  к.т.н. Илья Ревин
  ierevin@itmo.ru 

  Подробнее

• FEDOT.LLM: интеллектуальный ассистент на основе автоматического машинного обучения

  Предназначен для end-to-end автоматизации создания предиктивных моделей на данных. FEDOT.LLM позволяет преобразовать запрос пользователя в свободной форме в структурированную постановку задачи, в соответствии с ней обработать входные данные, а затем решить задачу с помощью инструментария фреймворка FEDOT или FEDOT.Industrial. Могут быть решены задачи классификации, регрессии, прогнозирования временных рядов и выявления аномалий.

  Открытый репозиторий разработки

  Конкурентные преимущества:

  • Задача формулируется на естественном языке (не требуется знание программирования)
  • Автоматизация подбора решения по системе метрик качества
  • Объяснимость решения и генерация кода решения задачи на Python

  

  Эффекты от внедрения:

  • Ускорение разработки предиктивных моделей не менее, чем в 10 раз
  • В 75% случаев качество моделей превышает лучший аналог, созданный человеком

  Уровень готовности технологии:

  УГТ 8 — система проверена на работоспособность в своей конечной форме и в ожидаемых условиях эксплуатации

  Инициатор

  

  Руководитель разработки:

  к.т.н. Николай Никитин
  nnikitin@itmo.ru

  Подробнее

• ProtoLLM: фреймворк быстрого прототипирования приложений на основе БЯМ

  Предназначен для быстрого создания прототипов многофункциональных приложений на основе больших языковых моделей (БЯМ) с использованием технологии генерации с дополненной выборкой (RAG). Обеспечивает подключение внешних сервисов и моде- лей через систему плагинов, оптимизацию производительности БЯМ путем реализации ансамблевых методов и мультиагентных подходов, генерацию сложных синтетических данных для дальнейшего обучения и улучшения БЯМ, ускорение процесса разработки и внедрения систем, основанных на БЯМ, в различных прикладных областях.

  Открытый репозиторий разработки

  Конкурентные преимущества:

  • Типовые шаблоны БЯМ-агентов и мультиагентных систем
  • Многофункциональный RAG: не только тексты, но базы данных и знаний, а также инженерное ПО
  • Использование произвольных БЯМ, как напрямую, так и через API

  

  Эффекты от внедрения:

  • Ускорение разработки систем на базе БЯМ не менее, чем в 5 раз
  • Оптимизация вычислительных ресурсов до 20%

  Уровень готовности технологии:

  УГТ 7 — прототип системы прошел демонстрацию в эксплуатационных условиях и отражает планируемую штатную систему

  Инициатор

  

  Руководитель разработки:

  к.т.н. Анна Калюжная
  anna.kalyuzhnaya@itmo.ru
  
  

  Подробнее

Ведущие разработки в области ИИ-ассистентов

• ЦИФРОВОЙ МЭР: интеллектуальный ассистент для комплексной поддержки принятия решений по управлению городскими территориями на основе большой фундаментальной модели

  Предназначен для повышения эффективности (повышение скорости, снижение стоимости, повышение качества) процессов городского управления. Обеспечивает диалоговый интерфейс взаимодействия с пользователем на естественном языке в виде вопросно-ответной системы. Позволяет эффективно работать с городскими базами данных и знаний, а также прикладным ПО для задач градостроительства и урбанистики.

  Конкурентные преимущества:

  • Устранение галлюцинаций за счет эффективного использования баз знаний о городе: нормативные документы, данные и ПО
  • Автоматизация вызова вычислительных модулей платформы цифровой урбанистики и унификации результатов
  • Взаимодействие с пользователем на естественном языке, возможность объяснения результатов

  

  Эффекты от внедрения:

  • Повышение скорости подготовки материалов для обоснования решений до 5 раз
  • Снижение загрузки персонала, вовлеченного в подготовку решений, в 3-6 раз

  УГТ-9

  УГТ 7 — система продемонстрирована в эксплуатационных условиях на примере Санкт-Петербурга

  Инициатор

  

  Руководитель разработки:

  к.т.н. Сергей Митягин
  mityagin@itmo.ru

  Подробнее

• Ядро генеративного проектирования rTIM

  Предназначено для быстрого создания цифровых моделей концепций развития территорий в области гражданского строительства. Обеспечивает автоматическое зонирование комплексных территорий, размещение типовых и генеративных объектов жилого, социального и коммерческого назначения с учетом нормативных ограничений и требований к инфраструктуре. Лежит в основе ИИ-платформы территориального информационного моделирования rTIM.

  Конкурентные преимущества:

  • Обеспечивает соответствие нормативам и качественно прогнозирует технико-экономические показатели
  • Находит оптимальные сценарии для проектов комплексного развития территорий в условиях неполноты исходных данных

  

  Эффекты от внедрения:

  • В три раза ускоряет разработку и оценку мастер-планов, включая их экономическую емкость
  • Для разработки мастер-плана и оценки экономической емкости территории достаточно одного дня

  УГТ-9

  УГТ 9 — система используется для решения реальных задач конечных потребителей 

  Инициатор

  

  Руководитель разработки:

  Сергей Кудинов
  sergei.kudinov@itmo.ru

  Подробнее

• Интеллектуальная система поддержки принятия решений «Цифровой экспертный совет Татнефти»

  Предназначена для интеллектуального анализа данных и поддержки принятия комплексных решений руководства высшего звена в части автоматизации и оптимизации технологических и бизнес-процессов добычи и переработки нефти. Позволяет формулировать запросы на естественном языке и получать развернутые ответы, подтвержденные справочными материалами. Реализована на основе большой фундаментальной модели ИИ в мультиагентной форме.

  Конкурентные преимущества:

  • Использование больших языковых моделей
  • Работа с корпоративной документацией и базами знаний компании
  • Работа со сложными запросами, требующими экспертизы в различных предметных областях

  

  Эффекты от внедрения:

  • Освобождение специалистов от рутинных операций
  • Получения качественно новых интеллектуальных технологий аналитики в компании
  • Ускорение и автоматизация существующих процессов

  УГТ-9

  УГТ 9 — система используется для решения реальных задач конечных потребителей

  Инициатор

  

  Руководитель разработки:

  к.т.н. Денис Насонов
  dnasonov@itmo.ru

  Подробнее

• Expert.HR – интеллектуальная система измерения цифровых профилей сотрудников для управления кадровыми рисками

  Предназначена для оптимизации подбора и оценки персонала в НR и рекрутинге. Предоставляет возможность автоматической генерации заданий для видеоинтервью и анкетирования, анализирует поведение и личностные характеристики кандидатов на основе мультимодальных данных. Выявляет предвестники возникновения кадровых рисков, определяет пути их корректировки за счет обучения или управления полномочиями сотрудников.

  Конкурентные преимущества:

  • Автоматический анализ соответствия кандидата должности на основе резюме
  • Генерация вопросов для видеоинтервью на основе описания вакансии и резюме
  • Оценка характеристик, которые влияют как на индивидуальные, так и на коллективные трудовые функции

  

  Эффекты от внедрения:

  • Сокращение времени на проведение и анализ видеоинтервью в 9 раз
  • Автоматизация скрининга на больших базах, от 1000 резюме

  УГТ-9

  УГТ 8 — система проверена на работоспособность в своей конечной форме и в ожидаемых условиях эксплуатации

  Инициатор

  

  Руководитель разработки:

  к.т.н. Анастасия Лаушкина
  aalaushkina@itmo.ru

  Подробнее

• Система оценки обеспеченности промышленных предприятий Российской Федерации трудовыми ресурсами

  Предназначена для объективной оценки наличия доступных кадров для организации новых производств на заданной территории, определения возможности управления миграцией кадров, в том числе с учетом транспортной доступности, выявления условий, способствующих устойчивости кадрового потенциала предприятия (бытовые условия, логистика). Применима для поддержки принятия решений как в части создания новых, так и модернизации существующих производств.

  Конкурентные преимущества:

  • Сравнение потенциала развития разных предприятий, исходя из дос тупности кадровых ресурсов
  • Многоуровневая модель кадрового потенциала (государство – регион – город)
  • Учет как объективных, так и субъективных факторов миграции трудовых ресурсов

  

  Эффекты от внедрения:

  • Снижение «текучки кадров» на 10-40% в зависимости от отрасли и региона
  • Оптимизация расходов на удержание сотрудников до 10%

  УГТ-9

  УГТ 6 — система продемонстрирована в условиях, близких к реальным

  Инициатор

  

  Руководитель разработки:

  к.т.н. Сергей Митягин
  mityagin@itmo.ru

  Подробнее

• Система прогнозирования потребности в персонале на основе долгосрочной программы развития компании

  Предназначена для высокоуровневого моделирования производства с целью выхода на кадровое обеспечение компании с детализацией до уровня отдельных позиций и профессиональных ролей производственного блока/цеха/участка. Методика расчетов основана на прогнозировании объемов производства и необходимого для этого кадрового ресурса с использованием методов регрессионного анализа, балансовых экономических моделей, марковских цепей и теории графов.

  Конкурентные преимущества:

  • Сквозное моделирование процессов разного масштаба
  • Учет особенностей организации производства в конкретной компании
  • Использование как внутренних данных компании, так и региональной социально-экономической и демографической статистики

  

  Эффекты от внедрения:

  • Возможность формирования кадровой стратегии предприятия с заблаговременностью до 5 лет
  • Экономия на кадровых рисках порядка 5-10%

  УГТ-9

  УГТ 6 — система продемонстрирована в условиях, близких к реальным

  Инициатор

  

  Руководитель разработки:

  к.т.н. Сергей Иванов
  svivanov@itmo.ru

  Подробнее

Новости в области ИИ-ассистентов

• 29.04.2025

  В ИТМО представили ИИ-помощника для автоматизации работы с научным кодом

  Ученые ИТМО представили (OSA) — инструмент на основе больших языковых моделей, который «наводит порядок» в хранилищах открытого научного кода и делает их более удобными для переиспользования другими научными командами.

• 25.02.2025

  В ИТМО создали цифрового ассистента химика

  ИИ-ассистент может сгенерировать новые и доработать существующие химические соединения, а также алгоритмы синтеза, предсказать химические свойства и извлечь знания из статей по химии. При этом химикам не нужно уметь программировать — достаточно отправить запрос в чат ассистента.

• 19.12.2024

  Цифровой мэр, химик и совет компании: какие ИИ-разработки представили в ИТМО

  Ежегодно на встрече «AIMission: погружение в мир интеллектуальных технологий с ИТМО» исследователи ИТМО подводят итоги года и представляют индустриальным партнерам университета свои новинки в области ИИ. Об основных проектах, созданных в исследовательском центре «Сильный искусственный интеллект в промышленности» и Национальном центре когнитивных разработок ИТМО, — в нашем материале.

• 23.09.2024

  UPD: Scientific Open Source Meetup №8

  Привет всем любителям открытого кода! У нас отличная новость: open source митапы вернулись после летнего перерыва.

• 27.05.2024

  ИТМО и Департамент градостроительной политики города Москвы объявили об открытии совместной лаборатории искусственного интеллекта

  Заместитель руководителя Департамента градостроительной политики города Москвы Андрей Курилов и ректор Университета ИТМО Владимир Васильев подписали двухстороннее соглашение о сотрудничестве и открытии совместной научно-исследовательской лаборатории в области внедрения технологий искусственного интеллекта в градостроительстве.

• 14.03.2024

  UPD: Online Scientific Open Source Meetup №7

  10 апреля прошел первый весенний open source митап в этом году, в этот раз – онлайн.

• 17.12.2023

  AIMission: погружение в мир интеллектуальных технологий с ИТМО

  15 декабря Университет ИТМО пригласил гостей в совместное путешествие в мир интеллектуальных технологий AIMission.

• 05.12.2023

  AIMission 2023: регистрация открыта

  Второй год подряд Университет ИТМО, один из ведущих научно-образовательных центров России в области искусственного интеллекта (ИИ) и смежных цифровых технологий, открывает свои двери для индустриальных партнеров, коллег из научно-образовательных организаций, представителей СМИ и общественности. Руководствуясь Национальной стратегией развития искусственного интеллекта, мы стремимся сделать свои разработки доступными для широкого круга отечественных специалистов и пользователей ИИ-систем, в связи с чем организуем открытое мероприятие – «AIMission: погружение в мир интеллектуальных технологий с ИТМО».

• 20.10.2023

  Завершился YSC-2023 в Объединенных Арабских Эмиратах

  "Международная конференция молодых ученых YSC-2023 (Young Scientists Conference for young researchers and professionals in computational science, Artificial Intelligence, Big Data and ML) вернулась на зарубежные площадки! Рассказываем, как это было."

• 03.10.2022

  Международная. Научная. Своя. Как прошла конференция молодых ученых YSC-2022

  17 сентября завершилась 11-ая международная конференция молодых ученых – Young Scientists Conference in Computational Science (YSC-2022), организованная Национальным центром когнитивных разработок Университета ИТМО (НЦКР) совместно со Студенческим научным сообществом, при поддержке центра «Сильный ИИ в промышленности», Университета Иннополис, Центра искусственного интеллекта НИУ ВШЭ и Института системного программирования им. В.П. Иванникова РАН.