Системы ИИ для промышленности

Искусственный интеллект становится ключевым драйвером развития промышленного сектора. Эксперты прогнозируют ежегодный рост рынка промышленных решений на базе ИИ на 31-35%, что делает его одним из самых перспективных направлений технологического развития.

Open-source решения в области систем ИИ для промышленности

  • Fedot

    Фреймворк автоматического машинного обучения, который позволяет создавать композитные пайплайны моделирования на данных. Фреймворк не ограничивается отдельными AutoML-задачами, такими как предобработка исходных данных, подбор признаков или оптимизация гиперпараметров моделей, а позволяет решать более общую задачу структурного обучения — для заданного набора данных строится решение в виде графа (DAG), узлы которого представлены моделями МО, процедурами предобработки и трансформации данных.

    Открытый репозиторий разработки

    Конкурентные преимущества:

    • Поддержка произвольных структур ансамблей ML-моделей
    • Работа с различными постановками задач и типами данных (в том числе в мульти-модальном режиме)
    • Возможность добавлять новые модели, методы предобработки, алгоритмы настройки гиперпараметров или другие типы данных
    Fedot
    Схема решения задач автоматического машинного обучения с помощью FEDOT: от запроса пользователя до ответа системы

    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

    Руководитель разработки:

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

  • 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
    FEDOT.Industrial: фреймворк автоматического машинного обучения для промышленных задач
    Схема процесса разработки предиктивных моделей на данных для технических систем полного цикла с помощью FEDOT.Industrial

    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

    Руководитель разработки:

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

  • 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
    FEDOT.LLM: интеллектуальный ассистент на основе автоматического машинного обучения
    Схема процесса автоматизации создания предикативных моделей с помощью FEDOT.LLM

    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

    Руководитель разработки:

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

Новости в области систем ИИ для промышленности

  • 02.06.2025

    В ИТМО разработали ИИ-платформу для городского планирования

    Ученые ИТМО создали цифровую ИИ-платформу «Просто.Р», которая поможет быстро и недорого оценивать и предсказывать развитие городской среды на основе данных.

  • 17.03.2025

    В ИТМО разработали цифровой полигон для тестирования новых систем ИИ в экстремальных условиях

    Цифровой полигон «Полиокс» позволяет анализировать потенциал системы ИИ, прогнозировать ресурсную стоимость ее дообучения и объективно оценить качество работы в том числе в экстремальных условиях эксплуатации.

  • 12.12.2023

    Всероссийское признание

    Команда центра «Сильный искусственный интеллект в промышленности» Университета ИТМО заняла первое место в конкурсе АркТек-2023

  • 09.11.2023

    Фронтиры прикладного искусственного интеллекта: промышленность, экономика, образование

    Предлагаем провести последнюю неделю ноября с пользой – в Школе молодых ученых ИТМО! Всего за неделю вы успеете расширить свои знания о перспективных технологиях искусственного интеллекта, формирующих методические и алгоритмические основы сильного ИИ, а также познакомитесь с двумя десятками актуальных решений от наших разработчиков.

  • 30.07.2022

    Курс на Terra incognita

    В конце июля завершился проектно-образовательный интенсив и акселератор технологических стартапов Архипелаг-2022: настоящее будущее. Его работа в этом году была направлена на обеспечение сверхускоренного роста и поддержку проектов, команд и компаний в сфере перспективных и критических для страны технологий с широким внедрением их в реальную экономику для улучшения благополучия, комфорта и безопасности людей.