В Передовой инженерной школе Южного федерального университета ведёт работу научно-технологическая лаборатория поддержки интеллектуальных технологий. Трудятся в ней как преподаватели, так и студенты ЮФУ.

Цель лаборатории – проведение исследований, разработка средств и выполнение интеллектуальной обработки данных для решения задач машинного обучения, прогнозной аналитики, моделирования сложных систем, виртуальной реальности.

«Разработками в области ИИ в ПИШ ЮФУ занимались и ранее, но проект «Передовых инженерных школ» послужил отправной точкой для изменения подхода к работам в данной области, развития лаборатории, объединения коллектива, создания материально-технической базы. Теперь у нас есть возможность содействовать не только ПИШ ЮФУ и структурным подразделениям Южного федерального университета, но и предприятиям, заинтересованным в решении задач в области искусственного интеллекта.

Например, в рамках программы «Приоритет 2030» мы занимаемся исследованиями в части создания интеллектуального ассистента руководителя проекта, который позволяет оптимизировать работу с документацией. Также в рамках данной программы совместно с Академией биологии и биотехнологии им. Д.И.Ивановского ЮФУ реализуется проект по созданию цифрового двойника почв», — рассказал заведующий лабораторией, д.т.н. Эдуард Мельник.

По словам Эдуарда Всеволодовича, раньше каждое подразделение вуза пыталось иметь у себя специалистов в области искусственного интеллекта и решать задачи своими силами. Сейчас лаборатория поддержки интеллектуальных технологий может брать кейсы любых масштабов «под ключ».

У лаборатории есть несколько предметных областей: агентное моделирование, разметка данных и формирование обучающих выборок для алгоритмов машинного обучения, выявление и анализ семантики текстовой информации, прикладная фотограмметрия, обработка больших данных, основанная на машинном обучении, с целью обнаружения, идентификации и классификации объектов, компьютерная эмуляция физических явлений различного уровня сложности с применением аппаратно-программных ускорителей, интерпретация результатов работы нейросетевых интеллектуальных систем.

«Сейчас все эти тематики переплетаются. Значительно расширяются сферы применения технологий: те решения, которые изначально были ориентированы на одни области, находят применение в других. Например, объединение языковых моделей и мультиагентных технологий позволяет организовать работу мультимодальных коллективов, включающих интеллектуальных ассистентов и людей», — добавил Эдуард Мельник.

Решать задачи совершенно нового уровня стало возможным благодаря приобретенному за счёт грантовых средств оборудованию: двух серверных стоек на базе процессоров Intel Xeon, в составе которых графические ускорители NVIDIA H100, сетевого хранилища для быстрого обмена данными. Появилось в лаборатории фото-видео оборудование, БПЛА, позволяющие обучать нейросети.

«Помимо названного выше двойника почв, мы сотрудничаем с лабораторией агропромышленных дронов ПИШ ЮФУ. Сопоставляя ранее полученные снимки сельхозугодий, в том числе спутниковые, и изображения с камеры БПЛА, мы можем решить задачу определения местоположения при отсутствии GPS-сигнала. Это важно в первую очередь для того, чтобы не потерять дрон, а также для обеспечения работы в чётко обозначенной области, так как используемые химикаты могут быть полезны для одних культур, но губительны для других», — заключил сотрудник лаборатории Вадим Волощук.

Текст: Тимур Пацюк