Руководитель направления Сколковского института науки и технологий Дмитрий Шадрин: разработки России в области ИИ могут быть полезны для стран БРИКС

Дмитрий Шадрин окончил Московский физико-технический институт (МФТИ). Он получил ученую степень Сколковского института науки и технологий («Сколтех»). На базе вуза с 2023 года Шадрин возглавляет группу, которая занимается обработкой данных дистанционного зондирования Земли и преподает в Иркутском национальном исследовательском техническом университете. В 2024 году стал лауреатом в номинации «Технологии искусственного интеллекта» на конкурсе «Молодые инноваторы стран БРИКС».

– Ваша деятельность тесно связана с технологиями искусственного интеллекта (ИИ). Как бы Вы оценили их развитие в России и странах БРИКС?

– Я оцениваю их как очень высокое. В последнее время появляется много публикаций по фундаментальным и прикладным исследованиям в области ИИ как в России, так и в странах БРИКС, включая Китай. Эти государства ориентированы не только на развитие фундаментальных технологий, например разработку новых алгоритмов и архитектур, но и на прикладное использование ИИ, что очень важно, чтобы показать полезность этой технологии.

– В каких областях технологии ИИ и машинного обучения применяются чаще всего? В каких сферах это могло бы открыть новые перспективы?

– Понятные области применения машинного обучения и искусственного интеллекта – обработка изображений, вычление различных характеристик на основе изображений, их классификация. Это мы видим повседневно, начиная с камер, которые стоят на улице, заканчивая обработкой данных спутникового зондирования, что позволяет, например, на территории России автоматизированно получать карты характеристик поверхности Земли. Это сильно упрощает работу человека.

Также алгоритмы ИИ применяются для решения различных предсказательных задач. Например, можно прогнозировать поломки какого-то оборудования в зависимости от текущих режимных параметров его работы, что тоже может оптимизировать процесс производства и экономить ресурсы.

Кроме этого, широкое применение находят фундаментальные модели на основе LLM (большой языковой модели. – Ред.), которые позволяют неподготовленному пользователю решать какие-то задачи по определенным запросам. Это просто упрощает повседневную жизнь.

Если говорить об областях, где еще это могло бы найти применение, думаю, что в целом уже охвачены почти все направления. Сейчас речь идет о гибридизации различных подходов для решения какой-то общей задачи, чтобы человеку нужно было минимально формализовать ее постановку.

– Вы разработали уникальную технологию прогнозирования лесных пожаров. Расскажите, пожалуйста, о ней.

– Данная технология позволяет прогнозировать вероятность возникновения и распространения пожаров на определенной территории. Данное решение уже интегрировано в работу МЧС России.

На входе используются такие данные, как погодные и метеорологические условия, а также спутниковые данные, которые характеризуют поверхность Земли: какой лес у нас растет, сухой или не сухой. Кроме этого, некоторые параметры характеризуют население: где плотность населения больше, там выше вероятность возникновения пожара. Другие данные – топографические и статические – тоже влияют на вероятность возникновения и распространения пожаров.

В основе данной технологии лежат алгоритмы ИИ, такие как сверточная и рекуррентная нейронные сети. Это решение уже показало свою эффективность, и часть пожаров на территории России удалось спрогнозировать. Сейчас идет улучшение технологии, в том числе добавление новых признаков, которые могут повлиять на точность прогноза.

– Лесные и ландшафтные пожары нередко возникают из-за нарушения людьми правил безопасности. Как человеческий фактор учитывается в разработке?

– Учесть человеческий фактор сложнее всего, потому что нет формализованных баз данных, которые могут автоматически подгружать какие-то параметры действия людей. Мы сейчас это учитываем косвенно через плотность населения, через удаленность объектов инфраструктуры от дорог. В будущем можно формализовать некоторые базы данных таким образом, чтобы это было полезно и информативно для алгоритмов ИИ.

– Есть ли возможность распространения этой технологии в странах-партнерах БРИКС?

– Конечно, мы уже общались с коллегами. В Бразилии очень много лесов, в Китае большие территории. То есть, в первую очередь, эта инициатива направлена на страны БРИКС, для которых проблема экологического мониторинга и мониторинга пожаров является одной из важных для развития экономики.

Наша разработка достаточно просто переносится на эти страны – весь алгоритм, вся архитектура, весь подход, могут быть перенесены без изменений. Необходимо, возможно, настроить ее именно под интересы региона, но это вопрос нескольких месяцев.

– Вы удостоены награды за третье место в конкурсе «Молодые инноваторы стран БРИКС» и оказались единственным россиянином на пьедестале почета. Как бы Вы оценили конкуренцию на конкурсе?

– Конкуренция была достаточно высокая. Очень интересно было участвовать в конкурсе: для меня произошли очень неожиданные открытия в плане того, какие проблемы существуют в странах БРИКС и как применяют ИИ для решения определенных задач. Там были представлены разработки высочайшего уровня. К примеру, был ученый из Бразилии, который занимается технологиями обработки сахарного тростника и применяет при этом различное моделирование. Для их экономики это очень важно.

– Вы преподаете в Иркутском национальном исследовательском техническом университете дисциплины, которые связаны с искусственным интеллектом и машинным зрением. Насколько заинтересованы студенты?

– Студенты действительно очень заинтересованы в изучении данной технологии ввиду того, что они обладают хорошими навыками решения прикладных задач и знают много о специфике работы определенного производства, добывающей и перерабатывающей промышленности. Они могут интегрировать ИИ в традиционные технологии, такие как переработка или флотация золота, что помогает оптимизировать этот процесс и показать некоторый новый уровень эффективности.

Студенты видят, что технологии ИИ могут быть применены везде в их практической деятельности. К примеру, в процессе флотации можно оценивать густоту пены в режиме реального времени и автоматически настраивать параметры. Все это происходит в автоматизированной системе, где участие человека не требуется, а искусственный интеллект делает это более эффективно.

– Какая в нашей стране существует научно-методическая база для преподавания этих дисциплин? Какой опыт стран БРИКС и БРИКС+ интересен России? Какими наработками мы могли бы поделиться с другими государствами?

– В нашей стране очень большая научная база. Можно вспомнить центры ИИ, в рамках которых были подготовлены профессионалы в этой области. Все сотрудники этого центра, которые занимаются прикладными разработками, могут стать преподавателями и рассказывать о своих исследованиях, расширяя охват.

Кроме того, есть достаточно хорошие вычислительные возможности. Например, в «Сколтехе» есть вычислительный кластер видеокарт, на которых можно запускать достаточно большие модели. В этом плане студентов тоже можно обучать тому, как пользоваться таким железом, обучать разработке новых архитектур, которые могут быть адаптированы к этому железу. Всем этим мы готовы делиться со странами БРИКС.

Я думаю, что нам было бы интересно посмотреть на прикладные разработки стран БРИКС в области ИИ для решения конкретных индустриальных проблем и перенять их для решения определенных задач нашей страны.

– Насколько важна в обучении исследовательская составляющая? Что это дает школьнику и студенту?

– Хорошо было бы, если бы в школе было больше исследовательских задач и проектов, потому что школьники зачастую до 11 класса изучают какие-то формулы, но не видят, как это можно применить. В старших классах можно уже смешивать физику и математику. Нужно показывать, что это не две различные науки.

Конечно же, есть дипломная работа, в которой уже можно почувствовать себя исследователем. Я, например, со второго курса – в Институте космических исследований. Это РАНовская структура, в которой сидят серьезные ученые. Соответственно, с ними можно было взаимодействовать, вдохновляться их разработками и начинать продвигать себя в мире исследований.

Конечно же, исследовательская составляющая важна. Она доказывает, что все, что мы изучаем, не просто так, что на основе этого можно делать собственные выводы.

Полную версию интервью смотрите здесь.

Фото: TV BRICS