Евгений Бурнаев, профессор РАН, вице-президент по развитию искусственного интеллекта, директор Центра ИИ Сколтеха, — ключевой спикер международного симпозиума «Нейронные сети и нелинейность в Нижнем Новгороде» (Neural Networks and Nonlinearity in Nizhny Novgorod), который проходит в НИУ ВШЭ — Нижний Новгород. Симпозиум объединяет три конференции на стыке машинного обучения, нелинейной динамики, моделирования сложных систем и исследований языка и мозга.
🌆 Выступление Евгения посвящено вопросу, который становится всё важнее по мере развития генеративного ИИ: как перейти от моделей, способных создавать правдоподобный контент, к системам, которым можно доверить сложную инженерную задачу? Для инженерии недостаточно просто получить убедительный ответ. Нужно учитывать физические зависимости, технические требования и ограничения, работать одновременно с текстом, расчётами, чертежами, 3D-моделями и другими данными — и уметь проверить полученный результат.
📊 Поэтому инженерный ИИ строится уже не вокруг одной большой модели. В единую систему объединяются специализированные ИИ-агенты, математические и физические модели, графовая память, причинно-следственный анализ и инструменты объяснимого ИИ. Оркестратор распределяет задачи между ними и связывает отдельные действия в общий процесс.
🔘 Следующий этап — переход от отдельных моделей к целостным инженерным системам, подчеркнул Евгений Бурнаев:
«Сегодня задача состоит уже не в том, чтобы доказать, что искусственный интеллект способен решать отдельные инженерные задачи. Следующий шаг — научиться объединять модели и ИИ-агентов в надежные системы, которые понимают контекст, используют накопленный опыт, объясняют свои решения и работают вместе с человеком. Именно такой инженерный подход позволит масштабировать ИИ от пилотных проектов до реального производства».
🌫 Такой подход позволяет переходить от отдельных AI-функций к работе с полным инженерным циклом: извлекать требования из технической документации, проверять чертежи и цифровые модели, искать оптимальные инженерные решения, работать с CAD, восстанавливать 3D-модели и решать задачи обратного инжиниринга. Речь уже не о том, насколько хорошо отдельная модель отвечает на запрос, а о том, насколько надежно ИИ способен работать внутри сложного инженерного процесса — с реальными данными, ограничениями и ответственностью за результат.