CS Space

Как тысячи роботов-сортировщиков работают на автоматизированных складах? ⬇️

– Страница мероприятия
– 11 апреля, 18:00 – 20:00
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения ПОМИ РАН.

⭐️ О лекторе

Константин Сергеевич Яковлев, к.ф.-м.н., ведущий научный сотрудник ФИЦ ИУ РАН и AIRI, доцент ВШЭ, МФТИ, СПбГУ

📢 Анонс

Представьте себе современный склад крупного онлайн-ретейлера, на котором хранятся миллионы единиц товара, которые нужно постоянно перемещать от мест хранения к местам комплектования посылок для того, чтобы пользователи получали свои заказы вовремя. Совершенно очевидно, что в XXI веке такую работу нужно поручить роботам, которые в режиме 24/7 будут на себе перевозить товары внутри склада. Но как нам планировать маршруты для этих роботов так, чтобы, с одной стороны, они были безопасными (т.е. роботы, следуя по ним, не сталкивались друг с другом), с другой наименее затратными по времени достижения целей (ведь чем быстрее будут перемещаться товары и комплектоваться посылки, тем лучше)?

Именно на этот весьма актуальный вопрос мы попытаемся ответить в этой лекции. Будут рассмотрены как централизованные методы планирования, опирающиеся на классические техники поиска путей на графах (такие как алгоритм эвристического поиска A*, например), так и децентрализованные подходы, которые активно используют последние достижения в области искусственного интеллекта (обучения с подкреплением, трансформеные нейросетевые модели и пр.).

Первый математический турнир CS Space

CS Space объявляет о старте математического соревнования с призовым фондом 100 000 ₽!
Любите математику и командную работу? Мы запускаем турнир для тех, кто любит олимпиады, вызовы и азарт победы. Участников ждут задачи по теоретической информатике, комбинаторике, теории вероятностей, алгебре и математическому анализу.

В основном зачёте могут участвовать студенты бакалавриата, специалитета и магистратуры. Все остальные — школьники, выпускники и просто энтузиасты — могут участвовать вне конкурса.
Соревнование командное, до 3 человек в команде. Будет два этапа:

Отборочный тур — онлайн, 13 апреля. Стартовать можно в любое время, на решение задач будет отведено 2 часа.

Финал — очно в Петербурге, 27 апреля с 12:00 до 18:00. На него мы пригласим лучшие команды первого этапа. Финал будет состоять из 3-часового решения задач, разбора и награждения.

🏆 Призы
Для участников основного зачёта:
– 1 место: 50 000 ₽
– 2 место: 30 000 ₽
– 3 место: 20 000 ₽
Для участников вне конкурса — специальные призы. А всем финалистам — фирменный мерч CS Space!

❤️ Организаторы

Иван Бочков
– Серебряный призер IMO
– Бронзовый призер финала ACM ICPC
– Член жюри олимпиады «Петрополитана» и олимпиады СПбГУ по программированию
– Аспирант МКН СПбГУ

Тимофей Москаленко
– Золотой медалист IMC
– Победитель олимпиады Petropolitan science по математике
– Призёр ВсОШ по математике

⚡️ Регистрация уже открыта
Собирайте команду, записывайтесь и готовьтесь к турниру!

Теория игр и устройство рынков ⬇️

– Страница мероприятия
– 9 апреля, 19:00 – 21:00
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения ПОМИ РАН.

⭐️ О лекторе

Александр Нестеров
– Phd in Economics
– Заведующий Международной лабораторией теории игр и принятия решений
– Доцент департамента экономики ВШЭ Санкт-Петербург

📢 Анонс

Мы поговорим об основах теории игр для решения экономических задач: как предсказывать поведение агентов (людей, фирм) и как устраивать оптимальные правила их взаимодействий? Когда свободный рынок работает хорошо и когда совсем плохо? Когда свободный рынок будет саморазрушаться? Как это можно предотвратить? Как на рынке оказываются вредные посредники и как сделать это для них невыгодным? Как менялся рынок приёма в вузы в России, и какие перемены ждать в будущем?

Удивительная алгебра сравнения строк⬇️

– Страница мероприятия
– 1 апреля, 19:00 – 21:00
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения ПОМИ РАН.

⭐️ О лекторах

Александр Тискин
– DPhil (Oxford)
– доцент факультета МКН СПбГУ
– Научные интересы: алгоритмы на строках, параллельные алгоритмы, комбинаторная оптимизация

Борис Золотов
– Аспирант МКН СПбГУ, преподаватель
– Научные интересы: алгоритмы на строках, структуры данных, вычислительная геометрия

📢 Анонс

Доклад будет посвящен классической задаче вычисления наибольшей общей подпоследовательности (Longest Common Subsequence, LCS) для пары строк, также известной в мире биоинформатики как задача выравнивания последовательностей (Sequence Alignment). Решение из учебника основано на методе динамического программирования и кажется единственно возможным. Мы увидим, что это не так: предварительно обобщив задачу, ее можно эффективно решить при помощи рекурсии, где «склеивание» подзадач производится при помощи на первый взгляд совершенно посторонней структуры — моноида Гекке или «липких кос», определяемого через тропическое матричное умножение и очень похожего на классическую группу кос. Такое решение представляет не только теоретический интерес, но и позволяет получить эффективные алгоритмы для сравнения сжатых строк без их декомпрессии, параллельного сравнения строк, а также решения некоторых практических задач биоинформатики. В последние годы появляется все больше приложений этого метода: приближенный поиск по образцу в режиме малого редакционного расстояния; сравнение динамических строк; сравнение периодических строк; локальное сравнение строк при помощи оракула. Мы опишем основные идеи некоторых из них.

Рассказываем, как прошёл запуск CS Space вместе со стартом весеннего семестра:

💡 В прошедшие два воскресенья Сергей Николенко прочитал открытые лекции:
– State of AI: Откуда мы пришли, кто мы и куда мы идём?
– От AI к AGI: Готовы ли мы прийти туда, куда мы идём?
Сергей рассказывал о мировых трендах в развитии ИИ, технологических границах и вызовах, которые ставит перед человечеством возможное приближение AGI.

💡 Старт курса Fine-Grained Complexity от Данила Сагунова.
В субботу прошли первые две лекции нового курса, посвящённого тонким оценкам сложности вычислительных задач.
На них участники знакомятся с тонкими сведениями алгоритмических задач и исследуют взаимосвязи основных сложностных гипотез. Курс основан на современных научных результатах и будет полезен прослушавшим основы алгоритмов.

Впереди новые лекции, семинары и обсуждения — приходите! 😁

Отдельно расскажем про наши видео-хостинги.

Сегодня на наших ресурсах появились записи первой лекции:

📱 YouTube

📱 VK

Детали:
– В дальнейшем все видео будут появляться через несколько дней после мероприятия, мы не планируем публиковать их отдельными постами.
– Мы воспринимаем YouTube как основную видео-площадку и VK Видео как дополнительную для случаев, когда YouTube неудобен. Мы будем поддерживать оба ресурса.
– На страницах мероприятий будут появляться ссылки на обе видеозаписи.

От AI к AGI: Готовы ли мы прийти туда, куда мы идём? ⬇️

– Страница мероприятия
– 23 марта, 14:00 – 17:30
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения ПОМИ РАН.

⭐️ О лекторе

Сергей Николенко — учёный, преподаватель и практик в области машинного обучения и информатики в целом. Доктор физико-математических наук, сотрудник ПОМИ РАН, преподаватель в СПбГУ, Harbour Space University, ИТМО и НИУ ВШЭ, Head of AI в компании Synthesis AI, автор более 200 научных публикаций и нескольких книг, в том числе бестселлера «Глубокое обучение» (Питер, 2018), монографии «Synthetic Data for Deep Learning» (Springer, 2021) и прямо сейчас появляющейся в продаже книги «Машинное обучение: Основы» (Питер, 2025). Сергей ведёт исследования в разных областях, от улучшения больших языковых моделей до анализа алгоритмов и теоретической информатики, применяет машинное обучение в реальных проектах, пишет посты и книги, ведет телеграм-канал «Sinекура» (@sinecor), а также стал двукратным чемпионом мира по «Что? Где? Когда?».

📢 Анонс

Многие исследователи считают, что создание настоящего сильного искусственного интеллекта (artificial general intelligence, AGI) уже не за горами. Во второй части нашего разговора мы именно это и обсудим: когда появится AGI, как мы об этом узнаем и, главное, готовы ли мы к этому? Нужно ли нам бояться AGI и если нужно, то чего именно и над чем нам в этом контексте работать? Почему такие люди, как Джеффри Хинтон, Йошуа Бенджи и Билл Гейтс, говорят, что создание AGI может быть экзистенциальным риском для человечества?

В этой части я надеюсь не только поговорить о рисках, но и дать достаточно полный обзор основных направлений исследований, которые люди сейчас ведут в области AI safety. Это очень молодая область, и очень сложная — в основном мы не знаем даже, как хорошо поставить ту или иную задачу. Но заниматься ей надо, и мы поговорим о том, как люди пытаются это делать. Как и в первой части, доклад не будет требовать глубокого знания технических аспектов машинного обучения, но некоторые идеи я всё-таки надеюсь рассказать.

Анонсируем наш первый курс!

💡 Fine-grained complexity

– Страница курса
– Первая лекция 22 марта, 12:00. Расписание лекций можно найти на сайте
– Мраморный зал, ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения ПОМИ РАН. Достаточно сделать это один раз для посещения любой лекции курса.

⭐️ О лекторе

Данил Сагунов
– Научный сотрудник ИТМО, МКН СПбГУ; выпускник магистратуры Академического Университета РАН по направлению Теоретическая информатика
– Научные интересы: parameterized complexity, algorithmic graph theory, exact algorithms, algorithms for NP-hard problems, kernelization, computational complexity, graph algorithms and parameters
– Финалист ICPC 2016
– Координатор Сodeforces и HackerRank 2016
– Личная страница: danilka.pro

📢 Анонс

Мы уже привыкли к тому, что выражение «задача NP-трудна» стало синонимом «задача не решается за полиномиальное время», хотя неравенство классов P и NP до сих пор не доказано. А что, если задача всё-таки решается за полиномиальное время, но сам порядок полинома нас не очень устраивает? Например,

– Можем ли мы быстрее n^2 найти среди набора из n бинарных строк две строки, у которых не совпадает ни один единичный бит?

– Можно ли найти в заданном наборе три числа с заданной суммой существенно быстрее n^2?

– Вычислим ли радиус заданного графа быстрее n^3?

В курсе мы постараемся установить связи между этими и другими классическими алгоритмическими задачами, многие из которых широко применяются и не являются NP-трудными. Например, докажем, что алгоритм со временем работы n^1.9 для первой задачи позволит решать задачу выполнимости быстрее 1.9999^n; а третий вопрос неразрывно связан с кубическим алгоритмом для задачи APSP вычисления матрицы кратчайших расстояний.

В отличие от полиномиальных сведéний, которые используются для доказательства NP-трудности, в fine-grained сведениях мы будем более детально следить за временем работы и размером задачи (отсюда и название). Например, мы покажем, что задача из первого вопроса сводится (за время быстрее, чем n^1.9) к поиску наибольшей общей подпоследовательности (Longest Common Subsequence, LCS) заданных двух строк длины O(n). Как следствие, алгоритм со временем работы n^1.9 для LCS повлечёт 1.9999^n-алгоритм для задачи выполнимости.

Мы познакомимся с известными результаты области, как с классическими, так и с более современными, рассмотрим открытые вопросы, поговорим о лучших известных алгоритмах для некоторых из задач и о препятствиях для сведения их друг к другу.

Пререквизиты: для восприятия курса потребуется знакомство с базовым курсом алгоритмов.

Расписание первой встречи.

Отдельно рассказываем про график мероприятия 16-го марта:

14:00 – 14:25 вступление от организаторов и несколько слов про CS Space: знакомство и наши планы
14:25 – 14:30 перерыв перед лекцией
14:30 – 15:50 лекция, первая половина
15:50 – 16:00 перерыв
16:00 – 17:30 лекция, вторая половина

До встречи!

С гордостью представляем наше первое мероприятие: открытую лекцию Сергея Николенко!

💡 State of AI: Откуда мы пришли, кто мы и куда мы идём?

– Страница мероприятия
– 16 марта, 14:00 – 17:30
– ПОМИ РАН, наб. реки Фонтанки, 27, Санкт-Петербург
– Пожалуйста, не забудьте зарегистрироваться — это необходимое условие посещения ПОМИ РАН.

⭐️ О лекторе

Сергей Николенко — учёный, преподаватель и практик в области машинного обучения и информатики в целом. Доктор физико-математических наук, сотрудник ПОМИ РАН, преподаватель в СПбГУ, Harbour Space University, ИТМО и НИУ ВШЭ, Head of AI в компании Synthesis AI, автор более 200 научных публикаций и нескольких книг, в том числе бестселлера «Глубокое обучение» (Питер, 2018), монографии «Synthetic Data for Deep Learning» (Springer, 2021) и прямо сейчас появляющейся в продаже книги «Машинное обучение: Основы» (Питер, 2025). Сергей ведёт исследования в разных областях, от улучшения больших языковых моделей до анализа алгоритмов и теоретической информатики, применяет машинное обучение в реальных проектах, пишет посты и книги, ведет телеграм-канал «Sinекура» (@sinecor), а также стал двукратным чемпионом мира по «Что? Где? Когда?».

📢 Анонс

Уже два года мы живём в эпоху больших языковых моделей (large language models, LLM). За пределы академического сообщества эти новости вышли после появления ChatGPT от OpenAI, а затем появилось много разных моделей, либо созданных на основе ChatGPT, либо продолжающих и развивающих её идеи. Например, главные новости последних месяцев — это большие рассуждающие модели (large reasoning models, LRM), сначала появившиеся у OpenAI в виде семейства o1, а затем внедрённые практически во все ведущие LLM, в том числе [полу]открытые. Начиная с весны 2023 года, буквально каждую неделю появляются новости, которые раньше считались бы революционными, и скорость прогресса никак не хочет уменьшаться.

В первой части я постараюсь рассказать о том, как искусственный интеллект дошёл до такой жизни. Мы поговорим о том, что такое нейросети в целом, как произошла сначала революция глубокого обучения, потом внутри неё революция трансформеров, а потом, внутри неё, — революция больших языковых моделей. Обсудим самые последние новости и сформулируем несколько направлений, которые прямо сейчас являются предметом активных исследований. DeepSeek-R1 тоже обсудим, разумеется. Кое-какие технические детали, возможно, рассказать будет уместно, но я постараюсь сделать рассказ максимально доступным для непрофессионалов.