Подробное резюме презентации по инженерному искусственному интеллекту (ИИ) из Сколтеха
Обзор и контекст:
Документ отражает современные достижения и перспективы инженерного ИИ — области, которая сочетает фундаментальные исследования с практическими промышленными применениями.

Тенденции и рынок ИИ:
- Искусственный интеллект становится технологическим ядром предприятий и финансовых организаций, с массовым внедрением в компании из списка Fortune 500.
- Генеративный ИИ (создающий новые данные на основе обученных моделей) и мультиагентные системы (взаимодействующие ИИ-агенты) формируют новую производственную культуру.
- К 2030 году глобальный объем рынка ИИ достигнет 827 млрд долларов, при этом основные игроки — США, Китай, Европа и Россия.
- В США существуют масштабные государственные программы с инвестициями до 500 млрд долларов и ограничениями на экспорт GPU (графических процессоров).

Ключевые технологические тренды:
- Прорыв в генерации видео искусственным интеллектом меняет медиа, рекламу и развлечения.
- Any-to-any мультимодальность — способность ИИ работать с несколькими типами данных (текст, изображения, звук, видео, будущие исследования охватывают запахи и тактильные ощущения).
- ИИ-агенты — автономные программы, адаптирующиеся к потребностям пользователя, построенные на архитектуре микросервисов.
- Embodied AI (воплощённый ИИ) — развитие человекоподобных роботов и автономных систем с использованием генеративных моделей и синтетических данных для обучения манипуляциям и навигации.
- Модели ИИ учатся рассуждать и рефлексировать, решать сложные логические и математические задачи, приближаясь к искусственному общему интеллекту (AGI).

Робототехника и Embodied AI:
- Разработка гуманоидных роботов для промышленного применения (Tesla Optimus Gen 2, Unitree H1, Walker S1).
- Создание крупных синтетических и открытых наборов данных для обучения роботов новым навыкам (например, наливание жидкостей и прокладывание проводов).
- Использование VR-сред и симуляций компаниями Amazon, NVIDIA и Meta для подготовки роботов к реальным условиям.

Мультимодальные большие языковые модели (LLM):
- Разрабатываются модели (NEXT-GPT, OmniFlo, CoDi-2), способные одновременно принимать и генерировать различные типы данных, открывая новые интерактивные возможности.

Архитектуры и память ИИ-агентов:
- Инновационные архитектуры, такие как AriGraph, разделяют память на эпизодическую (события, опыт) и семантическую (общие знания).
- Графы знаний (онтологии) обеспечивают структуру и актуализацию данных для решения сложных инженерных задач.

Примеры инженерных приложений:
- Самообучающаяся модель пласта для нефтедобычи, ускоряющая создание геологических моделей и снижающая трудозатраты на 70%.
- Автоматизированная система управления требованиями в строительстве — переводит документы в машинно-читаемый вид, анализирует семантику, проверяет и помогает инженерам.
- Системы мониторинга рисков — прогноз пожаров, ледовой обстановки в Арктике (применение у Газпром), цифровое моделирование производств.
- Человекоцентричные цифровые двойники — мультиагентные системы для прогнозирования социально-экономического поведения и управления развитием регионов.

Интеллектуальный переход: ANI — EAI — AGI:
- ANI (Artificial Narrow Intelligence) — узкоспециализированный ИИ.
- EAI (Engineering Artificial Intelligence) — интеграция моделей и агентов, способных учиться, планировать и принимать решения.
- AGI (Artificial General Intelligence) — универсальный разумный агент будущего.
- Инженерный ИИ уже включает в себя рассуждение, саморефлексию и комплексное управление.

Безопасность, оптимизация и перспективы:
- Разрабатываются технологии безопасности: аудит, контроль доступа, защита данных.
- Оптимизация вычислений снижает расходы на запуск и применение моделей (инференс).
- Создаются платформы для полного жизненного цикла ИИ, от разработки до эксплуатации.