Форма обратной связи
«Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности»
Лаборатория когнитивных архитектур
Заведующий лабораторией
Шумский Сергей Александрович, к. ф.-м. н.
Известный в России специалист в области машинного обучения и искусственного интеллекта, предприниматель, президент Российской ассоциации нейроинформатики, директор Научно-координационного совета Центра компетенций НТИ «Искусственный интеллект» МФТИ.
Окончил в 1981 г. с отличием НИЯУ Московский инженерно-физический институт по специальности «Теоретическая ядерная физика», защитил диссертацию (1988 г.). В 90-х годах являлся руководителем проектов Международного научно-технического центра по разработке ёмкой нейросетевой ассоциативной памяти и созданию системы распознавания русскоязычной речи. С 1998 г. – соучредитель и руководитель ряда венчурных компаний в области высоких технологий. В 2009-2016 гг. – соучредитель и Председатель Совета директоров ЗАО «Айкумен – информационные бизнес системы» – российского научно-технического центра по разработке технологий интеллектуального анализа данных, входящего в список топ-100 крупнейших российских ИТ-компаний (с декабря 2015 г. – входит в состав ПАО «Ростелеком»). С 2016 г. – соучредитель «Отраслевого союза Нейронет», руководитель направления «Нейроассистенты» дорожной карты «Нейронет» Национальной Технологической Инициативы.
Является соавтором учебника «Нейрокомпьютинг и его применения в экономике и бизнесе». Имеет благодарность Президента РАН за цикл работ в области машинного обучения.
Автор более 70 научных публикаций, соавтор более 50 научных публикаций, индекс Хирша: 1, Scopus.
Научные интересы: теория сложных систем, машинное обучение языку, глубокое обучение с подкреплением, машинный интеллект.
Является соавтором учебника «Нейрокомпьютинг и его применения в экономике и бизнесе». Имеет благодарность Президента РАН за цикл работ в области машинного обучения.
Автор более 70 научных публикаций, соавтор более 50 научных публикаций, индекс Хирша: 1, Scopus.
Научные интересы: теория сложных систем, машинное обучение языку, глубокое обучение с подкреплением, машинный интеллект.
Специализация лаборатории:
Целью деятельности Лаборатории когнитивных архитектур является создание новых архитектур сильного ИИ, способного самостоятельно обучаться решению новых классов задач. Это позволит перейти от систем распознавания образов к системам принятия решений, разработке «искусственной психики», использующей принципы работы мозга.
Ключевые разработки и программные решения:
Разработка новых архитектур сильного машинного интеллекта на основе реверс-инжиниринга принципов работы мозга.
Лаборатория когнитивных архитектур разрабатывает архитектуру сильного интеллекта, в частности, создает прототип интеллектуального агента, способного самостоятельно обучаться достижению самых разных целей (решения самых разных задач), взаимодействуя с самыми разными средами. Математической формулировкой этой задачи является обучение с подкреплением, когда от среды поступает минимальная обратная связь – сигнал о том, что та или иная цель достигнута (та или иная задача решена). Все остальное агент должен «додумать» сам методом проб и ошибок.
Лаборатория когнитивных архитектур разрабатывает архитектуру сильного интеллекта, в частности, создает прототип интеллектуального агента, способного самостоятельно обучаться достижению самых разных целей (решения самых разных задач), взаимодействуя с самыми разными средами. Математической формулировкой этой задачи является обучение с подкреплением, когда от среды поступает минимальная обратная связь – сигнал о том, что та или иная цель достигнута (та или иная задача решена). Все остальное агент должен «додумать» сам методом проб и ошибок.
Пошаговый просчет оптимальной траектории программой DeepMind AlphaZero (слева) и иерархическое планирование поведения от общего замысла ко все более детальным планам в архитектуре ADAM (справа).
В рамках проекта на базе архитектуры иерархического планирования поведения Deep Control был разработан инновационный вычислительный прототип искусственной психики роботов «ADAM». ADAM построен на обучении не отдельным действиям, а их наиболее полезным комбинациям. В ADAM система планирования поведения строится на иерархическом планирования одновременно на многих временных масштабах: от крупномасштабного замысла достижения цели – ко все более подробным планам его достижения. При этом разнообразие вариантов выбора на каждом уровне относительно невелико и детализируются лишь те этапы, которые реализуются в данный момент. Что сравнимо с реальным планированием поведения людей.
Индустриальные партнёры:
