Лауреат премии Сбера раскрыл секреты применения ИИ в промышленности

Лауреат премии Сбера раскрыл секреты применения ИИ в промышленности

В интервью директор Центра искусственного интеллекта Сколковского института науки и технологий, профессор Евгений Бурнаев рассказал о применении искусственного интеллекта для решения сложных инженерных задач. Ученый стал одним из лауреатов Научной премии Сбера, которая состоялась 18 декабря 2024 года в третий раз, сообщает ТАСС.

Евгений Бурнаев занимается разработкой методов на основе искусственного интеллекта для оптимизации дизайна технических изделий и мониторинга состояния систем. Его подход позволяет эффективно настраивать множество параметров, влияющих на конструкцию изделий, используя машинное обучение, нейронные сети и инструменты анализа данных.

В качестве примеров применения таких методов ученый привел оптимизацию дизайна болида “Формулы-1”, где требуется подбор оптимальной массы композитной пластины при сохранении прочности. Также технологии применяются при проектировании крыла пассажирского самолета для улучшения аэродинамики и снижения расхода топлива. Кроме того, методы используются в косметологии для создания состава косметических средств и в промышленности для оптимизации работы сложного оборудования.

Искусственный интеллект помогает выявлять зависимости между параметрами и качеством изделий, строить прогнозы и использовать их для быстрой оптимизации. Технология определяет наиболее важные параметры, учитывает связи между ними, прогнозирует результаты и помогает сосредоточиться на перспективных решениях.

В настоящее время Бурнаев работает над развитием инженерного ИИ – мультиагентной системы, сочетающей символьный и нейронный искусственный интеллект. Такой подход позволяет оптимизировать не отдельные детали, а целые сложные системы.

По словам ученого, искусственный интеллект – это не просто работа с большими данными. Современные достижения в этой области являются результатом сочетания больших данных, передовых алгоритмов, новых архитектур нейронных сетей и интеграции отраслевых знаний. В будущем планируется создание методов, позволяющих обучать модели на меньшем количестве данных с сохранением эффективности.


Подписывайтесь на Science XXI в Дзен и Telegram.

Поделиться с друзьями
Science XXI