💬 Перебрать все варианты не успеет даже Вселенная: как ИИ справляется там, где классические методы отступают В рамках Дня специалиста на механико-математическом факультете МГУ профессор Центра ИИ Сколтеха Сергей Сафонов выступил с лекцией «Мировые тренды развития автономных интеллектуальных динамических систем в современной индустрии». 📏 Современные промышленные системы сталкиваются с фундаментальным вызовом - они многомасштабны, многофизичны и работают в условиях, когда точная модель среды неизвестна. Как управлять тем, что невозможно описать аналитически? Ответ, по мнению Сергея Сафонова, — в повышении уровня автономности - способности системы самостоятельно измерять, анализировать, прогнозировать и принимать оптимальные решения для достижения бизнес-цели в условиях неопределённости. Профессор представил архитектуру, объединяющую два уровня: ◾️Реактивный слой — мгновенная обратная связь от датчиков и управление исполнительными механизмами. ◾️Делативный (рефлексивный) слой — интеллектуальное планирование действий на основе целей и знаний о системе. Технологический стек такой архитектуры включает быструю обработку сенсорных данных, идентификацию состояний системы и интеллектуальное планирование. 📖 Сергей продемонстрировал проблему на примере классической задачи с кубиками и роборукой. Количество возможных состояний системы растёт с каждым новым кубиком быстрее, чем кажется: для 10 кубиков — 58 миллионов комбинаций, для 15 — уже 65 триллионов. А если говорить о планировании последовательности действий, пространство поиска становится астрономическим: 20²⁰ возможных вариантов — это число, которое на порядки превосходит возраст Вселенной в секундах. Поэтому перебор всех вариантов невозможен, и на первый план выходит эвристический поиск — способ искать не все, а только наиболее перспективные пути к цели. ⚙️ Особое внимание профессор уделил двум направлениям, которые развиваются в Сколтехе: ◾️Динамическое ИИ-планирование Это поиск последовательности действий, которая переведёт систему из текущего состояния в заданную цель. Для формализации используются языки описания предметной области, а эффективность поиска достигается за счёт эвристик. ◾️Гибридное моделирование и data-driven управление «Ни «чёрные ящики» машинного обучения, ни идеальные «белые ящики» физических моделей по отдельности не решают задачу управления сложными системами. Нужен синтез — серые ящики, где физические законы комбинируются с данными», - подчеркнул ученый. ❗️ Мгновенно создать автономную индустриальную систему невозможно - процесс требует трансформации архитектуры в сторону мультиагентных систем и вертикально-интегрированных ИИ-технологий. Освоение этих направлений, как отметил профессор, открывает широкие перспективы для специалистов, способных создавать сложные интегрированные решения, которые самостоятельно принимают решения и адаптируются к изменениям в реальном времени. ✔️Канал Центра ИИ ВКонтакте