14 марта 2025 года в лицее состоялась презентация лаборатории искусственного интеллекта.
Цель лаборатории - познакомить старшеклассников с различными методами компьютерного зрения, анализа данных и текстов на естественном языке, задачами моделирования природных процессов и других задач искусственного интеллекта, решаемых с помощью машинного обучения. Сформировать у них представление о том, что машинное обучение - это не “магия”, а инструмент прикладной математики со своими достоинствами и недостатками. Дать возможность “своими руками” попробовать решить разнообразные задачи различными методами машинного обучения - от простых линейных моделей до современных нейронных сетей. Объяснить в теории и на практике различия этих методов и границы их применимости.
Наши преподаватели и направления:
Ольга и Андрей: мы познакомим Вас с областью математического моделирования природных и биологических процессов. Изучая данные
Этим не ограничиваются области применения задач моделирования процессов в природе. Но всех их объединяют измерения/данные и физические и биологические законы природы, которые учитывает алгоритм машинного обучения. А когда мы научимся моделировать такие сложные процессы на компьютере, то следующим шагом мы будем пробовать ими управлять, да так, чтобы получить желаемый результат. Например, мы захотим, чтобы люди в Новосибирске к концу апреля вылечились от гриппа. Задача искусственного интеллекта сообщить, что нужно для этого сделать, чтобы получить желаемое в нужное время.
Цель лаборатории - познакомить старшеклассников с различными методами компьютерного зрения, анализа данных и текстов на естественном языке, задачами моделирования природных процессов и других задач искусственного интеллекта, решаемых с помощью машинного обучения. Сформировать у них представление о том, что машинное обучение - это не “магия”, а инструмент прикладной математики со своими достоинствами и недостатками. Дать возможность “своими руками” попробовать решить разнообразные задачи различными методами машинного обучения - от простых линейных моделей до современных нейронных сетей. Объяснить в теории и на практике различия этих методов и границы их применимости.
Наши преподаватели и направления:
Ольга и Андрей: мы познакомим Вас с областью математического моделирования природных и биологических процессов. Изучая данные
- медицинских анализов, свойства лекарств, мы с Вами сможем смоделировать процессы в клетке организма и в живой природе,
- природных катастроф из прошлого мы сможем предсказать, а ожидается ли и какое землетрясение, волна цунами в будущем,
- ценных бумаг на биржевых рынках мы сможем описать будущие изменения, поймем, стоит ли рисковать или нет и когда настанет самый удачный момент для вложения денег.
Этим не ограничиваются области применения задач моделирования процессов в природе. Но всех их объединяют измерения/данные и физические и биологические законы природы, которые учитывает алгоритм машинного обучения. А когда мы научимся моделировать такие сложные процессы на компьютере, то следующим шагом мы будем пробовать ими управлять, да так, чтобы получить желаемый результат. Например, мы захотим, чтобы люди в Новосибирске к концу апреля вылечились от гриппа. Задача искусственного интеллекта сообщить, что нужно для этого сделать, чтобы получить желаемое в нужное время.

Сергей и Яна: мы занимаемся обучением с подкреплением (RL) - областью, где ИИ учится на основе собственного опыта, получая награды за удачные решения и штрафы за ошибки. Это похоже на то, как ребенок учится ездить на велосипеде: сначала падаешь, потом пробуешь снова, извлекая уроки из каждого падения. В RL ИИ сам исследует среду, экспериментирует с различными стратегиями и постепенно находит оптимальное поведение без примера, как нужно делать правильно.
Суть метода в том, что успех определяется не шаблонным алгоритмом, написанным заранее, а опытом, накопленным в процессе проб и ошибок. Такой подход особенно полезен там, где невозможно заранее описать идеальное поведение, например, в робототехнике, играх.
Примеры проектов в 2D:
Решая эти задачи, мы попробуем как классические, так и современные методы RL. Не нужно ничего сверхъестественного: только стандартный ноутбук и желание погрузиться в RL! Главное — как для агентов, так и для учеников, — после каждой неудачи упорно пробовать снова!
Суть метода в том, что успех определяется не шаблонным алгоритмом, написанным заранее, а опытом, накопленным в процессе проб и ошибок. Такой подход особенно полезен там, где невозможно заранее описать идеальное поведение, например, в робототехнике, играх.
Примеры проектов в 2D:
- Посадка шаттла на Луну: Создайте агента, который учится управлять посадкой космического корабля на поверхность Луны (LunarLander).
- Игра в змейку: Постройте бота, который оптимально управляет полетом и избегает препятствий.
- Поездка по горам: среда, где автомобиль должен преодолеть гору при ограниченной мощности (вроде Hill Climb Racing).
Решая эти задачи, мы попробуем как классические, так и современные методы RL. Не нужно ничего сверхъестественного: только стандартный ноутбук и желание погрузиться в RL! Главное — как для агентов, так и для учеников, — после каждой неудачи упорно пробовать снова!

Антон: Я занимаюсь различными задачами NLP (обработки естественного языка) включая как анализ текста, так и его генерацию, занимаюсь задачами обработки и распознавания устной речи, а также имею опыт работы и с другими существующем типами данных и задач (табличные данные / изображения и тд )
Могу поддержать работу над проектом на любую тему, преимущественно на обработку последовательностей (текст / аудио / табличные исторические данные).
Рассматриваю машинное обучение как дисциплину в целом, а не как отдельные ее области, предлагаю ее изучение в хронологическом порядке ее эволюции.
Роман: Занимаюсь задачами из области обработки естественного языка и обработки программного кода. Также имею опыт в компьютерном зрении, робототехнике и обработке звука. В первую очередь, предложил бы вам участие в соревнованиях по машинному обучению, индивидуальные и командные проекты по анализу и генерации текстов, написанию кода с помощью искусственного интеллекта, созданию интеллектуальных помощников, но готов рассмотреть и другие проекты, связанные с машинным обучением.
Могу поддержать работу над проектом на любую тему, преимущественно на обработку последовательностей (текст / аудио / табличные исторические данные).
Рассматриваю машинное обучение как дисциплину в целом, а не как отдельные ее области, предлагаю ее изучение в хронологическом порядке ее эволюции.
Роман: Занимаюсь задачами из области обработки естественного языка и обработки программного кода. Также имею опыт в компьютерном зрении, робототехнике и обработке звука. В первую очередь, предложил бы вам участие в соревнованиях по машинному обучению, индивидуальные и командные проекты по анализу и генерации текстов, написанию кода с помощью искусственного интеллекта, созданию интеллектуальных помощников, но готов рассмотреть и другие проекты, связанные с машинным обучением.
Первое занятие состоится 2 апреля в 14-00 в 305 кабинете.
Ждем лицеистов 8-10 классов!
Криворотько Ольга Игоревна,
заведующая лицейской лабораторией
искусственного интеллекта