В третий день конференции AI Journey («Путешествие в мир искусственного интеллекта», который посвящён науке, на сессии Keynote Talks проректор по научным исследованиям Университета Сингидунум Небойша Бачанин-Джакула рассказал о достижениях в области метаэвристики, а профессор Университета Сан-Паулу Алешандре Феррейра Рамос поделился революционным подходом, рассматривающим живые клетки как естественные вычислительные системы.
Небойша Бачанин-Джакула, проректор по научным исследованиям Университета Сингидунум, в своём выступлении на тему «Новейшие достижения в области биоинспирированной метаэвристики: теоретические выводы и практическое применение» рассказал, что сейчас существует очень много разных способов применения слияния между машинным обучением, глубинным обучением и эвристикой.
По его словам, данные подходы находят применение не только в крупных языковых моделях (LLM), но и в перспективных направлениях, таких как модели Fusion и диффузионные модели, открывая новые горизонты для развития технологий.
Одним из ключевых применений метаэвристики он назвал федеративное машинное обучение — передовой метод, позволяющий тренировать модели на децентрализованных данных, которые хранятся на разных устройствах или серверах, при этом обмен персональными и конфиденциальными данными не нужен. Это особенно актуально в условиях, когда объёмы открытых данных недостаточны, а доступ к чувствительной информации ограничен. Федеративное обучение позволяет машинам обучаться локально, а затем агрегировать только обновленные веса модели в рамках защищенного компонента, что гарантирует сохранность конфиденциальных данных и повышает уровень кибербезопасности, подчеркнул спикер.
Говоря о широкой критике метаэвристик, которые основаны на природных принципах, таких как генетические алгоритмы, эксперт отметил, что их прозрачность и опора на известные уравнения эксплуатации и исследования являются не слабостью, а доказательством надёжности и эффективности. Кроме того, появляются и более сложные подходы, включая квантовую метаэвристику, которая использует принципы кубитов для решения вычислительно сложных задач. Эти разработки согласуются с целями устойчивого развития, позволяя создавать более «зелёные» вычисления с уменьшенным углеродным следом.
Небойша Бачанин-Джакула, проректор по научным исследованиям Университета Сингидунум:
«Важное направление — применение метаэвристики в многоагентных системах, где автономные агенты решают общие задачи. Метаэвристика позволяет оптимизировать координацию и принятие решений в таких системах, что находит практическое применение в робототехнике, умных энергосетях и логистике. Это позволяет снизить общие затраты до 30% благодаря тому, что алгоритмы находят высококачественные приближенные решения, требуя при этом меньше вычислительных ресурсов».
Спикер отметил, что в перспективе до 2030 года ожидается появление самоадаптирующихся алгоритмов, которые используют обратную связь от ИИ без необходимости постоянного вмешательства человека. Это сделает экосистемы искусственного интеллекта более адаптивными, заслуживающими доверия и способными решать глобальные проблемы.
Небойша Бачанин-Джакула, проректор по научным исследованиям Университета Сингидунум:
«Метаэвристика — очень перспективная область исследований, которая меняет весь фундамент генеративного искусственного интеллекта. Её интеграция с такими технологиями, как федеративное обучение и многоагентные системы, закладывает основу для будущего, где ИИ будет не только мощным, но и конфиденциальным, эффективным и экологичным».
Алешандре Феррейра Рамос, профессор Университета Сан-Паулу, выступил с темой «Характеристика регуляторной логики транскрипционного контроля на уровне последовательности ДНК с помощью ансамбля термодинамических моделей». Он рассказал о революционном подходе, рассматривающем живые клетки как естественные вычислительные системы. Спикер рассказал о проведённой работе, которая фокусируется на расшифровке регуляторной логики, управляющей транскрипционным контролем на уровне последовательности ДНК с использованием методов искусственного интеллекта для анализа и моделирования этих процессов.
По его словам, понимание того, как биологические системы обрабатывают информацию и адаптируются, открывает новые пути для улучшения алгоритмов машинного обучения, в частности, функций потерь и оптимизации.
Он провёл аналогию между компонентами клетки и машиной Тьюринга, где ДНК выступает в роли бесконечной ленты с записанной информацией, а ферменты, такие как полимераза, — в роли считывающих и записывающих головок. Этот фундаментальный взгляд позволяет по-новому оценить, как клетки «обучаются» и адаптируются к изменяющейся среде, эффективно решая сложные задачи оптимизации для выживания.
Спикер привёл данные, полученные при анализе эмбрионов дрозофилы, где с высочайшей точностью отслеживается экспрессия генов, отвечающих за формирование сегментов тела. С помощью специально разработанной нейронной сети удалось не только предсказать паттерны экспрессии, но и идентифицировать ключевые регуляторные участки ДНК, управляющие этим процессом.
Алешандре Феррейра Рамос, профессор Университета Сан-Паулу:
«Иногда, чтобы видеть что-то, нужно выйти за рамки привычного. Посмотреть на биологическую систему. Каждый элемент, который работает в процессе искусственного интеллекта, будет иметь соответствующий ему элемент в биологии, и этот элемент сможет улучшить наши модели».
В заключение Алешандре Феррейра Рамос отметил, что дальнейшее изучение, как биологические системы быстро и эффективно решают задачи оптимизации в условиях ограниченных ресурсов, является ключевым вызовом для математики и искусственного интеллекта, и обе эти области могут получить взаимную выгоду от более тесного сотрудничества.
