ITMO——就是人工智能

在会议开幕式上，ITMO 的副校长达里亚·科其洛娃谈到了 ITMO 相比于 IT 公司的一些优势：

首先，我们拥有大量有才华、有动力且雄心勃勃的学生。今年，我们招收了 2700 名本科生和 3000 名硕士生。其次，我们是一所大学，即非营利组织：与大公司不同，我们的主要任务并非追求利润。因此，我们可以成为值得信赖的合作伙伴和技术验证者，赢得行业的信任。第三，我们不仅使用现有的人工智能技术，还在发展自己的技术：我们在开源领域的基础人工智能技术库是所有大学中最大的。

目前，ITMO 提供 14 个涵盖人工智能各方面的教育项目。同时，按照人工智能联盟的排名，ITMO 在培养该领域专业人才方面处于领先地位。达里亚·科其洛娃表示，ITMO 面临的一项重要任务是创建一个涵盖教育、研究和大学管理的 AI 环境。

在人工智能时代，教育面临变革。根据 ITMO 应用计算机科学学院院长安东·库兹涅佐夫的说法，人工智能在短短几年内已经改变了教育过程。

“根据统计数据，在过去的学年里，超过 60%的学生承认使用 GPT 模型来撰写毕业论文，而大约 50%的学生在学年中使用人工智能来解决问题。同时，大约 50%的人认为在这种情况下使用人工智能是抄袭，但仍然继续使用。40%的教师表示，他们部分或完全利用人工智能生成课程计划，而 20%则用人工智能生成学生作业。”安东·库兹涅佐夫强调道。

变革需要迎接新挑战。如何让人工智能成为教育中的常用工具而不造成危害？

制定一份宣言，描述在教育活动中什么样的人工智能应用是被允许的。为此，需要详细描述课程内容，确定人工智能工具的合理应用，并界定哪些行为算作剽窃。

重新审视对学生的保护措施。如今，许多毕业论文都是通过 ChatGPT 等工具完成的，未来可能会改变毕业论文的格式。应该逐步摆脱以文字为主要价值和评估方式的做法，转而采用其他形式，比如创业项目、软件产品或科研文章。

将人工智能工具的学习融入所有课程中，并通过个性化任务选择、智能助手推荐学习路径以及个人导师的支持，来适应具体学生的学习需求。

如何使大学成为 AI 初创企业的“摇篮”？

如今，AI 领域的初创企业正在打破传统规则。第一，经验不再是专业知识的基础——在一个变化迅速的 AI 世界中，学习和适应能力变得更加重要。第二，初创企业往往在仅有创意的情况下就能成立，而无需投资。第三，对产品能够改变世界的信念变得比逻辑更重要。

“今年大部分公司都在从事 AI 领域的工作。更重要的是，在最赚钱的公司中，专注于 AI 的公司占据了主要地位，只有一家公司涉及硬件。现在，硬件技能与 AI 的结合正在逐步实现。”——化学与生物技术集群 SCAMT 的主任弗拉基米尔·维诺格拉多夫如是说。

如何让 ITMO 成为顶级 AI 初创企业的摇篮？
孕育这些公司及其基础创意的土壤在于大学环境，这是一个自由和富有创造性的场所，在这里，所有人——从领导层到教育项目的作者和科学家——都与人工智能技术互动。

弗拉基米尔·维诺格拉多夫认为，目前 ITMO 需要的东西包括 PI（推动者、导师）、新人才以及具备必要技能、经验和市场知识的顶级开发人员。正是在他们的帮助下，大学才能迎接新的挑战，与企业合作，创建自己的“独角兽”公司。

AI 如何助力科学研究？

今天，一些利用 AI 开发的解决方案在效率上超越了传统方法。ITMO 新物理技术学院的高级研究员阿列克谢·科哈诺夫斯基表示，这在 ITMO 从事的多个光子学方向中都得到了体现。

• 设备的反向设计。在这一领域，ITMO 正在开发用于控制光的光学纳米天线。尽管简单天线的结构已广为人知且容易创建，但在设计更复杂的天线时，研究人员会使用 AI 算法。
• 信号处理。ITMO 新物理技术学院的科学家团队正在从事心脏的磁共振形态学研究（即处理 MRI 图像以进行医学诊断）。与传统方法相比，神经网络工具能够识别复杂的心肌纤维化结构，确定其结构和体积。
• 复杂非线性系统的自动化：例如激光器、物理设备制造系统。ITMO 激光技术研究所和“强 AI 在工业中的应用”中心的科学家们与工业合作伙伴“列宁格勒激光系统”和“IRE-Polyus”共同创建了复杂的激光焊接自动化系统。在这里，AI 被用于焊接接头的诊断和激光系统的反馈控制。
• 在大数据中寻找物理系统的规律。ITMO 的物理学家们正在开发用于在复杂、不规则的光学介质中寻找依赖关系的人工智能。“传统”解决这些问题的方法需要大量的计算资源，因此会耗费研究人员大量的时间。

“AI 已成为许多物理和其他科学实验室中的工作工具。现在我们需要创建一些能够融入学生主要课程的课程。这样，物理学家们不仅会使用算法，还能够提出新的 AI 计算技术。”——阿列克谢·科哈诺夫斯基强调。

在 ITMO，人工智能（AI）的发展方向包括多个方面。根据 ITMO 研究中心“工业中的强人工智能”高级研究员丹尼斯·纳索诺夫的说法，大型企业越来越依赖 AI。自 2019 年以来，AI 专利的数量几乎增长了四倍。商业领域是大型语言模型的主要受益者，例如 Google 在训练其最新的 Gemini Ultra 神经网络时花费了超过 1.9 亿美元。自 2022 年至 2023 年，生成型 AI 的投资增长了 8 倍，达到了 267 亿美元。因此，与商业的合作在 AI 发展中尤为重要。

ITMO 大学致力于作为开发者，提供市场所需的技术。例如，ITMO 开发了一个用于矿区规划的项目，使用含有众多参数的程序来创建最优计划。为了减少创建计划中的繁琐工作，开发者创造了一种 AI 模型，根据简要文档生成施工图表，从而节省了大量时间。

一些 AI 产品已经在 ITMO 内部应用。例如，ITMO 利用 AI 作为技术作家，根据会议记录和数据生成报告文档。该模型可以创建演示文稿、记录会议并生成总结，还能将任务转移到任务跟踪器中。

为了使这些解决方案更加广泛和实用，丹尼斯·纳索诺夫建议创建一个 LLM（大型语言模型）解决方案的协作平台。这个平台的试点版本将允许大学内部共享最佳实践、验证假设，并创建一个社区，以加快 AI 技术的发展。该项目未来可以适应工业合作伙伴和其他大学的需求。

关于 AI 伦理，如何在大型语言模型时代确定作者权利、定义剽窃、标记 AI 生成的内容以及负责 AI 训练结果等问题，都是重要议题。为了应对这些挑战，需要建立一个“坐标系统”，以防止 AI 的完全禁止或无节制使用。ITMO 选择了一个有意识的、经过深思熟虑的 AI 融入策略，并致力于制定相关的伦理政策，包括教育程序和作业执行。ITMO 呼吁成员们共同创建 AI 政策社区，协作解决 AI 伦理问题。