1.2.1. Искусственный интеллект и машинное обучение (в области исследований Института интеллектуальных кибернетических систем)

Описание

Целью программы аспирантуры является подготовка аспирантом диссертации на соискание ученой степени кандидата технических наук в области разработки и применения методов, моделей и программных средств искусственного интеллекта, позволяющих искусственным устройствам имитировать интеллект человека, реализуя целенаправленное поведение и разумные рассуждения, в том числе за счет использования методов машинного обучения. Аспирантам предлагается участие в
НИОКРах и грантах.

Направление научных исследований:
1. Естественно-научные основы теоретических методов искусственного интеллекта (методы математической логики, теории алгоритмов, комбинаторики, распознавания образов, статистики, оптимизации, когнитивной психологии, лингвистической семантики и др. областей, ориентированных на решение задач искусственного интеллекта и машинного обучения).
2. Теоретико-концептуальные основы базовых парадигм искусственного интеллекта – символьного искусственного интеллекта или кибернетики «черного ящика» (подход на основе знаний) и нейрокибернетики (статистический подход на основе машинного обучения). Синергетический искусственный интеллект. Исследования в области объяснимого искусственного интеллекта.
3. Системный анализ проблемной области на применимость методов и технологий искусственного интеллекта и машинного обучения для оценки качества и эффективности алгоритмических и программных решений при создании интеллектуальных систем различной архитектурной типологии. Многокритериальные методики сравнения и выбора алгоритмических и программных решений.
4. Интеллектуальные системы (системы искусственного интеллекта) - основной программноаппаратный продукт синергии кибернетики и искусственного интеллекта. Интегрированные и гибридные интеллектуальные системы. Методы конструирования интеллектуальных систем различной архитектурной типологии. Модели многоуровневой интеграции и методы гибридизации в рамках разных парадигм искусственного интеллекта.
5. Модели и методы представления достоверных и правдоподобных знаний в интеллектуальных системах. Развитие и усовершенствование классических моделей представления достоверных знаний (переход к абстрактным знаниям) и создание новых и гибридных моделей, включая моделирование НЕ-факторов знаний, темпоральных знаний и разработку моделей онтологий.
6. Методы и алгоритмы обработки знаний (автоматизация рассуждений) в контексте моделирования мыслительных процессов, в том числе рассуждений, аргументации, распознавания и классификации, формирования понятий. Автоматизация рассуждений на основе прецедентов. Исследования в области разработки методов интеллектуального планирования и интеллектуальных планировщиков.
7. Методы, алгоритмы и программные средства для обработки и анализа текстов на естественном языке и анализа изображений. Методы открытого извлечения информации из текстов на естественном языке, в том числе с помощью машинного обучения без учителя. Методы автоматизированного приобретения темпоральной информации из текстов на естественном языке и других специальных видов слабоструктурированных данных.
8. Методы и технологии поиска, приобретения и использования знаний и закономерностей, в том числе – эмпирических, в интеллектуальных системах. Модели и методы автоматизированного приобретения знаний из различных источников (эксперты, ЕЯ-тексты, БД, онтологии). Исследования в области совместного применения методов машинного обучения, математического моделирования и методов и средств инженерии знаний (или онтологического инжиниринга).
9. Методы и средства построения онтологических систем. Онтологии как концептуальные модели проблемной/предметной области. Графы знаний на основе онтологий. Гибридизация онтологий и нейронных сетей. Онтологический инжиниринг и автоматизация построения онтологий различных типов. Исследования в области создания семантических моделей проектирования программных систем под управлением онтологий.
10. Мягкие вычисления (вычислительный интеллект): исследования в области нечеткой логики, нейрокомпьютинга, генетических вычислений, вероятностных вычислений. Нечеткие логики и приближенные рассуждения. Гибридные нечеткие и вероятностные модели. Нейро-нечеткие модели. Гибридные эволюционные модели и генетические алгоритмы. Моделирование эмерджментного и роевого интеллекта.
11. Нейросетевые технологии и нейрологические модели. Интеграция методов инженерии знаний и конструирования признаков машинного обучения. Исследования в области многослойных алгоритмических конструкций и многослойных нейросетей.
12. Методы и средства интеллектуальной технологии построения интегрированных экспертных систем различной архитектурной типологии (статических, динамических, обучающих) на основе задачно-ориентированной методологии. Эвристические модели решения типовых задач (диагностика, проектирование, планирование, управление, обучение). Интеграция методов интеллектуального планирования, онтологического инжиниринга и семантических моделей проектирования программного обеспечения прикладных интегрированных экспертных систем.
13. Динамические интеллектуальные системы. Интеграция методов и средств динамических систем автоматического управления с методами принятия решений, инженерии знаний, нечеткой логики, имитационного моделирования, нейросетевых технологий и машинного обучения. Методы моделирования внешнего мира (среды) и исследование поведения динамических интеллектуальных систем в реальном времени (для различных типов архитектур).
14. Методы и средства построения интеллектуальных агентов и многоагентных систем. Децентрализованные и распределенные архитектуры многоагентных систем. Многоагентные технологии и самоорганизация. Исследования в области моделей и архитектур МАС, а также типологии и архитектур интеллектуальных (когнитивных) агентов. Модели взаимодействия (коммуникации) интеллектуальных агентов и методы построения архитектуры программнокоммуникационной среды для взаимодействия агентов.
15. Методы и средства разработки интеллектуальных обучающих систем. Исследование типовых задач интеллектуального обучения и методов построения компетентностно-ориентированных моделей обучаемых и персонифицированных моделей обучения. Автоматизированное формирование единого онтологического пространства знаний и умений обучаемых. Интеллектуальный мониторинг.
16. Разработка инструментальных программных средств для автоматизации и интеллектуализации процессов построения прикладных интеллектуальных систем (включая средства автоматизированного приобретения знаний и средства онтологического инжиниринга). Разработка специализированного (проблемно-ориентированного и/или предметно-ориентированного) математического, алгоритмического и программного обеспечения интеллектуальных систем и систем
машинного обучения.
17. Методы и средства формирования массивов данных и прецедентов, включая «большие данные», необходимых для решения задач искусственного интеллекта и машинного обучения. Проблемноориентированные коллекции данных для важных прикладных областей.
18. Методы и средства формирования массивов условно-реальных данных и прецедентов, необходимых для решения задач искусственного интеллекта и машинного обучения.
19. Исследования в области «сильного ИИ», включая формирование понятийной базы и элементов математического формализма, необходимых для построения алгоритмического аппарата.
20. Исследования в области «доверенных» систем класса ИИ, включая проблемы формирования тестовых выборок прецедентов, надежности, устойчивости, переобучения и т.д.

Организации-партнеры для проведения совместных научных исследований:
▪ НИКИЭТ
▪ ВНИИА им.Духова
▪ ВНИИЭФ г. Саров
▪ РНЦ им. Курчатова
▪ ООО «1С»
▪ ООО «Яндекс» ,
▪ ФИЦ ИУ РАН

Научные группы, научные лаборатории, центры НИЯУ МИФИ:
Поступившие на программу аспиранты могут выполнять свои исследования в лабораториях
кафедры:
▪ «Фундаментальные основы информационных технологий»
▪ «Анализ данных и машинное обучение»
▪ «Интеллектуальные системы и технологии»
▪ «Микропроцессорные системы»
▪ «Распределенные вычислительные системы»
▪ «Бизнес-анализ и разработка информационных систем»

Условия поступления

Информация о приеме на обучение по программам научных и научно-педагогических кадров в аспирантуре

Вступительные испытания проводятся в соответствии с графиком проведения вступительных испытаний

-Специальную дисциплину, соответствующую группе научных специальностей, научной специальности или профилю программы аспирантуры поступления;
-Иностранный язык в профессиональной сфере (английский).

Вступительные испытания проводятся в форме собеседования по вопросам, перечень которых установлен программой вступительных испытаний

Программы вступительных испытаний в аспирантуру

Репутация

Университет ведет историю от Московского механического института боеприпасов (ММИБ), основанного в ноябре 1942 года. Основной целью института являлась подготовка кадров для атомной отрасли. В создании и становлении МИФИ участвовали выдающиеся ученые, в том числе руководитель атомного проекта СССР академик Игорь Васильевич Курчатов. В МИФИ работали шесть лауреатов Нобелевской премии – академики Н.Г. Басов (выпускник МИФИ), А.Д. Сахаров, Н.Н. Семенов, И.Е. Тамм, И.М. Франк, П.А. Черенков.

Миссия НИЯУ МИФИ - Ответ на глобальные научно-технологические вызовы результатами фундаментальных и прикладных исследований в сотрудничестве с мировыми научно-образовательными центрами и обеспечение стратегической безопасности России через вклад в конкурентоспособность страны на мировом рынке высоких технологий и подготовку будущих лидеров.

По результатам рейтинга RAEX-100: лучшие вузы России 2024 НИЯУ МИФИ занимает 5 место.