Не искусственный интеллект: как устроена научная работа в российских ИИ-лабораториях в 2026

Ежегодно 8 февраля в России отмечают День науки — праздник людей, которые открывают новые законы природы, создают технологии и делают нашу жизнь проще и интереснее. Еще 10–15 лет назад за пределами университетов мало кто говорил о машинном обучении и искусственном интеллекте. Сегодня же — это одна из самых обсуждаемых тем в российской науке.

Российское научное сообщество в области ИИ в последние годы развивается семимильными шагами: растет число профильных вузов, бизнес и государство охотно инвестирует в технологии, а энтузиасты открывают исследовательские лаборатории.

Научные лаборатории становятся центрами притяжения талантливых молодых исследователей. В этой статье мы поговорим о работе ученых и что стоит за результатами их работы. А помог нам в этом Александр Безносиков — научный руководитель BRAIn Lab, директор центра агентных систем Института искусственного интеллекта МФТИ, заведующий лабораторией проблем федеративного обучения ИСП РАН.

Как работает научная лаборатория?

В современной российской науке лаборатория перестала быть закрытым цехом для избранных ученых. Сегодня это динамичная экосистема, где ключевую роль играет не столько возраст и ученые степени, сколько скорость вовлечения в реальные исследования. Наш научный руководитель Александр Безносиков уверен, что структура научного коллектива строится на азарте молодежи и фундаментального взгляда более взрослого поколения:

Если на Западе научная деятельность чаще начинается на этапе магистратуры или аспирантуры, а в Китае, напротив, студенты приступают к исследованиям чуть ли не с первого курса из-за жесткой конкуренции, то Россия занимает промежуточную позицию. Уже с третьего курса бакалавриата студенты, например, МФТИ, активно включаются в проекты лабораторий — причем сразу в качестве полноценных участников исследовательского процесса. Для многих из них кандидатская диссертация становится скорее результатом проделанной научной работы, а не главной целью.

Порог входа: меньше страха, больше упорства

Карьерный путь в научной лаборатории начинается поэтапно: студент делает пробный проект под кураторством более опытных коллег в рамках учебного курса, получает оценку от преподавателя, лаборатория оценивает потенциал новичка, а молодой исследователь — перспективы в лаборатории. Если обе стороны остаются довольны друг другом, работа продолжается и студент, как правило, берет еще несколько проектов.

Кадр из фильма «Влюбленные в математику»

Первые полгода–год требуют серьезной поддержки, потому что научная работа сильно отличается от учебы непредсказуемостью результата. Но уже спустя время студенты самостоятельно формулируют задачи, ведут исследования и даже курируют новичков. А через пару лет у многих уже формируются собственные группы из нескольких человек, работающих над смежными задачами.

Нередко ученые балансируют между наукой и карьерой в бигтехе, особенно это касается AI-специалистов. Никто этому не препятствуют, даже наоборот: здорово, когда в компании сотрудником решаются те же исследовательские задачи, что и в лаборатории. Выгоду получают обе стороны: компания — доступ к новейшим технологиям и публикационной активности, а лаборатория — дополнительные ресурсы, данные и возможность внедрения разработок в реальные продуктовые задачи.

О нас: чем занимаются лаборатории фундаментальных исследований искусственного интеллекта МФТИ

Мы — ученые лабораторий фундаментальных исследований искусственного интеллекта МФТИ и проблем федеративного обучения ИСП РАН.

Изначально научная повестка лаборатории формировалась вокруг численных методов. Действительно, современное машинное обучение строится на решении сложных задач оптимизации. Мы изучаем и разрабатываем как классические, так и новые методы, уделяя особое внимание численным аспектам — точности, устойчивости и скорости сходимости алгоритмов.

По мере смены поколений студентов, спектр исследований сильно расширился. Сейчас мы работаем над несколькими крупными направлениями: это развитие математического аппарата для ИИ, оптимизация языковых моделей (ускорения обучения, эффективное хранение и тд.) и создание специализированных нейросетей для прикладных задач. Еще одна наша страсть — это федеративное машинное обучение: мы тренируем модели на персональных устройствах, не вынося данные за их пределы.

Сейчас наша команда состоит из более 70 человек, что само по себе много для исследовательской группы. Но главное — что ядро составляют не кандидаты и доктора наук, а студенты магистратуры. В год многие из них публикуют по 5 статей в журналах уровня A и A* и еще несколько в Q1 — самых престижных изданиях научного сообщества. С работами они выступают с на ведущих мировых конференциях по ИИ, таких как ICML, ICLR, AAAI и не только. По российским меркам, это результат уровня топовых ученых, а не студентов!

А еще в нашей лаборатории уже два лауреата научной премии Яндекса — Александр Безносиков и Александр Богданов, — а также награда Национальной премии «Лидеры ИИ». Ученые не остаются без внимания, и это наша большая гордость.

Сейчас мы собираемся в Марокко и Рио-де-Жайнеро, потому что целых 7 наших статей приняли на престижные конференции ICLR и AISTATS! Со многими из них можно ознакомиться по ссылкам:

• Sign-SGD via Parameter-Free Optimization

• Unlocking the Potential of Weighting Methods in Federated Learning: Insights Through Communication Compression

• Enhancing the Stability of Physics-Informed Neural Network Training: A Saddle-Point Reformulation Approach

• High-Probability Bounds for the Last Iterate of Clipped SGD

• LoRA Meets Riemannian Geometry: The Muon Optimizer for Parametrization

• Variance Reduction Methods Do Not Need to Compute Full Gradients: Improved Efficiency through Shuffling

• Differentially Private Clipped-SGD: High-Probability Convergence with Arbitrary Clipping Level

Многие проекты уже вышли за рамки фундаментальных исследований, а студенты и аспиранты работают напрямую с заказчиками, создавая продукты для реального внедрения. Сейчас главный фокус направлен на обучение крупных нейросетевых моделей для медицинских задач, а также на разработке методов защиты данных и предотвращения угроз, влияющих на качество ИИ-системы.

Подписывайтесь на наш блог, чтобы больше знать о современной науке в России! Мы готовим продолжение, поэтому нам важно ваше мнение. Поделитесь в комментариях, о чем нам рассказать в первую очередь?

А если вы хотите делать проекты с нами или заказать у нас рисерч — напишите нашему научному руководителю Александру Безносикову на почту: [email protected]

🔗 Подписывайтесь на наш telegram-канал: @brainlaboratory

Источник