Рекомендательные системы: новые алгоритмы и современная практика
Институт ИИ и цифровых наук ФКН НИУ ВШЭ провел конференцию, посвященную передовым технологиям рекомендательных систем. Мероприятие прошло в атмосфере активного обмена опытом между ведущими специалистами отрасли и позволило участникам ознакомиться с последними достижениями и практическими решениями в области разработки рекомендательных моделей.
Конференция собрала экспертов, занимающихся разработкой рекомендательных систем — перспективной технологии, находящей применение как в академической среде, так и в индустрии. Организатором конференции выступила Научно-учебная лаборатория (НУЛ) матричных и тензорных методов в машинном обучении под руководством Максима Рахубы.
Евгений Фролов
Евгений Фролов, старший научный сотрудник лаборатории, руководитель группы «Технологии персонализации» AIRI, отметил: «Вторая итерация конференции по рекомендательным системам объединила сообщество специалистов из индустрии и академии и показала, что у нас есть крепкая техническая база и растущий интерес к области. Программa вышла разноплановой: от свежих исследований, поданных на ведущую конференцию по рекомендательным системам RecSys 2025, до подробных разборов продакшен-архитектур крупных компаний. Интересным вышел и круглый стол: обсудили, что хорошо отлаженные одностадийные решения могут стать первым шагом к единой LLM-ориентированной рекомендательной парадигме. Для меня главный итог — активно формируется сообщество экспертов из индустрии и академии, где можно честно проверять гипотезы на реальных данных и сразу понимать их ценность для бизнеса и науки».
В рамках обучающего семинара научные сотрудники AIRI Глеб Мезенцев и Даниил Гусак представили подробный обзор современных подходов к созданию масштабируемых последовательных рекомендательных систем. Участники узнали о новейших методиках построения эффективных конвейеров обработки больших объемов данных и тонкостях внедрения рекомендательных решений в реальные бизнес-процессы.
Сергей Ермилов, старший разработчик (VK AI), рассказал о результатах исследований влияния рекламных интеграций на эффективность рекомендательных сервисов и успешных подходах к релевантности контента и доходности рекламной деятельности.
Руслан Исрафилов, лидер команды исследований рекомендательных систем Сбера, представил доклад на тему «Следующий шаг эволюции AI: мультиагентные системы на базе LLM». Его выступление было сосредоточено на преимуществах интеграции мультиинтеллектуальных агентов для улучшения точности рекомендаций и понимания поведения пользователей.
Марина Ананьева
Марина Ананьева, руководитель направления RecSys НУЛ матричных и тензорных методов в машинном обучении, рассказала о переходе от классических пакетных методов обучения к онлайн-моделям рекомендаций. Она представила практические кейсы перехода на онлайн-обучение, подчеркнув повышение скорости адаптации моделей к изменениям предпочтений аудитории.
Алексей Васильев, исполнительный директор по исследованию данных Sber AI Lab, осветил важность правильной подготовки данных для построения качественных рекомендательных систем. Его доклад охватывал вопросы выбора архитектуры модели, оптимизации тренировочных процессов и интерпретации результатов работы алгоритмов. «В конференции принимали участие специалисты ведущих российских компаний. Многих выступающих я знаю лично, приятно было снова встретиться, — говорит Алексей Васильев. — Прекрасные разнообразные доклады, как индустриальные, так и научные, а также постерная сессия сделали мероприятие очень интересным. Здорово, что обсуждения продолжались и во время перерывов, еще раз подтвердив, что тема рекомендаций сейчас очень актуальна и востребована. Мне кажется, конференция удалась».
Евгений Фролов в рамках своего выступления предложил инновационный подход к повышению эффективности рекомендательных систем путем динамического изменения структуры внутренних представлений данных. Предложенный метод позволяет значительно повысить качество рекомендаций и снизить вероятность ошибок. «На конференции я представил нашу новую статью, в которой предложен self-supervised-подход к обучению рекомендательных моделей. Мы адаптировали метод Barlow Twins из области компьютерного зрения для transformer-архитектур рекомендаций. В частности, помимо повышения качества предсказаний, мы впервые выявили эффект адаптивного коллапса представлений: в зависимости от структуры пользовательских предпочтений алгоритм сам регулирует степень разнообразия выдачи. В наборах данных без явных кластеров вкусов он генерирует широкий спектр рекомендаций, а в сценариях со строго выраженными, специфическими предпочтениями — концентрируется на наиболее релевантных товарах, обеспечивая более точный выбор, чем существующие методы», — рассказал Евгений Фролов.
Завершилась конференция постерной сессией в атриуме корпуса университета на Покровском бульваре, в рамках которой участники обсудили представленные исследования в неформальной обстановке и обменялись мнениями относительно новых направлений развития рекомендательных технологий.
Конференция по рекомендательным системам проводится в НИУ ВШЭ во второй раз и становится важной площадкой для обсуждения научных достижений и технологических новшеств в сфере искусственного интеллекта и цифровой экономики, способствуя развитию индустрии рекомендательных систем и формированию сообщества профессионалов нового поколения.
Вам также может быть интересно:
ИИ в университетах: раскрытие потенциала и преодоление тревог
Образовательные ИИ-инструменты заметно эволюционировали, однако до сих пор многие представители университетов и рядовые пользователи испытывают опасения на их счет. Ученые Института образования НИУ ВШЭ изучили различные аспекты интеграции искусственного интеллекта в образовательный процесс и объединили усилия с ИТ-компанией «Кеды профессора», чтобы помогать российским вузам встраивать ИИ-решения в свою работу.
«ИИ и машинное обучение — мощные технологии, но не везде научились их применять»
Рост доходов мировой индустрии образования может составить до 4% в ближайшие годы благодаря внедрению технологий искусственного интеллекта. Кроме того, ИИ сокращает время работы преподавателей в 4–5 раз. Эксперты Вышки рассказали, как преподаватели и административный персонал вузов осваивают нейросети, боты и другие инструменты и почему не стоит бояться, что их заменит ИИ.
Онлайн-кампус НИУ ВШЭ стал лауреатом премии «AI Олимп»
«AI Олимп» оценивает разработки в области искусственного интеллекта и является продолжением проекта Digital Leaders, который более 10 лет освещает лучшие достижения в области цифровизации, онлайн-сервисов и диджитал-решений.Онлайн-кампус НИУ ВШЭ стал победителем номинации «Платформа года» в категории «Персонализированные обучающие платформы». Среди лауреатов премии — Сбер, «Гемотэк», RuStore, «Норникель», «Авито» и другие крупные компании.
Меньше половины пиарщиков сообщают клиентам, что пользуются ИИ
Центр медиапрактик Высшей школы экономики совместно с АКОС подготовил исследование о том, как российские пиарщики пользуются искусственным интеллектом. Большинство респондентов оценивают работу с нейросетями как эффективную и считают, что использование ИИ улучшило качество их работы.
В НИУ ВШЭ будет создан Центр подготовки кадров для ИТ-отрасли
Минцифры России совместно с Аналитическим центром при Правительстве России подвели итоги конкурсного отбора вузов для получения грантов на запуск углубленного ИТ-образования. Заявки на конкурс подали 50 вузов, определены 26 победителей из 13 регионов, в том числе Высшая школа экономики.
Сервисы должны быть гибкими: как использовать искусственный интеллект государству
Международная лаборатория цифровой трансформации в государственном управлении НИУ ВШЭ провела круглый стол «Искусственный интеллект в государственном управлении: современные тенденции». Какие сервисы улучшит ИИ и что важно учитывать, применяя новые технологии, рассказали российские и зарубежные ученые.
«Когда мир стремительно меняется, важно искать инструменты управления изменениями»
В начале апреля в Высшей школе экономики в Москве состоялась XIX Всероссийская научная конференция с международным участием «Параллельные вычислительные технологии» (ПаВТ). Конференция ПаВТ — ежегодное научное мероприятие, которое проводится в крупных научных центрах России. Форум в НИУ ВШЭ объединил более 200 ученых из пяти стран. Участники конференции представляли 55 организаций из 28 городов, в том числе 15 институтов РАН и НИИ, 30 университетов, 8 предприятий ИТ-индустрии и 2 промышленных предприятия.
ВШЭ — лидер конкурсного отбора Минцифры России по подготовке кадров в области ИИ
Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации и Аналитический центр при Правительстве РФ завершили конкурсный отбор вузов, которые в 2025–2030 годах займутся подготовкой специалистов в сфере искусственного интеллекта. По итогам конкурсного отбора по программам высшего уровня «ТОП ДС» первое место заняла Высшая школа экономики.
Искусственный интеллект помогает точнее прогнозировать риски сложных заболеваний
Разработанные в Центре искусственного интеллекта НИУ ВШЭ нейросетевые модели значительно улучшают прогнозирование риска ожирения, диабета первого типа, псориаза и других многофакторных заболеваний. Совместное исследование с компанией Genotek показало, что алгоритмы глубокого обучения эффективнее традиционных методов, особенно при сложных взаимодействиях генов (эпистазах). Результаты опубликованы в журнале Frontiers in Medicine.
Искусственный интеллект может стать катализатором устойчивого развития
Искусственный интеллект трансформирует все сферы жизни, расширяя наши возможности и границы. В то же время технологии бросают человечеству новые вызовы, связанные с безопасностью, этикой и защитой окружающей среды. На сегодняшний день каждая нейросеть оставляет за собой большой углеродный след. Однако при грамотном управлении ИИ может принести пользу планете и стать залогом устойчивой экономики будущего. Об этом рассказал научный руководитель Лаборатории алгоритмов и технологий анализа сетевых структур НИУ ВШЭ в Нижнем Новгороде Панос Пардалос в рамках XXV Ясинской (Апрельской) международной научной конференции по проблемам развития экономики и общества.