Перспектива агентного ШІ

За межами LLM — системи, які діють, а не просто реагують

• Великий досвід роботи після отримання ступеня магістра права (LLM). Після розробки великих лінгвістичних моделей ми створили повноцінні агентні системи: агенти з постійною пам'яттю, доступом до зовнішніх інструментів та можливостями багатоетапного планування, інтегровані в реальні виробничі робочі процеси.
• Ми розуміємо фундаментальні обмеження моделей, що базуються лише на тексті. Відсутність сенсорного обґрунтування, відсутність причинно-наслідкової моделі фізичного світу та залежність від розподілу навчальних даних є архітектурними обмеженнями, а не помилками. Ми вирішуємо їх за допомогою системного проектування, а не оперативної інженерії.
• Принцип якості даних як інженерної дисципліни. Якість конвеєра даних така ж критична, як і архітектура моделі. Чудова модель, навчена на деградованих даних, створює деградований вихід — це не тривіальне спостереження, а принцип проектування, який визначає, як ми будуємо кожен компонент.
• Безперервне навчання у виробництві. Модель, навчена один раз і залишена працювати, втрачає актуальність, оскільки розподіл операційних даних змінюється. Ми створюємо фреймворки для поступового оновлення, які підтримують продуктивність без простоїв та без повного перенавчання.
• Агентні системи з чіткими межами. Ми створюємо агентів на основі штучного інтелекту з чіткими механізмами ескалації та резервного відновлення. Агент, який не знає, що він не знає, небезпечніший за саму відсутність агента.

Технічні навички – Розробка та навчання моделей глибокого навчання

• Проектування та навчання архітектур з нуля: BERT, варіанти Transformer, GAN, глибокі CNN — адаптовані до даних та варіантів використання, специфічних для клієнта
• Модифікація та налаштування існуючих архітектур для спеціалізованих областей: аналітика документів, розширене оптичне розпізнавання символів (OCR), медична класифікація, виявлення об'єктів
• Впровадження систем безперервного навчання: поступове оновлення моделей у виробництві без повного перенавчання
• Відкрийте моделі за допомогою масштабованих API та сервісів, з моніторингом дрейфу розподілу та автоматичним повторним запуском навчання
• Великий досвід роботи з TensorFlow, Keras, PyTorch — включаючи оптимізацію для розгортання на периферії та в контейнерах

Репрезентативні проекти

Управління документами за допомогою штучного інтелекту

Система дематеріалізації та класифікації сканованих документів з використанням спеціальних моделей комп'ютерного зору та NLP. Навчання на корпусі документів клієнта, доступ через REST API, з поступовим перенавчанням при впровадженні нових типів документів.

Когнітивний збір даних рахунків-фактур

Інтелектуальне вилучення полів з рахунків-фактур за допомогою архітектур CNN + механізмів уваги. Навчений на тисячах різних форматів. Точність >96% у виробництві на невидимих ​​даних.

Платформа штучного інтелекту для медичних заяв

Автоматизована платформа обробки форм медичного страхування. Класифікація, вилучення сутностей та перевірка узгодженості з інтеграцією у застарілі системи клієнта.

Система захисту від дронів

Виявлення та класифікація дронів у режимі реального часу. Моделі глибокого навчання, оптимізовані для низької затримки та високої точності в умовах мінливості навколишнього середовища.

Виявлення фейкових новин

Модель виявлення дезінформації на основі точно налаштованих трансформаторів на багатомовному корпусі, з контекстною оцінкою джерела, лінгвістичного стилю та фактичної узгодженості.

Вилучення даних звіту про ґрунт буріння

Автоматичне вилучення та структурування даних зі звітів геотехнічного буріння. Гібридний підхід машинного навчання + правил предметної області з валідацією відповідно до чинних технічних стандартів.

Іноземні мови та приналежності

Англійська | Французька

Професійні асоціації:

• Асоціація ІТ&К КЛАСТЕР НИЖНЬОГО ДУНАЮ
• Передові технології боротьби з підробками — Інноваційний кластер TACCCI
• Інноваційний кластер Дунай – Дельта Дунаю – Чорне море (3D-BS)