Программа 9 октября

1–2 октября / Иннополис

Участники практической сессии обсудят роль интеграторов в задаче масштабирования роботизации, расскажут об опыте внутренних интеграторов (от пилота до системной команды), разберут успешные и провальные кейсы интеграции

Ведущие технологические компании и вузы уже не просто добавляют ИИ-функции в свои LMS, а перестраивают саму архитектуру образовательных экосистем. Современная платформа перестает быть просто репозиторием курсов: она становится интеллектуальным ядром, которое в реальном времени анализирует цифровой след, адаптирует траектории и связывает обучение с реальными индустриальными задачами.

Сессия посвящена передовому опыту трансформации дистанционного и смешанного обучения. Мы разберем системные изменения: предиктивную аналитику, динамическую генерацию контента, автоматизированную оценку сложных компетенций и бесшовную интеграцию LMS с производственными и HR-системами, внедрение ИИ-тьюторов и помощников.

Секция посвящена применению ИИ в химии, материаловедении, биологии, инженерии и других научных областях, а также развитию самого ИИ как научной дисциплины. Участники обсудят, как интеллектуальные системы помогают формулировать гипотезы, проектировать эксперименты, анализировать результаты исследований и сокращать путь от научной идеи до промышленного применения. Отдельное внимание будет уделено научным данным, верификации результатов моделей, междисциплинарным командам и переходу от отдельных инструментов к исследовательским платформам нового поколения.

Биотехнологии выходят за пределы медицины. Это новые материалы, альтернативная энергетика, замкнутые циклы производства, синтетическая биология. Обсудим, как биоэкономика становится основой нового технологического уклада, какие вызовы стоят перед отраслью и какие прорывные продукты появятся на рынке в ближайшие 3-5 лет.

Студенты соревнуются с нейросетями в реальном времени, выполняя задания, где нужно то обогнать ИИ, то использовать его как инструмент, то выявить его слабости. Это не бой насмерть, а поиск симбиоза. Игра пройдет в формате индивидуального зачета и командных раундов

На мастер-классе покажем, как настроить coding-ассистента и выстроить свой AI-harness: какие скиллы и инструменты использовать и как запустить первых небольших агентов.

Это живые истории тех, кто прошел через огонь, воду и медные трубы дедлайнов, стрессов и неординарных ситуаций.
Здесь вас ждут рассказы от разработчиков всех уровней (студентов, выпускников, преподавателей, стартаперов), от которых мурашки и смех, ведь так все было на самом деле:

• Логистический ад разработчика или как впервые вылететь за границу с группой детей
• Магистерский опыт студента по превращению бага в фичу и спасения продакшена за 5 минут
• Карьерный путь ведущего разработчика ЦК RnD MWS, построенный вокруг тревожного типа привязанности и неумения говорить «нет»
• Адаптация разраба или... я могу и это
• а также другие интересные истории — от тех, кто только начинает, до тех, кто уже учит других

Главная интрига: как не сойти с ума, получать удовольствие и даже побеждать, когда что-то идёт не по гайду. Приходите — будет честно, остро и полезно для любого, кто хоть раз писал код в 3 часа ночи.

Основные цели в сфере технологического предпринимательства в России на период до 2030 года сформулированы в Концепции технологического развития на период до 2030 года (утверждена распоряжением Правительства РФ от 20 мая 2023 г. №1315-р).
А какова роль университетов в реализации этой Концепции, какие инструменты есть для вовлечения студентов техпредпринимателей в реальную экономику региона и достаточно ли их. Как развивая предпринимательство в университетах не мешать науке и учебе, а наоборот становиться драйвером развития, расскажут ведущие российские эксперты.

Участники сессии (Россия, Саудовская Аравия, Мали, Китай) проведут сравнительный анализ стратегий России, и стран ЕАЭС и БРИКС разберут успешные кейсы трансфера технологий.

Продовольственная безопасность страны сегодня решается не в полях, а в алгоритмах. Автономные дроны для мониторинга посевов, роботизированные системы уборки, точное земледелие на основе больших данных — как технологии делают сельское хозяйство высокотехнологичным, устойчивым к климатическим рискам и кадровому дефициту.

Искусственный интеллект меняет музыкальную индустрию. Сегодня создать полноценную песню с вокалом, аранжировкой и сведением может человек без музыкального образования, студии и микрофона. Нейросети берут на себя техническую работу: помогают собрать текст, подобрать стиль, создать аранжировку, сгенерировать вокал и выдать готовый трек.

На этом мастер-классе мы разберём, как устроены современные ИИ-модели генерации музыки, научимся управлять ими с помощью текстовых описаний и посмотрим на реальные примеры использования — от вирусных хитов до профессиональных альбомов.

Как это работает: что такое нейросеть и как она обучается, каким образом модель превращает текстовое описание в видео, на каких данных её учат, как их собирают.
Генерируем видео на площадке по промптам участников, разбираем результаты, обсуждаем принципы составления запросов.
В завершение — текущие возможности и ограничения технологии: что модели уже умеют, что пока нет, где это применяется

Цифровой двойник без робота — просто красивая картинка. Промышленность требует симбиоза: предиктивная аналитика должна управлять реальными действиями автономных комплексов. Рассмотрим живые индустриальные кейсы: от создания двойников производственных линий до интеграции роботизированных систем, которые принимают решения на основе данных в реальном времени.

Секция о том, как искусственный интеллект может усиливать профилактическую и персонализированную медицину без замены врача и без снижения роли клинической экспертизы. В центре обсуждения – неинвазивное риск-профилирование пациентов, раннее выявление факторов риска, анализ мультимодальных медицинских и поведенческих данных, поддержка принятия врачебных решений и маршрутизация пациента. Участники обсудят, какие ИИ-решения действительно помогают врачу и пациенту, как проверять надежность медицинских моделей, как учитывать этические ограничения, качество данных, регуляторные требования и ответственность при внедрении ИИ в клиническую практику.

Развитие технологий искусственного интеллекта меняет ландшафт кибербезопасности: от появления новых классов угроз до применения ИИ в системах защиты и атакующих мультиагентных системах. В рамках секции ведущие учёные и представители RnD подразделений бизнеса обсудят, какие фундаментальные и поисковые научные исследования в области ИБ необходимо проводить сегодня, чтобы обеспечить технологический суверенитет страны в условиях роста киберугроз, кражи персональных данных и использования ИИ злоумышленниками. Дискуссия сосредоточена на формировании долгосрочной научно-исследовательской повестки и определении приоритетных направлений развития технологического стека в области кибербезопасности.

Что происходит с образованием, когда преподаватель перестает быть единственным источником знаний, а искусственный интеллект становится персональным тьютором для миллионов студентов одновременно?

В центре дискуссии — педагогический дизайн AI-native среды обучения. Как ИИ анализирует прогресс студента, выявляет пробелы в знаниях, определяет, какую тему он понял недостаточно глубоко, и в реальном времени генерирует дополнительные объяснения, задания и образовательный контент. И может продолжить это делать после окончания обучения.

Отдельный фокус — на данных, технологиях и инфраструктуре, необходимых для создания по-настоящему адаптивного обучения. Может ли ИИ стать полноценным навигатором образовательной траектории? Какие метрики позволяют оценивать качество такого обучения? Где проходит граница между автоматизацией и ролью преподавателя?

Говорят, что ИИ заменит людей, но пока он чаще заменяет здравый смысл. Вместо еще одного разговора про прорывы, эффективность и магию автоматизации мы предлагаем честно обсудить, что происходит, когда нейросети используют без понимания, проверки и чувства меры.
В этом треке — реальные факапы, дорогие ошибки и абсурдные ситуации из бизнеса, образования и информационной безопасности. Что бывает, когда сотрудники отправляют чувствительные данные в нейросети, преподаватели и студенты не проверяют сгенерированные тексты, а автоматизация превращается в источник новых рисков.
Без пафоса и без морализаторства эксперты разберут кейсы, которые обычно не попадают в презентации, и покажут, почему цена одного «умного» совета от ИИ иногда оказывается слишком высокой.