ТЕХНОПРОМ-2025: Алексей Боровков выступил на круглом столе-дискуссии «Практики ПИШ по использованию технологий искусственного интеллекта»

28 августа 2025 года в Новосибирске на XII Международном форуме технологического развития «Технопром-2025» на стенде ФГАНУ «Социоцентр» состоялся круглый стол-дискуссия

• «Практики Передовых инженерных школ по использованию технологий искусственного интеллекта».

Основная цель мероприятия – обмен лучшими практиками по использованию искусственного интеллекта в образовании, науке и промышленности между представителями различных Передовых инженерных школ.

Основные участники круглого стола «Практики ПИШ по использованию технологий искусственного интеллекта»

Модератор:

• Тихомиров Георгий Валентинович, заместитель директора Института ядерной физики и технологий НИЯУ МИФИ

Участники круглого стола:

• Альгашев Геннадий Андреевич, младший научный сотрудник передовой инженерной аэрокосмической школы Самарского университета «Интегрированные технологии в создании аэрокосмической техники»
• Боровков Алексей Иванович, главный конструктор по ключевому научно-технологическому направлению развития СПбПУ «Системный цифровой инжиниринг», директор Передовой инженерной школы СПбПУ «Цифровой инжиниринг»
• Кармушин Степан Романович, младший научный сотрудник Передовой инженерной школы НГУ
• Чумаков Константин Владимирович, руководитель лаборатории «Искусственного интеллекта в промышленности» Томского политехнического университета
• Шепелёв Владимир Дмитриевич, доцент ЮУрГУ

Открыл дискуссию Георгий ВалентиновичТихомиров – заместитель директора Института ядерной физики и технологий НИЯУ МИФИ.

Он поделился личным опытом взаимодействия с искусственным интеллектом (ИИ) в образовательном процессе:

• «Я с 2023 года сам активно использую Gigachat, DeepSeek, ChatGPT для того, чтобы понимать как студенты могут меня обмануть. Так вот я вам скажу, что ИИ часто ошибается, а студенты сдают работы, даже не прочитав, что им эти чаты выдали. Это сразу заметно. Поэтому серьёзные вещи я бы ему не доверял, и всегда перепроверял бы в надежных источниках любую выданную им информацию».

Также Георгий Валентинович подчеркнул, что для эффективного использования ИИ в учебном процессе необходима разработка методических материалов по его использованию при реализации образовательных программ и планировании учебного процесса, а также нужны яркие и понятные примеры использования.

В продолжение дискуссии главный конструктор по ключевому научно-технологическому направлению развития СПбПУ «Системный цифровой инжиниринг», директор Передовой инженерной школы СПбПУ «Цифровой инжиниринг» Алексей Иванович Боровков представил доклад «ИИ-ассистент (чат-бот) в области системного цифрового инжиниринга как инструмент систематизации знаний и подготовки инженеров в ПИШ СПбПУ «Цифровой инжиниринг».

Своё выступление Алексей Иванович начал с краткого рассказа о Цифровой платформе по разработке и применению цифровых двойников CML-Bench^® и её использовании в проектах для высокотехнологичных отраслей промышленности. Так, крупнейшими среди отраслей, где применяется Цифровая платформа CML-Bench^® являются двигателестроение и атомное машиностроение. На Цифровой платформе CML-Bench^® осуществляется более 100 цифровых испытаний в сутки, за год в среднем на ней выполняется около 125 НИОКР, на 01.09.2025 представлено 373 000 цифровых и проектных решений, интегрировано 170 CAx-систем и решений от отечественных и зарубежных разработчиков и вендоров.

Далее спикер выделил некоторые проблемы в существующих подходах подготовки инженеров, а именно:

• «Актуальные знания хранятся не в учебниках, а у сотрудников, выполняющих проекты, в отчетах о выполненных НИР / НИОКР, а также в виде моделей и результатов расчетов на Цифровой платформе CML-Bench^®»;
• «Зачастую студенты и новые сотрудники не знают, кому задать вопрос о тонкостях работы с наукоемким мультидисциплинарными САЕ-системами, о специфике проектирования конкретного изделия и т.д.»;
• «В результате процесс обучения студента или нового сотрудника происходит менее эффективно, что негативно отражается на качестве обучения, ведет к увеличению сроков выполнения НИР / НИОКР»;
• «Аналогичные проблемы возникают и у опытных инженеров, которым в рамках выполнения НИОКР необходимо достаточно быстро погрузиться в новую научную область».

В качестве решения этих проблем Алексей Иванович рассказал об опыте Передовой инженерной школы СПбПУ по созданию, развитию и разработке корпоративные базы знаний на основе генеративного ИИ.

Алексей Боровков в качестве одного из минусов такого решения выделил проблему ответов на вопросы из конкретных предметных областей. Для решения этой проблемы применяется технология RAG (RetrievalAugmentedGeneration). RAG – это метод работы с большими языковыми моделями (Large Language Model, LLM), когда пользователь пишет свои вопросы, при этом к запросу пользователя добавляется контекст, чтобы предоставить LLMдополнительную информацию.

Специалисты Передовой инженерной школы СПбПУ «Цифровой инжиниринг» в рамках развития Цифровой платформы по разработке и применению цифровых двойников CML-Bench^® реализовали подсистему CML-Bench^®.AI Assistant – ИИ-ассистента (чат-бота), помогающего пользователям в работе с Цифровой платформой CML-Bench^®. В подсистему загружаются монографии, учебные пособия, статьи и отчеты о НИР / НИОКР по предметным областям, что, естественно, позволяет корректно отвечать на заданные вопросы.

Алексей Боровков в докладе привел вопрос "Бывает ли цифровая тень ночью"?, на который  подсистема CML-Bench^®.AI Assistant сгенерировала ответ:

• «Цифровая тень (Digital Shadow) – это система связей и зависимостей, описывающих поведение реального объекта / продукта, как правило, в нормальных условиях работы и содержащаяся в избыточных больших данных (Big Data), которые получают с реального объекта / продукта при помощи технологий промышленного интернета. Цифровая тень может использоваться для мониторинга технического состояния эксплуатируемого объекта и предупреждения о «штатном износе» узлов и агрегатов, но не всегда способна предсказать аварийную ситуацию, которая может зависеть от неблагоприятного сочетания многих факторов.
• Цифровая тень может быть использована как в дневное, так и в ночное время, поскольку она основана на данных, которые собираются с реального объекта / продукта при помощи датчиков и технологий промышленного интернета. Однако, если речь идет о цифровой тени, которая используется для мониторинга технического состояния объекта, то она может быть менее активной ночью, когда объект может находиться в состоянии покоя или низкой нагрузки.
• Таким образом, цифровая тень может быть использована как в дневное, так и в ночное время, но ее активность может быть меньше ночью, когда объект может находиться в состоянии покоя или низкой нагрузки».

Помимо технологии RAG в работе системы применяется технология ROM(ReducedOrderModeling, моделирование пониженного порядка) – совокупность математических и вычислительных методов, предназначенных для создания упрощенных аппроксимаций сложных, высокоразмерных систем. Различные алгоритмы машинного обучения (ML) и структуры данных позволяют хранить и накапливать содержательную информацию, связный объём знаний. В подсистеме CML-Bench^®.AI Assistant результаты всех решенных с помощью ROM-модуля задач помещаются в векторную базу данных для последующего поиска в ней.

В качестве примера применения подсистемы CML-Bench^®.AI Assistant Алексей Иванович продемонстрировал построение суррогатной и редуцированной (ROM) моделипечи остекловывания высокоактивных радиоактивных отходов на основе специальным образом сгенерированных с помощью суперкомпьютерного моделирования синтетических данных. Так, один расчет на основе мультидисциплинарнойкомпьютерной модели при помощи передовых НРС-CAE-систем выполняется 6 часов, а при помощи подсистемы CML-Bench^®.AI Assistant – всего 5 мс(ускорение в 4+ млн раз). Отметим, что численные результаты, полученные при помощи ROM-моделирования, нейросетей и машинного обучения, естественно, не уступают по точности результатам, полученным при помощи «классических» наукоемких мультидисциплинарных постановок задачи. 

Однако, принципиально важно подчеркнуть, что эти ROM & ML решения получены на основе результатов цифровых испытаний, полученных в свою очередь с помощью математических и компьютерных моделей, прошедших процедуры верификации и валидации и обладающих высоким уровнем адекватности сложным физико-механическим процессам, происходящим в печи остекловывания в эксплуатационных режимах. Для генерации синтетических данных были использованы технологии суперкомпьютерного инжиниринга.

• «Конечно, мы ещё в начале пути, на котором мы обычным "человеческим языком" дадим задание – “сформировать мультидисциплинарную модель” с указанием сложного физико-механического процесса. Думаю, что это дело времени, когда мы научимся такие мультидисциплинарные модели формировать в автоматизированном режиме.
• Главное, чтобы математические и компьютерные модели сложных физико-механичеких процессов проходили процедуры верификации и валидации, что послужит основой для дальнейшего повышения уровня адекватности модели. На основе этих валидированных моделей, обладающих высоким уровнем адекватности, с помощью технологий суперкомпьютерного инжиниринга генерируются синтетические данные, обладающие валидационной преемственностью.
• Чрезвычайно важно не включать в генерируемые даты сеты численных решений, полученных для всевозможных аварийных ситуаций и описывающих "сингулярности", а также очень аккуратно работать с существенно нестационарными и нелинейными процессами, которые во многом предопределяют сложность мультидисциплинарных задач. Короче говоря, необходимо всячески избегать реализации принципа GIGO (Garbage In, Garbage Out – "Мусор на входе – Мусор на выходе"), означающего, что при неверных входных данных будут получены неверные результаты, даже если сам по себе вычислительный алгоритм является корректным, то есть прошедшим верификацию»,– пояснил Алексей Иванович.

Завершая своё выступление, Алексей Иванович пригласил слушателей посетить Зимний —университет по инженерным наукам «Искусственный интеллект и цифровые технологии», который пройдет с 24 ноября по 07 декабря 2025 года на базе ПИШ СПбПУ «Цифровой инжиниринг» для студентов инженерных и технических направлений 3-4 курсов.

Выступление Алексея Ивановича Боровкова вызвало живой отклик у аудитории, было задано много уточняющих вопросов.

Далее выступил заведующий лабораторией «Искусственного интеллекта в промышленности» Томского политехнического университета Константин Владимирович Чумаков, который представил систему генерации контрольных вопросов по тексту документа. Разработанное программное обеспечение позволяет преподавателям разнообразить тесты для студентов.

• «Основные проблемы при создании тестов в образовательной сфере – это большие временные затраты и сложность адаптации вопросов для большого количества учащихся. Тесты повторяются, и из года в год одни и те же задания позволяют уже не задумываться над ответами, потому что ответы заранее известны. Предлагаемое решение – преподаватель загружает документ, искусственный интеллект его анализирует, генерирует вопросы, преподаватель их валидирует, и экспортирует в LMS-систему, которая используется в университете»,
  – пояснил Константин Владимирович.

Дискуссию продолжил младший научный сотрудник Передовой инженерной школы Новосибирского государственного университета Степан РомановичКармушин. Он продемонстрировал проект «Гибридное моделирование глушения скважин».

• «Глушение скважины – это закачка специальной технологической жидкости в пласт с целью обеспечения герметичной изоляции этого пласта на период проведения любых ремонтных работ»,
  – уточнил Степан Романович.

Применение ИИ в данном проекте позволяет прогнозировать необходимые объемы глушения скважин на основе данных прошлых лет и текущих параметров.

Следующим выступил младший научный сотрудник передовой инженерной аэрокосмической школы (ПИАШ) Самарского университета «Интегрированные технологии в создании аэрокосмической техники» Геннадий АндреевичАльгашев. Он представил доклад «Построение экспертных систем на базе LLM для поддержки принятия решений в промышленном производстве». Он поделился опытом применения LLM в ПИАШ Самарском университете, выделил положительны и негативные стороны.

• «Языковые модели – это такой черный ящик, как ребенок, которого заперли в библиотеке на 10 лет, а потом пришли к нему, а он стал экспертом по всему, что он успел за эти 10 лет прочитать. Конечно, он не напишет вам кандидатскую диссертацию, но поверхностные знания практически по всем отраслям у него уже имеются.
• Соответственно, мы уходим от того, чтобы пытаться руками научить наши нейронные сети решать какие-то проблемы, они сами могут этому научиться, только дайте им нужную книжку, они все это поймут и разберутся»,
  – уточнил Геннадий Андреевич.

Завершая дискуссию, выступил доцент Южно-Уральского государственного университета Владимир ДмитриевичШепелёв. Он представил проект «Дорога 4.0», который при помощи искусственного интеллекта позволяет оценивать состояние загрязненности и качества уборки улично-дорожной сети (УДС), а также повышает операционную и ресурсную эффективность коммунальной техники.

• «Мы разработали программно-аппаратный комплекс, который устанавливается в качестве видеорегистратора на существующие коммунальные машины, и мы используем эти машины как сенсоры, которые анализируют уровень загрязнения и сразу оценивают уровень качества»,
  – пояснил Владимир Дмитриевич.

После выступления всех спикеров разгорелась бурная дискуссия, участники задали множество вопросов докладчикам.

Полную версию дискуссии можно посмотреть по ссылке.