Алгоритм для малых данных

Суверенитет через малые данные

В условиях глобального цифрового бума искусственный интеллект всё чаще требует «кормить» его гигабайтами информации. Однако в реальной жизни данные нередко фрагментарны, ограниченны или просто недоступны. Именно эту дилемму призван решить новый ИИ-алгоритм, разработанный учёными Казанского национального исследовательского технического университета им. А.Н. Туполева-КАИ. В отличие от классических моделей, требующих больших массивов для обучения, новая система умеет «думать» даже при минимуме исходной информации – как настоящий детектив, собирающий улики по крупицам.

Значимость разработки выходит далеко за рамки академического интереса. Для российской ИТ-отрасли это стратегический шаг. В условиях импортозамещения и технологической независимости умение строить эффективные ИИ-решения без доступа к мировым базам данных становится не просто преимуществом, а необходимостью. Алгоритм КНИТУ-КАИ открывает дорогу к локальным ИИ-проектам в промышленности, здравоохранении, экологии и региональном управлении – отраслях, где данных мало, а потребность в интеллектуальной аналитике высока.

Более того, решение напрямую способствует укреплению технологического суверенитета. Оно снижает зависимость от зарубежных платформ, выстроенных на парадигме «больших данных», и делает внедрение ИИ экономически оправданным даже для малых и средних предприятий.

Уникальность и прозрачность решений

Суть инновации - в способе обработки информации. Алгоритм работает с множеством признаков, каждому из которых присваивается определённый «вес». Если новое наблюдение не вписывается в существующие шаблоны, оно маркируется как уникальное, и на его основе формируется новый класс данных. При этом система не просто классифицирует - она объясняет свои выводы. Эта прозрачность критически важна для повышения доверия к ИИ, особенно в чувствительных сферах вроде медицины или государственного управления.

«Обычно расширение выборки желательно и полезно для повышения точности модели. Однако в случае с редкими сведениями добавление в набор новой информации нужно тщательно взвешивать, поскольку даже единичное измерение может привести к разбалансировке модели. Решение о том, следует ли их включать в систему, принимается путем дополнительной экспертной оценки».

Светлана Новикова

профессор кафедры прикладной математики и информатики КНИТУ-КАИ

От лаборатории - к рынку

Перспективы внедрения – широки. Уже в ближайшие 1-2 года возможны пилотные проекты в региональных промышленных кластерах, муниципальных службах и национальных программах, таких как «Цифровая экономика».

К 2030 году не исключено появление полноценной отечественной платформы на базе этого алгоритма, ориентированной на экспорт в страны СНГ, Африку и Азиатско-Тихоокеанский регион, где данные также ограничены, а потребность в цифровизации растёт.

Заметим, что КАИ не одинок в этой гонке: в 2025 году ВШЭ и Сбербанк представили метод Simplicial SMOTE, также нацеленный на работу с несбалансированными и малыми наборами. Однако именно подход казанских учёных выделяется за счёт акцента на логическую интерпретируемость - свойство, которое может стать ключевым при коммерциализации.

Вызовы на пути к успеху

Однако путь от научной статьи до массового применения непрост. Главные риски - масштабируемость и точность. Если алгоритм окажется узкоспециализированным или уступит по качеству решениям на больших данных, его потенциал будет ограничен. Кроме того, требуется создание инфраструктуры поддержки: от документации и API до образовательных программ для разработчиков.

Тем не менее, даже в текущем виде разработка - важное звено в цепи локализации ИИ-экосистемы. Она не только решает практическую проблему, но и формирует культурный сдвиг: ИИ больше не обязан быть «большим», чтобы быть полезным. В условиях российской специфики, где данных часто мало, а задачи сложны, это может стать настоящим прорывом.

Вместо заключения

Алгоритм, предложенный учёными КНИТУ-КАИ – не революция, но уверенный шаг в сторону зрелой, адаптированной к реалиям национальной цифровой экономики. Он напоминает: технологии должны служить человеку и обществу - даже тогда, когда информации в распоряжении меньше, чем хотелось бы. И если этот подход получит поддержку на уровне государства и бизнеса, Россия сможет не только догнать, но и предложить миру собственный путь развития искусственного интеллекта - разумного, экономного и понятного.