Евгений Бурнаев — доктор физико-математических наук, профессор Сколтеха, директор Skoltech AI Center / Applied AI Center и специалист по машинному обучению, генеративному ИИ, промышленной аналитике, surrogate modeling, оптимизации и 3D computer vision. Окончил МФТИ, работал в ИППИ РАН, руководил лабораторией анализа данных и прогнозного моделирования. Его исследования и индустриальные проекты связаны с применением ИИ в инженерии, компьютерном зрении, моделировании физических систем и анализе сложных данных.
Evgeny Burnaev is a Doctor of Physical and Mathematical Sciences, Professor at Skoltech, Director of the Skoltech AI Center / Applied AI Center, and a leading specialist in machine learning, generative AI, industrial analytics, surrogate modeling, optimization, and 3D computer vision. A graduate of MIPT, he previously worked at IITP RAS and led the Data Analysis and Predictive Modeling Lab. His research and industrial projects focus on applying AI to engineering, computer vision, physical-system modeling, and complex data analysis.
Стать участником подкаста: https://form.jotform.com/Podcast10K/become-a-podcast-guest
Темы выпуска:
0:00 — Искусственный интеллект как инструмент: где заканчивается магия и начинается инженерия
2:00 — Формула-1 и суррогатные модели: как ИИ ищет прочность без тысяч экспериментов
6:00 — Миллисекунды вместо суток: почему прогнозная модель меняет инженерную оптимизацию
8:00 — Поиск скрытых частиц: почему машинному обучению всё равно нужна физика
12:00 — Аномалия как след неизвестного: как модель замечает то, чего еще нет в теории
14:00 — 3D-зрение и храм Василия Блаженного: как оцифровать культурное наследие без идеальных условий
18:00 — Медицинские сканы и сложные данные: почему ИИ должен развивать математику, а не просто нажимать кнопку
20:00 — Врач как источник шума: почему разметка медицинских данных никогда не бывает полностью очевидной
24:00 — Обучение без разметки: как нейросеть учится восстанавливать пропущенную реальность
28:00 — 3D-объект из одной фотографии: как модель учится через обратный рендеринг
34:00 — Смещение в данных: почему нейросеть видит не истину, а свою обучающую выборку
48:00 — Улучшение изображения или фейк: где нейросеть начинает дорисовывать реальность
1:02:00 — Понимает ли нейросеть: почему человеческое понимание тоже похоже на вероятностный процесс
1:04:00 — Черный ящик из миллионов операций: почему мы еще не контролируем глубокие нейросети
1:18:00 — Цена ошибки: почему для рекламы достаточно 85%, а для ракетной системы — почти никогда