Telegram
Обратная связь
По четвергам с 18:15 в аудитории 4109 НГУ и онлайн
Семинар Невозможного
от Математического центра
в Академгородке
Новосибирск (UTC+7, МСК+4)
Zoom-ссылка: https://us02web.zoom.us/j/8392029230?pwd=YkxIVjA2VlVqMnRnUkw0OTdrd3lNQT09
Телеграм-чат: https://t.me/joinchat/iH16ONtr7zZiZTJi
О семинаре
На Семинаре Невозможного мы пытаемся разобраться с проблемами человечества и тем, какая математика может помочь в их решении. Это экспериментальное пространство, в котором мы ставим перед собой невозможные цели, но не оставляем попыток взять их штурмом. Это место, где мы пытаемся понять и связать между собой различные направления математики, других наук и деятельностей, которые к науке могут и не иметь никакого отношения. Это простор для совместных размышлений над вопросами, ответов на которые ещё может даже не существовать. Это сообщество тех, кто интересуется математикой во всём её многообразии. Если что-то из вышеперечисленного вас зацепило, добро пожаловать! Опыт, профессиональный стаж, сфера деятельности, возраст и т.д. не имеют никакого значения, семинар открыт для всех, кто готов обсуждать и замахиваться на невозможное.

P.S. Оставляйте ваши пожелания касательно тем будущих семинаров в специальной форме. Или, может быть, вы хотите вызваться докладчиком и поделиться с нами своим интересным материалом? С нетерпением ждём ваших заявок!
Следующий семинар — в 2022 году
С наступающими праздниками!

Анонс следующего семинара появится позже. Самый лучший способ следить за обновлениями — присоединиться к нашему телеграм-чату
Предыдущие семинары
2 сезон
1 сезон
Прошедшие семинары 2 сезона
9 декабря
9 декабря
Математическое образование
Евгений Вдовин, директор МЦА
Мы поговорили о том, что из себя представляет существующее математическое образование. Опыт докладчика показывает, что многие люди говорят: «я выраженный гуманитарий, отстаньте от меня с вашей математикой, это не моё». И не просто говорят, но и гордятся этим. Действительно ли математика — удел немногих избранных, недоступный большинству, причём даже не та математика, за которую дают Абелеву или Филдсовскую премию, но даже вполне себе обычная школьная математика, например тригонометрия или, страшно сказать, проценты? Существуют ли примеры других методов обучения математике? Мы поговорили об этих вопросах и обсудили, что можно с этим делать.

Спойлер — автор доклада до 9-го класса включительно был полным гуманитарием.
2 декабря
2 декабря
Презентация ODS Lab
Совместный проект Open Data Science сообщества и МЦА

Запись семинара
Дополнительные материалы
ODS Lab — открытое пространство для всех увлечённых анализом данных, машинным обучением, нейросетями и другими смежными областями.

Образовательные активности, соревнования, работа над проектами, задачи и экспертиза от ведущих специалистов, нетворкинг, обмен опытом и идеями — все это и не только это будет происходить в той самой ODS Lab.

Мы приглашаем студентов, инженеров, исследователей, разработчиков и всех, кому интересна данная тема. Все подробности — где всё это будет находиться и как туда попасть — на нашей встрече.
25 ноября
25 ноября
Цифровое знание
Юрий Аникин (заместитель главного ученого секретаря СО РАН)

Запись семинара
Дополнительные материалы
Один из вызовов современности — стремительно нарастающая комплексность проблем. Научный метод включает операцию декомпозиции задач и выделения отдельных проблем, но не операцию включения полученного знания в единую цельную структуру. На семинаре поговорили о необходимости и возможности интеграции научного знания и роли математики в этой задаче.
11 ноября
11 ноября
Мозг естественный & «мозг» искусственный
Игорь Бондарь (Институт высшей нервной деятельности и нейрофизиологии РАН, Москва)

Запись семинара
Дополнительные материалы
Поговорили про то, как работает наш мозг и как мог бы работать искусственный мозг.
21 октября
21 октября
Ускорение нейронных сетей: обзор и современное состояние
Александр Гончаренко (ENOT.AI)

Запись семинара
Дополнительные материалы
Поговорили про современные методы ускорения нейронных сетей, дали некоторую интуиция, почему они работают, а также сделали обзор наиболее перспективных по мнению докладчика подходов.
23 сентября
23 сентября
Что у ней внутри: Зачем и как интерпретировать модели машинного обучения
Дмитрий Колодезев (ООО Промсофт)

Материалы
После небольшого перерыва мы поговорили про то самое, что уже несколько раз возникало в наших дискуссиях и порождало много вопросов — про интерпретацию моделей машинного обучения.
9 сентября
9 сентября
Состязательные атаки на нейронные сети
Александр Кугаевских

Запись семинара
Дополнительные материалы
Активное использование нейронных сетей вскрыло их серьезный недостаток — они не обладают устойчивостью. В 2013 году специалисты Google опубликовали первую работу о странном поведении нейронных сетей при использовании специальным образом модифицированных изображений. После этого пошел лавинообразный рост алгоритм генерации входных примеров для нейронных сетей, которые получили общее название состязательных атак. Отличительной чертой состязательных атак является незаметность возмущения входного образа для человека. При их проведении нейронные сети начинают формировать ошибочные значения выходов с высокой степенью уверенности в них.
Семинары 1 сезона
19 августа
19 августа
Открытые научные проблемы, на которые вышли участники Большой математической мастерской
Специальное заседание

Запись семинара
Поскольку на этой неделе проходил завершающий модуль Большой математической мастерской, то и наш Семинар Невозможного 19 августа снова провёл специальное заседание. Мы обсудили открытые научные проблемы, на которые участники Мастерской вышли в ходе свой работы. Какие-то вопросы сразу получили свой ответ, какие-то гипотезы вообще были отброшены как профнепригодные, а какие-то, возможно, в будущем отполируются и превратятся в очень любопытные открытые задачи.
12 августа
12 августа
Машинное и глубокое обучение в астрофизике
Методы машинного обучения начинают захватывать не только разные области наук, но и наш семинар! 12 августа мы с вами отправились в космос!

Мы поговорили об астрофизике и обсудили основные векторы исследований в этой области, ключевые проблемы и что нас может ждать в ближайшем и не очень ближайшем будущем. Мы узнали, как с помощью нейронных сетей можно классифицировать астрономические объекты, гамма-всплески (и что это вообще такое), а также как глубокое обучение используется в исследованиях космических лучей сверхвысоких энергий. Помимо этого мы познакомились с историей исследовательской команды "Astroparticle Physics" JetBrains Research и проследили их путь от Первого воркшопа Матцентра до своей лаборатории. В своих разработках группа вовсю используют различные нейронки, в том числе генеративные сети, так что можно будет задать все накопившиеся по этой теме вопросы. В завершении Алина рассказала о свежем Kaggle-соревновании по обнаружению гравитационных волн, в котором принимает участие их команда (и в которую можно включиться, если после семинара вы поняли, что "космос+нейронки" вас теперь не отпустят).
22 июля
22 июля
Глубокое погружение
в нейронные сети
В рамках семинара мы обсудили, что же такое искусственные нейронные сети и почему они работают. Вместе мы разобрались, в чём отличие нейросетевого метода для решения задач искусственного интеллекта от «классического» машинного обучения (например, от деревьев решений или машин опорных векторов), а также от формальных методов на основе экспертных систем (продукционных систем, фреймовых моделей, семантических сетей). Также обозначили современное состояние дел в области нейронных сетей и перспективные направления математических исследований, позволяющих развить наше научное понимание нейросетевого метода.
15 июля
15 июля
Дискуссия о будущем математического образования
Поговорили о том, что такое математическое образование в широком смысле этого слова, зачем оно нужно и каким оно будет или должно стать.

Дискуссия прошла в формате своеобразных дебатов: несколько спикеров из разных областей представили свои лаконичные тезисы касательно математического образования, поверх которых мы все вместе по-рассуждали, где-то поспорили, где-то согласились, а где-то вышли на совершенно новые вопросы или гипотезы.
8 июля
8 июля
Обработка математических текстов
Системы автоматизации и верификации математических доказательств работают "снизу вверх": от базовых кирпичиков к более сложным утверждениям, создаваемым практически вручную. А можно ли пойти "сверху вниз": от корпуса математических текстов по пути постепенной, пусть и частичной, формализации? Можно ли искать утверждения не по ключевым словам, а по логическому смыслу?

На семинаре мы обсудили возможные подходы к такой задаче, их реализуемость, а также существующие инструменты в этой области. Например, с лингвистической точки зрения математический текст состоит из относительно стандартных конструкций, обладает малой вариабельностью и лишён большинства средств выразительности и многих видов неопределённости. Вместе с тем математика является крупнейшей областью, в которой применим глубокий семантический анализ. Эти особенности позволяют надеяться на продуктивность лингвистического анализа математических текстов для поиска логических взаимосвязей и формализации доказательств.
17 и 24 июня
17 и 24 июня
Квантовые технологии и криптография
Александр Куценко

Записи первой и второй частей доклада
Дополнительные материалы по первой и второй частям
Квантовая информатика является научной дисциплиной, динамично развивающейся в последнее время. Она изучает закономерности передачи информации, базирующиеся на законах квантовой механики. Отдельного внимания заслуживают приложения квантовой информатики, оказывающие влияние на развитие современной криптографии. В рамках семинара были изложены идеи, лежащие в основе квантового распределения ключей (квантовой криптографии) и криптоанализа с использованием квантовых вычислений. Были рассмотрены математические проблемы, возникающие в рамках данных приложений, а также известные подходы к их решению. Также мы обсудили основы постквантовой криптографии.
10 июня
10 июня
Глубокие нейросети на службе компьютерной лингвистики
Иван Бондаренко

Запись семинара
Дополнительные материалы
Как написал классик, «человека создал труд». Эту прекрасную в своей краткости мысль можно лишь немного уточнить, что труд — это не просто труд, а коллективный труд. А где коллектив, там и общение, коммуникация, язык. Поэтому коммуникативные способности можно считать неотъемлемым свойством интеллекта человека. Изучением человеческой коммуникации с помощью языка занимается наука лингвистика. И когда речь заходит не о «естественном» интеллекте, а о его искусственном аналоге, то многие исследователи считают, что искусственный интеллект должен быть разговорным. Как же создать такой разговорный ИИ? Для решения этой задачи нам тоже нужна лингвистика, но не простая, а компьютерная. У тех языков, на которых говорят и пишут люди, есть принципиальное свойство — они, в отличие от, например, языков программирования, недетерминированы и трудноформализуемы (или неформализуемы вовсе). Поэтому для построения хороших, практически полезных моделей языка компьютерная лингвистика не может ограничиваться одними лишь формальными методами, а нуждается в помощи машинного обучения. И на нашем семинаре мы с вами разобрались, как машинное обучение и, в частности, наиболее передовая его область — глубокое обучение — помогает анализировать и понимать тексты на естественном языке.
27 мая
27 мая
Научные вызовы больших данных
Евгений Павловский

Запись семинара
Дополнительные материалы
Какие задачи для математиков можно поставить, встречая вызовы больших данных? Может быть пора взглянуть на данные и алгоритмы под другим углом? А главное — для каких целей и задач человека и человечества все эти подходы? В выступлении были рассмотрены возможные фундаментальные постановки хранения и представления данных, совмещения подходов и градиента знаний человечества.
13 и 20 мая
13 и 20 мая
Большие данные. Системы управления доступа к данным. Гипотезы развития и математические проблемы в этой области
Игорь Солодов

Записи первой и второй частей доклада
Дополнительные материалы по первой и второй частям
Данные окружают нас повсюду, они разнообразны и играют всё большую роль при принятии решений во всех сферах деятельности. Эволюция данных начиналась с различных типов баз данных, которые в дальнейшем трансформировались в корпоративные системы, состоящие из блоков, которые можно назвать Блоком хранения данных, Блоком управления доступа к данным, и Блоком обработки данных. В дальнейшем корпоративные системы становились всё более открытыми и масштабными, данные всё более разнообразными, что привело к переходу всех этих блоков в облачные сервисы. При этом объём данных и масштаб задач всё время увеличивается, при сохранении текущей скорости накопления данных через 2–3 года существующих технологий будет уже принципиально не хватать для работы с данными. Возникла новая ветка эволюции работы с большими данными — в сторону параллельных вычислений, когда данные уже не могли обрабатываться на одном, пусть даже самом мощном, вычислительном узле. Все те большие данные, которые мы планируем рассматривать в данном семинаре — это все теория параллельных вычислений — на всех этапах.

На семинаре мы рассмотрели эволюцию принципиальных моделей работы с данными, построим текущую принципиальную модель и рассмотрим более подробно ту её часть, которая касается управления доступа к данным. Мы также сформулировали возможные гипотезы решения возникающих принципиальных сложностей и требования к математике, которую необходимо развивать, чтобы создать технические решения для данных гипотез.
Семинар проводится при поддержке Математического Центра в Академгородке, соглашение с Министерством науки и высшего образования Российской Федерации №075-15-2019-1675.