В Московском физико-техническом институте (МФТИ) открылся курс для аспирантов, где обучают созданию продвинутых ИИ-помощников и выстраиванию персональной ИИ-среды. Об этом сообщила пресс-служба вуза.
«Московский физико-технический институт открыл передовой и уникальный курс для аспирантов «ИИ в научных исследованиях» (AI4Research), где слушатели осваивают создание продвинутых ИИ-помощников и выстраивают персональную ИИ-среду. Эти навыки позволят молодым ученым повысить эффективность научной работы и сосредоточиться на творческой части исследований», – говорится в сообщении.
Как рассказали в вузе, курс стартовал с сентября 2026 года. Участниками стали более 60 аспирантов университета, что демонстрирует высокий спрос молодых исследователей на навыки работы с инструментами искусственного интеллекта.
Искусственный интеллект становится необходимым инструментом для ученых, стремящихся сохранять конкурентоспособность на мировом уровне, отмечается в сообщении. В рамках курса аспирантов учат интегрировать ИИ-инструменты на всех этапах научной работы, проверять результаты нейросетей и сохранять авторский контроль над исследованиями.
«Искусственный интеллект берeт на себя рутинные операции, высвобождая время для главного – работы над уникальной частью исследования, которая требует творческого мышления и научной интуиции. Важно, что мы готовы предоставить соответствующий инструментарий на благо научного сообщества в целом, а не только для аспирантов Физтеха», – приводятся в сообщении слова руководителя проекта, руководителя Операционного офиса ТОП-ИИ МФТИ, доцента Образовательного центра программ топ-уровня по искусственному интеллекту, кандидата технических наук Дениса Кустова.
Программа рассчитана на последовательное освоение ИИ-инструментов – от изучения возможностей и ограничений технологии до решения практических исследовательских задач на материале собственной диссертации. В первых двух модулях аспиранты знакомятся с инструментами автоматизации поиска научной литературы и обработки сложных статей, а также учатся генерировать и проверять программный код, доказывать теоремы с помощью нейросетей и структурировать технические отчеты.
Третий модуль посвящен созданию персональной ИИ-среды. Слушатели настраивают программные связи – коннекторы, позволяющие искусственному интеллекту обращаться к базам данных, научным библиотекам и различным сервисам. Параллельно они объединяют собственные статьи, заметки и экспериментальные данные в единую базу знаний, после чего с помощью ИИ-агентов готовят черновик научной статьи.
«На курсе AI4Research мы учим успешно решать прикладные задачи, даже если их сложность выше текущего уровня знаний слушателей: аспиранты ставят перед искусственным интеллектом проблему, вместе с ним разбираются в ней, находят путь к решению и в процессе получают новые навыки», – цитирует пресс-служба директора Центра когнитивного моделирования МФТИ, директора лаборатории AIRI, профессора РАН Александра Панова.
По итогам обучения аспиранты получают набор инструментов, которые могут применять в собственных исследованиях, а также учатся объяснять и подтверждать результаты, полученные с использованием ИИ. По словам специалиста, такой подход особенно актуален для направлений, где объемы научной литературы, данных и вычислений превышают возможности традиционных методов работы.
Финальный модуль курса знакомит слушателей с отраслевыми примерами использования искусственного интеллекта в точных науках. В частности, преподаватели демонстрируют применение алгоритмов в молекулярном моделировании для нефтегазовой отрасли, исследованиях атмосферы, океана и климата, компьютерном проектировании материалов и разработке интеллектуальных систем связи.
Продолжительность курса составляет 15 недель дистанционного обучения. Программа включает 30 академических часов лекций и 14 часов семинаров, по итогам которых аспиранты сдают дифференцированный зачет.
В преподавательский состав вошли 14 экспертов, включая преподавателей Физтех-школы прикладной математики и информатики, исследователей Института искусственного интеллекта МФТИ и ученых, применяющих технологии машинного обучения в физических, химических, климатических и инженерных проектах.