Reasonable AI — Kristian Kersting (TU Darmstadt; hessian.AI; h-index 75) Тема — предел масштабирования LLM. Керстинг начал с метафоры дирижаблей: их делали длиннее — они летали дальше, пока не появились самолёты. Показал, что «the bigger, the better» больше не работает: масштабирование даёт отдачу, но не понимание. Говорил о необходимости европейских LLM, хотя текущий кластер fortytwo (632 A100, 1.2 PB, ∼8 PFLOPS) для этого явно мал; в декабре 2024 сдан новый fortythree. Главный тезис — переход к композиционности мышления. Отсылка к статье Fodor & Pylyshyn (1988), где критикуется коннекционизм и формулируется аргумент в пользу структурных представлений. Показал результаты Bongard in Wonderland — даже сильные VLM ошибаются на простых бонгард-задачах. Упомянул ActivationReasoning — Sparse Autoencoders, где рассуждения кодируются в активациях; направление близкое к нашей работе. Smart Advice: Intelligent Agents Assisting Humans — Sarit Kraus (Bar-Ilan University; h-index 82) Лекция о взаимодействии человека и ИИ в управлении сложными системами, включая рои дронов. Не «человек в контуре», а именно человек управления: ИИ подсказывает, а не заменяет. Конечно, всё в мирных целях — поиск и спасение, мониторинг катастроф, но универсальность подхода очевидна. Обсуждались доверие к советам и адаптация модели под стиль оператора. Powering Robotics with AI — Angela Schollig (Technical University of Munich; h-index 51) Показала управление роями дронов по языковым командам («сделай меньше кругов») с сохранением точности и устойчивости. Демонстрации — Dancing Quadrocopters. Технически — обучение траекторий с предиктивными safety-ограничениями (learningbased + MPC). В беседе отметила, что VLA-подходы (pi0 и др.) пока уступают классическим контроллерам по надёжности. Safe Physical AI — Andre Platzer (Karlsruhe Institute of Technology; h-ndex 51) Формальные методы безопасности для автономных систем. Differential dynamic logic (dL) и система KeYmaera X позволяют доказывать корректность поведения киберфизических систем. Политика может быть нейросетевой, но проверка должна оставаться символьной. Публикации: Provably Safe Neural Network Controllers via dL, Logical Foundations of Cyber-Physical Systems. Machine Learning and AI for (Bio)Chemistry and Materials — Teresa Head-Gordon (UC Berkeley; h-index 82) Два направления: физически информированные модели (PES, TS-поиск, аннотация IDP/IDR) и дообученные LLM для химии. Показала SmileyLlama и SynLlama — модификации Llama, обученные на SMILES и реакционных шаблонах. SmileyLlama генерирует drug-like молекулы с заданными свойствами, SynLlama предсказывает синтезируемые аналоги и маршруты на основе строительных блоков Enamine. Точность синтезируемости 50–60 %, лучшие специализированные модели дают около 80 %. Вывод: будущее — за гибридными схемами LLM + physics. Исходники открыты: GitHub THGLab/SynLlama. AI in Medicine: Promise, Reality, Challenges — Daniel Ruckert (Technical University of Munich; h-index 123) Позиция сдержанная: ИИ в медицине — эволюция, не революция. «Сдал экзамен» не значит «работает в клинике». Речь о фундаментальных моделях и медицине доказательств. Foundation-модели обучаются на популяционных биобанках и адаптируются под конкретные центры. Обсуждал мультимодальность (изображения, EHR, ЭКГ, лабораторные данные, генетика) как единый «язык» медицины. Подчеркнул важность федеративных схем и privacy-by-design. Рюккерт: «валидируем, а не обещаем». Nature Medicine (2024). Human–AI Collaboration — Sumit Gulwani (Microsoft Research; h-index 77) Сместил акцент с обучения пользователей на проектирование понятных промптов и обратной связи. Показал пример для креативности: случайный факт → рекламный слоган — управляемая случайность. Заключительный слайд — «AI that listens, thinks, talks» — акцент на когнитивных и социальных принципах взаимодействия.