В инновационном зале АО "НК "Қазақстан темір жолы" состоялся семинар, посвящённый применению искусственного интеллекта и больших языковых моделей (LLM) в железнодорожной отрасли. В мероприятии приняли участие председатель правления КТЖ Талгат Алдыбергенов, его заместители, руководители филиалов и дочерних организаций. Цель семинара — изучение практических направлений использования ИИ: от диагностики инфраструктуры до интеллектуального планирования движения поездов. Лектором выступил доктор наук Стэнфордского университета Юнес Бенсуда Мурри — один из ведущих экспертов в области образовательных технологий и искусственного интеллекта, руководитель компании LiveTech.AI и автор более 20 международных исследований. Он обучил свыше 1,2 миллиона студентов на платформе Coursera и в 22 года стал одним из самых молодых преподавателей Стэнфорда. Как сообщается, участникам представили технологии, повышающие безопасность движения, сокращающие задержки и оптимизирующие логистику. Особое внимание уделено интеграции ИИ в процессы КТЖ — от управления инфраструктурой до анализа данных о перевозках. В КТЖ отмечают, что компания уже реализует ряд проектов, где ИИ используется для диагностики, планирования и оптимизации. "Пилотная система анализирует более 500 тысяч гигабайт данных о состоянии путей и оборудования, что позволило сократить устранение дефектов с 15 до 1 дня и ускорить планирование ремонта почти вдвое. Система прогнозирования графиков повышает точность прибытия поездов до 95 процентов и увеличивает пропускную способность сети на 15 процентов, учитывая погодные условия и загрузку станций", - говорится в сообщении нацкомпании. В КТЖ внедрены внутренние языковые модели, обученные на 5 тысячах нормативных документов. Они помогают сотрудникам мгновенно находить нужную информацию и повышают прозрачность процессов. Отмечается, что ИИ также анализирует свыше миллиона гигабайт данных о перевозках, выявляя аномалии, неэффективные маршруты и схемы обхода, что снижает потери и повышает эффективность логистики. КТЖ формирует экосистему "интеллектуальной железной дороги", объединяющую инфраструктуру, диагностику, движение и аналитику в единую цифровую систему. Семинар стал не только площадкой для обмена знаниями, но и подтверждением лидерства КТЖ в применении ИИ в транспортной отрасли региона. Многие представленные решения уже внедрены и демонстрируют реальный эффект. Самое важное о событиях в Казахстане и мире
Материал бастапқы дереккөзден алынған:
Tengrinews — AI (Google News)
Толық мәтінді Tengrinews — AI (Google News) сайтында оқуМатериал ашық дереккөздерден жиналған. Оның орналастырылуы сіздің құқықтарыңызға тиіп жатса → Ақпаратты жою
Стэнфорд оқытушысы ҚТЖ-да жасанды интеллект туралы семинар өткізді
Лектор из Стэнфорда провел семинар по искусственному интеллекту в КТЖ tengrinews.kz
AI қорытындысы: Басты тезистер
- Лектор из Стэнфорда провел семинар по искусственному интеллекту в КТЖ tengrinews.kz

Ұқсас материалдар
ENA Controlled LLM Workflow for Evidence-Grounded Diagnosis of Risk Score Differences
arXiv:2610.23962v1 Announce Type: new Abstract: We propose a controlled Large Language Model (LLM) workflow for explaining risk score differences using similar historical transactions. The workflow combines reference retrieval and contrastive SHapley Additive exPlanations (SHAP)…
Ашық ниеттен тыс: адам мен AI бірлесіп жасау арқылы көркемдік ниетті ашу және қалыптастыру
arXiv:2610.24010v1 Хабарландыру Түрі: жаңа Аннотация: Генеративті AI көркем шығармашылықтың маңызды құралына айналуда, дегенмен бар өзара әрекеттесулер көбінесе жасаушылар ниеттерін алдын ала белгілеп, оларды мәтіндік кеңестер арқылы дәл хабарлай алады деп болжайды. Көркемдік ниет,…
GardenBench: LLM қабілеттерінің жеңіл, күнделікті бағалауы
arXiv:2610.23866v1 Хабарлама түрі: жаңа Анотация: Біз GardenBench-ді ұсынамыз, бұл 11 тест жинағынан тұратын бенчмарк, ол үлкен тілдік моделілердің (LLM) қабілеттерін әртүрлі тапсырмалар бойынша бағалайды. LLM-дерді жүйелі түрде әртүрлі жеңіл сұраулармен подсказ бера отырып, біз құжаттаймыз…
ENLogicVal:A Logic-Formalized Benchmark for Constraint Satisfaction in Text-to-Image Generation
arXiv:2610.24051v1 Announce Type: new Abstract: Text-to-Image (T2I) generative models have made significant progress in producing high-fidelity images from natural-language prompts. Alongside this progress, numerous benchmarks have been developed to evaluate capabilities such as…