Доказательство через Строительство.
Публичная история: машинное обучение с нуля, федеративное обучение и флагманский проект по коннектомике, связывающий биологию с тезисом о рое. Мы строим строка за строкой — и затем делимся кодом.
Проект, с которого началась эта гипотеза.
Суперразрешение матрицы связности мозга
Восстановление графов проводки мозга высокого разрешения из грубых коннектомов — суперразрешение для нейронауки.
Создаёт модели, которые предсказывают плотные, точные матрицы нейронной связности из разреженных наблюдений низкого разрешения; опубликовал матрицы как публичный датасет CC0 на Kaggle (289 загрузок), чтобы сообщество могло на них строить.
Восстановление мелкозернистой проводки из грубых сканов — методологический мост от нейронауки к мультиагентному интеллекту, и датасет публичен, чтобы область могла на него опираться.
Библиотека, написанная с нуля, и прикладная работа.
Федеративное обучение с логистической регрессией
Приватное распределённое обучение — обучение across data silos без перемещения данных.
Реализация федеративного обучения с классификатором на основе логистической регрессии: входная точка от классического ML к конфиденциально-сохраняющему распределённому обучению.
Обучение across изолированных хранилищ данных без их централизации — распределённая координация, отвечающая реальным требованиям приватности.
Каждый из этих проектов был построен изнутри наружу — мы доверяем модели только тогда, когда можем заглянуть внутрь неё. Именно эту дисциплину мы привносим в агентные системы: оркестрация, использование инструментов, память и оценка — всё построено на одной и той же глубине реализации.