Использование разработанной «Яндексом» ИИ-системы позволило исследователям из НИИ биологии ИГУ, Института биологии южных морей им. А.О. Ковалевского РАН (ИнБЮМ РАН) и компании MaritimeAI в десятки раз сократить время анализа проб воды в озере Байкал и повысить точность распознавания зоопланктона до 87%.

Решение использует компьютерное зрение и машинное обучение. На этапе обнаружения объектов алгоритм компьютерного зрения YOLO V11 выделяет на изображении области, которые могут быть организмами зоопланктона. Далее нейросеть-трансформер с архитектурой ViT_b_16 классифицирует объекты с помощью метода k‑ближайших соседей (KNN, K-Nearest Neighbours), где изображения сопоставляются с уже известными классами организмов.

Объекты, не попадающие в известные кластеры, выявляются с помощью алгоритмов OneClassSVM и HDBScan. Такие случаи направляются на проверку экспертам, которые подтверждают или корректируют выводы ИИ, а также добавляют новые данные в обучающую выборку. Работающие в составе системы модели переобучаются несколько раз в год для учета сезонных изменений.

Система начала работать в рамках проекта по отслеживанию состояния зоопланктона «Точка № 1» в 2022 году, за это время было обработано 250 тыс. изображений из 811 проб. В дальнейшем планируется регулярно обновлять модели, расширять базу данных и совершенствовать алгоритмы.

В июне 2026 года ученые из «Сколтеха», AIRI и ИРНИТУ создали ИИ-инструмент для оценки характеристик леса.