Научный архив: статьи

Статья предлагает читателю результаты обобщения практической деятельности компаний по разработке и/или внедрению технологий искусственного интеллекта (далее - ИИ), а также компаний-пользователей этих технологий - какие сценарии применения технологий ИИ существуют и в каких отраслях, с какими проблемами сталкиваются организации, внедряющие ИИ, как видится решение этих проблем экспертным сообществом сферы искусственного интеллекта и что предлагается со стороны государства. В части государственной политики в отношении развития искусственного интеллекта статья содержит сведения о факторах, закладываемых в актуализируемую национальную стратегию развития ИИ, отражает связь технологий ИИ и государственного суверенитета, показывает воздействие искусственного интеллекта на конкурентоспособность компании и творческие способности человека. Также в статье приведены основные поручения руководства Российской Федерации по развитию искусственного интеллекта, некоторые статистические данные по использованию ИИ в отраслях экономики и секторах социальной сферы, обозначены меры поддержки разработчиков и «внедренцев» технологий искусственного интеллекта, предлагаемые институтами развития в рамках федерального проекта «Искусственный интеллект» национальной программы «Цифровая экономика Российской Федерации». Много внимания в статье уделяется вопросу кадрового обеспечения ИИ-сферы - какие специалисты нужны компаниями, каков должен быть их уровень подготовки и что они должны уметь делать, какие требования предъявляются к преподавателям ИИ, что спрашивают компании-лидеры у соискателей на собеседовании и какова траектория «выращивания» талантов в сфере искусственного интеллекта. В заключительной части статьи даются рекомендации нынешним студентам по подготовке к повсеместному использованию технологий искусственного интеллекта.

В данной статье рассмотрены особенности интеграции технологий искусственного интеллекта в правовое пространство Российской Федерации. Осуществлен анализ рисков и достоинств данного процесса в контексте обеспечения национальной безопасности государства в период вооруженных конфликтов. Рассмотрены принципы развития и использования искусственного интеллекта.

Процессы цифровизации, внешние вызовы и растущие запросы на формирование новых компетенций привели к тому, что в настоящее время такая традиционная сфера, как образование, претерпевает серьезную трансформацию как в плане используемых методов обучения, так и конкурентных стратегий, реализуемых субъектами образовательного процесса. Одним из наиболее динамично развивающиихся секторов является виртуальное образование, выросшее за последние пятнадцать лет от простых информационных сайтов до полноценных виртуальных образовательных систем, способных предложить кастомизированные образовательные продукты широкому кругу пользователей. Несмотря на относительную молодость сектора виртуального образования и дискуссионность идентификации его границ, уже накоплен достаточный статистический и фактографический материал, который позволяет оценить уровень конкуренции и барьеры выхода на данный рынок. Идентификация типовых конкурентных стратегий входа позволит как проследить основные тенденции развития данного рынка, так и оценить их перспективность с точки зрения возможности применения новыми игроками. Цель работы - оценить уровень конкуренции на рынке виртуального образования и выявить характерные стратегии выхода на данный рынок; на основе данных рейтинга EdTech и «Списка сделок в сфере виртуального образовавния за 2014-2016 гг.» дать оценку конкуренции и выявить основные дескриптивные стратегии. Уровень конкуренции оценивался на основе расчета Индекса Херфиндаля - Хиршмана и расчета степени концентрации рынка. Для оценки барьера входа и выживаемости стартапов проведен анализ объемов инвестирования по сохранившимся на текущий момент проектам. При группировке и описании стратегий входа использовались монографический и историографический методы, а также анализ объема инвестиций и секторальной принадлежности компаний. По итогам исследования сделан вывод о высоком уровне конкуренции на данном рынке и среднем уровне его концентрации. Идентифицирован ряд характерных стратегий выхода на рынок, даны количественные оценки объема инвестиций их реализации.

Статья посвящена определению перспективы совершенствования управления конкурентоспособностью бизнеса через расширение использования технологий искусственного интеллекта и больших данных для его устойчивого развития в России. Методология исследования базируется на применении метода регрессионного анализа, с помощью которого осуществляется моделирование влияния факторов использования цифровых технологий в бизнесе на конкурентоспособность экономики. Временной период исследования охватывает границы Десятилетия науки и технологий: используется статистика за 2022 г. и составляется прогноз на период до 2031 г. В результате на основе опыта топ-30 стран с наиболее активным использованием цифровых технологий в бизнесе в 2022 г. авторами составлена эконометрическая модель конкурентоспособности экономики. С опорой на эту модель раскрыта перспектива использования искусственного интеллекта и больших данных в управлении конкурентоспособностью бизнеса России для его устойчивого развития в Десятилетие науки и технологий. Главный авторский вывод по итогам проведенного исследования сводится к тому, что перспектива укрепления конкурентоспособности и устойчивого развития бизнеса в России в Десятилетие науки и технологий связана с ростом активности использования бизнес-структурами технологий искусственного интеллекта и больших данных. Авторами обоснована целесообразность активной технологической модернизации бизнеса для укрепления технологических конкурентных преимуществ, обладающих большой ценностью в современной рыночной среде. Авторами приведена научная аргументация того, что технологии искусственного интеллекта и больших данных более предпочтительны (вносят гораздо больший вклад в конкурентоспособность), чем технологии Интернета вещей и облачные сервисы. Практическая значимость полученных авторами результатов связана с тем, что составленные рекомендации по повышению активности использования искусственного интеллекта и больших данных в российском бизнесе позволят наиболее полно раскрыть потенциал роста его конкурентоспособности. Предложенные контрольные значения соответствующих показателей послужат для этого ориентирами в поддержку устойчивого развития бизнеса России.

Основным компонентом криптографической хеш-функции MD4 является 48-шаговая функция сжатия. В 2007 г. прообраз 39-шаговой функции сжатия MD4 был найден с помощью CDCL - основного полного алгоритма решения проблемы булевой выполнимости (SAT). В 2022г. с помощью параллельного SAT-алгоритма Cube-and-Conquer был найден прообраз 43-шаговой функции сжатия MD4. В настоящей работе исследуется 44-шаговая версия функции сжатия MD4, такая, что 44-й шаг ослаблен разными способами. С помощью Cube-and-Conquer найдены прообразы нескольких таких функций. На основе решённых задач предложена оценка времени, необходимого для нахождения прообраза 44-шаговой функции сжатия MD4.

Данная статья посвящена детальному представлению технологии, базирующейся на реализации средств искусственного интеллекта в профессиональной подготовке обучающихся по специальности 33.02.01 Фармация. Автор статьи представляет многоаспектную характеристику и проводит анализ инновационных технологий в данной области. Особое место в статье отводится особенностям реализации технологий в соответствии с образовательными потребностями будущих фармацевтов.

В статье рассмотрены аспекты и возможности значительного повышения эффективности и доступности образования с использованием искусственного интеллекта, что открывает новые возможности для обучающихся и преподавателей. Уделяется особое внимание рассмотрению проблем разработки инновационных методик обучения, которые учитывают индивидуальные потребности каждого ученика. С помощью алгоритмов машинного обучения можно определить наиболее эффективные стратегии обучения для каждого учащегося, а также предлагать персонализированные задания и материалы. Показана интеграция искусственного интеллекта в сферу образования, имеющая множество возможностей для улучшения и преобразования образовательной среды.

В статье рассмотрены потенциальные возможности искусственного интеллекта для использования учителем информатики: индивидуализация обучения, атоматизация оценки, анализ данных. Представлен опыт работы учителя информатики по элективному курсу на уровне среднего общего образования. Рассмотрены возможности генеративных нейронных сетей для обработки текстовой, графической и мультимедийной информации на уроках информатики и во внеурочной деятельности. Приводятся примеры интернет-ресурсов, которые могут использоваться учителем информатики для подготовки к урокам и во внеурочной деятельности на различных платформах.

Цель исследования. Провести систематический анализ данных, имеющихся в современной литературе, о возможности использования искусственного интеллекта (ИИ) для построения математических моделей сложных систем, в том числе человеческого организма.

Материал и методы. В обзор включены данные зарубежных и отечественных статей, найденных в Pubmed по данной теме, опубликованных за последние 10 лет.

Результаты. Алгоритмы машинного обучения помогают определять ключевые переменные и взаимосвязи внутри системы, которые людям трудно или невозможно обнаружить. В статье рассматриваются различные типы математических моделей: объяснительные и прогностические, объясняется важность и назначение выбора и стандартизации составляющих модель переменных и знака перед коэффициентами в моделях.

Заключение. Описательные и прогностические модели — это два распространенных типа моделей машинного обучения. Основное различие между ними заключается в цели их использования. Понимание этих различий важно для врачей-исследователей и аналитиков при выборе наиболее подходящего типа модели для своих исследований или для внедрения в процессы принятия решений.

В статье рассмотрены вопросы создания web-приложения оценки гостиниц. На основе анализа аналогичных web-приложения выделены основные элементы. Рассмотрены инструменты создания web-приложения. Предложена модель формирования оценки гостиниц. На основе модели осуществляется подбор гостиниц по запросу пользователя.

Для определения и извлечения сущностей и связей используются методы анализа текста, такие как метод обнаружения именованных сущностей и метод классификации ролей. Для повышения точности и эффективности извлечения применяются такие методы, как метод опорных векторов и метод условных случайных полей. Предложенный подход демонстрирует многообещающие результаты в точной и эффективной разметке образовательных материалов на математические термины.

В статье представлен разработанный алгоритм генерации музыки, основанный на методах глубокого машинного обучения. Алгоритм использует наборы данных из разных жанров музыки для обучения модели и генерации новых музыкальных композиций. В статье приведены основные этапы разработки алгоритма, включая сбор и предобработку данных, выбор и настройку архитектуры модели, определение функций потерь и активации, выбор оптимизатора. Приводятся результаты экспериментов, демонстрирующие эффективность разработанного алгоритма в генерации музыки. Эта статья представляет интерес для исследователей в области машинного обучения и компьютерной музыки, а также для музыкантов и композиторов, ищущих новые идеи для создания музыки