Научный архив: статьи

Статья посвящена дискуссионной проблеме применения искусственного интеллекта в исторических исследованиях. Во введении кратко рассматривается история возникновения «искусственного интеллекта» (ИИ) как направления в информатике, эволюция этого определения и взглядов на области применения ИИ; анализируется место методов искусственного интеллекта на разных этапах конкретно-исторических исследований. В основной части статьи на основе анализа историографических источников и собственного опыта участия в зарубежных проектах автор анализирует практику реализации проектов распознавания рукописного текста с помощью различных информационных технологий и методов ИИ, в частности, описываются и обосновываются требования к созданию электронных копий распознаваемых источников, необходимость учета фактуры носителей информации, писчих материалов, техники и технологии создания текста; разновидности и способы создания палеографических, кодикологических, дипломатических наборов данных, историко-лексикологических словарей, возможности использования больших языковых моделей и т. п. В качестве методологической основы автор использовал системный подход, историко-сравнительный, историко-хронологический и описательный методы, а также анализ историографических источников. Учитывая то, что в российской исторической науке применение технологий и методов искусственного интеллекта является довольно редким явлением, анализ опыта осуществления подобных зарубежных проектов весьма актуален, так же как и характеристика профильных научных ассоциаций, научных и научно-вспомогательных ресурсов (порталов и сайтов с наборами данных и исследовательским инструментарием), размещенных в сети Интернет, и сборников научных трудов по изучаемой проблематике, неизвестных в России, о которых идет в речь в статье. В заключение делается вывод перспективности применения технологий искусственного интеллекта не только в качестве вспомогательного инструментария, но и как исследовательских методов, помогающих в установлении авторства исторических источников, уточнении их датировки, выявления подделок и т. п., а также в создании новых видов научно-справочных поисковых систем архивов и библиотек. Вместе с тем, использование технологий искусственного интеллекта отличается большой затратностью и капиталоемкостью, что является серьезным препятствием для широкого внедрения данных технологий в практику исторических исследований.

В течение последнего десятилетия технологии искусственного интеллекта (ИИ) стали одним из наиболее востребованных направлений развития науки и технологий. Этот процесс затронул и историческую науку, в которой первые исследования в этом направлении начались в 1980-х гг. (т. н. первая волна) - как в нашей стране, так и за рубежом. Затем наступила “зима искусственного интеллекта”, а в начале 2010-х гг. пришла “вторая волна” ИИ. Предмет исследования в данной статье - новые возможности применения ИИ в истории и новые проблемы, возникающие в этом процессе в настоящее время, когда основным направлением ИИ стали искусственные нейросети, машинное обучение (включая глубокое обучение), генеративные нейросети, большие языковые модели и т. д. Исходя из опыта применения ИИ историками, в статье предложены следующие семь направлений таких исследований: распознавание рукописных и старопечатных текстов, их транскрибирование; атрибуция и датировка текстов с помощью ИИ; типологическая классификация и кластеризация данных статистических источников (в частности, с использованием нечеткой логики); источниковедческие задачи, восполнение и обогащение данных, их реконструкция с помощью ИИ; интеллектуальный поиск релевантной информации, использование генеративных нейросетей с этой целью; использование генеративных сетей для обработки и анализа текстов; использование ИИ в архивах, музеях и других учреждениях хранения культурного наследия. Проведен анализ обсуждения подобных вопросов, организованный ведущим американским историческим журналом AHR. Это концептуальные вопросы взаимодействия человека и машины («историк в мире искусственных нейросетей»), возможности использования историками технологий машинного обучения (в частности, глубокого обучения), различных инструментов ИИ в исторических исследованиях, а также эволюции ИИ в XXI веке. Затрагивались и практические аспекты, например, опыт распознавания с помощью ИИ текстов газет минувших веков. В заключении рассмотрены проблемы использования историками генеративных нейросетей.

Использование технологий искусственного интеллекта в производственных системах приводит к значительным изменениям в управлении и принятии решений, повышая эффективность операций и снижая затраты. Внедрение этих технологий способствует цифровой трансформации производства, улучшает взаимодействие сотрудников и способствует повышению качества выпускаемой продукции. Цель работы - изучение возможностей применения технологий искусственного интеллекта для оптимизации процессов управления в производственных системах. Методология исследования основана на анализе и систематизации научной литературы, нормативно-технической документации и практических кейсов. В ходе исследования был проведен анализ 54 публикаций, из которых отобраны 23, охватывающих основные направления развития искусственного интеллекта, его интеграцию в производственные системы. Рассмотрены публикации из научных баз данных Elibrary. ru и КиберЛенинка за последние 5 лет. В ходе исследования установлено, что технологии искусственного интеллекта, такие как машинное обучение, нейронные сети, алгоритмы нечеткой логики, цифровые двойники и прогнозная аналитика, позволяют решать широкий спектр задач в производстве. Проанализированы примеры использования искусственного интеллекта в системах планирования, автоматизации процессов, логистики, управления ресурсами и контроля качества. Выявлены ключевые преимущества внедрения интеллектуальных систем, включая повышение точности прогнозирования, оптимизацию логистических маршрутов, сокращение простоев оборудования и снижение операционных затрат. Исследование подтверждает универсальность технологий искусственного интеллекта и их значимость для повышения конкурентоспособности предприятий. Развитие отраслевых стандартов внедрения искусственного интеллекта, основанных на классификации по ГОСТ Р 59277-2020, является важным направлением для дальнейшей модернизации промышленности.

Данная публикация представляет исключительную актуальность в контексте 70-летия ключевого документа - научной статьи С. Л. Соболева, А. И. Китова и А. А. Ляпунова (1955 г.), по праву считающейся истоком отечественной школы искусственного интеллекта. В условиях повышенного внимания к истории науки и технологий, особенно в области искусственного интеллекта, данная работа восстанавливает историческую справедливость, подчеркивая приоритет советских ученых в формулировке фундаментальных принципов искусственного интеллекта (машинное самообучение, моделирование нейронной деятельности, эвристические методы, автономность) задолго до широкого признания этих идей на Западе. Осмысление этого «манифеста» критически важно не только для понимания генезиса и уникальных особенностей российской традиции в осмыслении искусственного интеллекта и робототехники, но и осознания удивительной пророческой силы идей, изложенных в 1955 году. При работе над данным материалом использовались: историко-научный анализ специальной исследовательской литературы и сравнительно-исторический метод. Ключевым методом выступает также критический источниковедческий анализ первоисточника - статьи Соболева, Китова и Ляпунова 1955 года. Для определения исторического контекста и научной новизны «манифеста» применяется компаративный метод. Новизна исследования заключается в том, что впервые показано, как данная статья «Основные черты кибернетики» (1955) предвосхитила магистральные пути развития глобальной науки об искусственном интеллекте на десятилетия вперед. В эпоху революции нейросетей и глубокого обучения обращение к этим истокам служит не только данью уважения пионерам, но и мощным интеллектуальным стимулом и ориентиром для современных российских исследований и разработок в области искусственного интеллекта. Понимание глубины и дальновидности С. Л. Соболева, А. И. Китова и А. А. Ляпунова и их стратегическое видение необходимо сегодня для формирования уникальной национальной повестки в сфере искусственного интеллекта. Кроме того, показано, как эти принципы, опередившие западные аналоги (включая Дартмутскую инициативу) и сформулированные в терминах советской кибернетической школы, предопределили специфические траектории развития советского и российского искусственного интеллекта.

Цель исследования - обоснование особенностей и новых подходов при проведении аудита в регенеративно ориентированных организациях, на основе анализа сущности данного концептуального подхода, а также выявление возможностей и ценности использования искусственного интеллекта при его проведении. Авторы исследуют сущность и особенности регенеративного подхода в бизнесе, который является переходом от «простой» устойчивости к проактивному, позитивному воздействию на окружающую среду и представляет собой поворотный момент в корпоративной ответственности и устойчивой деловой практике. Этот подход предполагает, что организации не только стремятся снижать свое негативное влияние на окружающий мир, но и вносить значительный вклад в восстановление природной и социальной среды посредством создания соответствующих продуктов, услуг, управленческих решений. В статье отмечено, что применение бизнесом регенеративного подхода изменяет многие ключевые аспекты в организации его деятельности: систему информационного обеспечения и формирования отчетности, организацию учета, цели и подходы проведения аудита, который будет проводиться не только с целью оценки соответствия стандартам, актуальным для области регенеративного бизнеса, но и для измерения реального вклада бизнеса в восстановление экосистем и социальных систем. Аудит должен осуществлять комплексную систему оценки экосистемного воздействия, выступать инструментом верификации регенеративных практик - подтверждать наличие доказательств реального восстановительного эффекта, обеспечивать создание долгосрочной ценности для природы и общества. Авторы отмечают, что лучшим решением может быть комбинация регенеративного и адаптивного аудита. Это позволит подтвердить устойчивость и оценить реальный вклад бизнеса в восстановление экосистем, социальных и экономических систем. Также обоснована польза использования искусственного интеллекта для создания дополнительной ценности аудита регенеративного бизнеса. Он позволяет повысить его точность (за счет обработки сложных экологических данных), прозрачность (минимизируя риски «гринвошинг»), обеспечить проактивность - предсказывая лучшие практики восстановления.

В статье рассматриваются философские аспекты искусственного интеллекта (ИИ) через призму учений Авиценны, Декарта и Канта. Анализ учения Авиценны об универсалиях, лежащих в основе человеческого мышления, позволяет глубже понять ограниченность современных технологий в воспроизведении абстрактных понятий. Авиценна полагал, что человек наделен способностью мыслить универсалии, извлекая общие принципы и применяя их в различных контекстах. Способность к абстракции, к оперированию категориями позволяет человеку применять общие принципы в разнообразных ситуациях, что и составляет уникальность человеческого интеллекта. ИИ пока лишен этой способности, оставаясь в пределах эмпирической фактичности, основывая свои выводы на статистических корреляциях, не выходя за рамки анализа конкретных данных, неспособный к подлинному обобщению и постижению сущностей.

Концепция интеллектуальной интуиции Декарта, отражающая непосредственное и несомненное постижение истины, противопоставляется методам ИИ, которые основываются на статистических моделях и алгоритмах, лишенных подлинного интуитивного понимания. Интеллектуальная интуиция - это способность разума непосредственно схватывать истины, такие как математические аксиомы или логические принципы, не полагаясь на чувственное восприятие или последовательное рассуждение. Предвестником искусственного (чистого) интеллекта можно считать Канта, утверждающего, что ключевой характеристикой интеллекта является способность к самосознанию, активное и творческое участие в процессах познания, и лишившего разум обусловленности сенсорной телесностью человека. Кант вводит понятие синтеза априорного и апостериорного знания, что может быть интегрировано в алгоритмическое мышление ИИ, позволяя создавать системы, способные к самообучению и адаптации.

Автор подчеркивает, что, несмотря на прогресс в области машинного обучения, ИИ пока не может достичь глубоких форм познания, присущих человеческому разуму, способному к целеполаганию, рефлексии, абстрагированию и творческому мышлению. В то же время обращается внимание на философские и этические аспекты будущего развития «сильного ИИ», способного превзойти человеческие возможности.

Цель настоящего исследования – выявить и обозначить ключевые векторы системных изменений социальных коммуникаций в условиях цифровой платформизации и создания метавселенных помощи человеку. Основными методами эмпирических исследований стали анализ документальных источников, контент-анализ, сравнительный анализ данных отчетов и статистики Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации о цифровизации портала «Госуслуги», отчетов Global Digital, GSMA Intelligence, «Сбер» и др., вторичный анализ итогов исследований Всероссийского центра изучения общественного мнения. Основные результаты связаны с анализом динамики трансформации социальных коммуникаций в условиях цифровой платформизации. Установлено, что возможности мгновенных социальных интеракций сформировали феномен непрерывности темпоральной вовлеченности аудитории в глобальные информационные потоки. Отмечены опасности и риски, которые связаны с потерей приватности, защиты личной информации, утратой конфиденциальности данных, феноменами цифрового разобщения и цифрового неравенства. Сделан вывод о происходящих изменениях в повседневных практиках социальных коммуникаций и трансформации жизненного мира, проявляющихся в государственном управлении, экономике, социальной работе, медицине, реабилитации, сетевых социальных коммуникациях и иных сферах.

В работе рассматриваются роль эмоционального интеллекта (англ. emotional quotient) при осуществлении управленческой деятельности и конкурирующая позиция искусственного интеллекта (далее – ИИ), пытающегося его освоить через алгоритмы обучения и реализации в практике управления. Изучаются подходы к обучению ИИ эмоциям, систематизируются проблемы внедрения технологий ИИ в управленческий процесс, а также перспективы их разрешения. Актуальность социологического исследования эмоций в процессе социального управления обоснована возрастающими тенденциями влияния и развития искусственных технологий, активно проникающих во все сферы современного общества и приводящих к изменениям, последствия которых еще слабо прогнозируемы, а поэтому требуют своевременной оценки. Методом исследования выступает качественный контент-анализ научных и научно-практических источников, посвященных предмету работы – эмоциональному интеллекту в профессиональной управленческой деятельности. В качестве выводов обосновываются необходимость освоения эмоциональных навыков руководителями организаций социальной сферы, в том числе правоохранительной направленности, в практической деятельности которых преобладает необходимость эффективного коммуницирования с внешней и внутренней средой функционирования, а также включение эмоциональных компетенций в качестве приоритетных при освоении лидерских качеств руководителей.

Работа посвящена рассмотрению нейросетевых генеративных технологий как маркера социальных стереотипов и установок. Цель – апробация генеративного искусственного интеллекта (далее – ИИ) в качестве метода социологического исследования социальных стереотипов, содержащихся в больших данных. Для реализации этой цели первоначально рассмотрены суть ИИ, правовые рамки применения и распространение на данный момент. Результаты апробации показывают, что возвращаемая ИИ информация содержит в себе социальные стереотипы, в первую очередь связанные с гендером и возрастом, а значит, ИИ действительно может использоваться в качестве инструмента для изучения социальных стереотипов. Источник сдвигов в данных в сторону стереотипических образов содержится в информации, на которой обучается ИИ, а также в коде самой программы, то есть в установках и мировоззрении разработчиков, так или иначе влияющих на процесс разработки программ. В подавляющем большинстве случаев (более 80 % от всей сгенерированной информации) ИИ возвращает по запросам, связанным с высокооплачиваемыми профессиями, молодых людей, преимущественно мужчин, что справедливо для гендеризированных и негендеризированных формулировок запроса. ИИ также свойственно приписывать различным социальным группам отдельные черты, например неряшливость и неорганизованность, репрезентовать их в связке с определенным стилем одежды, а также использовать ряд повторяющихся маркеров для обозначения статуса или богатства.

Рассматривается киберспорт как спортивная деятельность, которая позволяет студентам развивать свои профессиональные навыки и совершенствовать как свои умственные, так и физические способности. Проведен анализ научно-методической литературы, посвященной развитию информационно-коммуникационных технологий в современном мире, которые способствуют слиянию двух различных видов деятельности и созданию новой цифровой реальности, где взаимодействуют физическая культура и искусственный интеллект. Данная работа также представляет накопленный в организации фиджитал-игр интегрирования спорта и киберспорта в педагогическом вузе.ммммммммммммммммммммммммммммм

Рассматривается эффективность применения AI-технологий при изучении иностранных языков в вузе. Представлен обзор существующих AI-инструментов, их функциональные возможности и влияние на развитие различных языковых компетенций. Так же предлагаются рекомендации по интеграции AI-инструментов в процесс обучения для повышения качества языковой подготовки будущих специалистов. Обсуждаются ключевые проблемы внедрения AI в образовательный процесс.

В настоящее время индустрия контейнерных перевозок активно развивается благодаря внедрению новых технологий и современных информационных систем. Они позволяют оптимизировать процессы управления цепочками поставок и автоматизировать транспортно-логистические процессы, что в свою очередь повышает эффективность управления. При этом, одной из важных задач при планировании интермодальной перевозки является выбор оптимального маршрута, что напрямую влияет на стоимость и скорость доставки груза. Для ее решения необходимо разработать инструмент, с помощью которого будет возможно оперативно анализировать все сценарии перевозки, выбирать оптимальный маршрут и предлагать его клиенту. В статье рассматриваются существующие методы машинного обучения, применяемые для оптимизации маршрута транспортных средств. Основная цель данной статьи заключается в исследовании разработанных решений для их дальнейшего применения в транспортно-логистических процессах. Внедрение изученных инструментов поможет участникам транспортно-логистического рынка эффективно сопоставлять инфраструктурные возможности с возникающим спросом на перевозки.