Научный архив: статьи

В статье изложены основания для использования технологий искусственного интеллекта на региональном телеканале, показаны образцы полученных текстов, представлены кейсы взаимодействия работников телеканала с программными нейросетевыми решениями. Особое внимание уделено формальному рерайту новостных текстов, использованию оцифрованного телеведущего – «прогноз погоды», а также подготовке текстов для новостей в образе «Уральская бабушка».

Современные цифровые системы предъявляют высокие требования к удобству и персонализации пользовательских интерфейсов, что делает использование методов искусственного интеллекта особенно актуальным. Адаптивные интерфейсы, способные самостоятельно подстраиваться под индивидуальные особенности пользователя, уровень его опыта и контекст взаимодействия, становятся ключевым элементом повышения эффективности и качества цифровых продуктов. В статье рассматриваются теоретические и практические аспекты разработки таких интерфейсов с использованием ИИ. Особое внимание уделено методам машинного обучения, нейросетевым моделям, алгоритмам прогнозирования поведения пользователей и интеграции этих методов в архитектуру интерфейсов.

В статье рассматривается роль искусственного интеллекта в системе кибербезопасности как ключевого инструмента обнаружения, анализа и предотвращения кибератак. Проанализированы теоретические основы применения машинного обучения и нейронных сетей в защите информационных систем, показаны преимущества интеллектуальных технологий по сравнению с традиционными методами обеспечения безопасности. Особое внимание уделено концепции поведенческой аналитики, использованию алгоритмов глубокого обучения для выявления атак нулевого дня и построению адаптивных моделей защиты, способных предсказывать и предотвращать киберугрозы в режиме реального времени. Отмечаются этические и технологические вызовы, связанные с применением искусственного интеллекта, включая уязвимость обучающих моделей и необходимость сохранения человеческого контроля над автоматизированными системами. Сделан вывод о том, что интеграция искусственного интеллекта в систему кибербезопасности способствует формированию нового уровня защиты, основанного на самообучающихся алгоритмах и аналитике больших данных, что обеспечивает устойчивость цифровых инфраструктур в условиях динамично изменяющегося киберпространства.

В исследовании раскрываются вопросы влияния искусственного интеллекта на поведение человека, определяется глубина воздействия нейросетей на состояние информационной и, как следствие, экономической безопасности индивида, оцениваются перспективы биоинформационного программирования человека, приводится международная статистика объёма инвестиций в искусственный интеллект.

Современные процессы производства в Российской Федерации в последние несколько лет получили необходимость соблюдения технологического, логистического и экономического суверенитета в рамках нестабильной геополитической обстановки. Также процессы производства в различных сферах промышленности имеют возможности по повышению производительности предприятий с помощью применения алгоритмов искусственных нейронных сетей. Данная работа рассматривает потенциал улучшения показателей производительности предприятий на территории России посредством внедрения алгоритмов искусственных нейронных сетей в процессы производства. Актуальность исследования обусловлена необходимостью адаптации предприятий к быстро меняющимся внешним условиям и требованиям импортозамещения. Анализ существующих технологий и их влияние на развитие промышленности представляют большой интерес для разработки стратегий национальной безопасности и повышения конкурентоспособности российских предприятий. Целью исследования является оценка потенциала и практических возможностей использования инструментов искусственного интеллекта для повышения эффективности управления предприятиями-производителями компонентов.

Цель исследования - оценить потенциал и практические возможности использования инструментов искусственного интеллекта для повышения эффективности управления предприятиями-производителями компонентов. К задачам исследования относятся изучение современных методов применения инструментов ИИ в промышленности на российском и зарубежном опыте, определение ключевых направлений внедрения ИИ в производственные процессы. В работе использованы методы системного анализа, статистического и сравнительного анализа, а также анализ данных и кейсов внедрения ИИ. Материалом послужили научные статьи из российских и международных журналов, отчёты государственных организаций, данные промышленных предприятий. В результате проведенного исследования было показано, что современные ИИ-инструменты демонстрируют значительный потенциал повышения эффективности производства и управления на предприятиях, внедрение ИИ способствует улучшению качества продукции, снижению простоев и затрат, оптимизации логистики и менеджмента, тогда как российские предприятия принимают активные меры по цифровизации и локализации технологий, что усиливает технологическую независимость. Результаты исследования могут быть использованы для усиления программ поддержки цифровизации и внедрения ИИ на государственном уровне, разработки образовательных проектов для подготовки квалифицированных кадров в сфере ИИ для промышленности, а также развития партнерств между научными институтами и производственными компаниями для адаптации и масштабирования ИИ-решений на компонентном производстве.

Статья изучает роль больших данных и технологий искусственного интеллекта в трансформации области знаний управления интеллектуальным капиталом. Анализ научных публикаций в рассматриваемой области позволил выделить основные направления взаимодействия больших данных и искусственного интеллекта с интеллектуальным капиталом. Особое внимание уделено двойственной природе изучаемых технологий: большие данные и искусственный интеллект одновременно выступают как объект управления (нематериальный актив) и как инструмент управления и оценки. Обоснована необходимость формирования нового методологического подхода и фреймворка, учитывающего данную двойственность и взаимосвязь больших данных и искусственного интеллекта с материальными активами организации. В рамках исследования предложен фреймворк, демонстрирующий управление и оценку взаимодействия больших данных и искусственного интеллекта с интеллектуальным капиталом, нематериальными и материальными активами, а также их роль в создании ценности и обеспечении стратегической устойчивости организаций.

Статья посвящена анализу трансформации бизнес-моделей под воздействием технологий больших данных в современной экономике. Рассматриваются теоретико-методологические основы применения больших данных, их влияние на стратегическое управление предприятиями и институциональные ограничения цифровой модернизации. Особое внимание уделено вопросам адаптации традиционных моделей бизнеса к новым технологическим условиям и выявлению рисков цифровизации. В табличном виде обобщены количественные показатели, иллюстрирующие влияние внедрения технологий больших данных на трансформацию бизнес-моделей российских компаний. Внедрение технологий больших данных характеризует положительный эффект ключевых параметров бизнес-моделей российских компаний: ускорение процессов, рост доходности и увеличение доли новых продуктов в выручке. На основании анализа отечественных исследований выявлены ключевые направления изменений, включая повышение гибкости бизнес-процессов, интеграцию аналитических инструментов и усиление клиентоориентированности.

Введение. Глобальное распространение африканской чумы свиней, смертельно опасного вирусного геморрагического заболевания домашних свиней и диких кабанов, диктует необходимость применения эффективных мер предупреждения и раннего выявления вспышек. Контроль численности популяции, а также поиск туш диких кабанов, погибших от африканской чумы свиней и являющихся источником передачи вируса, считаются приоритетными мерами в управлении заболеванием в дикой природе.

Цель исследования. Обобщение имеющихся в настоящее время знаний о передовых технологиях применения беспилотных летательных аппаратов (дронов) в условиях дикой природы в сочетании с методами искусственного интеллекта. Материалы и методы. При выполнении работы применялись аналитические методы исследований с использованием баз данных PubMed, Springer, Wiley Online Library, Google Scholar, CrossRef, РИНЦ, еLIBRARY, CyberLeninka.

Результаты. В данном обзоре рассматривается возможность применения беспилотных летательных аппаратов (дронов) и искусственного интеллекта (нейронных сетей) для обнаружения диких кабанов и их останков в контексте борьбы с африканской чумой свиней. Подробно обсуждается роль диких кабанов в распространении заболевания и необходимость контроля их популяции, значение своевременного удаления трупов кабанов, при этом подчеркивается важность использования современных технологий для учета численности и плотности популяции дикого кабана. Проанализирована информация о применении дронов, оснащенных различными техническими средствами, при изучении популяций крупных видов животных в условиях дикой природы, отмечены преимущества и особенности использования беспилотных летательных аппаратов. Также обобщен опыт применения нейронных сетей в контексте автоматической обработки полученных с помощью дронов изображений животных.

Заключение. Интеграция беспилотных летательных аппаратов и искусственного интеллекта, вероятно, может стать ключевым инструментом в контроле популяции дикого кабана и быстром обнаружении туш кабанов, погибших вследствие африканской чумы свиней, что в целом позволит повысить эффективность мер, направленных на борьбу с данным заболеванием.

Искусственный интеллект меняет алгоритмы развития различных сфер общества, активно внедряется в медийную отрасль, продуцируя новые возможности и социальные риски. Проблемные вопросы данного тематического поля вызывают интерес академического сообщества, что приводит к росту соответствующих научных публикаций. В июне-декабре 2024 года на основе базы данных РИНЦ, интегрированной с eLibrary, проведен количественный и качественный анализ структуры и динамики научных исследований особенностей искусственного интеллекта в контексте журналистики. Выявлены публикации по следующим параметрам: общее число по годам; тип публикации; вуз автора; наиболее активные и цитируемые авторы. Эмпирическая база - 216 статей с 2013 по 2024 год. Отбор проводился по тематике «массовая коммуникация - журналистика - средства массовой информации» и ключевым словам: искусственный интеллект, журналистика, медиа, фейки, дипфейки, новые медиа, журналистское образование, СМИ. Обнаружено, что с 2017 года постепенно увеличивается число публикаций, резкий скачок - в 2020 году. Это отражает события в мире: начало использования нейросетей в СМИ, активное развитие генеративных моделей и появление ChatGPT, пандемия Covid-19. Определены вузы с наибольшим количеством публикаций по теме, также выявлены наиболее цитируемые авторы. Отмечено, что внедрение искусственного интеллекта в образовательный процесс, появление факультетов и программ, связанных с ИИ, государственные меры поддержки исследований в области ИИ способствовали интенсификации публикационной активности.

Технологии цифровой экономики активно проникают во все бизнес- процессы и становятся ключевым фактором конкурентоспособности современных предприятий. При этом возникает потребность в развитии нормативно- правового регулирования технологий искусственного интеллекта в части применения как бизнес - субъектами, так и связанными институтами. Современные модели машинного обучения активно внедряются в практику финансового анализа, включая задачи оценки устойчивости предприятий.

Целью статьи является выявление проблем регулирования технологий искусственного интеллекта в цифровой экономике. Методологическая основа исследования включает теоретический обзор концепций цифровизации, формально - юридические и историко-правовые методы для систематизации правовых норм, а также общие эмпирические методы исследования (синтез, анализ, сравнение, классификация). Показано, что проблемы регулирования технологий искусственного интеллекта во многом сосредоточены на этических вопросах и вопросах правосубъектности. Выделен комплекс наиболее актуальных проблем регулирования, которые могут стать отправной точкой в развитии национальной и международной правовой базы.

Современные организации сталкиваются с необходимостью оперативного анализа больших объемов данных для принятия управленческих решений. Традиционные методы экономического анализа, основанные на статистике и эконометрике, зачастую не справляются с нелинейными зависимостями и быстро меняющимися рыночными условиями. Искусственный интеллект (ИИ), включая машинное обучение (ML) и глубокие нейросети (DL), позволяет значительно повысить точность оценки экономических процессов и прогнозировать их развитие.

В данной статье анализируются возможности применения методов ИИ для оценки экономического состояния организаций в различных отраслях. Рассмотрены ключевые алгоритмы машинного обучения (линейная регрессия, случайный лес, градиентный бустинг) и нейросетевые модели (LSTM, трансформеры, GNN), а также их практическое использование в прогнозировании банкротств, кредитных рисков, спроса и мошенничества. Приведены реальные кейсы внедрения ИИ в российских компаниях (Сбербанк, X5 Group, РЖД, ФНС) и за рубежом (J. P. Morgan, IBM, BlackRock).

Ключевым направлением внедрения технологий искусственного интеллекта (ИИ) в здравоохранении России является создание и интеграция медицинских изделий с ИИ (МИ с ИИ) в цифровые контуры субъектов Российской Федерации. За 2018–2024 гг. в создание и развитие различных ИИ-продуктов для здравоохранения было инвестировано 4 млрд 712 млн руб., из которых 69 % было вложено со стороны государственных источников. Подведомственные научные центры Минздрава реализуют 215 исследовательских проектов в данной сфере. Разработан и утвержден 21 национальный стандарт и предварительный технический стандарт. На 1 января 2025 г. в России было зарегистрировано 39 МИ с ИИ, благодаря чему суммарно было реализовано 412 региональных проектов внедрения МИ с ИИ, 83 % из которых приходится на анализ изображений, 16 % – анализ электронных медицинских карт. В настоящее время развивается комплекс мероприятий по активному внедрению технологий ИИ в здравоохранение, включая выстраивание нормативно-правового регулирования, привлечение инвестиций, проведение научных исследований и разработок новых продуктов.