Научный архив: статьи

Введение: многочисленные исследования говорят о том, что современные крупные нейронные сети, как правило, имеют избыточное количество параметров. Целью работы является обучение и оптимизация модели “ruBERT” для применения в информационных вопросно-ответных системах на русском языке. Научная новизна работы состоит в экспериментальном исследовании различных методов прореживания модели “ruBERT” при дообучении на наборе данных “SberQuAD”.
Методы: в настоящей работе используются методы обработки естественного языка, машинного обучения, прореживания искусственных нейронных сетей. Языковая модель была настроена и дообучена при помощи библиотек машинного обучения “Torch” и “Hugging Face”. Для обучения нейронных сетей использовался набор данных “SberQuAD”. Все эксперименты проводились при помощи сервисов “Google Colab” и “Google Cloud”.
Результаты: было обнаружено, что удаление ~54% от числа весов кодировщика модели “ruBERT” (~39 миллионов параметров) приводит к незначительным ухудшениям в результатах работы модели: с 67,31 до 63,28 для показателя EM и с 85,47 до 82,48 для показателя F-мера. Полученные результаты говорят о том, что модель “ruBERT” содержит избыточное количество весов для задачи “извлечение ответа на вопрос”. Для эффективного применения данной модели в информационных вопросно-ответных системах на русском языке необходимо проводить её компрессию и оптимизацию. Оптимизированная модель может работать на менее мощном оборудовании без значимых потерь в производительности, что приводит к уменьшению затрат на поддержание информационных вопросно-ответных систем, в которых применяется данная модель.

В статье артикулируются антропологические вызовы искусственного интеллекта (ИИ) в модусе концептуализации и восприятия рисков и угроз, благ и выгод, происходящих от новой технологии. Образы антропологических вызов находят разные формы репрезентации в научных концептах и философской рефлексии, в визуализациях в современных видах искусства, в компьютерных играх, кинематографе, институционализированы в правилах этических руководств. Все они могут быть рассмотрены как поиск ответов на проблематизацию человека, его субъектности, целостности, открытости, которые подвергаются риску в технологиях ИИ. Образы восприятия канализированы в позиции в отношении к ИИ и одновременно определяются практиками его широкого внедрения. Концепт ИИ формируется в лексическом топосе осмысления цивилизационного вызова. Понятие «искусственный интеллект» превращается в метафору широкого порядка, порождающую множественные концептуальные модификации. Концепт ИИ, соединяя метафорическое и понятийное, выполняет функцию «оестествления», «опривычивания» технологии. Особенностью в обобщении позиций в отношении к искусственному интеллекту является их нелинейность и целевое формирование. Рассмотрены три варианта оформления образов антропологических вызовов ИИ: алармистский, инструменталистский (профессиональный) и утилитарный (пользовательский). Коллективный ответ на антропологические вызовы ИИ вероятно будет строиться на утилитарно-прагматической основе, концептуально и институционально репрезентированный в этическом регулировании. Для нивелирования антропологических рисков действенными могут быть индивидуальные ответы на основе самосохраняющей стратегии и когнитивной гигиены, начиная со сферы образования. Разработка правил и процедур такой сохраняющей стратегии - задача, которая встает в контексте развития ИИ. Гуманитарная экспертиза нейросетей может стать частью этой стратегии.

Рассматриваются инновационные и структурные преобразования ВПК КНР и их связь с процессом военно-гражданской интеграции, направленной на создание в стране инновационной системы науки и технологий, объединяющей военные и гражданские ресурсы с целью повышения потенциала ВПК по выпуску высокотехнологичных вооружений и военной техники нового поколения, и одновременно — инновационного обновления гражданского сектора экономики. В поле зрения автора тенденция роста объемов финансирования НИ- ОКР в КНР, а также предпринимаемые меры по использованию в интересах решения поставленных задач искусственного интеллекта.

Новым этапом внедрения искусственного интеллекта (ИИ) в повседневную жизнь России станет массовое внедрение его технологий и продуктов, созданных на его основе, в систему государственного управления и бюджетную сферу. Сегодня же ИИ используется в большинстве сфер общественной жизни, но уровень его развития все еще недостаточно высок. В этой связи задачи, рассмотренные в данной публикации, являются современными и актуальными и могут быть использованы на стадиях разработки и использования ИИ. Авторы уточнили определение понятия «искусственный интеллект», проанализировали направления развития ИИ и определили перспективные сферы наиболее ускоренного технологического развития интеллектуальных систем: генеративного, голосового и языкового, объяснимого и периферийного ИИ с характеристикой этапов до настоящего времени. Проанализированы два основных критерия ИИ: «сильный ИИ» и «слабый ИИ» и рассмотрены их фундаментальные различия.Представлены результаты краткого анализа состояния и планов развития ИИ в России. Уровень внедрения ИИ в отраслях экономики достигает 20%, и этого недостаточно для обеспечения ускоренного роста экономики. Предполагается, что внедрение ИИ должно обеспечить к 2030 г. дополнительный прирост мирового ВВП в 1,2%, а наша страна к 2025 г. планирует получить от его применения более 11 трлн рублей. Будущее искусственного интеллекта в России определил президент страны на Петербургском международном экономическом форуме (ПЭМФ-2023). Озвученные направления позволят шире раскрыть потенциал ИИ и обеспечить его массовое внедрение для формирования суверенитета России.

Введение. В центре внимания исследования находится проблема оптимизации управления человеческими ресурсами при системном охвате экономической эффективности и корпоративной социальной ответственности. Цель статьи заключается в исследовании роли аутсорсинга в гуманизации предпринимательства в экономике искусственного интеллекта. Потенциал аутсорсинга в области развития предпринимательства в экономике искусственного интеллекта обосновывается через эконометрическое моделирование с использованием метода регрессионного анализа на примере компаний из “Global-500” в 2022 г. Перспективные направления развития «умного» аутсорсинга в поддержку гуманизации предпринимательства в экономике с помощью метода сравнительного анализа определяются через идентификацию его преимуществ по сравнению с традиционным аутсорсингом для гуманизации предпринимательства. С помощью метода кейс-стади систематизированы успешные примеры использования «умного» аутсорсинга в различных бизнес-операциях предпринимательства.

Материалы и методы. Статья опирается на количественно-качественную методологию в соответствии с системным подходом для формирования наиболее полного и достоверного представления об использовании аутсорсинга в предпринимательстве в экономике искусственного интеллекта. Исследование в статье проводится на микроуровне экономики искусственного интеллекта при изучении практики предпринимательства. Фундаментальную основу проводимого в этой статье исследования сформировала Теория управления человеческими ресурсами (HRM). Авторы использовали как общенаучные, так и частнонаучные методы познания, среди которых можно выделить диалектический, сравнительный, структурно-функциональный и т. д.

Результаты исследования. Полученные результаты развивают и дополняют научные положения Теории управления человеческими ресурсами (HRM). В результате проведенного исследования авторы статьи доказали, что применение аутсорсинга не должно ограничиваться отдельными случаями и целесообразно массовое применение аутсорсинга для повышения эффективности управления человеческими ресурсами в предпринимательстве. Тем самым обоснована ключевая роль аутсорсинга в реализации ЦУР 8 в экономике искусственного интеллекта. Вклад исследования в науку состоит в переосмыслении сущности и роли аутсорсинга в экономике искусственного интеллекта. Полученные результаты отразили аутсорсинг в новом свете, который впервые представлен не только как инструмент, но так же, как объект автоматизации.

Обсуждение и заключение. Ключевой вывод заключается в том, что в экономике искусственного интеллекта гуманизация предпринимательства может обеспечиваться с помощью «умного» аутсорсинга, который более предпочтителен по сравнению с традиционным аутсорсингом в силу своей повышенной гибкости, рациональности и эффективности. Теоретическая значимость заключается в уточнении специфики аутсорсинга в экономике искусственного интеллекта, а также в обосновании предпочтительности и в обеспечении научной методологии осуществления «умного» аутсорсинга. Практическая значимость связана с тем, что предложенные практические рекомендации по осуществлению «умного» аутсорсинга позволяют повысить эффективность предпринимательской деятельности и повысить устойчивость бизнеса к экономическим кризисам, поддерживают экономический рост через «умный» аутсорсинг.

В 2023 г. технологии на основе искусственного интеллекта (ИИ) стали доступны многим пользователям смартфонов и цифровых услуг. ИИ представлен в виде голосовых помощников (ГП), музыкальных рекомендаций, виртуальных ассистентов и даже в качестве психотерапевтической помощи.Такое распространение ИИ сказалось и на интересе психологов к теме взаимодействия человек-ИИ. В нашей работе, следуя традиции исследования социальных представлений Московиси [Moscovici 2015], мы рассматриваем ИИ как объект социального представления. На примере ГП мы проводим реконструкцию смыслового поля у пользователей данной технологии и предлагаем описание процесса его формирования. Исследование проходило в три этапа: свободные ассоциации, интервью и опрос. В интервью выборка составила 15 человек, в свободных ассоциациях - 168 человек (было проанализировано 3329 ассоциаций со словосочетанием «Голосовой помощник»), в опросе по методу семантического дифференциала - 800 человек. В результате анализа были получены следующие результаты: смысловое поле на данном этапе изучения представления о ГП позитивно-нейтральное; сами ассоциации делятся на две темы: об интеллектуальных способностях и эмоциональных качествах ГП. В ходе анализа методом семантического дифференциала отдельно выделились три фактора: полезность, эмоциональность и юмор. Мы предполагаем, что именно в категории этих трех факторов происходит формирование представления о конкретном ГП.Описание самого процесса формирования представления предлагается по результатам интервью. Были выделены два основных этапа в «общении» с ГП: формирование образа и взаимодействие с готовым образом.В продолжении текущей исследовательской работы планируется изучение влияния образа ГП в рамках текущей модели восприятия на различные особенности взаимодействия с ним (например, в рамках экономических решений).

Успехи технологий искусственного интеллекта, а особенно «большие» языковые модели, породили множество ожиданий – как позитивных, так и алармистских. Это явление можно сравнить с открытием атомной энергии: в свое время оно создало много новых возможностей, но также породило ранее невиданные угрозы. Аналогичным образом, ИИ может привести не только к наращиванию темпов научно-технического и экономического развития, но и к усилению неравенства между государствами, как это произошло в первой половине прошлого столетия с появлением разработок в ядерной сфере. Возникновение «больших» языковых моделей – это, пожалуй, первый случай, когда информационные технологии настолько сильно вторгаются в область, которую гуманитарии привыкли считать принадлежащей лишь человеческому уму – в область создания новых текстов. Нельзя не заметить, что гуманитарии пребывают в некоторой панике и ищут собственные описания и объяснения происходящего. Для того, чтобы в этих объяснениях не оторваться от твердой технологической основы и не уйти в философские выси, журнал «Сравнительная политика» побеседовал со специалистом с переднего края развития технологии ИИ в России – академиком РАН, директором Института системного программирования РАН им. В.П. Иванникова Арутюном Ишхановичем Аветисяном.

Использование технологий генеративного искусственного интеллекта в образовании обладает потенциалом революционизировать процессы обучения и оценивания образовательных результатов, персонализируя учебный процесс, обеспечивая немедленную обратную связь и улучшая общий опыт обучения.

Актуальность исследования обусловлена распространением технологий искусственного интеллекта, дефицитом практик формирующего оценивания учебных достижений в высшем образовании.

Постановка проблемы: существующие отечественные системы электронного обучения имеют ограниченный функционал, что затрудняет их использование в процессе формирующего тестирования.

Целью исследования является изучение возможности и эффективности использования технологий генеративного искусственного интеллекта в формирующем оценивании в высшем образовании.

Задачи исследования – рассмотреть теоретические основы использования инструментов генеративного искусственного интеллекта в оценивании знаний, умений и навыков, проанализировать собственный опыт применения больших языковых моделей в формирующем тестировании в вузе.

Методологическую основу исследования составляют анализ Интернет-ресурсов и литературных источников, методы математической статистики, синтез.

Результаты исследования: изучены возможности использования и эффективность технологий генеративного искусственного интеллекта в формирующем тестировании обучающихся вуза, проанализирован собственный опыт применения больших языковых моделей в формирующем тестировании, определены основные ограничения внедрения этих технологий в учебный процесс, даны рекомендации по организации формирующего тестирования с использованием больших языковых моделей.

Ключевые выводы: большие языковые модели могут быть интегрированы в учебный процесс для оценки формирующих и суммативных тестов, что позволит существенно снизить нагрузку на преподавателей, обеспечить более объективные результаты и, в конечном счете, повысить эффективность учебного процесса.

Одной из перспективных форм создания творческих продуктов студентами вузов является разработка проектов, нацеленных на поиск и воплощение определенной идеи. В статье рассматривается эволюция научных представлений о творческой деятельности, раскрываются особенности творческого проектирования в социокультурной сфере, его технологические основы. Автор предлагает использовать при создании студенческих творческих проектов технологию проектирования, состоящую из трех блоков, отвечающих за три главных этапа творческого процесса режиссера-постановщика («идея», «реализация», «рефлексия»).

В статье рассматриваются перспективы и возможности применения технологических систем искусственного интеллекта в деятельности по раскрытию, расследованию и предупреждению преступлений. Обосновывается вывод, что обеспечение применения технологий искусственного интеллекта в правоохранительной деятельности должно стать актуальной задачей криминалистической науки. Автором анализируются отдельные научные исследования, заявляющие использование технологий искусственного интеллекта в целях прогнозирования преступности или противоправного поведения определенных лиц, установления местонахождения возможного преступника, вносятся предложения о перспективных направлениях использования указанных технологий в криминалистических целях. В статье отмечается, что положительный результат внедрения цифровых технологий в криминалистическую деятельность не может быть обеспечен только формулированием теоретических положений и научными дискуссиями в отсутствие массовых и значимых результатов прикладных исследований в этой сфере. Автором выделяются ряд задач, решение которых позволит более эффективно достичь результата по перспективному внедрению новейших цифровых технологий, включая искусственный интеллект, в криминалистическую науку и правоохранительную практику.

В современных научных исследованиях в последнее время всё чаще появляются дискуссии о том, что в связи с развитием технологий искусственного интеллекта встают вопросы об объективности, правдоподобности и достоверности знания, а также о том, не заменят ли эти технологии фигуру эксперта как ту инстанцию, которая до сих пор выступала гарантом объективности и центром принятия решений. Современные историки науки Л. Дастон и П. Галисон в своей книге, посвящённой истории научной объективности, говорят о сменяемости «эпистемических добродетелей», в качестве одной из которых с определённого момента утвердилась и объективность. При этом выдвижение той или иной добродетели, регулирующей научную самость, то есть выступающей нормативным принципом для учёного при выборе способа видения и научной практики, зависит от принятия решений в трудных случаях, требующих воли и ограничения самости. В этом смысле эпистемология соединяется с этикой: учёный, руководствуясь определёнными моральными принципами, отдаёт предпочтение тому или иному способу поведения, выбирая, например, не более точное изображение, сделанное от руки, а неретушированную фотографию, возможно, нечёткую, но полученную механически, а значит — более объективную и свободную от какой-либо примеси субъективности. В этой связи небезынтересным представляется эпистемический статус современных технологий на основе искусственного интеллекта, которые всё больше берут на себя функции научной самости, в том числе и в части оказания влияния на принятие конечных решений и получение объективного знания. Так, например, в области медицины роботизированные аппараты уже оказывают существенную поддержку: им передаётся часть функций, например, врача первого звена для сбора и анализа стандартизированных данных о пациенте и диагностики. Есть предположение, что в ближайшее время всё больше обязанностей будет передаваться искусственному интеллекту: обработка данных, разработка новых лекарств и способов лечения, налаживание дистанционного взаимодействия с пациентом и др. Значит ли это, что научная самость может быть заменена алгоритмами на основе искусственного интеллекта, а на смену объективности придёт другая эпистемическая добродетель, окончательно разрывающая связь этики и эпистемологии, — этот вопрос нуждается в исследовании.

Показатели заболеваемости населения Российской Федерации патологиями системы кровообращения за прошедшие два десятилетия постоянно повышались, и с 2000 г. до 2019 г. увеличились в 2,047 раза. Процесс кальцификации сосудов включает отложение солей кальция в стенке артерий, что приводит к ремоделированию сосудистой стенки. Лучевые методы исследования — золотой стандарт диагностики кальцификации сосудов. Однако в связи с возрастающим объёмом данных и необходимостью сокращения времени постановки диагноза неизбежно снижается эффективность работы. Активное развитие и внедрение в клиническую практику искусственного интеллекта открыло перед специалистами возможности для решения этих проблем.

Цель — проанализировать отечественную и зарубежную литературу, посвящённую использованию искусственного интеллекта в диагностике различных типов кальцификации сосудов, а также обобщить прогностическую ценность кальцификации сосудов и оценить аспекты, препятствующие диагностике кальцификации сосудов без применения искусственного интеллекта.

Материалы и методы. Авторы провели поиск публикаций в электронных базах данных PubMed, Web of Science, Google Scholar и eLibrary. Поиск проводился по следующим ключевым словам: «artificial intelligence», «machine learning», «vascular calcification», «искусственный интеллект», «машинное обучение», «кальцификация сосудов». Поиск проводился во временном интервале с момента основания соответствующей базы данных до июля 2023 года.

Результаты. Основная методология включённых в обзор исследований заключалась в сравнении диагностических способностей клиницистов и искусственного интеллекта с применением одних и тех же изображений и последующей оценкой точности, скорости и других показателей. Участки возникновения сосудистых кальцификаций весьма разно-образны, что обусловливает их различную прогностическую ценность.

Заключение. Искусственный интеллект отлично зарекомендовал себя в диагностике сосудистой кальцификации. Помимо повышения точности и эффективности, способности к детализации превосходят возможности ручного метода диагностики. Искусственный интеллект достиг уровня, позволяющего помогать врачам инструментальной диагностики в автоматическом выявлении кальцификации сосудов. Возможности искусственного интеллекта могут способствовать эффективному развитию рентгенологии в будущем.