Научный архив: статьи

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

В эпоху стремительного развития цифровых технологий и растущей конкуренции на рынке, компании все чаще стремятся оптимизировать процессы обслуживания клиентов и повысить качество сервиса. Одним из наиболее перспективных инструментов для достижения этих целей является искусственный интеллект (ИИ). В данной статье рассматриваются возможности применения технологий ИИ, таких как машинное обучение, обработка естественного языка и компьютерное зрение, для автоматизации различных аспектов клиентского сервиса. Материалы и методы исследования включают анализ существующих научных публикаций, отчетов отраслевых экспертов и кейсов внедрения ИИ в сфере обслуживания клиентов. Проведен систематический обзор литературы с использованием баз данных Scopus, Web of Science и Google Scholar. Ключевыми критериями поиска были термины «искусственный интеллект», «машинное обучение», «обслуживание клиентов», «качество сервиса». Из первоначальной выборки в 647 публикаций были отобраны 54 наиболее релевантные статьи для детального анализа. Результаты исследования демонстрируют, что внедрение технологий ИИ позволяет существенно повысить эффективность и скорость обслуживания клиентов, снизить операционные расходы и улучшить клиентский опыт. Так, использование чат-ботов на базе обработки естественного языка дает возможность автоматизировать до 80% типовых клиентских запросов, сократив среднее время ответа с 5-10 минут до 1-2 минут. Алгоритмы машинного обучения, анализирующие историю взаимодействия с клиентами, помогают персонализировать коммуникации и повысить конверсию маркетинговых кампаний на 15-20%. Компьютерное зрение успешно применяется для биометрической идентификации клиентов и повышения безопасности транзакций. В статье приводятся конкретные примеры использования ИИ такими компаниями, как Amazon, Sberbank, Alibaba, Uber

В эпоху стремительного развития цифровых технологий и растущей конкуренции на рынке, компании все чаще стремятся оптимизировать процессы обслуживания клиентов и повысить качество сервиса. Одним из наиболее перспективных инструментов для достижения этих целей является искусственный интеллект (ИИ). В данной статье рассматриваются возможности применения технологий ИИ, таких как машинное обучение, обработка естественного языка и компьютерное зрение, для автоматизации различных аспектов клиентского сервиса. Материалы и методы исследования включают анализ существующих научных публикаций, отчетов отраслевых экспертов и кейсов внедрения ИИ в сфере обслуживания клиентов. Проведен систематический обзор литературы с использованием баз данных Scopus, Web of Science и Google Scholar. Ключевыми критериями поиска были термины «искусственный интеллект», «машинное обучение», «обслуживание клиентов», «качество сервиса». Из первоначальной выборки в 647 публикаций были отобраны 54 наиболее релевантные статьи для детального анализа. Результаты исследования демонстрируют, что внедрение технологий ИИ позволяет существенно повысить эффективность и скорость обслуживания клиентов, снизить операционные расходы и улучшить клиентский опыт. Так, использование чат-ботов на базе обработки естественного языка дает возможность автоматизировать до 80% типовых клиентских запросов, сократив среднее время ответа с 5-10 минут до 1-2 минут. Алгоритмы машинного обучения, анализирующие историю взаимодействия с клиентами, помогают персонализировать коммуникации и повысить конверсию маркетинговых кампаний на 15-20%. Компьютерное зрение успешно применяется для биометрической идентификации клиентов и повышения безопасности транзакций. В статье приводятся конкретные примеры использования ИИ такими компаниями, как Amazon, Sberbank, Alibaba, Uber

Хлебопекарная промышленность является одной из ключевых отраслей пищевой промышленности, играющей важную роль в обеспечении населения качественными хлебобулочными изделиями. Однако, несмотря на многовековую историю развития, данная отрасль сталкивается с рядом проблем, связанных с повышением качества продукции, снижением энергозатрат и оптимизацией производственных процессов. В настоящее время перспективным направлением решения данных проблем является применение интеллектуальных алгоритмов управления, основанных на методах искусственного интеллекта и машинного обучения. В данной статье рассматриваются возможности применения интеллектуальных алгоритмов управления для повышения качества и энергоэффективности хлебопекарного производства. Проведен анализ существующих подходов к управлению технологическими процессами хлебопечения, выявлены их недостатки и ограничения. Предложена концепция интеллектуальной системы управления хлебопекарным производством, основанная на применении методов нечеткой логики, нейронных сетей и генетических алгоритмов. Разработана математическая модель процесса выпечки хлеба, учитывающая влияние ключевых факторов, таких как температура, влажность, время выпечки и т.д. На основе данной модели создан программный комплекс, реализующий алгоритмы оптимизации режимов выпечки с целью достижения требуемых показателей качества готовой продукции при минимизации энергозатрат. Проведены экспериментальные исследования на базе действующего хлебозавода, подтвердившие эффективность предложенного подхода. Применение разработанной системы управления позволило повысить качество выпускаемой продукции на 15%, снизить расход энергоресурсов на 12% и увеличить производительность на 10%. Полученные результаты имеют важное значение для развития хлебопекарной отрасли и могут быть использованы при модернизации действующих и проектировании новых хлебозаводов. Дальнейшие исследования будут направлены на расширение функциональных возможностей разработанной системы, в частности, на реализацию адаптивных алгоритмов управления, учитывающих изменение характеристик сырья и условий внешней среды в реальном времени.

Постановка задачи. Многие системы искусственного интеллекта по существу являются системами классификации событий. Они широко используются в предиктивной аналитике. Их роль непрерывно растет при прогнозировании опасных событий на транспорте. Эффективность применения методов искусственного интеллекта в значительной мере зависит от результатов неправильной классификации. Поэтому актуальна задача вычисления или оценки в статистическом смысле вероятности неправильной классификации и определения ее граничных значений. Цель. Оценить границы для комбинированной вероятности неправильной классификации из-за двух различных категорий ошибок: собственно ошибок неправильной классификации и статистических ошибок, возникающих вследствие неправильной классификации. Результаты. Выполнена статистическая оценка порогового значения, которое используется для классификации. Установлены граничные условия для комбинированной вероятности неправильной классификации. Представлено обобщение на N-мерные пространства и на произвольные распределения и формы пороговых поверхностей. Теоретические результаты проиллюстрированы примером практического применения.

В статье предлагается метод формирования выделенного операционного кон- текста при разработке и внедрении автономных систем управления корпорациями на примере автономных систем для совета директоров. Значительную часть операционного контекста для автономных систем управления компаниями составляет регуляторная и правовая среда, в рамках которой корпорации осуществляют свою деятельность. С целью создания специального операционного контекста для автономных систем искусственного интеллекта формулировки локальных нормативных документов могут быть одновременно представлены в двух вариантах: для использования людьми и для использования автономными системами. В таком случае система искусственного интеллекта получает четко очерченный операционный контекст, который позволяет такой системе выполнять функции в рамках необходимых эксплуатационных качеств. Локальные нормативные акты, которые предусматривают специфику совместной работы физических лиц и автономных систем искусственного интеллекта, могут стать базой для формирования основ соответствующего законодательства, регулирующего разработку и внедрение ав- тономных систем.

Программа «Президент» устойчивого развития страны является продолжением разработанной под руководством П.Г. Кузнецова программы «Губернатор», в которой рассматривалось планирование развития региона на основе использования измеримых величин. Программа «Президент» ставит целью рост производства, при котором возрастает поток энергии в распоряжении каждого человека. Естественный рост количества людей и рост потока энергии на каждого человека требует поиска и применения новых ресурсов. По мере исчерпания земных ресурсов необходимо активное освоение космического пространства. Это приведет к качественным изменениям самого явления жизни и ее действиям во Вселенной, пространстве и времени. Экономика, как живая система, является усилителем мощности, потока энергии. Для развития страны надо распределить полученный поток энергии не только на текущее потребление и рост производства, но и между сельским хозяйством, здравоохранением, образованием, наукой, чтобы максимизировать будущий поток энергии. В качестве примера применения измеримых величин рассмотрена динамика изменения населения и потока энергии на человека в России, Китае и США. Статья подготовлена на основе доклада на XII международной научной конференции «Фундаментальные и прикладные вопросы устойчивого развития в системе «Природа - Общество - Человек» (к 100-летию выдающегося ученого П.Г. Кузнецова).