Научный архив: статьи

В статье представлена разработка модели машинного обучения для прогнозирования мошеннических транзакций на примере транзакционных данных банка. Рассмотрены особенности кодирования категориальных переменных, связанные с наличием времени в транзакционных данных, чтобы избежать утечек информации. Проведены эксперименты по применению баггинга (bootstrap aggregating) и созданию дополнительных переменных на основе их вклада в итоговый прогноз с применением Shapley values. Рассмотрены показатели качества модели машинного обучения и проведен их анализ.

Целью работы является создание теоретических оснований имитационного моделирования агентов универсального искусственного интеллекта на основе метафоры проектирования мультиагентных нейрокогнитивных архитектур. Задача исследования состоит в разработке основных принципов имитационного моделирования сознания интеллектуальных агентов под управлением нейрокогнитивных архитектур. Дано формальное определение агента универсального искусственного интеллекта. Предложена гипотеза о структурно-функциональной организации сознания универсального искусственного интеллекта на основе метафоры проектирования многокомпонентной мультиагентной нейрокогнитивной архитектуры. Разработаны некоторые принципы имитационного моделирования сознания агентов универсального искусственного интеллекта на основе контекстно-детерминированного развития управляющей нейрокогнитивной архитектуры в коммуникативной социальной реальной среде.

В статье рассматриваются методы улучшения показателей качества моделей машинного обучения, применяемых в финансовом секторе. В связи с тем, что наборы данных, на которых обучаются модели, обладают несбалансированностью классов, предлагается использовать модели, направленные на снижение дисбаланса. В исследовании были проведены эксперименты с применением 9 методов учета несбалансированности классов к трем наборам данных по розничному кредитованию. В качестве базовой использовалась модель градиентного бустинга CatboostClassifier, не учитывающая дисбаланс классов. Проведенные эксперименты показали, что применение метода RandomOverSampler дает существенный прирост показателей качества классификации по сравнению с базовой моделью. Результаты свидетельствуют о перспективности дальнейших исследований методов учета дисбаланса классов при изучении финансовых данных, а также о целесообразности применения рассмотренных методов на практике.

В данном исследовании модуль реляционного внимания интегрируется в предобученную модель Transformer Seq2Seq и осуществляется преобразование вопросов на естественном языке в команды извлечения на языке структурированных запросов (SQL) с помощью экспериментов на наборе данных Spider. Цель этой научной статьи состоит в том, чтобы улучшить точность и эффективность преобразования текста в SQLзапросы, используя механизм реляционного внимания в модели трансформера. Статья представляет модель RASAT (переход SQL на основе реляционного внимания), которая заменяет модуль самовращения в энкодере трансформера на модуль реляционного внимания для обработки задач текст-к-SQL. Этот подход позволяет лучше учитывать семантические связи между сущностями в тексте и генерировать более точные SQLзапросы. Методы исследования включают использование предобученной модели трансформера (T5-small) и ее обучение на наборе данных Spider с введением модуля реляционного внимания. Экспериментальные результаты показывают значительное улучшение показателей точности при преобразовании текста в SQL по сравнению с базовой моделью без реляционного компонента. Экспериментальные результаты демонстрируют, что модель RASAT улучшает производительность по показателю Exact Match на 1,82 % и точность выполнения на 3,26 %. Эти улучшения достигнуты несмотря на то, что количество эпох обучения было ограничено 500 вместо 3072 для базовой модели, что подчеркивает эффективность предложенного подхода даже при ограниченных вычислительных ресурсах. В заключение подчеркиваются перспективы дальнейшего развития метода реляционной модели для улучшения качества систем, связанных с обработкой естественного языка и базами данных.

Цифровые технологии не только являются устойчивой платформой для диагностического поиска многих заболеваний, но и помогают реализовать конкретные терапевтические и хирургические стратегии. Распространение новых инфекционных вызовов заставило медицинское сообщество задуматься о дистанционных формах диагностики, обработки данных и принятия врачебных решений. Благодаря современным возможностям применения технологий искусственного интеллекта (ИИ) на базе Тверского государственного медицинского университета активно используются разные его направления: генеративный ИИ в работе с текстом, генеративный ИИ для работы с изображениями, обработка больших массивов информации, решения без заранее заданного алгоритма, распознавание образов, звуков, симптомов

В статье исследуется роль нейросетей и многоагентных систем как ключевых технологических компонентов формирующейся экономики в условиях перехода к интегральному киберинформационному обществу. Авторы определяют нейросети как специфические электронно-программные организационные модули, обладающие целостной техноэлектронной сущностью, и описывают трехэтапный процесс их формирования: создание электронной архитектуры, первичное обучение и интеграцию в структуру общественных отношений. Рассматриваются проблемы на каждом этапе развития нейросетей и их функциональная роль в современном обществе. Особое внимание уделено формированию многоагентных систем на основе нейросетей, представляющих собой саморазвивающиеся IT-интеллектуальные кластеры. Анализируется применение программных роботов в ключевых сферах экономики: финансовых технологиях, здравоохранении, логистике, промышленности и электронной коммерции. На примере здравоохранения детально рассмотрены особенности и перспективы использования программных роботов. Авторы прогнозируют расширение применения многоагентных систем в образовании, юриспруденции, сельском хозяйстве, городском управлении и повседневной жизни, подчеркивая их потенциал для автоматизации процессов, повышения эффективности и персонализации решений.

Кардинальные изменения, происходящие в мире, свидетельствуют, что они затрагивают не только геополитический или геоэкономический уровни, но и все другие, касающиеся обустройства человечеством своего существования на планете. Очевидно, что такие трансформации приведут к изменению как социальной парадигмы, так и научной. И этот процесс уже происходит. Эпоха Просвещения как социальная парадигма, равно как и научная парадигма, сложившаяся в процессе научной революции XVII в., исчерпали свой потенциал. Это значит, что их принципы недостаточны для объяснения тех процессов, которые происходят в современном мире и науке. Именно в этом контексте стоит рассматривать проблему создания сильного искусственного интеллекта (ИИ). В статье эта проблема рассматривается таким образом, что с позиции интервального подхода такая возможность в определенном смысле сохраняется при изменении, переформулировке проблемы. В то же время приводятся существенные, если не сказать фундаментальные аргументы, обосновывающие невозможность ее разрешения в существующей парадигме. И в этом нет ни логического, ни гносеологического, ни онтологического противоречия. В первом случае, о чем свидетельствует история науки, ей всегда удавалось найти решение «неразрешимых» проблем. Наука делала это путем переосмысления самой проблемы, созданием новой методологии, методов, технологий. Во втором случае науке становилась ясна сама проблема и принципиальная невозможность ее решения в старой парадигме, и она преодолевала эти ограничения. Но каждый раз отмеченная проблематика, это преодоление предполагало, собственно, выход за пределы существующей на то момент науки. Здесь ей на помощь приходила философия. В статье это показано на проблеме сильного ИИ.

Настоящая статья развивает проблему определения и разграничения понятий человеческого и постчеловеческого, проводит анализ приписываемых им атрибутов и аспектов сосуществования друг с другом с позиции технологического постгуманизма. Актуальность данного исследования автор связывает с активным развитием НБИК-технологий, с ожиданиями скорого достижения человечеством точки технологической сингулярности и со следствиями из развиваемой Дж. Тонони теории интегрированной информации. При разработке тематики автор обращается к теории интегрированной информации, рассматривающей понятие полноты феноменального опыта и способы его эмпирической фиксации как в человеке, так и в иных сущностях, а также к теориям Р. Курцвейла и Р. Брайдотти. В результате исследования на основе функционального подхода к определению человека Р. Курцвейла автором были предложены следующие определения человеческого и постчеловеческого субъекта: человеческий субъект - это биологическая или небиологическая сущность естественного или рукотворного происхождения, обладающая сознанием или потенцией к его актуализации и способная выполнять функцию причастного к цивилизации субъекта; постчеловеческий субъект - рукотворный, деятельный, благожелательный к жизни интеллектуальный агент, обладающий превосходящей сознание формой отражения действительности и мотивами к деятельности, лежащими в материальной действительности. Критерием диверсификации таковых автор утверждает параметр полноты феноменального опыта. Бытие человеческих субъектов связывается автором с некоторой степенью проявленности внутренней и внешней каузальности, а также с различными экзистенциальными рисками для существования жизни вообще; бытие постчеловеческих субъектов - с преодолением таковых ограничений и с устранением экзистенциальных рисков для жизни во вселенной. Полученные результаты предлагаются к использованию в социальной философии и общественной теории.

Разработка, внедрение и дальнейшее совершенствование систем искусственного интеллекта (ИИ) тесно связаны с проблемой опыта. Такие системы, в отличие от программ как замкнутых алгоритмов, взаимодействуют с внешней по отношению к ним средой и могут вносить в нее изменения на практике. В связи с этим современный дискурс приписывает искусственным агентам «способности», «обучаемость», «принятие решений» и т. п. Однако насколько правомерно экстраполировать на искусственные интеллектуальные системы (ИИС) смысл феноменов, характерных для живых существ? Способна ли машина действительно усваивать опыт, научаться и принимать решения? Поиск ответов на подобные вопросы побуждает к раскрытию понятия опыта, его структуры и специфики его получения живыми существами. Ввиду неоднозначности самого этого понятия продуктивным оказывается применение феноменологического подхода, позволяющего не только прояснить сущностные черты опыта, но и исследовать его многомерные связи с практикой, памятью, воображением, волей, постановкой и достижением целей. Разбор конкретных примеров также помогает оценить аналоги данных компонентов для искусственных агентов и систематизировать проблемы, возникающие при дальнейшем совершенствовании ИИС. Представленные результаты показывают, что понятие опыта в строгом смысле слова неприменимо к ныне функционирующим «слабым/узким» ИИ, тем не менее возможность моделирования данного феномена открыта в рамках будущих разработок «сильного/общего» ИИ. В заключении приводятся выводы о том, какие факторы необходимо учесть и воплотить в ходе создания ИИС, которые были бы способны к переживанию опыта и осознанной практической деятельности.

Наиболее прогрессивным направлением выявление и оценка радиационной, химической и биологической (РХБ) обстановки является внедрение технологий на основе искусственного интеллекта. Цель работы – разработка архитектуры перспективной системы мониторинга радиационной, химической и биологической обстановки с использованием искусственного интеллекта. Информационная база исследования. Публикации по применению математических моделей в ИИ, доступные через сеть «Интернет». Метод исследования – аналитический, от общего к частному. Рассматривали особенности использования искусственного интеллекта в автоматизированных системах управления. Результаты и обсуждение. Конфронтации с Украиной под протекторатом Запада носят многовариантный пространственный характер, и требуют постоянного мониторинга в условиях недостатка конкретной информации. Применение технологий ИИ позволит выйти за рамки простого отображения текущей ситуации, предоставляя инструменты прогнозирования развития событий. Предлагаемая архитектура перспективной системы предполагает создание единой базы данных, наполняемой верифицированной информацией из открытых источников. Разработанная структура веб-приложения, представляющего собой интерактивный интерфейс для анализа и реагирования на изменения РХБ обстановки, включающая в себя возможность между информационными слоями и получение данных в режиме реального времени. Вывод. Применение нейросетевых технологий войсками РХБ защиты позволит осуществлять поиск по заданным параметрам и проводить ретроспективный анализ данных, тем самым качественно повлияет на эффективность мониторинга РХБ угроз для войск и населения Российской Федерации.

Рассматривается роль систем поддержки принятия решений (СППР) в процессах управления организациями. Прослеживается путь СППР от простейших систем обработки данных до современных платформ. Обсуждаются ключевые принципы СППР, такие как принятие решений на основе данных, ориентация на пользователя и применение принципов системного дизайна. Рассматривается архитектура СППР, включая основные компоненты: системы управления базами данных (СУБД), системы управления моделями (СУМ), пользовательский интерфейс (UI) и компоненты управления знаниями. Анализируются типы архитектур, их преимущества, ограничения и подходы к проектированию СППР. Акцентируется внимание на применении СППР в разных секторах - от бизнеса и здравоохранения до городского планирования. В статье подчеркивается роль СППР в повышении эффективности, поддержке сложных решений и внедрению стратегических инициатив. Также рассматривается специальный тип СППР - нечеткие когнитивные карты и когнитивные системы, которые расширяют функциональность СППР путем моделирование сложных взаимосвязей и предоставление динамичных стратегий развития систем. В итоге СППР позиционируются как ключевые инструменты для управления сложными и изменяющимися аспектами современного процесса принятия решений, при этом постоянные инновации усиливают их стратегическую ценность и значимость.

В основу оригинального исследования положена гипотеза о неотвратимости внедрения искусственного интеллекта в реальный сектор экономики. Авторы рассматривают нормативно-правовые основы искусственного интеллекта, а также его исторические аспекты. При этом обозначены базовые траектории применения искусственного интеллекта на примере пищевой индустрии- при моделировании и оптимизации пищевых технологий, идентификации, оценке качества и безопасности пищевой продукции. Отмечено, что предпосылкой к внедрению технологий искусственного интеллекта в пищевой индустрии выступает четко наметившийся переход от массового питания к персонализированному, связанный с производством преимущественно комбинированных продуктов сложного ингредиентного и химического состава. Как следствие, технологии искусственного интеллекта позволяют существенно оптимизировать ресурс времени, повысить эффективность и точность совершаемых покупок, способствуют снижению затрат на приобретение продукции и устранению предубеждений при принятии решений, а также предоставляют максимально персонализированные рекомендации при покупке товаров. Результаты исследования включают обзор и анализ трудов российских и зарубежных ученых в области искусственного интеллекта и сфер его применения в пищевой индустрии, а методология исследования базируется на таких теоретических методах научного познания, как сравнение, анализ, систематизация, дедукция, абстракция, обобщение. Также статья раскрывает юридические и концептуальные аспекты искусственного интеллекта и областей его применения, рассматривает перспективные направления дальнейшего проникновения искусственного интеллекта в пищевой индустрии. В заключении обобщаются преимущества и возможности использования искусственного интеллекта по всей цепочке прослеживаемости пищевой продукции, использования его для анализа цифрового профиля при установлении аутентичности и идентификации пищевой продукции.