Научный архив: статьи

В статье представлен комплексный анализ мирового рынка систем технического зрения (СТЗ) как критической инфраструктуры Индустрии 4.0. Рассматривается трансформация рынка от узкоспециализированного инструмента к стратегическому драйверу цифровой экономики. Детально проанализирована постпандемийная динамика, региональная структура с выделением центров технологического лидерства (АТР, Северная Америка, Европа), а также конкурентный ландшафт ключевых производителей. Особое внимание уделено прогнозируемым стратегическим показателям до 2035 года, где определяющими факторами роста выступают конвергенция искусственного интеллекта, 3D-зрения, периферийных вычислений и требований устойчивого развития. Сделан вывод о переходе СТЗ в разряд фундаментальной основы промышленной конкурентоспособности и глобальной автономности систем.

В статье представлен обзор результатов крупномасштабного рандомизированного экспериментального исследования (N = 1 222), впервые предоставившего причинно-следственные доказательства того, что кратковременное (10–15 минут) использование ИИ-ассистентов приводит к снижению самостоятельной продуктивности и настойчивости при решении когнитивных задач [32]. Анализируются нейрофизиологические механизмы этого эффекта, включая феномен «когнитивного офлоадинга» (когда регулярное использование нейросетей приучает мозг делегировать им хранение информации, рутинные расчёты, подбор формулировок, обобщение, выводы, структурирование данных и снижение нейропластичности). На основе данных российских исследований и экспертных оценок рассматривается специфика восприятия и последствий внедрения ИИ в России. Обсуждаются долгосрочные риски для когнитивного здоровья, включая потенциальное повышение уязвимости к нейродегенеративным заболеваниям, а также формулируются практические рекомендации по минимизации негативных эффектов.

В современном экономическом пространстве предприятия сталкиваются с необходимостью оперативного анализа больших объемов финансовых данных для принятия эффективных управленческих решений. Традиционные методы анализа часто оказываются недостаточно точными или громоздкими - возрастает роль математической статистики и искусственного интеллекта (ИИ) в обработке данных и прогнозировании ключевых финансовых показателей, таких как прибыль.

Современные технологии стремительно проникают в образовательный процесс, предлагая новые возможности для улучшения качества обучения. Одной из перспективных областей внедрения искусственного интеллекта (далее ИИ) становится создание персонализированных учебных материалов для младших школьников. Этот инструмент способен значительно облегчить труд педагога, делая уроки интереснее и эффективнее.

Современные системы государственного управления характеризуются значительной институциональной инерцией, обусловленной исторически сложившимися практиками, что ограничивает их способность к оперативной трансформации. Однако стремительная экспансия технологий искусственного интеллекта (ИИ) и углубление глобальной неопределенности требует принципиально новых подходов к стратегическому управлению, адекватных вызовам современности. На основе междисциплинарного анализа, включающего осмысление эволюции управленческих парадигм и сложных систем, исследование обосновывает, что формирование будущих систем управления будет определяться не только стратегическим планированием, но и тактической адаптацией к изменяющимся условиям. В работе: (а) выявлена управленческая дилемма необходимости одновременного сохранения работоспособности существующих систем управления, их адаптации к цифровым технологиям и формирования стратегического видения будущего; (б) обосновано, что экспансия ИИ, особенно генеративных моделей, трансформирует культурные коды и ценностные установки, незаметно изменяя массовое сознание и практики управления; (в) аргументировано, что стратегическое управление в условиях цифровой трансформации требует принципиального разграничения между алгоритмизируемыми операционными задачами и сферой ценностно-смысловых решений, остающейся прерогативой человеческого интеллекта. Главный вывод заключается в том, что ответственное внедрение ИИ в государственное управление требует преодоления технологического подхода и учета культурных последствий. Результаты исследования могут быть полезны государственным служащим и разработчикам стратегий цифровых трансформаций, учитывающих взаимовлияние технологических, управленческих и ценностных факторов, а также академическому сообществу для дальнейшей разработки теорий управления в условиях технологической сингулярности.

В статье рассмотрены актуальные возможности использования искусственного интеллекта в сфере конституционного, гражданского, арбитражного, административного, уголовного судопроизводства. Авторы пришли к выводу о необходимости широкомасштабного внедрения, использования и развития сервисов, информационно-поисковых, справочных систем, а также баз данных и алгоритмов, способствующих оптимизации временных и трудовых ресурсов участников процессуальных правоотношений. В статье определены и указаны объективные препятствия, делающие невозможным на данный момент применение в сфере правосудия в полном объеме искусственного интеллекта. Авторами рассмотрен мировой опыт применения искусственного интеллекта, а также высказаны предложения по внедрению подконтрольного человеку искусственного интеллекта в сферу правосудия Российской Федерации, что может существенно повысить эффективность правоприменительных процедур и обеспечить более высокий уровень правовой защиты как физических, так и юридических лиц.

В статье исследуются правовые проблемы обеспечения прозрачности и объективности при использовании технологий искусственного интеллекта в судебном процессе. На основе анализа зарубежного опыта (прежде всего практики применения алгоритма COMPAS в судах США, положений Регламента ЕС 2024/1689 об искусственном интеллекте и Руководств ЮНЕСКО 2025 года) и российских инициатив в сфере цифровизации правосудия автор выявляет ключевые риски, связанные с непрозрачностью алгоритмов, автоматизационной предвзятостью и утратой индивидуального подхода при принятии судебных решений. Обосновывается, что прозрачность и объективность искусственного интеллекта в правосудии не являются техническими характеристиками, а представляют собой правовые требования, реализация которых предполагает формирование системы обязательного аудита алгоритмов, обеспечение объяснимости результатов работы систем и сохранение за судьёй решающей роли в процессе. Предлагаются конкретные правовые меры, направленные на минимизацию выявленных рисков.

В настоящей статье проанализирован институт коллективного управления авторскими правами в области аудиовизуального искусства. Рассмотрена правовая природа аудиовизуального произведения как сложной синтезированной структуры, объединяющей результаты интеллектуальной деятельности целого ряда правообладателей. В статье представлен анализ механизма функционирования организаций, занимающихся управлением правами на коллективной основе (ОКУП), рассмотрена роль этих организаций в поддержании равновесия между интересами авторов, продюсеров и пользователей в условиях динамичного процесса цифровизации медиарынка. Особый акцент сделан на изменении в системе лицензирования под воздействием распространения стриминговых сервисов, глобальных OTT-платформ и технологий искусственного интеллекта. В исследовании также рассмотрена проблема сбора и распределения вознаграждения, вопросы «buy-out» контрактов и перспективы введения блокчейн-решений с целью автоматизации управления роялти. Предлагаются пути модернизации законодательной системы для эффективной защиты интеллектуального капитала.

Современное школьное математическое образование в России переживает период активной цифровой трансформации, обусловленной стремительным развитием технологий искусственного интеллекта (ИИ, на англ. AI - Artificial intelligence) [1,2]. Российский рынок образовательных технологий демонстрирует устойчивый рост, при этом особое внимание уделяется внедрению AIрешений в процесс обучения математике. Актуальность данной темы определяется необходимостью сохранения конкурентоспособности российского образования в условиях глобальной цифровизации.

В представленной статье рассматриваются отдельные аспекты правового регулирования использования и защиты персональных данных, обрабатываемых с использованием технологий искусственного интеллекта в сфере туризма. Автор обращается к истории становления и развития законодательства, регулирующего вопросы правовой охраны персональных данных, уделяя отдельное внимание формированию нормативной законодательной базы в сфере использования и защиты персональных данных в Российской Федерации, характеристике федерального закона «О персональных данных» и действии его норм в отношении субъектов туристской индустрии.

Кроме того, автор на практических примерах демонстрирует правила работы субъектов туристской индустрии с конфиденциальной информацией, выявляет проблемы в этой сфере, делает вывод о целесообразности, трудоемкости такой работы и необходимости в целях обеспечения безопасности хранения и передачи персональных данных в исследуемой сфере дальнейшего совершенствования законодательства.

Отметили, что при использовании технологий дистанционного зондирования и алгоритмов глубокого обучения значительно улучшаются возможности диагностики заболеваний растений на основе аэрофотоснимков. Работа посвящена анализу методов глубокого обучения и беспилотных летательных аппаратов для идентификации заболеваний сельскохозяйственных культур. (Цель исследования) Обобщение научных материалов по применению беспилотных летательных аппаратов, технологий дистанционного зондирования и методов глубокого обучения для раннего выявления и прогнозирования заболеваний культурных растений. (Материалы и методы) Представлены различные технологии с применением беспилотных летательных аппаратов и сенсоров для мониторинга состояния растений. Рассмотрены современные средства компьютерного зрения, направленные на повышение точности идентификации патологий растений. (Результаты и обсуждение) Выполнен анализ научных работ с 2010 по 2023 год. Основное внимание уделено сравнению эффективности различных алгоритмов глубокого обучения, таких как свёрточные нейронные сети (CNN), с традиционными методами, включая метод опорных векторов (SVM), и классификаторы случайного леса. Показано, что алгоритмы глубокого обучения обеспечивают более точное и раннее выявление заболеваний, что делает их перспективными для применения в растениеводстве. Обозначили вызовы, связанные с применением беспилотных аппаратов, ограничения, обусловленные качеством данных, сложностью обработки больших объемов изображений и необходимостью разработки более совершенных моделей. Предложены пути преодоления этих проблем, в том числе оптимизация алгоритмов и улучшение методов предварительной обработки данных. (Выводы) Сочетание беспилотных летательных аппаратов и глубокого обучения открывает новые перспективы для повышения эффективности агропроизводства. Такие технологии позволяют точно диагностировать заболевания растений на ранних стадиях и прогнозировать их развитие, чтобы своевременно принимать меры по защите урожая. Интеграция интеллектуальных систем компьютерного зрения и беспилотной авиации является перспективным направлением, способным значительно улучшить методы мониторинга и управления здоровьем растений.

Цель исследования: разработать и научно обосновать архитектуру персонализированной системы спортивной тренировки по пауэрлифтингу на основе искусственного интеллекта и экспериментально доказать эффективность её внедрения.

Методы и организация исследования. Исследование выполнено на базе двух вузов с 48 пауэрлифтерами мужского пола 18-23 лет различной спортивной квалификации, разделённых на ЭГ и КГ. В работе использовались следующие методы исследования: теоретический анализ литературы, структурно-функциональное моделирование и педагогический эксперимент, методы экспертной оценки и математической статистики. Для интеллектуального сопровождения применялся сервис ChatGPT с доступом к GPT-5 Plus и возможностями компьютерного зрения для анализа видеозаписей приседа, жима лёжа и становой тяги и формирования отчётов.

Результаты исследования и их обсуждение. Разработана модель замкнутого контура (сбор данных – интеллектуальный анализ в ChatGPT – интерпретируемый отчёт и рекомендации – тренировочный цикл – повторная коррекция), включающая целевой, технологический, содержательный и результативный блоки. Интеллектуальные отчёты обеспечивали фазовый разбор техники и «триггеров» ошибок (траектория грифа, стабильность корпуса и таза, фазность, темп, признаки утомления) и связывали выявленные нарушения с вероятными причинами и средствами коррекции. По итогам эксперимента ЭГ продемонстрировала более высокий прирост суммы в троеборье по трем видам по сравнению с КГ, различия между группами были статистически значимыми (χ², p<0,05). Наибольший эффект получен у спортсменов I-II разрядов, что указывает на эффективность ИИ-сопровождения на этапе активного формирования техники и силовой базы.

Заключение. Интеграция ИИ-сопровождения в тренировочный процесс пауэрлифтеров повышает эффективность подготовки и подтверждается экспериментальными данными, полученными в исследовании.