Научный архив: статьи

В исследовании рассматривается проблема использования нейронных сетей в многокритериальной игре с неполной информацией.

Цель: оценить тренды, угрозы и возможности адаптации к повсеместному внедрению искусственного интеллекта (ИИ) в области физической культуры и спорта. Материалы и методы. Нами изучались научные статьи по теме ИИ, официальные документы, а также нормативные акты. Проводился статистический анализ частоты употребления слов в литературе - Google Books Ngram Viewer, а также статистический анализ поисковых запросов в сети Интернет - Google Trends. Для поиска путей адаптации спорта к ИИ мы использовали генеративную языковую нейросеть ChatGPT 3.5. Результаты. Спорт и физическая культура всё меньше интересуют людей, а понятия, связанные с ИИ, наоборот, стремительно набирают популярность. Основными направлениями внедрения ИИ являются: совершенствование тренировочных программ, прогнозирование спортивного результата, создание компьютерных приложений для контроля здоровья, принятие решений по спортивной тактике, принятие судейских решений, появление новых видов спорта, совершенствование спортивной журналистики, распространение и совершенствование «носимых технологий» и прочих сенсоров для сбора данных. Заключение. Внедрение ИИ повлияет на все без исключения субъекты физической культуры и спорта. Большинство спортивных профессий в будущем станут неактуальными. Искусственный интеллект в качестве мер адаптации к изменениям в спорте предлагает создавать еще более сложные и мощные системы искусственного интеллекта для контроля над уже существующими системами. Такой подход каждый раз в будущем будет способствовать новому витку развития ИИ, все меньшую роль отводя Человеку.

По данным концентрациям цитокинов проведено исследование связей между предикторами. Установлено, что данные не подчиняются нормальному закону распределения и отсутствуют явные корреляционные связи между представленными параметрами. Получена нейронная сеть, позволяющая с высокой точностью прогнозировать рак шейки матки на основе цитокинового профиля пациента.

В работе рассматривается технология компьютерной реконструкции и анимации внешнего облика дючерской девушки XVII века. В первой части исследования представлены результаты компьютерной реконструкции внешнего облика девушки по черепу, полученные в ходе антропологического исследования краниологическим методом М.М. Герасимова Вторая часть описывает методику реконструкции одежды того времени с помощью современных технологий.

Современный мир, его развитие и обустройство является сложным планетарным феноменом и процессом. Рассматривать их в рамках только естественных наук или социально-гуманитарных наук явно недостаточно. Сложность мира предполагает иной интегральный способ его осмысления и освоения. В этом нам могут помочь концепции Дж. Лавлокка и В.И. Вернадского, которые снимают отмеченную разъединенность. Формирующаяся глобальная информационно-коммуникативная среда является ноосферной реальностью, которая представляет собой сущность, обладающую двойственной природой. В этой реальности объективным образом формируются надличностные структуры. Нейтросетевой подход и моделирование позволяют объяснить целый ряд феноменов и их эволюцию, таких как геополитическое обустройство мира (новый мировой порядок), государство, социокультурный код цивилизации или Дух народа.

Рассмотрены основные принципы распознавания образов на основе сети неокогнитрон, а также общая структура сети и принципы ее функционирования. Приведены примеры ее работы и анализ полученных результатов.

Представлен алгоритм работы дополнительного преобразующего слоя в сети на основе “неокогнитрона”. Ранее авторы рассматривали общий принцип работы данного вида сети. Описанный метод улучшает работу сети путем дополнительного преобразования данных. Проведен анализ входных данных при распознавании. Разработан алгоритм, который преобразует данные для более удобного распознавания сети.

В настоящее время одним из востребованных направлений применения интеллектуальных систем является использование нейронных систем (НС) в системах по распознаванию речи, выполняющее совместное разделение голоса и улучшение речи. Для этого необходимо различать различные шумы при смешивании чистого аудио с мешающими высказываниями.

В научной работе предложен новый подход в обучении НС при распознавании речи по двум направлениям:

во-первых, представлена обновленная функция потерь, способная напрямую учитывать производительность на уровне сигнала и транскрипции. Это позволит снизить показатель индикатора неправильно распознанных слов с 59,6 % до 55,6 % и улучшит отношение источника к искажению с ~ 4 дБ до ~ 4,1 дБ по сравнению с имеющимися аналогами. Интеграция индикатора неправильно распознанных слов в функцию потерь существенно повышает производительность разделения на уровне сигнала и транскрипции;

во-вторых, в работе предложена оригинальная модернизированная интеллектуальная система по распознаванию речи с учетом обновленной функции потерь. Преимуществом новой системы является ее возможность интегрироваться в другие системы без ограничения системной среды, что создает дополнительные возможности для более разнообразных комбинаций систем разделения и распознавания речи.В настоящее время одним из востребованных направлений применения интеллектуальных систем является использование нейронных систем (НС) в системах по распознаванию речи, выполняющее совместное разделение голоса и улучшение речи. Для этого необходимо различать различные шумы при смешивании чистого аудио смешающими высказываниями.

В статье с позиций теории цифровизации судебно-экспертной деятельности как частной теории судебной экспертологии рассматриваются перспективы внедрения нейронных сетей в судебную экспертизу и возникающие при этом актуальные проблемы. Автор отмечает изменения в методологии и технологиях разработки экспертных методик в связи с внедрением алгоритмов искусственного интеллекта - нейронных сетей. Обозначены сферы применения нейронных сетей для решения разнообразных задач науки и практической деятельности. На конкретных примерах продемонстрированы возможности использования алгоритмов контролируемого обучения нейросетей в судебно-экспертной практике. Дан подробный анализ причин, по которым использование нейронных сетей в судебной экспертизе может привести к ошибочным заключениям. Особое внимание уделено галлюцинациям нейронных сетей глубокого обучения на больших языковых моделях. Существует опасность, что эксперт, всецело полагаясь на нейросеть, может сделать неправильный вывод, поскольку самообучаемые генеративные нейросети не дают объяснения, почему приняли то или иное решение. Для разработки методик решения типичных экспертных задач на основе нейросетей предлагается создание баз данных (Dataset) для анализа и машинного обучения по различным объектам судебной экспертизы. Для хранения Dataset необходимо организовать репозитории, которые могут содержать наборы данных по родам (видам) судебных экспертиз. Dataset и репозитории обеспечат контроль качества данных и верификацию моделей. В статье обоснована необходимость новых компетенций специалиста Data Scientist, который формирует инструменты для решения судебно-экспертных задач при внедрении нейросетей и других алгоритмов искусственного интеллекта в судебную экспертологию, а также работающего с ним в контакте инженера по машинному обучению.

В данной статье изучена тема нейронной сети, какова её роль и помощь в дизайне. Нейронная сеть основывается на принципе работы нейронов головного мозга, так как имеет отличительные от других программ способности к обучению, что открывает большое количество возможностей для использования потенциала данного алгоритма во многих сферах деятельности человека. Уже сейчас нейросеть способна анализировать и выдавать результаты по запросам людей, генерируя картинки, тексты и другие материалы. Со временем способности и возможности будут только совершенствоваться, поэтому нейронная сеть обладает большими перспективами.

В связи с проблемой включения в гражданский оборот объектов, произведенных искусственным интеллектом (ИИ), должен быть решен вопрос о субъектности прав на них. Как одно из возможных решений (некоторые исследователи называют его основным) рассматривается наделение статусом субъекта права самого искусственного интеллекта. Статья посвящена критике такого подхода.Социальное поведение людей формируется на основе их физической сущности, эта взаимосвязь останется действующей и в дальнейшем. Очевидно, что физической сущности искусственный интеллект заведомо лишен. Даже если говорить о юридическом лице (в ряде систем, являющихся фикционными образованиями), последствия его деятельности так или иначе возлагаются на лиц физических. Представляется целесообразным наделить ИИ объектной характеристикой интеллектуального комплекса - по аналогии с имущественными комплексами в гражданском праве, закрепив первоначальные права за разработчиками программ для ЭВМ. Рассмотрение же ИИ в качестве субъекта гражданского правоотношения не только не оправданно, но и препятствует доктринальному решению вопроса правосубъектности, которое является необходимой предпосылкой формирования норм действующего законодательства.

Обеспечение информационной безопасности органов государственной власти требует применение специализированных инструментов, учитывающих существование разных источников информационных угроз, их постоянное изменение, а также проблемы интеграции оценок вероятности их реализации и степени возможного ущерба. Данное исследование направлено на разработку методики анализа угроз информационной безопасности органов государственной власти с помощью нейронных сетей. В исследовании использованы методы машинного обучения, нейросетевого анализа и систематизации. Для достижения задач исследования авторами была адаптирована архитектура MLP, проведена работа по настройкегиперпараметров нейронной сети. Обучение нейронной сети было реализовано на языке программирования Python. Эффективность работы нейронной сети в решении поставленной задачи оценивалась метриками accuracy, precision, recall, f1. Результатами исследования стали: разработка способа формирования набора данных, включающего оценки угроз информационной безопасности органов государственной власти различных видов и источников происхождения, оценка эффективности работы нейронной сети по решению задач классификации органов государственной власти, интерпретация результатов нейросетевого анализа о степени устойчивости органов государственной власти угрозам информационной безопасности.