Научный архив: статьи

Способность больших языковых моделей справляться с интеллектуальными задачами является крайне важным навыком в различных средах, для которых требуется принимать решения на основе общедоступной информации. В обучении с подкреплением, особенно в мультиагентном, независимо от сложности среды, крайне важно на основе простых действий достигать значимых результатов, которые с точки зрения ретроспективы могли казаться невыполнимыми. Рассмотрена возможность использования большой языковой модели Mistral-7B Instruct-v0.3 для применения в задаче мультиагентного обучения с подкреплением. Разработан метод взаимодействия с Large Language Model (LLM) для использования рассуждения большой языковой модели для задачи планирования и распределения действий. Проведена оценка рефлексии большой языковой модели в результате действий, которые обозначены как необходимые для достижения поставленной в среде цели. Реализуемый трансфер знаний из LLM позволяет использовать успешные подходы для задач мультиагентного обучения с подкреплением в среде мира-сетки. Выполнено экспериментальное сравнение алгоритмов машинного обучения, которые могут эффективно взаимодействовать с предоставляемой им информацией, полученной в результате взаимодействия с большой языковой моделью. Предлагаемый метод позволяет встроить в обучение мультиагентной системы структуру рассуждения LLM

Статья посвящена анализу трансформаций гуманитарных наук и образования под влиянием внедрения больших языковых моделей (БЯМ). Актуальность темы обусловлена дискуссией о востребованности гуманитариев в эпоху ИИ, способного генерировать тексты. Демонстрируется, что использование БЯМ в образовании несет не больше угроз гуманитарным дисциплинам, нежели иным специальностям, и возникающие проблемы связаны с недобросовестностью пользователей, нежели с возможностями новых технологий. Показывается, что существующие предубеждения об уязвимости гуманитарных наук в этой области ошибочны, и роль гуманитарных наук в современном информационном обществе будет все более востребованной в связи с необходимостью постоянной оценки качества поступающей информации

В статье рассматривается промпт-инжиниринг (promptengineering) как прикладная методология управления генеративным искусственным интеллектом (generative AI) и как новая управленческая компетенция в маркетинге и экономике. Показано, что промптинг (prompting) следует трактовать не как «подбор удачных формулировок», а как инженерно-организационный контур: спецификация целей и ограничений, управление контекстом и примерами, построение процедур контроля качества, а также снижение рисков галлюциногенности (hallucination) – прежде всего ложно положительных и ложно отрицательных результатов. Эмпирикоаналитическая часть опирается на обзорно-сравнительный анализ релевантного корпуса исследований 2023–2026 гг., сформированного в объёме 506 публикаций на основе поисковых запросов и последующего ранжирования релевантности; из них выделен корпус работ, включённых в библиографию и используемых для синтеза методологии и практических рекомендаций. В заключительной части предложена практическая имплементация протокола многоагентной проверки и работы с контекстом, для генерации контента карточки технологически сложного товара с одновременной работой в двух моделях (DeepSeek-V2 и Qwen 3 Max) в режиме многоагентной проверки по принципам многоагентных дебатов (multiagent debate).

Статья посвящена проблеме обеспечения технологического суверенитета. Цель и задачи. Выявить ключевые методы, позволяющие США сохранять технологическое доминирование и определить траекторию создания независимой от западных технологий ИИ-экосистемы.

Методология. В ходе исследования автором использовались следующие методы: критический дискурс-анализ, контент-анализ, метод системного анализа.

Результаты. Автор выявил, что, несмотря на то, что в последние годы китайские высокотехнологичные компании составляют серьезную конкуренцию американским, США продолжают прочно удерживать мировое технологическое лидерство, что дает им возможность не только решать, с какими странами и при каких условиях делиться своими технологиями, но и контролировать мировые информационные потоки. Особую опасность автор видит в распространении больших языковых моделей, произведенных ведущими американскими IT-корпорациями. Указанные модели, будучи обученными на западных текстах, становятся крайне удобным инструментом для экспорта западных ценностей в страны с принципиально иным культурно-цивилизационным кодом, что только усугубляет идеолого-культурную гегемонию стран коллективного Запада. В статье показано, что и в Казахстане, и в Кыргызстане были разработаны собственные большие языковые модели, но основаны они на американской модели LLaMA2. В России после начала специальной военной операции и ухода с российского рынка многих ведущих западных IT-корпораций отечественные разработчики были вынуждены предложить собственные технологические решения. Однако отставание от западных производителей составляет примерно год.

Выводы. Российские научно-исследовательские и опытно-конструкторские разработки в сфере передовых информационных технологий носят пока штучный характер, что обусловлено высокими затратами на обучение ИИ-моделей с нуля. В этой связи автор предлагает рассмотреть возможность объединения усилий высокотехнологичных компаний государств — участников ЕАЭС по разработке сквозных технологий искусственного интеллекта, которые были бы способны удовлетворить насущные потребности всех стран-партнеров, что будет способствовать дальнейшему укреплению евразийской интеграции.

Тематическая классификация научных публикаций улучшает навигацию в потоке научной литературы, обеспечивает возможность библиометрического анализа, разноуровневой оценки результативности научных исследований. Универсальный характер повестки устойчивого развития ООН, внимание к целям устойчивого развития (ЦУР), значимость научных исследований, направленных на их достижение, а также комплексный и многоаспектный характер ЦУР обеспечивают высокий интерес к проблеме соотнесения научных публикаций и ЦУР со стороны библиографов, наукометрического сообщества, международных н аучных баз данных ( МНБД). В Web of Science, Scopus, Dimensions, а также у отдельных групп исследователей приняты различные подходы к классификации статей о ЦУР, каждый из которых имеет сильные и слабые стороны. Разница в результатах классификации требует анализа и совершенствования подходов и методов. Развитие технологий генеративного искусственного интеллекта и больших языковых моделей открывает новые возможности тематической классификации научных текстов, в том числе в разрезе ЦУР ООН. Цель исследования - анализ методов классификации, используемых для отнесения научных публикаций к ЦУР, демонстрация применимости для этой задачи больших языковых моделей на примере ChatGPT.

Введение. Коммуникация с интеллектуальными агентами становится все более распространенной практикой, преследующей разнообразные цели. Если общение с коммуникативными агентами заложили основы социальной практики коммуникации, то диалоги с большими языковыми моделями с обратной связью могут рассматриваться как гносеологическая деятельность. Новый формат общения с большими языковыми моделями привнес в коммуникацию так называемую «цепочку рассуждений», т. е. «мысли» нейросети, предваряющие основной ответ. Фактически же задуманные для поэтапного решения сложных задач «рассуждения» обладают более глубоким потенциалом, который и является предметом данного исследования.

Методология и источники. Эмпирическую часть исследования составляют элементы «размышлений» DeepSeek, полученные в ходе разнообразных запросов. В ходе исследования проанализированы основные тенденции, существующие сегодня в области развития коммуникации с искусственным интеллектом, представлен феноменологический анализ отдельных кейсов.

Результаты и обсуждение. Даже в самих ответах большие языковые модели имеют тенденцию давать эмоционально преувеличенные комплименты текстам пользователей, однако в рассуждениях оценки могут относиться к самим пользователям, становясь более многогранными и не обязательно позитивными. DeepSeek проявляет метакоммуникативные навыки, оценивая причины запроса, коммуникативную ситуацию и особенности состояния и эмоции пользователя. ИИ представляет коммуникативную ситуацию как задачу, которую надо решить: стремится не столько представить верное решение на запрос пользователя, сколько дать правильный выход. Человекомашинное взаимодействие при этом приобретает черты экстернализации внутреннего диалога. Вместо того, чтобы задавать вопросы себе, рефлексируя, человек отправляет их машине, противостоя внешним вызовам.

Заключение. Таким образом, благодаря специфике развития диалоговых систем с ИИ, единение человека и машины приобретает более глубокий характер. При этом человек как бы распространяет собственное «я» на создаваемое нейросетью, приписывая себе авторство. Игнорирование замещения собственной интеллектуальной деятельности искусственной и убеждение человека, что он является самодостаточным субъектом, может интерпретироваться как неосознанная зависимость, в то время как рост метакоммуникативных навыков ИИ означает возрастающий потенциал воздействия на пользователя.

Статья представляет результаты комплексного исследования применения больших языковых моделей (LLM) и технологий искусственного интеллекта в отечественной библиотечно-информационной деятельности. Проведён сравнительный анализ эффективности российских (GigaChat, YaGPT) и зарубежных (ChatGPT, Claude, LLaMA, Mistral, DeepSeek) языковых моделей для решения трёх ключевых библиотечных задач: семантической деконструкции пользовательских запросов, распознавания рукописных каталожных карточек и автоматической коррекции ошибок в текстовых данных. Методология исследования включала систематическое тестирование через программные интерфейсы API на репрезентативных выборках запросов, образов рукописных карточек и полнотекстовых документов. Выявлены принципиально значимые ограничения существующих решений: нестабильность и деградация моделей, избыточная цензура с высоким процентом ложных срабатываний, генерация несуществующих данных (галлюцинации), непредсказуемость структурированного вывода, культурно-лингвистические барьеры. На основе полученных результатов разработана специализированная система ИРБИС AI с архитектурой Mixture of Experts, обеспечивающая стабильную и быструю обработку библиографических данных. Представлена практическая реализация в модуле J-ИРБИС 2.0 с тремя режимами ИИ-поддержки: справочное обслуживание, семантическая обработка запросов и интеллектуальный подбор литературы. Обозначены перспективы развития: создание библиотечного портала с полностью ИИ-управляемым интерфейсом, автоматизация каталогизации через мультимодальные модели, комплексная обработка неструктурированных данных и преобразование имидж-каталогов.

Изложены результаты Второй научно-практической конференции ИНИОН РАН, посвящённой применению искусственного интеллекта в деятельности библиотек. Обобщается суть прозвучавших выступлений, в которых затрагивались как теоретические, так и практические аспекты использования нейросетевых приложений в библиотечной практике России и сопредельных государств. Если год назад тон мероприятию задавали представители информационного бизнеса, то в нынешнем году большинство выступавших - представители библиотек, что ярко свидетельствует о расширении и углублении практики применения ИИ в библиотечном деле. Очевидно, что библиотечные процессы сегодня адаптируются к новому уровню цифровой реальности. В процессе работы библиотекарями постоянно решаются возникающие технические, методические и организационные задачи. Серьёзный прогресс достигнут в сферах каталогизации, предметизиции и качественного распознавания документальных массивов, что позволило ввести в культурный оборот значительные информационные ресурсы. Несмотря на высокую стоимость нейросетевых решений, они показывают свою эффективность и экономическую целесообразность. Автоматизируя рутинные задачи, они позволяют библиотечным специалистам сосредоточиться на реализации более сложных творческих задач. Было отмечено, что ниша для библиотек как информационных посредников за счёт работы интеллектуальных систем, взаимодействующих с пользователем на уровне направляющего действия исследователя эксперта-консультанта, постоянно сужается. Это заставляет серьёзно задуматься о роли и функциях библиотек в самой ближайшей перспективе. Участники конференции убеждены в том, что активное использование искусственного интеллекта должно стать неотъемлемой частью библиотечной профессии. Его грамотное применение поможет вернуть библиотекам роль активных субъектов информационной деятельности, оказывающим услуги на уровне современных возможностей.

В статье анализируется опыт внедрения чат-ботов на основе больших языковых моделей в образовательную практику российского высшего образования через призму критической теории и идеологий учебных программ. Опираясь на концепцию «конвивиальных инструментов» Ивана Иллича и различие между инструментальной и коммуникативной рациональностью Юргена Хабермаса, авторы рассматривают LLM как технологию, способную действовать либо в манипулятивной логике (усиление иерархий, технократической рациональности и доминирования), либо в конвивиальной (способствование автономии, коллективному мышлению и коммуникативному действию). Способ внедрения и функционирования технологий во многом зависит от того, какая «идеология» лежит в основе учебной программы, построена ли она на вертикальных принципах производства и трансляции знания (академическая идеология) или на идеях педагогического конструктивизма и личностного самопознания (студентоцентричная идеология). Эмпирическая часть исследования основана на опыте Школы перспективных исследований (SAS) Тюменского государственного университета. Анализируются результаты 20 полуструктурированных интервью со студентами 2-4 курсов, участвовавшими в экспериментальных программах с использованием «ИИ персон», замещавших часть функций преподавателей. Курсы предполагали переход к интерактивным форматам обучения и введение роли медиатора («невежественного учителя»). Результаты показывают, что принудительное и инструменталистское использование чат-ботов воспринимается студентами как манипуляция, вызывает сопротивление, чувство дегуманизации, снижение мотивации и разочарование в утрате живого общения. Напротив, добровольное и рефлексивное применение LLMs раскрывает их потенциал как конвивиальных инструментов, способствующих совместному производству знания и эпистемической самостоятельности. В заключении авторы формулируют условия, при которых LLM могут стать подлинными инструментами конвивиальности в университетском образовании: добровольность использования, прозрачность конструкции, отказ от тотальной инструментализации, включение в коммуникативные практики.

В статье авторы с критических позиций рассматривают термин «искусственный интеллект» (ИИ) как неточное обозначение современных технологий, которые представляют собой не креативное мышление (аналогичное человеческому мышлению и творчеству), а статистическую комбинаторику, работу с большими объемами данных и быстрые вычисления. Обсуждаются позиции ученых США, стран Европейского Союза и Китая, подчеркивающие отсутствие подлинного (человеческого) интеллекта и творчества в ИИ. Приводятся цитаты ученых и научный анализ, подтверждающие, что термин «искусственный интеллект» может вводить в заблуждение и необходимо в современных научных исследованиях второй четверти XXI века переходить на более точную терминологию.

Цель статьи – представить и обосновать педагогическую модель персонализированной обратной связи на основе больших языковых моделей (LLM) для образовательного процесса в магистратуре гуманитарного профиля. Актуальность исследования обусловлена задачами цифровой трансформации высшего образования в РФ, обозначенными в указе Президента № 474 от 21.07.2021 «О национальных целях развития до 2030 года», и необходимостью внедрения гибких, адаптивных образовательных технологий с использованием искусственного интеллекта в педагогический процесс. Методологическую основу исследования составили анализ научной литературы, проектировочный метод, а также апробация на магистерской программе «Управление школой и образовательная политика» Московского городского педагогического университета в 2024–2025 учебном году (n = 52). Результатом является комплексная модель, интегрирующая задачно-модульный подход, систему пробного решения учебных задач, матрицу оценивания компетентности и автоматизированную генерацию структурированной обратной связи на основе LLM с помощью промпт-инжиниринга. В ходе апробации получено 247 проб решений; Раш-моделирование показало приемлемое согласие данных от ИИ с моделью на уровне отдельных показателей; обратная связь от ИИ по оценкам магистрантов оказалась не хуже обратной связи от преподавателей программы. Ключевой вывод: модель позволяет обеспечить оперативную, критериально-ориентированную обратную связь, способствующую персонализации траекторий обучения и развитию профессиональной компетентности магистрантов. Модель может быть масштабирована на другие гуманитарные направления подготовки.

Статья посвящена культурфилософскому анализу феномена генеративного искусственного интеллекта в контексте его претензий на статус культурного агента. Цель исследования заключается в том, чтобы выявить и охарактеризовать специфику смыслопорождения в системах искусственного интеллекта, противопоставив её традиционным антропоцентрическим моделям культурного творчества. Методологическую основу работы составляют подходы философии постструктурализма и постмодернизма, а также теория медиа и методы современной цифровой культурологии. Авторы приходят к выводу, что искусственный интеллект функционирует как «культурная машина», осуществляющая не создание смыслов в герменевтической традиции, а их статистическую рекомбинацию. Его деятельность ведёт к деконструкции классических категорий авторства, оригинальности и культурного канона, порождая новую, «алгоритмическую» эстетику, основанную на вероятностных распределениях. Культурный продукт искусственного интеллекта предстаёт как «смысл без интенции», что ставит под вопрос саму возможность наделения искусственного интеллекта статусом полноценного субъекта культуры и требует пересмотра онтологии культурного объекта в цифровую эпоху.