Научный архив: статьи

Исследование посвящено изучению потенциала искусственного интеллекта (далее - ИИ) в контексте повышения эффективности обучения иностранным языкам курсантов военных вузов. Автор провел углубленный анализ научной литературы, нормативных документов и существующих образовательных практик с целью выявления наиболее перспективных направлений применения ИИ в языковой подготовке. В рамках исследования была разработана концептуальная модель интеграции ИИ в учебный процесс, учитывающая специфику военного образования и современные требования к профессиональной иноязычной компетенции офицеров. Ключевыми результатами работы стали: выявление основных направлений применения ИИ (адаптивное обучение, автоматизированный анализ языковых компетенций, генерация учебного контента, персонализация обучения), обоснование необходимости комплексного подхода к внедрению ИИ в языковую подготовку, разработка оригинальной модели интеграции ИИ, учитывающей специфику военного образования. Научная новизна исследования заключается в проведении комплексного анализа потенциала ИИ в контексте военного языкового образования и разработке оригинальной модели интеграции ИИ. Практическая значимость работы состоит в возможности использования полученных результатов для модернизации программ языковой подготовки в военных вузах, разработки инновационных методик обучения и совершенствования нормативно-правовой базы.

В данной статье показано применение генеративной искусственной сети Stable Diffusion для проектирования орнамента для разработки коллекций одежды, а также применение навыков в составлении алгоритма для разработки промта.

Целью исследования является анализ инновационных подходов использования нейронных сетей в создании коллекций одежды.

Объект исследования - нейронная сеть Stable Diffusion. Проанализирован алгоритм и формирование структурного промта, который улучшает взаимодействие с нейронной сетью, и ускоряет результат получения генераций по заданному запросу. В работе продемонстрирован промт, который был составлен для генерации способом преобразования текста в изображение. Представлены новые возможности для разработки дизайна принтов, дизайна тканей и декоративных элементов. Был создан цифровой проект в программе трехмерного моделирования Style3D и проведена разработка коллекции одежды макетным способом.

Практической значимостью проекта является внедрение и трансформация полученных результатов генерации в трехмерную среду и получение коллекции одежды с новым дизайном. Эксперимент, проведенный в ходе исследования, подчеркивает эффективность использования навыков проектирования дизайна в программе Style3D и применения структур, сгенерированных при помощи Stable Diffusion для реализации цифровых проектов. Важность этого исследования заключается в перспективном взаимодействии инновационных подходов и объединение их с возможными методами проектирования, используя визуализацию структур орнаментов, визуализацию образов коллекции одежды. В ближайшем будущем такие способы исследования нейронных моделей могут считаться актуальными и востребованными для создания дизайн-проектов. Предлагается пересмотреть существующие способы проектирования и использовать инновационные технологии способные расширить взгляд на перспективы будущего развития.

Рассматривается актуальная задача краткосрочного прогнозирования суточных атмосферных осадков с использованием метеорологической информации и данных, полученных на основе измерений напряженности электрического поля атмосферы, но без привлечения данных о прошлых значениях осадков. Проведенные исследования показали высокую эффективность применения искусственного интеллекта в решении поставленной задачи, в частности, таких методов машинного обучения, как модели градиентного бустинга, деревья решений, нейронные сети. Данные для исследования за период с 2020 по 2025 год получены с метеостанции Нальчик (Россия, WMO ID 37212) и измерителя напряженности электрического поля EFM-100 установленного на крыше здания ФГБУ «ВГИ».

Модели искусственного интеллекта (AI) могут полностью или частично автоматизировать проверку контрольных работ учащихся, делая методы экспертизы более точными и объективными. Качество работы таких моделей зависит не только от базовых алгоритмов и обучающих данных, но и от эффективности формулируемых запросов. Целью работы является исследование возможности применения открытых моделей искусственного интеллекта для оценивания ответов студентов на соответствие эталонному ответу преподавателя, а также увеличение качества решения задачи при помощи промпт-инжиниринга. Методом определения этого качества выбраны статистические характеристики результатов классификации текстов ответов на четыре категории: правильные, частично правильные, неверные, несоответствующие теме вопроса, моделями AI при использовании следующих вариантов промптов: простой промпт, ролевой промпт, промпт «цепочка мыслей», промпт, сгенерированный искуственным интеллектом. Для исследования были выбраны модели, доступные для открытого использования, ChatGPT o3-mini, DeepSeek V3, Mistral-Small-3.1-24B-Instruct-2503-IQ4_XS и Grok 3. Тестирование моделей проводилось на корпусе текстов студентов, собранном преподавателями ЯрГУ имени Демидова, из 507 ответов на 8 вопросов. Лучшее качество оценки ответов показала модель ChatGPT o3-mini со сгенерированным ей же промптом. Доля правильных ответов (accuracy) составила 0,82, среднеквадратичная ошибка (MSE) — 0,2, а F-мера достигла 0,8, что показывает перспективность использования AI не только в качестве инструмента оценки, но и в качестве средства автоматической генерации инструкций. Для оценки согласованности ответов модели при 10 одинаковых запросах был использован коэффициент Флейсса. Для указанной пары модели и промпта он составил от 0,48 для сложных вопросов до 0,69 для простых вопросов.

Статья посвящена разработке методологии иерархического многозадачного обучения нейронных сетей, основанной на принципах архитектуры ERNIE 3, и экспериментальной апробации данной методологии на базе модели FRED-T5 для задач анализа и генерации текстов на русском языке. Иерархическое многозадачное обучение является перспективным подходом к созданию универсальных языковых моделей, способных эффективно решать разнообразные задачи обработки естественного языка (NLP). Предложенная методология объединяет преимущества специализированных энкодерных блоков для задач понимания текста (NLU) и общего декодера для генеративных задач (NLG), что позволяет повысить производительность модели и снизить вычислительные затраты. В работе проведён сравнительный анализ эффективности разработанной методологии на открытом бенчмарке Russian SuperGLUE с использованием предварительно обученной русскоязычной модели FRED-T5-1.7B. Экспериментальные результаты подтвердили существенное улучшение качества модели в режимах zero-shot и few-shot по сравнению с базовой конфигурацией. Дополнительно рассмотрены возможности практического применения разработанного подхода в решении реальных NLP-задач, а также даны рекомендации по дальнейшему развитию методологии и её интеграции в прикладные системы обработки русскоязычных текстов.

Использование мультимодальных данных в системах распознавания эмоций имеет огромный потенциал для приложений в различных областях: здравоохранение, человеко-машинные интерфейсы, контроль состояния операторов, маркетинг. До недавнего времени развитие систем распознавания эмоций на основе мультимодальных данных сдерживалось недостаточной мощностью вычислительной техники. Однако с появлением высокопроизводительных систем на основе графических процессоров и разработкой эффективных архитектур глубоких нейронных сетей произошел всплеск исследований, направленных на использование нескольких модальностей, таких как аудио, видео и физиологические сигналы, для точного определения человеческих эмоций. Помимо этого, немаловажную роль стали играть физиологические данные, полученные с помощью носимых устройств, благодаря относительной простоте их сбора и точности, которую они позволяют достигать. В данной статье рассмотрены архитектуры и методы применения глубоких нейронных сетей для анализа мультимодальных данных с целью повышения точности и надежности систем распознавания эмоций, представлены современные подходы к реализации таких алгоритмов и существующие открытые наборы мультимодальных данных.

Проведен анализ современных моделей оценки кредитного риска (экспертные системы, скоринг, рыночные и нейросетевые модели), выявлены их преимущества и ограничения. Показано, что в условиях России рыночные модели менее применимы из-за неразвитости финансового рынка, тогда как нейросети и нечёткая логика перспективны для учета нелинейных зависимостей. Обоснована необходимость адаптации зарубежных подходов и интеграции новых технологий, включая ИИ, для повышения точности оценки. Исследование основано на сравнительном анализе научных публикаций и банковской практики.

В статье рассматривается текущее состояние и перспективы развития высокотехнологичных отраслей в Российской Федерации. Особое внимание уделено сектору информационно-коммуникационных технологий, который представляет собой ключевую составляющую в структуре экономики будущего. Рассматриваются такие направления, как облачные технологии, которые переживают значительную трансформацию. Изучены факторы, способствующие росту рынка облачной кибербезопасности. Введение международных санкций против Российской Федерации оказало значительное влияние на различные сферы экономики, включая высокотехнологичные отрасли. Однако санкции также стали катализатором для ускоренного развития собственных технологий, особенно в области информационно-коммуникационных технологий, микроэлектроники и приборостроения.

Применение искусственного интеллекта (ИИ) открывает новые горизонты для повышения эффективности деятельности компаний в банковской сфере, трансформируя привычные способы анализа информации и взаимодействия с клиентами. Поэтому изучение воздействия ИИ и последствий этого воздействия является критически значимым. В статье представлен комплексный анализ влияния искусственного интеллекта на банковский сектор, рассмотрены преимущества и риски данного влияния, проведена оценка перспективности рынка, определены особенности развития банковской системы РФ и начало использования ИИ в деятельности банков, выявлены ключевые игроки рынка. Описаны успешные случаи применения искусственного интеллекта в деятельности крупных банков России, рассмотрены особенности развития технологии ИИ с точки зрения практической применимости.

Цель. Оценить перспективность применения нейронных сетей для цефалометрического анализа при помощи анализа точности ручной иидентификации анатомических ориентиров на цифровых латеральных телерентгенограммах.

Материалы и методы. Выполнена разметка 100 обезличенных телерентгенограмм в боковой проекции одиннадцатью врачами- ортодонтами по 21 параметру, получено 23100 цифровых рентгеновских изображения с нанесенной на них опорной точкой. Проведено сравнение координат опорной точки с «базовой точкой», то есть усредненной координатой для каждой опорной точки среди всех ее локализаций.

Результаты. По критерию среднего отклонения от «базовой точки» наилучшая точность достигнута для вершин режущих краев центральных резцов верхней (is) (0,589, ДИ = 95%) и нижней челюстей (ii) (0,835, ДИ = 95%), а также для середины входа в турецкое седло (S) (0,662, ДИ = 95%).

Для группы ориентиров с наименьшей согласованностью, куда вошли такие точки как Po (4,330, ДИ = 95%), Pt (2,999, ДИ = 95%) и Ba (2,887, ДИ = 95%), для автоматизации идентификаций и повышения качества цефалометрического анализа, вероятно, будет недостаточным применение только искусственных нейронных сетей и потребуется внедрение других элементов машинного обучения.

Заключение. Учитывая результаты нашего исследования, можно сделать вывод, что предложенный метод демонстрирует высокую точность для большинства точек и может быть использован для автоматизации цефалометрического анализа с дальнейшим развитием технологий машинного обучения.

В настоящее время искусственный интеллект является одной из наиболее быстро развивающихся областей человеческого знания. Данная тематика имеет большое значение для науки и практики, в целом, и для медицины, в частности. Применение технологий искусственного интеллекта к сегментации зон головного мозга и выявлению аномальных участков особенно востребовано и перспективно в области нейрофизиологии, нейрохирургии, психиатрии, клинической психологии и других медицинских дисциплин. В данной работе проведено исследование существующих методов автоматизированной сегментации и анализа данных о структуре и функциональном состоянии головного мозга, а также метрик, применяемых для оценки эффективности данного подхода.

Цель: выявление нерешённых проблем и поиск тенденций в разработке методов сегментации и выявления аномальных участков головного мозга, а также определение наиболее эффективных методов и способов их улучшения.

Материалы и методы. Работа выполнена с использованием методологии Systematic Mapping Study (SMS). Данное исследование ограничивается предметной областью, связанной с сегментацией зон головного мозга и определением в нём аномальных участков.

Результаты. Основные результаты исследования представлены в виде классификационных таблиц и ментальной карты. Показано, что целью рассмотренных исследований является повышение точности при сегментировании зон головного мозга и нахождении аномальных участков. Такая метрика, как время обработки данных, применяется для оценки эффективности метода при малом количестве исследований, а в большинстве случаев вообще не рассматривается. При этом скорость обработки изображений в зависимости от применяемого метода измеряется минутами, что существенно ограничивает возможность использования данного подхода в экстренных ситуациях, в том числе при угрозе жизни человека.

Заключение. Для анализа данных о структуре и функциональном состоянии головного мозга в режиме реального времени требуется модификация уже разработанных методов энцефальной сегментации, а также разработка новых, более эффективных подходов. При этом скорость обработки данных должна быть соизмерима со временем вынесения срочного заключения о состоянии головного мозга человека.

Современные цифровые системы предъявляют высокие требования к удобству и персонализации пользовательских интерфейсов, что делает использование методов искусственного интеллекта особенно актуальным. Адаптивные интерфейсы, способные самостоятельно подстраиваться под индивидуальные особенности пользователя, уровень его опыта и контекст взаимодействия, становятся ключевым элементом повышения эффективности и качества цифровых продуктов. В статье рассматриваются теоретические и практические аспекты разработки таких интерфейсов с использованием ИИ. Особое внимание уделено методам машинного обучения, нейросетевым моделям, алгоритмам прогнозирования поведения пользователей и интеграции этих методов в архитектуру интерфейсов.