Научный архив: статьи

Нейронные сети (НС) являются эффективным инструментом решения трудно формализуемых задач, что сделало их незаменимым инструментом для их решения. Однако методики информационной защиты в данной области всё ещё не имеют достаточного уровня защиты, что делает их уязвимыми для киберпреступников. В данной статье исследуются состязательные атаки на НС, их особенности, а также предлагается новая методика обнаружения состязательных атак.

В статье исследуется проблема внедрения технологий искусственного интеллекта в систему государственной службы Российской Федерации как инструмента оптимизации процессов принятия управленческих решений. Представлен анализ существующих подходов к определению сущности искусственного интеллекта и предложено авторское видение данного понятия. Рассмотрена взаимосвязь федеральных проектов «Цифровое государственное управление» и «Искусственный интеллект» в рамках национальной программы «Цифровая экономика». Определены ключевые направления и механизмы внедрения технологий искусственного интеллекта в государственное управление, включая создание специализированной платформы предиктивной аналитики. Проанализирован опыт Германии по использованию искусственного интеллекта в финансовом секторе государственного управления и предложены рекомендации по его адаптации к российским условиям. Представлены конкретные шаги по созданию комплексной системы использования искусственного интеллекта в государственной службе РФ с учетом требований информационной безопасности и защиты персональных данных.

Введение. В настоящее время стремительное развитие цифровых технологий открывает новые смыслы для образования, одновременно выстраивая ряд угроз, ценностных рисков, проблем социально-психологического, этического генеза применения искусственного интеллекта (ИИ) в образовании. Постановка задачи. Осознание угроз и ценностных рисков под влиянием современных прорывных технологий позволит применять ИИ как программный продукт, записанный в определенных информационных кодах и реализующий конкретные алгоритмы, созданные человеком, поэтому его только условно можно называть интеллектом, который никогда не заменит естественный интеллект, сознание. Методика и методология исследования. Общенаучные методы анализа и синтеза передового международного опыта, сравнительно-сопоставительный анализ, анализ описания, обобщения исследований в российских и иностранных источниках по проблеме статьи. Системный анализ ценностных рисков и угроз, проблем позволил оценить потенциальные опасности и искажения ценностно-смысловой сферы личности. Результаты исследования. Анализ психолого-педагогической литературы в российских и иностранных источниках, Сибирском государственном университете инженерии и биотехнологий показал, что внедрение ИИ в учебный процесс имеет технологические смыслы и ценностные риски, угрозы и проблемы, связанные с генеративным искусственным интеллектом в образовании. Технологии с использованием ИИ интегрируются в различные сервисы и системы, трансформирующие привычные услуги и формы взаимодействия до неузнаваемости. Негативные последствия ИИ в образовании разделяем на две группы. Одна группа ценностных рисков связана с технологическими угрозами безопасности личных данных обучающихся, другая группа рисков – с искажением ценностно-смысловой сферы личности, возникновением новых патологических состояний и психических расстройств. Выводы. Недооценка рисков и угроз трансформации ценностно-смысловой сферы личности под влиянием цифровой среды и недопонимания необходимости аксиологизации приведут к серьезным последствиям, связанным с деформацией менталитета российского социума и потерей духовно-нравственных ориентиров будущих поколений. Только при условии осознанного и ответственного подхода к внедрению инноваций, а также при участии высококвалифицированных педагогов общество сможет создать образовательную систему, которая будет соответствовать вызовам современности, сохраняя при этом гуманистическую направленность.

В последние годы мир столкнулся с беспрецедентной глобальной проблемой, вызванной пандемией коронавируса (COVID-19), которая оказала значительное влияние на здоровье населения, экономику и социальные структуры. В условиях стремительного распространения вируса и необходимости быстрой диагностики заболеваний, вызванных COVID-19, возникла необходимость в разработке и внедрении новых технологий, способных обеспечить эффективное выявление и мониторинг состояния пациентов. В этом контексте особое внимание привлекают методы, основанные на использовании нейронных сетей и глубокого обучения, которые демонстрируют высокую эффективность в анализе медицинских изображений, таких как компьютерная томография грудной клетки, в данной статье они и будут рассмотрены.

В настоящее время искусственный интеллект считается одним из важнейших направлений ИТ-исследований. В последнее время искусственный интеллект активно развивается и применяется в различных сферах жизни человека. Его использование облегчает и автоматизирует решение задач, что помогает компаниям более продуктивно настраивать рабочий процесс. Искусственный интеллект очень прогрессивная и широко используемая технология, а на данный момент появляется все больше вариантов его применения, благодаря чему отрасль искусственного интеллекта быстро совершенствуется и развивается. В данной статье будут рассмотрены основные возможности искусственного интеллекта в медицине.

Практическое применение нейронных сетей в диагностике COVID-19 включает несколько ключевых аспектов и методов, которые позволяют повысить точность, скорость и эффективность выявления заболевания. В данной статье будут рассмотрены прототипы моделей нейронной сети, а также результаты тестирования этих модели. Также в данной статье показаны некоторые перспективы применения технологий глубокого обучения в медицине.

В статье проведен обзор и анализ существующих технологий оценки усталости водителя (субъективные методы самооценки, физиологические методы, методы на основе измерения физических показателей, поведенческие методы, использование систем, регистрирующих режим работы и отдыха водителя). Выявлены достоинства и ограничения применения существующих методов. Рассмотрены методы машинного обучения, обоснована возможность их применения с целью разработки алгоритмов оценки усталости водителя.

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.