Научный архив: статьи

В работе представлено авторское видение проблемного поля ИИ. Ограничения в информации о технологиях ИИ затрудняют аналитические исследования, но не препятствуют системно-теоретическим исследованиям, особенно на высоком уровне обобщения. Цифровая трансформация государственного управления актуализирует системно-теоретические исследования в области ИИ. Цель работы – выявление особенностей проблемного поля ИИ, способных стать основой системно-теоретических исследований и возможных практических мер. Для получения гносеологической эмерджентности был построен сложный объект исследования, представляющий собой единство трех линий знаний: об особенностях развития системных представлений, технологий ИИ и технологий управления. Системная рефлексия позволила сделать следующие выводы: ускоряющееся экстенсивное развитие технологий ИИ при отсутствии прогрессивных изменений в других областях является скрытым фактором растущего дисбаланса социальной системы, требующим срочного устранения; отсутствуют системные исследования ИИ с применением метасистемного подхода, позволяющего целостно рас крыть феномен ИИ и объяснить деструктивные изменения систем ИИ в ходе их самообучения (галлюцинации нейросетей, выход ИИ из-под контроля и др.); новой методологией науки и технологий в области ИИ, может быть системная интенсификация, способная устранить тренд на экстенсивное развитие и иные слабости ИИ. Основная мысль, сформулированная автором, состоит в том, что нужно интенсифицировать более широкую систему – метасистему, частью которой являются системы ИИ, чтобы в этой метасистеме, как можно ожидать, системы ИИ обрели свое новое качество без нашего прямого вмешательства, за счет скрытых системных механизмов. Ключом к практической системной интенсификации ИИ может стать интеллектуализация процессов принятия управленческих решений в органах государственной власти.

Статья посвящена исследованию внедрения технологий искусственного интеллекта в процесс преподавания геометро-графических дисциплин в технических вузах. Основная цель - выявление возможностей эффективного применения технологий искусственного интеллекта в обучении геометро-графическим дисциплинам. Рассматриваются современные тенденции развития инженерного образования и трудности, с которыми сталкиваются студенты при освоении геометро-графических дисциплин. Обосновывается необходимость исследования возможности интеграции современных технологий в процесс геометро-графической подготовки. Исследование включает анализ научно-методической литературы, эмпирическое испытание нейросетей DeepSeek, GigaChat и Rugpt, педагогический опыт автора. Изучается потенциал искусственного интеллекта для автоматизации разработки оценочных материалов, консультативной помощи студентам и оптимизации самостоятельной работы. Опровергается возможность существенной экономии времени преподавателей благодаря использованию искусственного интеллекта для генерации учебных заданий по графическим дисциплинам, так как невозможно генерировать изображения требуемого уровня. Выделяются преимущества и недостатки автоматизированных систем оценки, подчеркивается важность индивидуализации заданий и предоставления своевременной обратной связи. Отмечается положительное влияние новых технологий на повышение мотивации и вовлеченности студентов в учебный процесс, но остается открытым вопрос об определении уровня самостоятельности выполнения заданий. Автор утверждает, что новые технологии пока неприменимы в геометро-графической подготовке студентов, однако подчеркивает перспективность их внедрения в ближайшее время благодаря постоянному развитию. Отмечается важность качественной переподготовки педагогов и регулярного обновления программного обеспечения с учетом особенностей каждого вуза. Автор акцентирует внимание на значимости разработки российских программных продуктов и призывает осторожно внедрять технологии искусственного интеллекта, принимая во внимание потенциальные угрозы и ограничения.

Искусственный интеллект (ИИ) разрабатывается и совершенствуется как «языковая модель» (language model) естественного интеллекта (ЕИ). Поверхностное понимание соотношения текста и смыслообразования может вводить в заблуждение относительно возможностей и действий ИИ. В статье феномен созданного ИИ текста представляется в рамках коммуникативной, а не языковой парадигмы. Теоретической основой коммуникативного подхода можно считать понятия семиотического воздействия и когнитивного состояния семиотического актора, которые являются причиной порождения знаков и смыслообразования в естественном семиозисе (в том числе словосодержащем, графемосодержащем или текстовом). Постулирование в языковой парадигме системы смысло-формальных модулей «тело знака - значение» провоцирует некорректную интерпретацию феномена ИИ, в результате которой признаком мышления (интеллекта) становится сама знаковая последовательность (текст), отвечающая автономным языковым правилам. Языковая интерпретация ИИ составляет проблему (неверное понимание причин и следствий «говорения» ИИ), которая снимается применением коммуникативного подхода.

Развитие современных образовательных технологий и появление искусственного интеллекта, который генерирует самые различные данные, открывают новые перспективы во всех областях знаний. Это приводит к изменениям подходов, методик, приемов и средств обучения высшего профессионального образования. В данном исследовании авторы ставят целью определить готовность преподавателей и студентов медицинского вуза использовать в работе материалы, сгенерированные искусственным интеллектом, а также выявить сомнения и перспективы внедрения инструментов современных технологий в образовательный процесс. Материалом для исследования послужили собственные статистические данные авторов, собранные в результате общения с преподавателями в рамках конференций (Оренбург, 2025) и опроса в Яндекс Формах 208 студентов первого курса. Выбранные авторами теоретический и эмпирический методы позволяют рассмотреть объект исследования с ценностной точки зрения, так как в медицинской профессии очень важно личностное взаимодействие врача и пациента. В то же время для достойного поддержания здоровья и охраны жизни населения профессиональные компетенции специалистов здравоохранения всех уровней должны быть подкреплены свободным владением цифровыми и информационными ресурсами работы. Инновационные технологии помогают создавать эффективные образовательные программы, обрабатывать большой объем информации и персонализировать учебный материал. Появляются новые педагогические подходы и стратегии получения знаний, умений и навыков. Только при грамотно выстроенном взаимодействии преподаватель - студент технологии, основанные на искусственном интеллекте, будут работать на цели образования, приводить к повышению академической успеваемости и становлению высокопрофессионального специалиста.

Цифровая трансформация высшего музыкального образования осмысливается в педагогической науке либо в философско-образовательном, либо в технологическом аспектах. Наблюдается дефицит научной рефлексии в области цифровой дидактики. Целью исследования является выявление перспективных направлений использования искусственного интеллекта в высшем музыкальном образовании. В исследовании использовались следующие методы: анализ научной литературы, содержащей кейсы внедрения искусственного интеллекта в высшее музыкальное образование, опрос преподавателей музыки, использующих нейросети в образовательной деятельности (n = 21). Были определены направления использования искусственного интеллекта в преподавании музыки: 1) обучение (сопровождение обучения) вокалу / игре на музыкальном инструменте; 2) развитие (сопровождение процесса развития) качеств музыкальной выразительности (музыкальной эмоциональности); 3) автоматизированная система оценки / анализа исполнительской техники; 4) использование чатов с нейросетями для обучения теории и истории музыки; 5) персонализация процесса обучения; 6) автоматизация работы с содержанием музыкального образования. В реальной практике наиболее востребованы автоматизированная система оценки и использование чатов с нейросетями, автоматизация работы с содержанием музыкального образования. Также дана классификация нейросетей по уровню интеграции решаемых задач: 1) монозадачные; 2) полизадачные; 3) интегральные модели. В зависимости от способа реализации на уровне формы обучения выделены следующие направления: 1) дистанционное обучение; 2) смешанное обучение; 3) интеллектуальные системы обучения. Последнее рассматривается в качестве новой образовательной перспективы. Таким образом, исследование выявило перспективные направления внедрения искусственного интеллекта в высшее музыкальное образование, среди которых наибольшую практическую востребованность показывают автоматизированная оценка исполнительской техники и работа с образовательным контентом, в то время как остальные направления обладают значительным, но еще не реализованным потенциалом.

Исследование феномена искусственного интеллекта стало на современном этапе одной из актуальнейших научных проблем. Наличие у искусственного интеллекта (далее - ИИ) алгоритма обучения отличает его от других технологических разработок человеческой цивилизации. Создание и развитие ИИ можно считать одним из самых больших достижений в истории человечества. Масштабы значимости данного открытия сравнимы лишь с масштабами непредсказуемости того, как и в каком направлении он будет развиваться и как изменит жизнь людей. Реальное внедрение достижений ИИ в нашу жизнь радикальным образом трансформирует разнообразные сферы жизнедеятельности: от медицины до образования. Особую, сложную и многоплановую проблему представляет собой соотношение ИИ и феномена религии, потому что уже сегодня (в будущем эта тенденция будет усиливаться) некоторые апологеты искусственного интеллекта претендуют на создание собственного сакрального учения в статусе религии. Это обстоятельство не может не волновать патриархов всех современных традиционных, в том числе - авраамических конфессий, которые видят в нем, по крайней мере - у нас в стране, «реальную опасность для человечества и угрозу Апокалипсиса».

В статье проведен предварительный и краткий историографический анализ проблемы взаимодействия феноменов искусственного интеллекта и религиозного сознания в современной отечественной науке. На основе исследования различных информационных материалов выявлены претензии некоторых приверженцев реализации концепции ИИ на провозглашение этих новейших интеллектуальных технологий «религией будущего» и отдельные аспекты отношения к данной проблеме со стороны теоретиков современных традиционных конфессий.

На примере сравнительного исследования отношения интеллектуалов авраамических конфессий к проблеме «конца света» (апокалипсис) делаются выводы об этом важнейшем аспекте религиозного вероучения с точки зрения иудаизма, христианства и ислама. Акцент делается на определении прогнозируемых направлений развития искусственного интеллекта с точки зрения его воздействия на технологические процессы и социальную жизнь. Выдвигаются некоторые предложения по совершенствованию религиозной практики как наиболее древнего наследия и ценности человечества при использовании новых достижений искусственного интеллекта.

Размышления об этике искусственного интеллекта (ИИ) требуют творческого воображения, включающего не-западные культурные контексты для построения альтернативных коммуникативных и плюралистических этических систем. Эти размышления начинаются с изучения медиативных (посреднических) и интерактивных функций воображения, а также перехода от кантовской субъективности к интерсубъективности, которая играет важную роль в установлении коммуникации между людьми, а также в процессе проектирования ИИ. Овеществленное воображение анализируется в феноменологической перспективе с опорой на интерпретации М. Хайдеггера. Здесь воображение больше не ограничивается представлением реального мира, но подчеркивает сложное взаимодействие между материальным миром и технологическими инновациями. Этические исследования воображения и проблемы «банальности зла» в работах Х. Арендт помогают разработать структуру для обучения систем ИИ не как нерефлексирующих исполнителей, наподобие Эйхмана, а как этических агентов, которые опираются на здравый смысл и способны воображать «инаковость» других. Во второй части статьи рассматривается современная китайская научная фантастика как пример не-западного спекулятивного воображения, чтобы представить китайские философские архетипы как конвергентные элементы в проектировании ИИ. Эти архетипы предлагают уникальные восточные этические контексты, подчеркивая взаимосвязь человеческого и технологического развития. Материальное воплощение воображения в этих архетипах проявляется в согласованности традиционных ремесел с проектированием ИИ, демонстрируя, как ремесленные методы могут влиять на технологическое творчество. Кроме того, традиционное мастерство с его точностью и терпением служит замедляющей силой против неконтролируемого развития ИИ. Наконец, в статье подчеркивается необходимость содействия здравому смыслу посредством воображения, связанного с научной фантастикой и феминистскими образами, которые служат средством обогащения как человеческого, так и технологического мышления. Этот творческий подход предлагает инновационные и этические пути для устойчивого развития ИИ и взаимодействия с ним.

Карл Митчем (род. 1941) - почетный профессор гуманитарных наук, искусств и социальных наук в Горной школе (государственный университет), Колорадо, в США, а также приглашенный профессор различных университетов Китая. Он внес значительный вклад в развитие таких важных философских направлений, как философия техники, философия инженерной деятельности, политическая философия техники, техническая этика. Одной из его самых сильных сторон является то, что он превосходно знает не только европейскую философскую традицию, но и китайскую. Он помогает выстроить мост между Востоком и Западом. В современную эпоху геополитического хаоса это особенно важно. В последние годы профессор Митчем фокусируется на проблеме этики искусственного интеллекта, которую он обсуждает на разных философских площадках США, Европы, Китая. Одному из участников этого диалога удалось прослушать несколько докладов на эту тему в апреле 2024 года в Пекине и Шанхае. В связи с этим родилась идея взять интервью у американского философа, в конечном счете трансформировавшаяся в содержательную философскую беседу. Основная идея профессора Митчема заключается в том, что одной этики недостаточно, ее необходимо дополнить политикой. Этика и политическая философия - это две части одного и того же учения о человеческом благе. Проблема этики ИИ также должна быть усилена политической философией. В целом в беседе поднимается вопрос о возможности политической философии техники. В контексте многополярного мира участники данного диалога привлекают внимание к необходимости учитывать культурные особенности и национальные традиции мышления в политической философии и этике ИИ.

Текущие исследования по разработке передовых квантовых алгоритмов нацелены на создание набора алгоритмических примитивов, которые могут быть использованы в качестве модулей для различных промышленных рабочих процессов. Цель статьи заключается в рассмотрении различных квантовых алгоритмов для оптимального квантового управления. В работе использовались методы систематического обзора литературы, контент-анализа. Всесторонний поиск осуществлялся в соответствии с рекомендациями PRISMA и проводился в базах Scopus, Web of Science и Google Scholar за период с 2022 по 2025 г. Литература для такого обзора отбиралась в базах данных на основании количества цитирований публикаций, импакт-фактора, индекса Хирша журналов. В практической части исследования использовались методы численного оптимального управления и обучения с подкреплением. В статье представлен обзор исследований современных авторов в области ослабления эффектов шума и декогеренции, анализа ошибок квантовых алгоритмов, а также методов оценки и снижения суммарной погрешности. В процессе исследования в качестве перспективного алгоритма для квантового оптимального управления прорабатываются тепловые ансамбли с целью аппроксимации следа унитарной матрицы. Проводится аналитическая связь между алгоритмом Ахаронова для получения полинома Джонса. Отдельно рассмотрены трехпрядевые косы и их унитарные представления, а также представления на основе тепловых ансамблей. Показана методика измерения математического ожидания фазово-чувствительного оператора обнаружения ансамбля. Доказано преимущество приведенного алгоритма для квантового оптимального управления. Рассмотрен вариационный квантовый алгоритм и его особенности. В работе получены результаты сравнительного анализа наиболее распространенных квантовых алгоритмов оптимального управления. Обозначены пути их усовершенствования с указанием характерных особенностей для каждой модели. Также отмечено, что перспективным направлением дальнейших изысканий является изучение возможностей пересечения областей квантовой механики и машинного обучения, что может привести к созданию новых подходов к управлению квантовыми системами, улучшению существующих алгоритмов.

В данной статье предлагается концепция обманчивого согласования ценностей (Deceptive Value Alignment), которая ставит под сомнение прежний подход согласования ценностей (Value Alignment), направленный на обеспечение безопасности в использовании искусственного интеллекта (ИИ), а также содействие благополучию людей. Намерение является основой для изучения поведения, а обманчивое согласование ценностей является разновидностью обмана со стороны ИИ. Для предотвращения возможных рисков, связанных с разработкой ИИ, необходимо понять механизм обмана со стороны технологий и то, как он проявляется в процессе согласования ценностей. Это поможет обеспечить развитие ИИ в соответствии с этическими нормами и ценностями. Взаимосвязь между «намерением» и «агентом» в контексте обманчивого согласования ценностей можно разделить на четыре квадранта (состязательное машинное обучение, галлюцинация, переобучение, дипфейк). Поведенческий квадрант представляет собой концептуальную основу для прояснения логики реагирования на обманчивое согласование ценностей. Потенциальная возможность обмана со стороны ИИ породила кризис доверия к нему. В настоящее время концепция согласования ценностей призвана выстроить благоприятное взаимодействие человека и машины (технологии) и гарантировать «общее благо» со стороны ИИ, но обманчивое согласование ценностей заставляет глубже понять эту симбиотическую связь. Рациональное распознавание обманчивого согласования ценностей, которое сосуществует с согласованием ценностей, может сформировать эпистемологическую основу для преодоления негативных последствий обмана со стороны ИИ. Симбиоз разработчиков и пользователей позволит повысить грамотность в области ИИ и сформировать среду для противодействия обманчивому согласованию ценностей. Формирование симбиотических отношений между человеком и машиной (технологией), целью которых является раскрытие обмана и установление доверия, может обеспечить онтологическую и аксиологическую основу для реагирования на обманчивое согласование ценностей.

Технологии генеративного искусственного интеллекта (далее – ИИ), (англ. generative artificial intelligence, далее – GenAI) становятся неотъемлемым спутником общества, внедряясь в различные социокультурные и социально-экономические сферы, что обостряет проблему социокультурного воспроизводства. Несмотря на активную разработку этого исследовательского вектора в части эффектов и рисков генеративного синтеза, отсутствует подробная концептуализация процессов перехода между текущим и прогнозным состояниями. Цель работы – раскрыть содержание процесса формирования социокультурных искажений при взаимодействии с генеративным ИИ. Методологическим базисом является акторно-сетевая теория. В исследовании раскрывается акторная структура взаимодействия с GenAI в составе социального и генеративного акторов и опосредующего их связь массива данных. Аргументировано, что результирующий характер социально-генеративного взаимодействия определяется социальной детерминированностью массива данных, которую предложено выделять в четырех вариантах. При этом каждый из вариантов определяет четыре типа взаимосвязи акторов, и в итоге происходит социокультурное смыслообразование. Концептуализирован процесс перехода информационно-объективного результата социально-генеративного взаимодействия к его социально субъективной репрезентации и генеративно субъективного результата к его социально объективной репрезентации. Сделан вывод о том, что этот процесс представляет собой рекурсивный цикл искажающегося воспроизводства социо-культурной системы. Результаты вносят вклад в концептуализацию феномена ИИ и его роль в социальных системах, дополняют дискуссию относительно вероятных эффектов и рисков для общества и могут послужить основой для разработки регулирующих решений в различных сферах использования GenAI.

По мере того как способности к автономному принятию решений в системах искусственного интеллекта (ИИ) продолжают развиваться, задача включения основ этики в решения, которые принимают интеллектуальные агенты, становится все более актуальной. Решение этого вопроса лежит в области создания машинной этики, которая включает интеграцию этических ценностей и моральных норм человека в системы ИИ, давая им возможность, таким образом, обладать способностью этического согласования. Хотя машинная этика основана на человеческой этике, она обладает особенными фундаментальными характеристиками, которые требуют глубокого анализа и учета при разработке таких систем.

Во-первых, у современных умных машин нет субъектности и опыта, и они проявляют слабые возможности принятия этических решений. Это связано с отсутствием у них сознания, эмоций и способности к эмпатии, которые являются ключевыми элементами человеческой этики.

Во-вторых, решения машин отражают этические соображения заинтересованных сторон - людей, на которых влияют их действия. В результате машины должны принимать этические решения, находя баланс между ценностями различных участников и демонстрируя социальное равновесие. Это требует разработки сложных алгоритмов, способных учитывать множественные, часто противоречивые, интересы и ценности.

В-третьих, машины подвержены к культурным влияниям в принятии этических решений и должны передавать культурное разнообразие. Это особенно важно в глобализированном мире, где ИИ-системы используются в различных культурных контекстах. Наконец, машины должны объяснять свои этические решения людям, понимать эмоциональные выражения и определять степень ответственности, что требует наличия мощных возможностей устойчивого взаимодействия человека и машины. Это включает разработку интерфейсов, способных к естественному диалогу, и механизмов, обеспечивающих прозрачность и подотчетность решений.

Создание машинной этики представляет собой сложную междисциплинарную задачу, требующую интеграции знаний из области философии, психологии, социологии, культурологии и компьютерных наук. Успешное решение этой задачи позволит не только повысить доверие к ИИ-системам, но и обеспечить их гармоничное взаимодействие с обществом, минимизируя потенциальные риски и конфликты.