Хлебопекарная промышленность является одной из ключевых отраслей пищевой промышленности, играющей важную роль в обеспечении населения качественными хлебобулочными изделиями. Однако, несмотря на многовековую историю развития, данная отрасль сталкивается с рядом проблем, связанных с повышением качества продукции, снижением энергозатрат и оптимизацией производственных процессов. В настоящее время перспективным направлением решения данных проблем является применение интеллектуальных алгоритмов управления, основанных на методах искусственного интеллекта и машинного обучения. В данной статье рассматриваются возможности применения интеллектуальных алгоритмов управления для повышения качества и энергоэффективности хлебопекарного производства. Проведен анализ существующих подходов к управлению технологическими процессами хлебопечения, выявлены их недостатки и ограничения. Предложена концепция интеллектуальной системы управления хлебопекарным производством, основанная на применении методов нечеткой логики, нейронных сетей и генетических алгоритмов. Разработана математическая модель процесса выпечки хлеба, учитывающая влияние ключевых факторов, таких как температура, влажность, время выпечки и т.д. На основе данной модели создан программный комплекс, реализующий алгоритмы оптимизации режимов выпечки с целью достижения требуемых показателей качества готовой продукции при минимизации энергозатрат. Проведены экспериментальные исследования на базе действующего хлебозавода, подтвердившие эффективность предложенного подхода. Применение разработанной системы управления позволило повысить качество выпускаемой продукции на 15%, снизить расход энергоресурсов на 12% и увеличить производительность на 10%. Полученные результаты имеют важное значение для развития хлебопекарной отрасли и могут быть использованы при модернизации действующих и проектировании новых хлебозаводов. Дальнейшие исследования будут направлены на расширение функциональных возможностей разработанной системы, в частности, на реализацию адаптивных алгоритмов управления, учитывающих изменение характеристик сырья и условий внешней среды в реальном времени.
Постановка задачи. Многие системы искусственного интеллекта по существу являются системами классификации событий. Они широко используются в предиктивной аналитике. Их роль непрерывно растет при прогнозировании опасных событий на транспорте. Эффективность применения методов искусственного интеллекта в значительной мере зависит от результатов неправильной классификации. Поэтому актуальна задача вычисления или оценки в статистическом смысле вероятности неправильной классификации и определения ее граничных значений. Цель. Оценить границы для комбинированной вероятности неправильной классификации из-за двух различных категорий ошибок: собственно ошибок неправильной классификации и статистических ошибок, возникающих вследствие неправильной классификации. Результаты. Выполнена статистическая оценка порогового значения, которое используется для классификации. Установлены граничные условия для комбинированной вероятности неправильной классификации. Представлено обобщение на N-мерные пространства и на произвольные распределения и формы пороговых поверхностей. Теоретические результаты проиллюстрированы примером практического применения.
В статье предлагается метод формирования выделенного операционного кон- текста при разработке и внедрении автономных систем управления корпорациями на примере автономных систем для совета директоров. Значительную часть операционного контекста для автономных систем управления компаниями составляет регуляторная и правовая среда, в рамках которой корпорации осуществляют свою деятельность. С целью создания специального операционного контекста для автономных систем искусственного интеллекта формулировки локальных нормативных документов могут быть одновременно представлены в двух вариантах: для использования людьми и для использования автономными системами. В таком случае система искусственного интеллекта получает четко очерченный операционный контекст, который позволяет такой системе выполнять функции в рамках необходимых эксплуатационных качеств. Локальные нормативные акты, которые предусматривают специфику совместной работы физических лиц и автономных систем искусственного интеллекта, могут стать базой для формирования основ соответствующего законодательства, регулирующего разработку и внедрение ав- тономных систем.
Программа «Президент» устойчивого развития страны является продолжением разработанной под руководством П.Г. Кузнецова программы «Губернатор», в которой рассматривалось планирование развития региона на основе использования измеримых величин. Программа «Президент» ставит целью рост производства, при котором возрастает поток энергии в распоряжении каждого человека. Естественный рост количества людей и рост потока энергии на каждого человека требует поиска и применения новых ресурсов. По мере исчерпания земных ресурсов необходимо активное освоение космического пространства. Это приведет к качественным изменениям самого явления жизни и ее действиям во Вселенной, пространстве и времени. Экономика, как живая система, является усилителем мощности, потока энергии. Для развития страны надо распределить полученный поток энергии не только на текущее потребление и рост производства, но и между сельским хозяйством, здравоохранением, образованием, наукой, чтобы максимизировать будущий поток энергии. В качестве примера применения измеримых величин рассмотрена динамика изменения населения и потока энергии на человека в России, Китае и США. Статья подготовлена на основе доклада на XII международной научной конференции «Фундаментальные и прикладные вопросы устойчивого развития в системе «Природа - Общество - Человек» (к 100-летию выдающегося ученого П.Г. Кузнецова).
В статье рассмотрено понятие искусственного интеллекта, этические нормы и ценности. Значимость проведения этических исследований в сфере разработки и применения искусственного интеллекта определяется быстрой цифровой трансформацией всех аспектов социально-экономической жизни общества. Этика - важная проблема, связанная с искусственным интеллектом. Поскольку искусственный интеллект становится все более распространенным в жизни людей, необходимо учитывать этические последствия предоставления машинам возможности принимать решения. Для создания более совершенных систем искусственного интеллекта важно понимать преимущества и риски разработки данной технологии. Для этого необходимо выработать принципы и стандарты, которые будут служить руководством для разработчиков технологии искусственного интеллекта.
Исследование посвящено актуальной проблематике влияния искусственного интеллекта на человечество и общество в контексте формирования концептуальных ответов на вопросы о том, какие этические и моральные принципы должны выступать в качестве регулятивных при разработке и использовании искусственного интеллекта (AI), также вопросы о том, существует ли возможность развития AI с духовной составляющей, способной к эмпатии и пониманию человеческих этических принципов. Представлены также результаты контент-анализа возможных рисков и вызовов, обусловленных применением AI в современном мире и, в частности, в интеллектуальных пунктах пропуска.
В статье автор проводит исторический анализ международной системы охраны интеллектуальной собственности, опираясь на международные договоры, международные правила охраны интеллектуальной собственности, сложившиеся с конца XIX века. Акцентируется внимание на правовом режиме объектов авторских прав, на охране авторских прав. Подчеркивается важность и необходимость принципов международного права, их закрепление различными международными договорами в различных сферах деятельности в настоящее время.
Научная статья рассматривает актуальные методы машинного обучения для предсказания химических реакций и оптимизации условий синтеза. Сфера химического синтеза является ключевой в науке и промышленности, и внедрение методов машинного обучения представляет собой инновационный подход к решению сложных проблем в этой области. Статья обсуждает применение графовых нейронных сетей, рекуррентных нейронных сетей и генеративных моделей для предсказания реакций с высокой точностью. Также рассматриваются методы оптимизации условий синтеза, основанные на машинном обучении, с акцентом на предсказании оптимальных параметров реакции.
Сложные социогуманитарные системы - это разновидность систем, которые изучаются в социологии, антропологии, экономике, политологии, и других гуманитарных науках. Эти системы характеризуются сложностью взаимодействий между их составляющими элементами, которые могут быть как людьми (индивидами, группами), так и культурными, социальными, экономическими и политическими аспектами. Например, общество как социогуманитарная система состоит из различных элементов, таких как люди, культура, институты, ценности и так далее. Они взаимодействуют между собой, образуя сложную сеть связей и влияний, которая определяет поведение и развитие общества. Чтобы лучше понять такие системы, используются различные подходы, включая системный анализ, социальную сетевую теорию, теорию сложности и другие методы. Эти подходы помогают выявить основные закономерности в функционировании сложных социогуманитарных систем и предсказать их развитие в будущем. В данной статье рассматриваются подходы к выявлению причинно-следственных связей, выделяются основные требования к построению этих связей в контексте сложных социогуманитарных систем, имеющих дело, в основном, со слабоструктурированной информацией, часто в виде естественного языка и текстов. Были определены слабые и сильные стороны выявленных подходов, а также рассмотрены примеры использования современных методов построения графов на разных задачах: выявление рисков в бизнесе, анализ социальных явлений, выявление наличия причинности в текстах. Исследование показало, что наиболее продуктивными являются методы машинного обучения, например языковые модели для извлечения знаний из текста в совокупности с нейросетевыми технологиями и графовым представлениями знаний. Они требуют уверенных знаний математики, статистики и программирования, как минимум на языке Python, имеющих самую внушительную инструментальную поддержку для решения задач машинного обучения. Также, выявление причинности основывается не только на корреляции, но и на других методах, таких как тест Грейнджера, используемый для анализа временных рядов.
Работа посвящена проблеме планирования маршрутов судов на акваториях с интенсивным движением. В условиях насыщенного трафика навигационная безопасность может быть обеспечена только при координации движения судов и реализации ими определенной схемы движения. В статье рассматривается задача планирования маршрута таким образом, чтобы он соответствовал практике судоходства, сложившейся в конкретном районе. Предлагаемый в работе метод планирования маршрутов основан на кластеризации данных о движении судов. Выделенные кластеры представляют собой области в трех- или четырехмерном фазовом пространстве с близкими значениями скоростей и курсов судов, на основе которых формируется граф возможных маршрутов. Особенностью подхода к построению графа является уменьшение числа вершин и ребер за счет моделирования выделенных кластеров охватывающими многоугольниками. В работе показано, что во многих случаях могут использоваться не только вогнутые, но и выпуклые многоугольники, что может дополнительно уменьшить мощность графа. В статье дается метрика расстояния между точками в фазовом пространстве, по которой ведется кластеризация данных, обсуждаются проблемы выбора параметров метрики и алгоритма кластеризации. Отмечается перспективность использования алгоритма DBSCAN. Работа сопровождается расчетами планируемых маршрутов судов на данных реальной акватории (Сангарский пролив). Приводятся результаты кластеризации данных о движении, выделения местоположения кластеров путем построения охватывающих многоугольников, вычисления маршрута судна. Отмечается, что рассматриваемая задача может быть актуальна в контексте перспективного развития автономного судовождения. В этом случае рассчитанный маршрут судна будет соответствовать движению других судов, находившихся на акватории ранее. Это позволит снизить вероятность возникновения опасных ситуаций при движении автономного судна в общем судопотоке.