Прогнозирование добычи нефти играет важную роль в эффективной разработке месторождения нефти. Это помогает скорректировать действующую систему разработки месторождения. Детальное и точное прогнозирование уровня добычи нефти необходимо для оценки экономической и технологической эффективности разработки месторождения нефти. Прогнозирование уровня добычи можно осуществить различными способами. Одним из таких может быть использование специального программного обеспечения (tNavigator и др.). Использование данного программного обеспечения иногда сопряжено с длительными расчетами, поэтому для оперативного прогнозирования уровня добычи возможно использование других инструментов, таких как машинное обучение.
Использование машинного обучения и искусственного интеллекта в нефтегазовой отрасли приобретает все большую популярность в последние годы, поскольку, используя исторические данные по добыче, возможно прогнозирование уровней добычи нефти/жидкости. Кроме того, для аналогичных целей могут быть использованы аналогичные месторождения со схожими геологическими характеристиками и историей эксплуатации. Помимо использования машинного обучения и искусственного интеллекта, в качестве инструмента прогнозирования возможно применение анализ кривой падения.
Учитывая важность прогнозирования с точки зрения стратегического планирования, предлагается широкий спектр методов для получения точных прогнозов, основанных на характере доступных данных и вычислительной мощности. В данной статье представлен всесторонний анализ инструментов, используемых для долгосрочного прогнозирования добычи нефти, включая алгоритмы машинного обучения и анализ кривой падения добычи (DCA). Представлены результаты применения модели с долговременной и кратковременной памятью и ее практическая применимость на примере ее использования на скважине кандидате.
В статье рассмотрены потенциальные возможности искусственного интеллекта для использования учителем информатики: индивидуализация обучения, атоматизация оценки, анализ данных. Представлен опыт работы учителя информатики по элективному курсу на уровне среднего общего образования. Рассмотрены возможности генеративных нейронных сетей для обработки текстовой, графической и мультимедийной информации на уроках информатики и во внеурочной деятельности. Приводятся примеры интернет-ресурсов, которые могут использоваться учителем информатики для подготовки к урокам и во внеурочной деятельности на различных платформах.
Цель исследования. Провести систематический анализ данных, имеющихся в современной литературе, о возможности использования искусственного интеллекта (ИИ) для построения математических моделей сложных систем, в том числе человеческого организма.
Материал и методы. В обзор включены данные зарубежных и отечественных статей, найденных в Pubmed по данной теме, опубликованных за последние 10 лет.
Результаты. Алгоритмы машинного обучения помогают определять ключевые переменные и взаимосвязи внутри системы, которые людям трудно или невозможно обнаружить. В статье рассматриваются различные типы математических моделей: объяснительные и прогностические, объясняется важность и назначение выбора и стандартизации составляющих модель переменных и знака перед коэффициентами в моделях.
Заключение. Описательные и прогностические модели — это два распространенных типа моделей машинного обучения. Основное различие между ними заключается в цели их использования. Понимание этих различий важно для врачей-исследователей и аналитиков при выборе наиболее подходящего типа модели для своих исследований или для внедрения в процессы принятия решений.
В статье рассмотрены процессы импортозамещения, которые представляют собой тип экономической стратегии и аграрой политики государства, направленный на защиту внутреннего сельскохозяйственного производителя путем замещения импортируемых продовольственных товаров и сырья товарами национального производства. Сама по себе стратегия импортозамещения опирается на развитие всего сельскохозяйственного производства, повышение качества производимой продукции, технологий применяемых на предприятиях АПК, развитие инноваций, в условиях цифровизации. И это особенно актуально для страны, уровень производственных отраслей которой отстает от уровня государств, с которыми она взаимодействует. Исследованием установлено, что тема импортозамещения наиболее актуальна в настоящее время в связи с западными санкциями против России. Поэтому итогом новой экономической политики в этих сложных условиях должно стать именно импортозамещение, которое позволит в значительной степени минимизировать негативный эффект от антироссийских санкций. Цель данной работы сводится к изучению и внедрению в практику стратегии импортозамещения, предполагающей постепенный переход от производства сельскохозяйственной продукции к наукоемкой и высокотехнологичной продукции аграрного сектора страны, путем повышения уровня развития производства и технологий. И это особенно актуально для страны, уровень производственных отраслей которой отстает от уровня государств, с которыми она взаимодействует.
В современных условиях усилилась конкуренция на глобальных и региональных рынках, а также беспрецедентное санкционное давление коллективного Запада на российскую экономику. За последний год несколько снизилась продовольственная безопасность России. В этих условиях ключевую роль в функционировании сельского хозяйства, его устойчивом развитии играет цифровая трансформация аграрной сферы, цифровизация производственных и бизнес-процессов. Анализ национального и международного опыта применения эффективных цифровых технологий в сельском хозяйстве позволяет выделить основные из них: точное земледелие, беспилотные летательные аппараты, беспилотные транспортные средства, облачные сервисы и технологии, большие данные, цифровые платформы и др. Значительная роль в этом отводится государственной поддержке со стороны органов системы государственного управления всех уровней Российской Федерации, а также международным организациям, прежде всего Продовольственной и сельскохозяйственной организации Объединенных Наций (ФАО). Вместе с тем внедрение современных цифровых технологий в отечественный аграрный сектор существенно сдерживают некоторые объективные и субъективные факторы: низкая IT-грамотность и информированность о современных технологиях работников аграрной сферы, кадровый дефицит в аграрном секторе экономики. трудности с получением субсидий на приобретение и внедрение цифровых технологий и другие. Это требует устранения или минимизации влияния данных негативных факторов, активизации деятельности хозяйствующих субъектов и государственных органов по внедрению современных цифровых технологий в организации сельского хозяйства.
В последние несколько лет искусственный интеллект (ИИ) стал одной из немногих прорывных технологией для человечества и общества, обладающий значительным потенциалом и силой для внесения глобальных корректив. Данное исследование посвящено изучению развития ИИ в качестве инструмента для перехода к новому индустриальному обществу, характеризующемуся увеличением автоматизации, повышением производительности и совершенствованием процессов принятия локальных и глобальных решений. В начале работы рассматривается исторический контекст развития ИИ, в котором выделяются ключевые вехи и достижения, определившие современное состояние этой области. Данная работа затрагивает этические и социальные аспекты развития ИИ, рассматривая потенциальные проблемы. Развитие искусственного интеллекта открывает перед нами широкий спектр возможностей, однако, в то же время, вызывает озабоченность по поводу потенциальных опасностей, которые могут возникнуть в результате его применения. Текущая работа также рассматривает теоретические фундаментальные отличия условного ИИ(А) от ИИ(Б), где буквенным идентификатором является не тип или модель ИИ, а подход к разработке искусственного интеллекта. С учетом аналитического исследования в работе авторами предлагается: разработать систему этических принципов для управления и развития искусственного интеллекта; создать проверочные листы и отчетность для управления искусственным интеллектом для организаций, использующих ИИ в производстве для ежеквартального отслеживания изменений кода ИИ и его поведения; отказаться от использования зарубежных ИИ в критически важной инфраструктуре и производстве; создать форму отчетности для компаний-разработчиков ИИ, в которой компании смогут указывать массивы данных, на которых ИИ проходил обучение; создать список информации, которая не должна быть обработана искусственным интеллектом в момент обучения; разработать систему лицензирования и аккредитации ИИ путем тестирования и проверки реакций на внешнее воздействие. Данные предложения направлены на формулирование этических принципов, создание регулирующих структур и повышение прозрачности и подотчетности в системах искусственного интеллекта.
Основное предложение заключается в интеграции информации о нейросетях в образовательный процесс через разработку специализированных учебных пособий, программ обучения и курсов повышения квалификации, направленных на обучение использованию нейронных сетей. Нейросети в данной работе рассматриваются сквозь призму не промышленного интеллекта, а интеллектуального производства. Международный опыт коммерциализации искусственного интеллекта подчеркивает успешность данной практики за рубежом, в то время как все российские аналоги представлены бесплатно. Данное явление объясняется недостаточным уровнем обученности искусственного интеллекта, а также ограниченностью имеющихся баз данных. Для дальнейшего коммерциализирования российских разработок в области искусственного интеллекта был проведен функционально-стоимостной анализ зарубежных аналогов. Он показал, что гораздо выгоднее внедрить нейронную сеть в бизнес-процесс, чем нанимать больше работников, особенно в сфере дизайна или создания иллюстраций и изображений. Достаточно иметь квалифицированных работников, которые владеют навыком использования нейронных сетей. Также эффективно вводить нейронные сети в сектор обслуживания. Перспективным направлением нейросети является развитие в качестве бота-ответчика, поскольку люди воспринимают «более человеческие» ответы лучше. Как теоретическое, так и практическое исследование подтверждает значительное влияние нейронных сетей на ноономику, показывая, что приближается качественный сдвиг в развитии технологий, которые будут составлять основу материального производства в ноономике. Рассматривая технологию нейронных сетей в качестве продукта симулятивных и несимулятивных потребностей, был сделан следующий вывод: несмотря на то, что нейросети чаще всего на данный момент удовлетворяют симулятивные потребности, являясь развлечением для людей, они вполне могут удовлетворять и несимулятивые потребности. Солидаризм – черта ноономики, подразумаевает единство цели и путей совместной деятельности. Концепция шеринговой экономики схожа с одной из ступеней, которая ведет нас к установлению ноообщества. Платная подписка соответствует принципам «экономики по потребностям»: обмену знаний ради выгоды, возможности потребителя стать поставщиком, коллективизма, экономии на ресурсах. Исследование включает анализ влияния искусственного интеллекта на современное творчество и подчеркивает, что нейронные сети не обладают способностью к творчеству из-за отсутствия самомотивации. Вместе с тем они способны оптимизировать творческий процесс, обеспечивая быстрое создание визуализаций, обобщение и систематизацию информации и поиск новых идей. Одним из центральных этических вопросов, связанных с нейронными сетями, является угроза кибербезопасности. Анализируя текущее законодательство и законодательные инициативы, предлагается развивать законодательную базу с учетом зарубежного опыта, чтобы избегать повторения ошибок других стран. Рекомендуется ввести такие механизмы регулирования, как «добросовестное использование», вместо полного запрета использования дипфейков. Таким образом, настоящее исследование подчеркивает, что нейронные сети находятся на начальном этапе своего развития и представляют собой один из ключевых факторов в становлении интеллектуальной экономики. Развитие и внедрение искусственного интеллекта открывает перед человечеством новые перспективы и приближает общество к эпохе ноономики.
Цель исследования - выявить модели и алгоритмы обработки текстовой информации, связанные с модальной коррекцией схем интенциональных отношений в разноструктурных языках на основе технологии Text Mining. Рост потоков разнородной текстовой информации в Интернете, состоящей из сложноорганизованных документов, ставит перед аналитиками проблемы, связанные с дифференцированным извлечением знаний (в интеллектуальном анализе разнородной текстовой информации используется технология Text Mining). В статье предложен подход к анализу информации модальной коррекции схем интенциональных смысловых отношений (ИСО) в разноструктурных языках на основе методов компьютерной лингвистики и Text Mining. При помощи библиотеки Language Resources проведен анализ русских и чувашских корпусов в БД Datastores (перенос информации на основе анализа проблем интеграции и совместимости данных с различными типами документов из разных источников). На основе предложенного концептуального подхода осуществляется кластеризация (кластеров документов, текстового корпуса). Научная новизна исследования состоит в разработке комплекса моделей и алгоритмов для анализа интенциональных отношений в разноструктурных языках - русском и чувашском, обеспечивающих точность и полноту в извлечении информации в поисковых запросах. Акцентируется внимание на контенте лингвистических ресурсов, проводится классификация лингвистических ресурсов по классам-модусам ИСО, определяется подход к формализации лексико-синтаксических шаблонов, на их основе решается задача построения таксономии концепта ИСО. В результате исследования установлено, что предлагаемый метод эффективен для решения задач интеллектуального анализа текстов и интерпретации его результатов.
В данной статье рассматриваются перспективы применения технологий искусственного интеллекта (ИИ) для оптимизации технологических процессов в производстве. Целью исследования является анализ возможностей и ограничений использования ИИ в промышленности, а также выявление наиболее перспективных направлений его внедрения. В качестве материалов и методов исследования использовались обзор научной литературы по теме, анализ существующих примеров применения ИИ в производстве, а также экспертные интервью со специалистами в области ИИ и промышленного производства. Был проведен систематический поиск релевантных научных публикаций в базах данных Scopus, Web of Science и Google Scholar за период с 2010 по 2023 год. Ключевыми словами для поиска были «искусственный интеллект», «машинное обучение», «оптимизация производства», «промышленность 4.0» и др. Из найденных 2347 публикаций после анализа аннотаций было отобрано 156 наиболее релевантных работ для детального изучения. Кроме того, было проведено 12 глубинных интервью с экспертами длительностью от 40 до 90 минут. Результаты исследования показали, что применение ИИ позволяет значительно повысить эффективность производственных процессов. Наибольший потенциал ИИ демонстрирует в таких областях, как предиктивное обслуживание оборудования (снижение внеплановых простоев на 30-50%), оптимизация работы промышленных роботов (повышение производительности на 10-25%), интеллектуальное управление запасами (сокращение складских издержек на 20-40%), контроль качества на основе компьютерного зрения (выявление до 90% дефектов). Однако для успешного внедрения ИИ необходимо преодолеть ряд барьеров, в числе которых недостаток качественных данных для обучения моделей, дефицит квалифицированных кадров на стыке ИИ и производства, высокая стоимость решений и интеграции. В среднем внедрение комплексных систем ИИ на производстве занимает от 1 до 3 лет и окупается за 2-5 лет
В обзорной статье рассматривается мемристор как один из основных элементов нейроморфного вычисления, в частности будущего искусственного интеллекта. Рассмотрена архитектура кроссбарного включения мемристора в искусственную нейронную сеть. Описываются величины, которыми характеризуются основные свойства мемристоров всех типов. Анализируются мемристоры на основе различных активных слоев. Особое внимание уделяется мемристорам на основе двумерных материалов планарной и вертикальной архитектуры. Обсуждаются физические механизмы резистивного переключения, на которых основаны принципы работы мемристоров. В конце статьи перечисляются основные достоинства и недостатки по сравнению с существующими элементами памяти, используемыми в классических компьютерах.