Современные подходы к решению задачи управления шагающими роботами с вращательными звеньями представляют собой разрозненные алгоритмы, строящиеся либо на готовой локомоторной программе с дальнейшей ее адаптацией, либо на сложных кинематико-динамических моделях, нуждающихся в обширных знаниях о динамике системы и окружающей среды, что в прикладных задачах зачастую является невыполнимым. Так же, используемые подходы жестко связаны с конфигурацией шагающего робота, что делает невозможным применение метода в приложениях с иной конфигурацией (другим количеством и типом конечностей). В данной статье предлагается универсальный подход к управлению движением шагающих роботов, основанный на методологии обучения с подкреплением. Рассматривается математическая модель системы управления, основанная на конечных дискретных марковских процессах в контексте методов обучения с подкреплением. Ставится задача построения универсальной и адаптивной системы управления, способной осуществить поиск оптимальной стратегии для реализации локомоторной программы в заранее неизвестной среде, путем непрерывного взаимодействия. К результатам, отличающимся научной новизной, следует отнести математическую модель данной системы, позволяющей описать процесс ее функционирования с помощью марковских цепей. Отличием от существующих аналогов является унификация описания робота.
В данной статье рассмотрены нейросети Nice Bot, Masha GPT и ChatGPT4 для решения задач автоматизации расчетов экономических показателей на примере ООО «Машинно-технологическая станция Новоусманская», сделано сравнение результатов работы нейросетей и традиционного расчета, показаны примеры запроса постановки задач к искусственному интеллекту.
В современном мире развитие технологий изменило положение животных в разных аспектах. Однако только достижения искусственного интеллекта в области естественных языков обозначило возможность выхода на новый уровень понимания и взаимоотношения с животными. Современные технологии сделали возможным выделение и фиксацию звуков животных и сбор огромного массива звуковых и видеоданных, а опыт перевода даже в отсутствие параллельных текстов обозначил потенциал применения искусственного интеллекта для анализа звуков, издаваемых животными. Несмотря на многочисленные сложности, в том числе связанные с различием в миропредставлении животных и человека, уже существуют преценденты перевода с языка животных. В статье проанализированы возможности применения искусственного интеллекта в условиях ограниченных данных и существующие на сегодняшний день подходы к его использованию в области коммуникации животных. Если для домашних и сельскохозяйственных животных исследователи опираются на интерпретации смыслов или эмоций, то для диких животных ученые сопоставляют звуки и поведение, опираясь на потенциал искусственного интеллекта в решении неструктурированных задач. Хотя ряд новейших исследований сообщает о высокой достоверности «перевода» с языка животных, сама возможность проверки результативности вызывает сложности. Тем не менее появление новых решений, способствующих распознаванию голосов конкретных животных, классификации звуков и действий разных животных свидетельствуют о возможности появления в ближайшее время качественного скачка в понимании животных. Успех в области интерпретации звуков животных может привести не только к прогрессу в большом количестве областей, связанных с животным миром, но и к изменению статуса и положения животных. В то же время эти достижения поднимают этические вопросы, связанные с возможностью использования новых технологий во вред животным и людям.
В статье рассматриваются разработанные методы детектирования и классификации объектов в транспортном потоке на данных космической съемки сверхвысокого пространственного разрешения. С появлением в свободном доступе больших объемов спутниковых данных все большую актуальность приобретает развитие методов машинного обучения на основании геопространственных данных, в частности, спутниковых. В настоящей работе обоснован выбор источника данных о транспортных потоках - спутниковых снимков сверхвысокого разрешения, рассмотрены основные проблемы и задачи, связанные с распознаванием и классификацией объектов. Целью автора является разработка цепочки алгоритмов, позволяющей с высокой точностью детектировать и классифицировать объекты в транспортных потоках. Исследования основаны на численной оценке качества работы алгоритмов. В работе используются методы распознавания образов, машинного обучения и обработки цифровых изображений. Научная новизна заключается в уникальном алгоритме извлечения изображений локальных участков улично-дорожной сети, алгоритме определения направления дорожного движения объекта, модернизации алгоритма селективного поиска. Следует подчеркнуть, что используемые данные съемки сверхвысокого разрешения появились в доступе для частного использования относительно недавно.
В статье представлен метод классификации изображений с использованием, помимо базовой нейронной сети, дополнительной, способной адаптивно концентрироваться на классифицируемом объекте изображения. Задача дополнительной сети является задачей о контекстном многоруком бандите и сводится к предсказанию такой области на исходном изображении, при вырезании которой в процессе классификации возрастет уверенность базовой нейронной сети в принадлежности объекта на изображении правильному классу. Обучение дополнительной сети происходит с помощью методов обучения с подкреплением и стратегий достижения компромисса между эксплуатацией и исследованием при выборе действий для решения задачи о контекстном многоруком бандите. На подмножестве набора данных ImageNet-1K проведены различные эксперименты по выбору архитектуры нейронной сети, алгоритма обучения с подкреплением и стратегии исследования при обучении. Рассмотрены такие алгоритмы обучения с подкреплением, как DQN, REINFORCE и A2C, и такие стратегии исследования, как -жадная, -softmax, -decay-softmax и метод UCB1. Большое внимание уделено описанию проведенных экспериментов и обоснованию полученных результатов. Предложены варианты применения разработанного метода, демонстрирующие увеличение точности классификации изображений по сравнению с базовой моделью ResNet. Дополнительно рассмотрен вопрос о вычислительной сложности данного метода. Дальнейшие исследования могут быть направлены на обучение агента на изображениях, не задействованных при обучении сети ResNet.
Инновационное развитие современного образования продолжает идти в направлении освоения информационных технологий. Однако существенного повышения качества знаний пока не наблюдается, процесс идет гораздо медленнее, чем ожидалось. Существует проблема интеграции информационных технологий обучения и педагогических технологий. Особо актуальной она стала в связи с быстро развивающейся практикой использования нейросетей и научно-методическим обоснованием их эффективности на разных уровнях и этапах обучения. В связи с этим целью представляемого исследования явилось выявление потенциальных возможностей и рисков применения нейросетей в образовательном процессе.
Практическая часть работы представляла собой анализ и обобщение как зарубежных, так и отечественных статистических исследований относительно существующих тенденций внедрения искусственного интеллекта в сферу образования. Авторы также приводят результаты проведенного ими опроса среди обучающихся вуза на предмет выявления преимуществ и ограничений использования генеративного искусственного интеллекта в процессе обучения. На основе проведенного SWOT-анализа в статье приводятся обобщённые выводы относительно сильных и слабых сторон, рисков и угроз применения нейросетей в образовании. Полученные данные могут быть использованы для организации дальнейших исследований и более эффективного применения технологии нейросетей в образовательной практике как преподавателей, так обучающихся.
В данной работе рассмотрены возможности интеграции методов обучения с подкреплением и нечеткой логики в плане повышения эффективности алгоритмов обучения с подкреплением. Главное внимание уделяется применению таких интегрированных методов в интеллектуальных системах реального времени, особенно в системах поддержки принятия решений для мониторинга и управления сложными техническими объектами. Как основа используется метод обучения с подкреплением на базе темпоральных различий, состояние среды и сигнал вознаграждения формируются с применением нечеткой логики. Представлена программная реализация и приводятся данные компьютерного моделирования методов глубокого обучения с подкреплением на основе темпоральных различий, полученные при сравнительном анализе алгоритма на основе нечеткой логики и алгоритмов на основе нейронных сетей. Показано, что основными достоинствами алгоритмов обучения с подкреплением с применением нечеткой логики являются: эффективность обучения, выражающаяся в минимизации количества эпизодов, что особенно важно, когда доступность данных для обучения ограничена или обучение в реальном времени требует быстрой адаптации; устойчивость к шуму и выбросам в данных, что важно в реальных средах, где присутствуют шумы или изменяются данные; интерпретируемость - алгоритмы с нечеткой логикой предоставляют интерпретируемые правила и выводы на основе нечеткой логики; расширение области применения обучения с подкреплением на предметные/проблемные области и задачи с непрерывным пространством состояний. Данные исследования и разработки выполняются в рамках конструирования интеллектуальных систем поддержки принятия решений реального времени. Эти системы предназначены для помощи оперативно-диспетчерскому персоналу (лицам, принимающим решения) при мониторинге и управлении сложными техническими и организационными системами в условиях достаточно жестких временных ограничений и при наличии различного типа неопределенностей (неточности, нечеткости, противоречивости) в поступающей в систему информации, то есть так называемых зашумленных данных.
Цель. Исследование вопросов развития информационного маркетинга в контексте реализации цифровых технологий и искусственного интеллекта для маркетинговых решений в ритейле. Методика. При проведении исследования использованы диалектические, общенаучные методы: анализ синтез, индукция, дедукция; теоретического обобщения; систематизации и группировки, а также институциональный, системный подход.
Результаты. В результате исследования определены аспекты реализации информационного маркетинга в контексте конвергенции цифровых технологий и искусственного интеллекта, как инструментария для маркетинговых решений в ритейле. Научная новизна. Дано определение понятию «цифровая конвергенция информационного маркетинга»; предложена модель организации решения управленческих задач на основе типов систем управления данными и программных продуктов свободных открытых систем анализа Big Data в маркетинговых целях. Практическая значимость. Результаты исследования представляют интерес для руководителей предприятий, маркетологов, ученых, исследующих проблемы развития предприятий и маркетинга в современных условиях развития цифровой экономики.
Цель данной статьи состоит в рассмотрении перспектив интеграции блокчейна и искусственного интеллекта (далее - ИИ) в качестве инновационного подхода к модернизации различных отраслей экономики. Авторы анализируют возможности применения данного технологического слияния для оптимизации бизнес-процессов, повышения прозрачности и для снижения операционных издержек в разных секторах, включая финансы, здравоохранение, транспорт, энергетику и др. Особое внимание уделяется преимуществам синергии между ИИ и технологией распределенного реестра, позволяющей создать более эффективные и устойчивые системы управления данными и активами. Объект исследования этой статьи - процесс интеграции блокчейна и ИИ. Предмет исследования - эффективность модернизации различных отраслей экономики через объединение указанных технологий. Методом исследования является аналитический обзор научных публикаций и успешных реализованных проектов. Результаты данной статьи состоят в анализе преимуществ интеграции блокчейна и ИИ, а также в прогнозировании дальнейших перспектив развития настоящего направления. Практическая значимость работы заключается в том, что результаты исследования могут быть использованы для разработки стратегий и планов по внедрению данной интеграции технологий в отечественный бизнес.
Актуальность анализа цифровой зрелости регионов обусловлена стремлением страны к трансформации в соответствии с концепцией цифровой экономики. В статье представлен подход, позволяющий оценить и сравнить уровни цифровой зрелости различных субъектов России. В процессе оценки используется множество показателей, включающих как инфраструктурные аспекты (доступность и качество интернета, уровень развития телекоммуникаций), так и социальные (степень освоения цифровых навыков населением, интеграция цифровых технологий в образовательный процесс и бизнес). Методология оценки базируется на сборе и анализе статистических данных, опросах экспертов и населения, а также на изучении лучших практик цифровизации на региональном уровне. В статье описаны критерии отбора, используемые для классификации и ранжирования регионов по уровню их цифровой зрелости. Важной частью исследования является анализ проблем, с которыми сталкиваются регионы на пути к цифровой зрелости. В статье обсуждаются барьеры, такие как недостаточное финансирование, отсутствие квалифицированных кадров, недоразвитость инфраструктуры и низкий уровень цифровой грамотности населения. На основе данного анализа формируются рекомендации для ускорения процесса цифровизации регионов и повышения их цифровой зрелости. Результаты исследования предлагают практические решения и пути оптимизации региональных политик, способствующие повышению качества жизни в регионах и обеспечивающие переход к инновационной модели экономики.