Научный архив: статьи

В статье рассматривается интеллектуальная трансформация как этап цифровой эволюции, основанный на интеграции искусственного интеллекта, машинного обучения и аналитики данных в производственные процессы для повышения адаптивности и стратегической устойчивости бизнеса. Раскрывается переход к управлению, основанному на когнитивных и алгоритмических моделях, обеспечивающий автономное функционирование организаций за счёт интеллектуальной обработки данных. Выявлено различие между цифровизацией и интеллектуальной трансформацией, создающей новые управленческие модели на основе искусственного интеллекта. Интеллектуальная трансформация обеспечивает переход от цифровой автоматизации к самоуправляемым и адаптивным системам, способным повышать устойчивость и конкурентоспособность в условиях глобальных вызовов. Ключевые компоненты интеллектуальной трансформации, аналитика больших данных, когнитивные алгоритмы, цифровые двойники и адаптивные системы, представлены основой построения интеллектуально активной организации, ориентированной на автоматизацию и предиктивное управление в условиях многопараметрической неопределённости. Интеллектуальная оптимизация бизнес-процессов резюмируется как инструмент повышения операционной эффективности и фактор стратегического развития, способствующий формированию инновационно-активных организационных моделей.

Значительно резвившаяся под управлением крупных девелоперов сфера ЖКХ так же, как и любой другой бизнес, требует четкого планирования финансовых и ресурсов. Качественный прогноз, учитывающий не только ретроспективные данные об объемах продаж услуг, но и размеры коммунальных платежей, цены на услуги ЖКХ и т. п., позволяет эффективно планировать деятельность по управлению бизнесом. Данная статья посвящена проблеме прогнозирования поступлений денежных средств для управляющей компании. На основе анализа публикаций, посвященных вопросам прогнозирования и планирования доходов для управляющих компаний, выявлено, что перечень таких работ ограничен, что указывает на узкую направленность проблематики и ее определенную сложность. В статье предложен вариант алгоритма прогнозирования дохода управляющей компании, занимающейся комплексным обслуживанием в сфере ЖКХ и обеспечением условий проживания жителей многоквартирных домов, который основан на методе машинного обучения

В статье исследуются современные методы применения искусственного интеллекта (ИИ) в системе образования Кыргызстана. Особое внимание уделено потенциалу технологий ИИ, в частности трансферного обучения как одного из наиболее эффективных методов, для персонализации учебного процесса, автоматизации оценки знаний и повышения его общей эффективности. Целью работы является анализ возможностей и разработка практических рекомендаций по интеграции данных технологий. Методы исследования включают сравнительный анализ международного опыта, анкетирование участников образовательного процесса и педагогический эксперимент. Результаты подтверждают, что применение инструментов ИИ способствует повышению качества образования. Делается вывод о необходимости комплексного внедрения инноваций для развития кадрового потенциала страны.

Целью данной статьи является изучение практики зарубежных транснациональных корпораций в области использования искусственного интеллекта и машинного обучения для управления цепочками поставок в условиях глобальных кризисов. Методологическим основанием данной статьи явился комплексный подход, позволивший использовать совокупность методов (анализа, классификации и обобщения), позволивших системно и последовательно исследовать опыт транснациональных корпораций в решении проблемы использования новейших достижений в области машинного обучения и использования искусственного интеллекта в управлении цепочками поставок в условиях глобальных кризисов. В результате исследования автором выделены и систематизированы основные причины, требующие использования машинного обучения искусственного интеллекта в управлении цепочками поставок в условиях глобальных кризисов. Практическая ценность данной статьи определяется возможностью использования полученных результатов в целях дальнейшей разработки проблемы, связанной с использованием искусственного интеллекта и машинного обучения для управления цепочками поставок в условиях глобальных кризисов. Сделан вывод, что система машинного обучения, позволяющая расширять возможности искусственного интеллекта, дает возможность транснациональным компаниям принимать решения на основе исторической и текущей информации о спросе и предложении, формируя точные прогнозы относительно функционирования цепочек поставок в условиях турбулентной внешней среды. Интеллектуальные системы машинного обучения (ИСМО) предоставляет транснациональным корпорациям инструмент, который способствует сокращению расходов и увеличению доходов, позволяет поддержать имидж надежного поставщика.

Актуальность Актуальность разработки платформы для автоматизации собеседований с использованием искусственного интеллекта определяется рядом факторов. Концепция этого продукта затрагивает две важные области: информационные технологии и управление человеческими ресурсами. Во-первых, многие отрасли активно нуждаются в замене устаревших методов организации HR-процессов инновационными решениями с использованием искусственного интеллекта. Во-вторых, в ходе работы затрагивается изучение возможностей интеграции различных методов машинного обучения в процессы подбора персонала, что является актуальной темой на протяжении последних 5 лет. Нынешняя реализация традиционного подхода к подбору персонала часто сталкивается со многими трудностями: от высокой трудоемкости процессов отбора кандидатов до сложности оценки их профессиональных и личных качеств. В связи с этим поиск и внедрение инновационных решений, нацеленных на оптимизацию и улучшение процесса подбора специалистов, выходит на передний план. Цель исследования Разработать веб-платформу для автоматизации процесса подбора персонала с использованием технологий искусственного интеллекта, которая позволит повысить эффективность найма и точность оценки кандидатов. Методы исследования Анализ существующих бизнес-процессов, разработка программного обеспечения с использованием Next. js и Prisma и алгоритмов машинного обучения для генерации тестовых заданий, распознавания лиц и анализа эмоционального фона кандидатов. Результаты Разработана веб-платформа, которая успешно автоматизирует процесс подбора персонала в нефтегазовой отрасли за счет интеграции технологий искусственного интеллекта для генерации тестовых заданий, распознавания лиц и анализа эмоционального фона кандидатов. Платформа обеспечивает высокую производительность и масштабируемость за счет использования современных технологий, таких как Next. js, Prisma, WebSockets и peer-to-peer соединения. Реализованный функционал, включающий создание и публикацию вакансий, регистрацию пользователей и онлайн-собеседования, значительно повышает эффективность и точность оценки кандидатов, что делает платформу конкурентоспособной на рынке.

Цифровая трансформация бизнеса означает перевод многих процессов на предприятии в цифровой вид, т. е. предполагается выполнение процессов с использованием компьютерной техники и ИТ-технологий. При этом важно организовать эффективную интеграцию уже имеющихся на предприятии процессов с современными ИТ-технологиями. Такая интеграция может касаться не только производства, но и других областей человеческой деятельности. Конечно, и раньше многие отрасли в разной мере подвергались автоматизации, но появление искусственного интеллекта (ИИ) может сгладить разницу между отраслями с автоматизацией разной степени и позволит оптимизировать процессы, даже если какие-то из сфер деятельности не предполагают использование ИИ. Тем не менее процесс цифровизации в подавляющем большинстве случаев даст ускорение принятию решений, если использовать системы ИИ, в частности цифрового двойника. Это оптимизирует сбор данных, что позволит использовать их для создания моделей объектов или систем. Модель в дальнейшем будет применяться для анализа и оптимизации работы без физического присутствия объекта. Все вышеизложенное и определяет актуальность темы идентификации места и роли искусственного интеллекта в цифровой трансформации российского бизнеса. В данной статье авторы размышляют над проблемой «Какие шаги необходимо предпринять для развития новых технологий анализа данных в производстве? И как усовершенствовать среду работы с данными?». В статье дается обзор истории использования искусственного интеллекта в бизнесе. Обсуждаются слабые стороны применения технологий искусственного интеллекта. Предпринимается попытка дать ответ на вопрос: что нужно сделать уже сегодня, чтобы предприятие или организация могли занять лидирующие позиции завтра.

Одним из важных направлений сельского хозяйства является плодовое садоводство, в частности, интенсивные яблоневые сады вносят заметный вклад в сельскохозяйственную отрасль Кабардино-Балкарской Республики. При этом для сохранения урожая необходимо обеспечить своевременное выявление и устранение угроз, связанных с болезнями и вредителями яблок. Учитывая нехватку профильных специалистов, актуальной становится задача разработки автоматизированной системы распознавания болезней и вредителей яблоневых садов. Для этого в рамках исследования была поставлена цель - разработка и оценка применимости интеллектуальной рекомендательной системы для защиты яблоневых садов в КБР. В данной статье описана концепция и приведены результаты разработки системы контроля состояния яблоневых садов, предназначенной для выявления болезней и вредителей на деревьях, а также подбора наиболее подходящего плана защиты растений в зависимости от местоположения сада. Программа представляет собой веб-приложение, созданное на основе фреймворков FastAPI, Vue. js и нейронной сети, отвечающих за распознавание вредителей и болезней яблонь по фотографии и составление оптимального плана их обработки. Приведены результаты обучения нейронной сети на подготовленной выборке фотографий здоровых и зараженных яблок. В качестве основы для нейронной сети использовались различные модели: Roboflow 3.0, RF-DETR, YOLO v11 и YOLO v12. Разработанный сервис позволит диагностировать заболевания яблонь с минимальными задержками по времени, а также обеспечить подбор методов защиты в случае необходимости, что снизит риски потери урожая садоводами. В результате тестирования наилучших показателей достигла модель Roboflow 3.0: mAP составила 91,0 %, precision - 97,5 %, а recall - 88,5 %, что свидетельствует о применимости подхода, но этого недостаточно для внедрения. С целью повышения точности и расширения списка распознаваемых угроз планируется сбор дополнительных фотоматериалов в садах республики, в том числе фотографий листьев и стволов яблоневых деревьев, полученных в различных погодных условиях, и дальнейшее тестирование с участием садоводов республики.

В статье рассматриваются методы улучшения показателей качества моделей машинного обучения, применяемых в финансовом секторе. В связи с тем, что наборы данных, на которых обучаются модели, обладают несбалансированностью классов, предлагается использовать модели, направленные на снижение дисбаланса. В исследовании были проведены эксперименты с применением 9 методов учета несбалансированности классов к трем наборам данных по розничному кредитованию. В качестве базовой использовалась модель градиентного бустинга CatboostClassifier, не учитывающая дисбаланс классов. Проведенные эксперименты показали, что применение метода RandomOverSampler дает существенный прирост показателей качества классификации по сравнению с базовой моделью. Результаты свидетельствуют о перспективности дальнейших исследований методов учета дисбаланса классов при изучении финансовых данных, а также о целесообразности применения рассмотренных методов на практике.

Введение. В статье рассматривается применение методов дискретной математики, в частности теории графов, для формализации и оптимизации расчета железобетонных конструкций. Традиционные методы конечных элементов дополняются графовым представлением структуры, что обеспечивает автоматическую генерацию матриц жесткости и нагрузок, а также интеграцию с машинопонимаемыми стандартами.

Материалы и методы. Разработан подход, в котором узлы конструкции соответствуют вершинам графа, а элементы (балки, колонны, плиты) – ребрам. Локальные матрицы жесткости формируются по классическим формулам, после чего собираются в глобальную матрицу через преобразования, аналогичные преобразованиям для матрицы Лапласа взвешенного графа. Для анализа применяются алгоритмы поиска путей, центральности, минимальных остовных деревьев и потоковые методы.

Результаты. Показана корректность и эффективность построения графовой модели на примере рамы в одной плоскости. Полученная глобальная матрица жесткости совпадает по структуре с матрицей Лапласа графа и обеспечивает ускорение сборки расчетной модели. Алгоритмические методы позволяют выявлять критические узлы и оптимизировать структуру.

Обсуждение. Графово-дискретный подход демонстрирует высокую совместимость с BIM и GNN, облегчает автоматизацию проектирования и интеграцию с цифровыми двойниками. Дальнейшие исследования могут быть направлены на масштабирование в пространственных каркасах и адаптацию под машинное обучение для прогнозирования отказов.

Выводы. Предложен графово-дискретный подход к расчету железобетонных конструкций, обеспечивающий автоматизацию формирования расчетной модели. Структура глобальной матрицы жесткости соответствует матрице Лапласа взвешенного графа. Применение алгоритмов теории графов позволяет анализировать нагрузку, выявлять критические узлы и оптимизировать структуру. Метод совместим с BIM, GNN и машинопонимаемыми стандартами, что облегчает интеграцию в цифровое проектирование.

Рассмотрены вопросы персональной ответственности врача при принятии решений о диагностике, лечении и назначении лекарственных средств на основании сформулированного предложения (решения) алгоритма искусственного интеллекта. Представлен обзор системы правового регулирования ответственности медицинских работников, а также проведена оценка возможных вариантов распределения уголовной ответственности в связи с внедрением искусственного интеллекта в работу врачей в будущем. Предложены возможные направления по совершенствованию законодательства, связанного с оказанием медицинской помощи с использованием интеллектуальных систем. Проанализированы тенденции распределения ответственности за причинение вреда при оказании медицинской помощи, что позволило выработать возможные варианты распределения ответственности между медицинской организацией и врачом в будущем.

Актуальность темы обусловлена тем, что в условиях цифровизации экономики вопросы обеспечения экономической безопасности организаций приобретают особую значимость. Развитие информационных технологий создает как новые возможности для защиты экономических интересов организаций, так и новые угрозы, требующие комплексного решения. Существующие методы обеспечения экономической безопасности нуждаются в модернизации с учетом растущего влияния цифровых технологий. Необходимо исследовать эффективность применения IT-решений для защиты экономических интересов предприятий в условиях цифровой трансформации экономики. Целью исследования является анализ возможностей использования IT-технологий для повышения уровня экономической безопасности организаций. Анализ современных тенденций показывает, что внедрение IT-технологий позволяет существенно повысить эффективность систем экономической безопасности

В статье представлен анализ роли искусственного интеллекта (ИИ) и машинного обучения (МО) в современных системах управления предприятиями, с акцентом на различия в их применении в регионах России и за рубежом. Исследование выявило существенное отставание российского ИТ-сектора от передовых стран в области внедрения и развития ИИ. Для оценки ситуации авторами проведен анализ ИТ-сектора РФ, рассмотрены особенности регионального распределения специалистов и инфраструктуры, а также подчеркнута необходимость создания устойчивой образовательной среды для подготовки ИИ-специалистов. Особое внимание уделяется важности обучения уже внедренных ИИ-систем и наращивания их функциональности в процессах планирования посредством машинного обучения новых поколений моделей. В статье подчеркнута критическая роль ИИ в цифровой трансформации бизнеса и необходимость активных действий для преодоления выявленных проблем в России.