SCI Библиотека

В 2023 г. технологии на основе искусственного интеллекта (ИИ) стали доступны многим пользователям смартфонов и цифровых услуг. ИИ представлен в виде голосовых помощников (ГП), музыкальных рекомендаций, виртуальных ассистентов и даже в качестве психотерапевтической помощи.Такое распространение ИИ сказалось и на интересе психологов к теме взаимодействия человек-ИИ. В нашей работе, следуя традиции исследования социальных представлений Московиси [Moscovici 2015], мы рассматриваем ИИ как объект социального представления. На примере ГП мы проводим реконструкцию смыслового поля у пользователей данной технологии и предлагаем описание процесса его формирования. Исследование проходило в три этапа: свободные ассоциации, интервью и опрос. В интервью выборка составила 15 человек, в свободных ассоциациях - 168 человек (было проанализировано 3329 ассоциаций со словосочетанием «Голосовой помощник»), в опросе по методу семантического дифференциала - 800 человек. В результате анализа были получены следующие результаты: смысловое поле на данном этапе изучения представления о ГП позитивно-нейтральное; сами ассоциации делятся на две темы: об интеллектуальных способностях и эмоциональных качествах ГП. В ходе анализа методом семантического дифференциала отдельно выделились три фактора: полезность, эмоциональность и юмор. Мы предполагаем, что именно в категории этих трех факторов происходит формирование представления о конкретном ГП.Описание самого процесса формирования представления предлагается по результатам интервью. Были выделены два основных этапа в «общении» с ГП: формирование образа и взаимодействие с готовым образом.В продолжении текущей исследовательской работы планируется изучение влияния образа ГП в рамках текущей модели восприятия на различные особенности взаимодействия с ним (например, в рамках экономических решений).

Успехи технологий искусственного интеллекта, а особенно «большие» языковые модели, породили множество ожиданий – как позитивных, так и алармистских. Это явление можно сравнить с открытием атомной энергии: в свое время оно создало много новых возможностей, но также породило ранее невиданные угрозы. Аналогичным образом, ИИ может привести не только к наращиванию темпов научно-технического и экономического развития, но и к усилению неравенства между государствами, как это произошло в первой половине прошлого столетия с появлением разработок в ядерной сфере. Возникновение «больших» языковых моделей – это, пожалуй, первый случай, когда информационные технологии настолько сильно вторгаются в область, которую гуманитарии привыкли считать принадлежащей лишь человеческому уму – в область создания новых текстов. Нельзя не заметить, что гуманитарии пребывают в некоторой панике и ищут собственные описания и объяснения происходящего. Для того, чтобы в этих объяснениях не оторваться от твердой технологической основы и не уйти в философские выси, журнал «Сравнительная политика» побеседовал со специалистом с переднего края развития технологии ИИ в России – академиком РАН, директором Института системного программирования РАН им. В.П. Иванникова Арутюном Ишхановичем Аветисяном.

Использование технологий генеративного искусственного интеллекта в образовании обладает потенциалом революционизировать процессы обучения и оценивания образовательных результатов, персонализируя учебный процесс, обеспечивая немедленную обратную связь и улучшая общий опыт обучения.

Актуальность исследования обусловлена распространением технологий искусственного интеллекта, дефицитом практик формирующего оценивания учебных достижений в высшем образовании.

Постановка проблемы: существующие отечественные системы электронного обучения имеют ограниченный функционал, что затрудняет их использование в процессе формирующего тестирования.

Целью исследования является изучение возможности и эффективности использования технологий генеративного искусственного интеллекта в формирующем оценивании в высшем образовании.

Задачи исследования – рассмотреть теоретические основы использования инструментов генеративного искусственного интеллекта в оценивании знаний, умений и навыков, проанализировать собственный опыт применения больших языковых моделей в формирующем тестировании в вузе.

Методологическую основу исследования составляют анализ Интернет-ресурсов и литературных источников, методы математической статистики, синтез.

Результаты исследования: изучены возможности использования и эффективность технологий генеративного искусственного интеллекта в формирующем тестировании обучающихся вуза, проанализирован собственный опыт применения больших языковых моделей в формирующем тестировании, определены основные ограничения внедрения этих технологий в учебный процесс, даны рекомендации по организации формирующего тестирования с использованием больших языковых моделей.

Ключевые выводы: большие языковые модели могут быть интегрированы в учебный процесс для оценки формирующих и суммативных тестов, что позволит существенно снизить нагрузку на преподавателей, обеспечить более объективные результаты и, в конечном счете, повысить эффективность учебного процесса.

Одной из перспективных форм создания творческих продуктов студентами вузов является разработка проектов, нацеленных на поиск и воплощение определенной идеи. В статье рассматривается эволюция научных представлений о творческой деятельности, раскрываются особенности творческого проектирования в социокультурной сфере, его технологические основы. Автор предлагает использовать при создании студенческих творческих проектов технологию проектирования, состоящую из трех блоков, отвечающих за три главных этапа творческого процесса режиссера-постановщика («идея», «реализация», «рефлексия»).

В статье рассматриваются перспективы и возможности применения технологических систем искусственного интеллекта в деятельности по раскрытию, расследованию и предупреждению преступлений. Обосновывается вывод, что обеспечение применения технологий искусственного интеллекта в правоохранительной деятельности должно стать актуальной задачей криминалистической науки. Автором анализируются отдельные научные исследования, заявляющие использование технологий искусственного интеллекта в целях прогнозирования преступности или противоправного поведения определенных лиц, установления местонахождения возможного преступника, вносятся предложения о перспективных направлениях использования указанных технологий в криминалистических целях. В статье отмечается, что положительный результат внедрения цифровых технологий в криминалистическую деятельность не может быть обеспечен только формулированием теоретических положений и научными дискуссиями в отсутствие массовых и значимых результатов прикладных исследований в этой сфере. Автором выделяются ряд задач, решение которых позволит более эффективно достичь результата по перспективному внедрению новейших цифровых технологий, включая искусственный интеллект, в криминалистическую науку и правоохранительную практику.

В современных научных исследованиях в последнее время всё чаще появляются дискуссии о том, что в связи с развитием технологий искусственного интеллекта встают вопросы об объективности, правдоподобности и достоверности знания, а также о том, не заменят ли эти технологии фигуру эксперта как ту инстанцию, которая до сих пор выступала гарантом объективности и центром принятия решений. Современные историки науки Л. Дастон и П. Галисон в своей книге, посвящённой истории научной объективности, говорят о сменяемости «эпистемических добродетелей», в качестве одной из которых с определённого момента утвердилась и объективность. При этом выдвижение той или иной добродетели, регулирующей научную самость, то есть выступающей нормативным принципом для учёного при выборе способа видения и научной практики, зависит от принятия решений в трудных случаях, требующих воли и ограничения самости. В этом смысле эпистемология соединяется с этикой: учёный, руководствуясь определёнными моральными принципами, отдаёт предпочтение тому или иному способу поведения, выбирая, например, не более точное изображение, сделанное от руки, а неретушированную фотографию, возможно, нечёткую, но полученную механически, а значит — более объективную и свободную от какой-либо примеси субъективности. В этой связи небезынтересным представляется эпистемический статус современных технологий на основе искусственного интеллекта, которые всё больше берут на себя функции научной самости, в том числе и в части оказания влияния на принятие конечных решений и получение объективного знания. Так, например, в области медицины роботизированные аппараты уже оказывают существенную поддержку: им передаётся часть функций, например, врача первого звена для сбора и анализа стандартизированных данных о пациенте и диагностики. Есть предположение, что в ближайшее время всё больше обязанностей будет передаваться искусственному интеллекту: обработка данных, разработка новых лекарств и способов лечения, налаживание дистанционного взаимодействия с пациентом и др. Значит ли это, что научная самость может быть заменена алгоритмами на основе искусственного интеллекта, а на смену объективности придёт другая эпистемическая добродетель, окончательно разрывающая связь этики и эпистемологии, — этот вопрос нуждается в исследовании.

Показатели заболеваемости населения Российской Федерации патологиями системы кровообращения за прошедшие два десятилетия постоянно повышались, и с 2000 г. до 2019 г. увеличились в 2,047 раза. Процесс кальцификации сосудов включает отложение солей кальция в стенке артерий, что приводит к ремоделированию сосудистой стенки. Лучевые методы исследования — золотой стандарт диагностики кальцификации сосудов. Однако в связи с возрастающим объёмом данных и необходимостью сокращения времени постановки диагноза неизбежно снижается эффективность работы. Активное развитие и внедрение в клиническую практику искусственного интеллекта открыло перед специалистами возможности для решения этих проблем.

Цель — проанализировать отечественную и зарубежную литературу, посвящённую использованию искусственного интеллекта в диагностике различных типов кальцификации сосудов, а также обобщить прогностическую ценность кальцификации сосудов и оценить аспекты, препятствующие диагностике кальцификации сосудов без применения искусственного интеллекта.

Материалы и методы. Авторы провели поиск публикаций в электронных базах данных PubMed, Web of Science, Google Scholar и eLibrary. Поиск проводился по следующим ключевым словам: «artificial intelligence», «machine learning», «vascular calcification», «искусственный интеллект», «машинное обучение», «кальцификация сосудов». Поиск проводился во временном интервале с момента основания соответствующей базы данных до июля 2023 года.

Результаты. Основная методология включённых в обзор исследований заключалась в сравнении диагностических способностей клиницистов и искусственного интеллекта с применением одних и тех же изображений и последующей оценкой точности, скорости и других показателей. Участки возникновения сосудистых кальцификаций весьма разно-образны, что обусловливает их различную прогностическую ценность.

Заключение. Искусственный интеллект отлично зарекомендовал себя в диагностике сосудистой кальцификации. Помимо повышения точности и эффективности, способности к детализации превосходят возможности ручного метода диагностики. Искусственный интеллект достиг уровня, позволяющего помогать врачам инструментальной диагностики в автоматическом выявлении кальцификации сосудов. Возможности искусственного интеллекта могут способствовать эффективному развитию рентгенологии в будущем.

Несмотря на то, что в приказе Министерства здравоохранения Российской Федерации «Об утверждении порядка оказания медицинской помощи взрослому населению при заболеваниях глаза, его придаточного аппарата и орбиты» сказано про оснащение медицинского консультативно-диагностического отделения поликлиники оптическим когерентным томографом, динамическое наблюдение пациентов с патологией сетчатки после начала лечения осуществляется чаще всего в медицинском офтальмологическом центре, что снижает доступность лечения для пациентов со впервые выявленной (первичной) патологией, требующей как можно более раннего начала лечения. Имеющаяся технология нуждается в изменении и интенсификации, в том числе — с применением технологий искусственного интеллекта.

Цель — разработка методических основ организационной технологии диспансерного наблюдения пациентов с патологией заднего отрезка глаза с использованием систем поддержки принятия врачебных решений на основе искусственного интеллекта.

Материалы и методы. Оценка существующей нормативной базы проведена на основе анализа Конституции Российской Федерации, федеральных законов, подзаконной нормативной базы и судебной практики. Создание структурированного медицинского документа описания снимка оптической когерентной томографии проведено с использованием экспертного метода: анкетирования 100 врачей-офтальмологов, имеющих соответствующий уровень образования, в том числе дополнительное профессиональное, занимающихся оказанием медицинских услуг — специализированной медицинской помощи пациентам с патологией заднего отрезка глаза. Структурированный медицинский документ послужил основой для формирования предикторов искусственных нейронных сетей. Обучение нейронных сетей произведено с использованием 60 000 медицинских изображений с помощью метода классификации и сегментации в зависимости от признака.

Результаты. Экспертным методом отобрано и описано 123 бинарных признака, позволяющих описать структуру макулярной области сетчатки в норме и при патологии, из которых выявлено 26 признаков, которые могут быть интерпретированы в качестве предикторов ухудшения клинического течения заболевания.

Заключение. Разработанный классификатор позволил создать и обучить на основе 60 000 медицинских изображений систему поддержки принятия врачебных решений, которая в качестве информационного сервиса, без постановки диагноза, может позволить изменить организацию процесса динамического наблюдения. Формирование маршрутизации пациентов — первичная услуга разработанной системы поддержки принятия врачебных решений. При наличии признаков ухудшения клинической картины предполагается маршрутизация в медицинский офтальмологический центр для оценки динамики и оказания специализированной, в том числе высокотехнологичной, медицинской помощи.

Тщательный анализ как оптических, так и анатомических свойств роговицы у пациентов после перенесённой передней радиальной кератотомии приобретает особое значение в выборе оптической силы интраокулярной линзы при хирургическом лечении катаракты и других видах оптической коррекции. Вариабельность клинической картины посткератотомической деформации определяет необходимость разработки её классификации и является важной задачей современной офтальмологии.

Цель — разработать автоматизированную систему классификации посткератотомической деформации роговицы с использованием машинного обучения и искусственной нейронной сети на основе анализа численных значений топографических карт роговицы.

Материалы и методы. В качестве материала использовались обезличенные результаты анализа медицинской документации 250 пациентов в возрасте от 46 до 76 лет (средний возраст — 59,63±5,95 года). Проведён анализ 500 карт рельеф-топографии передней и задней поверхностей роговицы и 3 этапа машинного обучения классификации посткератотомической деформации.

Результаты. I этап — анализ рельеф-топографии передней и задней поверхностей роговицы — позволил зафиксировать численные значения элевации передней и задней поверхности роговицы в трёх кольцевидных зонах. На II этапе в ходе глубокого машинного обучения была выбрана и создана нейросеть прямого распространения. Установлены 8 вспомогательных параметров, описывающих форму передней и задней поверхностей роговицы. III этап сопровождался получением алгоритмов классификации посткератотомической деформации роговицы в зависимости от соотношения тестовой и обучающей выборок, которое варьировало от 75 до 91%.

Заключение. Разработана искусственная нейронная сеть, успешно решающая задачу классификации типов посткератотомической деформации роговицы с точностью 91%. Установлен потенциал для дальнейшего улучшения качества обучения данной нейронной сети. Применение алгоритмов искусственной нейронной сети может стать полезным инструментом автоматической классификации посткератотомической деформации роговицы у пациентов, перенёсших ранее радиальную кератотомию.

Имплантация современных интраокулярных линз позволяет офтальмологам эффективно решать задачи хирургической реабилитации пациентов с катарактой. Степень улучшения зрительных функций пациента напрямую связана с точностью предоперационного расчёта оптической силы интраокулярных линз. Для расчёта этого показателя используются такие формулы, как SRK II, SRK/T, Hoffer-Q, Holladay II, Haigis, Barrett. Все они хорошо работают для «среднего пациента», однако не являются в достаточной степени адекватными на границах диапазонов входных переменных.

Цель — изучение возможности использования математических моделей, полученных в результате глубокого обучения искусственных нейронных сетей, для генерализации данных и прогнозирования оптической силы современных интраокулярных линз.

Материалы и методы. Обучение моделей, основанных на искусственных нейронных сетях, проводилось на масштабных выборках, в том числе на обезличенных данных пациентов офтальмологической клиники. Данные, предоставленные в 2021 году врачом-офтальмологом К.К. Сырых, отражают результаты как предоперационных, так и послеоперационных наблюдений за пациентами. Исходный файл, использованный для построения модели, основанной на искусственной нейронной сети, включал 455 записей (26 столбцов входных факторов и один столбец выходного фактора) при расчёте интраокулярных линз (дтпр). Для удобного построения моделей использовали программу-симулятор, ранее разработанную авторами.

Результаты. Полученные модели, в отличие от традиционно используемых формул, в гораздо большей степени отражают региональную специфику пациентов. Они также позволяют переобучать и оптимизировать структуру модели на основе вновь поступающих данных, что позволяет учитывать нестационарность объекта. Отличительной особенностью таких моделей, основанных на искусственных нейронных сетях, по сравнению с известными формулами, широко используемыми в хирургическом лечении катаракты, является возможность учёта значительного числа регистрируемых входных величин. Это позволило снизить среднюю относительную погрешность расчётов оптической силы интраокулярных линз с 10–12% до 3,5%.

Заключение. Данное исследование показывает принципиальную возможность генерализации значительного количества эмпирических данных по расчёту оптической силы интраокулярных линз с использованием глубокого обучения моделей искусственных нейронных сетей , которые имеют значительно большее количество входных переменных, чем при использовании традиционных формул и методов. Полученные результаты позволяют построить интеллектуальную экспертную систему с динамическим поступлением новых данных и поэтапным переобучением моделей.