SCI Библиотека

Аневризмы аорты — «тихие убийцы», развиваются без симптомов и могут привести к летальному исходу. Ежегодно заболеваемость аневризмой грудной аорты составляет около 10 случаев на 100 000 человек, а частота разрывов аневризмы — около 1,6 случая. Ранняя диагностика и лечение могут спасти жизнь пациента. Использование технологий искусственного интеллекта может значительно улучшить качество диагностики и предотвратить летальный исход.

Цель — оценить эффективность применения технологий искусственного интеллекта в выявлении аневризм грудного отдела аорты на компьютерной томографии органов грудной клетки и исследовать возможности использования этих технологий в качестве системы поддержки принятия врачебных решений врача-рентгенолога при первичном описании лучевых исследований.

Материалы и методы. Были оценены результаты использования технологий искусственного интеллекта для выявления аневризмы грудной аорты на компьютерной томографии органов грудной клетки без контрастного усиления. Была сформирована выборка из 84 405 случаев обследования пациентов старше 18 лет, из которых отобрано и ретроспективно пересмотрено сосудистыми хирургами Научно-исследовательского института скорой помощи имени Н.В. Склифосовского 86 исследований с подозрением на наличие аневризмы грудного отдела аорты по данным технологий искусственного интеллекта. Эти исследования были также ретроспективно оценены двумя врачами-рентгенологами.
Была сформирована дополнительная выборка из 968 исследований, взятых в случайном порядке из общего числа, для оценки корреляции возраста пациентов и диаметра грудного отдела аорты.

Результаты. Анализ показал, что в 44 исследованиях аневризма была первично выявлена врачом-рентгенологом, в 31 случае аневризмы не были описаны, но технология искусственного интеллекта помогла выявить патологию. Ещё 6 исследований были исключены из выборки, а в 5 случаях были обнаружены ложноположительные результаты анализа.
Использование технологий искусственного интеллекта обнаруживает и выделяет патологические изменения аорты на медицинских изображениях, тем самым повышая выявляемость аневризмы грудной аорты при интерпретации результатов компьютерной томографии органов грудной клетки на 41%. При первичном описании лучевых исследований и в ретроспективных исследованиях целесообразно использовать технологии искусственного интеллекта для профилактики пропусков клинически значимых патологий — как в качестве системы поддержки принятия врачебных решений для врача-рентгенолога, так и для повышения выявляемости патологического расширения грудного отдела аорты.
По дополнительной выборке в популяции взрослого населения частота дилатации грудного отдела аорты составила 14,5%, а аневризм грудного отдела аорты —1,2%. Данные также показали возрастную зависимость диаметра грудного отдела аорты для мужчин и женщин.

Заключение. Применение технологий искусственного интеллекта в процессе первичного описания результатов компьютерной томографии органов грудной клетки может повысить выявляемость клинически значимых патологических состояний, таких как аневризма грудного отдела аорты. Расширение ретроспективного скрининга по данным компьютерной томографии органов грудной клетки с использованием технологий искусственного интеллекта может улучшить качество диагностики сопутствующих патологий и предотвратить негативные последствия для пациентов.

Оптическая когерентная томография — современный высокотехнологичный и информативный метод выявления патологии сетчатки глаза и преретинальных слоёв стекловидного тела. Однако описание и интерпретация результатов исследования требуют высокой квалификации и специальной подготовки врача-офтальмолога, а также значительных временных затрат врача и пациента. Вместе с тем использование математических моделей на основе аппарата искусственных нейронных сетей в настоящее время позволяет автоматизировать многие процессы, связанные с обработкой изображений. Именно поэтому актуально решение задач, связанных с автоматизацией процесса классификации снимков оптической когерентной томографии на основе глубокого обучения моделей искусственных нейронных сетей.

Цель — разработать архитектуры математических (компьютерных) моделей на основе глубокого обучения свёрточных нейронных сетей, предназначенных для классификации снимков оптической когерентной томографии сетчатки глаза; сравнить результаты вычислительных экспериментов, проведённых с использованием средств Python в Google Colaboratory при одно- и многомодельном подходах, и выполнить оценки точности классификации; сделать выводы об оптимальной архитектуре моделей искусственных нейронных сетей и значениях используемых гиперпараметров.

Материалы и методы. Исходный датасет, представляющий собой обезличенные снимки оптической когерентной томографии реальных пациентов, включал более 2000 изображений, полученных непосредственно с прибора в разрешении 1920×969×24 BPP. Количество классов изображений — 12. Для создания обучающего и валидационного наборов данных осуществляли «вырезание» предметной области 1100×550×24 BPP. Изучали различные подходы: возможность использования предобученных свёрточных нейронных сетей c переносом обучения, методики изменения размера и аугментации изображений, а также различные сочетания гиперпараметров моделей искусственных нейронных сетей. При компиляции модели использовали следующие параметры: оптимизатор Adam, функцию потерь categorical_crossentropy, метрику accuracy. Все технологические процессы с изображениями и моделями искусственных нейронных сетей проводили с использованием средств языка Python в Google Colaboratory.

Результаты. Предложены одно- и многомодельный принципы классификации изображений оптической когерентной томографии сетчатки глаза. Вычислительные эксперименты по автоматизированной классификации таких изображений, полученных с томографа DRI OCT Triton, с использованием различных архитектур моделей искусственных нейронных сетей показали точность при обучении и валидации 98–100%, и на дополнительном тесте — 85%, что является удовлетворительным результатом. Выбрана оптимальная архитектура модели искусственной нейронной сети — 6-слойная свёрточная сеть, — и определены значения её гиперпараметров.

Заключение. Результаты глубокого обучения моделей свёрточных нейронных сетей с различной архитектурой, их валидации и тестирования показали удовлетворительную точность классификации снимков оптической когерентной томографии сетчатки глаза. Данные разработки могут быть использованы в системах поддержки принятия решений в области офтальмологии.

Обосновывается целесообразность использования технологий искусственного интеллекта в бизнес-процессах организаций розничной торговли. Предлагается определение искусственного интеллекта. Приводится классификация технологий искусственного интеллекта. Приводятся сферы, в которых возможно применений искусственного интеллекта на данном этапе развития. Предлагается пример решения задачи организации с помощью ИИ.

Статья посвящена исследованию проблем правовой охраны произведений, созданных искусственным интеллектом. Внедрение искусственного интеллекта в каждую отрасль экономики и социальной сферы может изменить действующую систему интеллектуальных прав и соответствующую правовую парадигму. Автором проанализированы действующие в сфере технологий искусственного интеллекта и робототехники нормативно-правовые акты Российской Федерации. Отмечается отсутствие в российской системе права надлежащей правовой базы, регулирующей вопросы внедрения искусственного интеллекта в качестве субъекта авторских прав. Рассмотрены существующие в зарубежных правопорядках подходы к определению в качестве объектов авторских прав произведений, созданных с помощью технологий искусственного интеллекта. Произведения, созданные с помощью алгоритмической программы, в большинстве государств авторским правом не охраняются. В результате проведенного анализа сделан вывод о том, что разрешение вопроса об авторстве произведений, созданных с помощью искусственного интеллекта, зависит от степени участия искусственного интеллекта в творческом процессе. До тех пор, пока развитие технологий не достигнет такого уровня, что искусственный интеллект сможет быть полностью автономным и создавать произведения самостоятельно, нет необходимости вносить изменения в существующую систему авторского права. По мнению автора, искусственный интеллект следует рассматривать исключительно в качестве инструмента при создании объекта авторских прав, а признание искусственного интеллекта в качестве субъекта правовых отношений является преждевременным. Предоставление авторства произведения тому, кто сделал возможным его создание благодаря искусственному интеллекту, представляется наиболее логичным подходом, требующим отражение в действующем законодательстве.

Проблема и цель. Актуальная и не до конца решенная проблема сохранения культурного наследия и языкового разнообразия в мире может получить дополнительные способы решения с помощью современных технологий, в частности активно осваиваемых возможностей искусственного интеллекта. Цель статьи - анализ полученных к настоящему моменту данных о возможности сохранения языкового разнообразия с помощью искусственного интеллекта и предварительная оценка их эффективности с учетом тенденций к языковым трансформациям, влияющим на само развитие искусственного интеллекта. Методология. Исследование носит обзорно-аналитический характер и направлено на изучение имеющихся в научной литературе данных о возможностях искусственного интеллекта в деле сохранения языкового разнообразия и существующих ограничениях в случае его применения к редким и исчезающим языкам.

Результаты. Поиск информации по заявленной проблеме показал, что обращение к технологиям искусственного интеллекта как инструменту, способному реализовать задачу сохранения языкового разнообразия, пока остается предметом дискуссии преимущественно в медийной и общественной сферах и крайне скупо представлено в академических научных кругах. В числе вызовов, не связанных напрямую с потенциальными возможностями искусственного интеллекта, упоминается языковая пристрастность многих систем самого искусственного интеллекта, которая коренится в данных используемых для их обучения, что может способствовать дальнейшему закреплению социального и языкового неравенства отдельных этнических групп и создавать сложности в построении образовательных моделей для обучения этим языкам с помощью искусственного интеллекта. Авторами отмечается, что системы искусственного интеллекта могут быть обучены распознавать и анализировать лингвистические паттерны языков, которые были недостаточно изучены или находятся под угрозой исчезновения, в том числе строить образовательные модели на родном языке для малочисленных этнических групп, рискующих утратить язык общения.

Проблема и цель. Авторы исследуют проблему повышения коммуникативной культуры будущих экономистов в условиях цифровой трансформации и взаимодействия с системами искусственного интеллекта. Цель статьи - выявить роль педагога-продюсера в организации педагогического взаимодействия в системе экономического образования (школа - вуз), а также оценить функции педагогического продюсирования, необходимые для повышения уровня коммуникативной культуры будущих экономистов в эпоху цифровизации. Методология. В качестве методологической основы исследования используется принцип Парето: 20 % педагогических ресурсов обеспечивают 80 % образовательного результата. В ходе исследования выполнен социологический опрос студентов и преподавателей Финансового университета при Правительстве РФ, Астраханского государственного университета, Государственного социально-гуманитарного университета (г. Коломна), школьников профильных классов (г. Омск).

Результаты. Результаты анализа эмпирических данных демонстрируют актуальность роли педагога-продюсера в системе экономического образования в эпоху цифровизации, а также позитивное отношение молодого поколения к перспективам внедрения искусственного интеллекта. Выделены функции педагогического продюсирования с учетом цифровой специфики современного экономического образования. Использование принципа Парето подтверждает, что владение функциями педагогического продюсирования (информационная, коммуникативная, организаторская) в системе экономического образования, составляющими около 20 % компонентного состава педагогических функций, определяет 80 % образовательного результата в части повышения уровня коммуникативной культуры будущих экономистов в условиях цифровизации.

Заключение. В заключении на основе анализа результатов исследования обобщаются функции педагогического продюсирования с учетом цифровой специфики современного экономического образования.

Под нормотворческой деятельностью понимается деятельность уполномоченных государственных органов и должностных лиц по разработке, рассмотрению, принятию и опубликованию нормативных правовых актов. Нормотворчество - фундамент правовой системы, от качества которого зависит стабильное функционирование всех институтов общества. Современные технологии открывают уникальную возможность вывести нормотворческую деятельность на новый уровень. В статье анализируются перспективы внедрения инструментов искусственного интеллекта в нормотворческую деятельность. Рассматриваются перспективы применения ИИ на стадиях планирования нормотворческой деятельности, подготовки проекта нормативного акта, проведения экспертизы, обсуждения и согласования проекта, принятия нормативного акта, опубликования принятого акта. Исследуются возможные риски внедрения искусственного интеллекта в нормотворческую деятельность: риски, связанные с ошибками в работе алгоритмов искусственного интеллекта, предвзятость искусственного интеллекта, недостаточная прозрачность и объяснимость результатов, получаемых с использованием технологий искусственного интеллекта, утрата практических навыков и компетенций специалистами-юристами. Предлагаются механизмы минимизации существующих рисков. В заключение автор приходит к выводу, что при совокупности определенных условий позитивный потенциал искусственного интеллекта в нормотворчестве может быть успешно реализован.

Развитие цифровой экономики способствует удовлетворению потребностей общества и государства в обеспечении законности и правопорядка посредством использования цифровых технологий для создания и реализации норм трудового права. В статье проведен анализ семантического значения понятия «машиночитаемое и машиноисполняемое трудовое право», проблем и перспектив его развития. При этом особое внимание обращается на такие понятия, как искусственный интеллект, электронный документооборот в сфере трудовых отношений. Автор статьи отмечает, что трудовое законодательство содержит недостатки в сфере понятийного аппарата, а также иные дефекты, например: недостатки, противоречия, несовершенство трудоправовых норм и трудоправовых конструкций, которые приводят к проблемам правоприменения, нарушению трудовых прав и законных интересов субъектов трудовых и иных непосредственно связанных с ними отношений.

Значимость и пользу искусственного интеллекта обсуждают в последние годы и в доктрине, и на практике. В рамках настоящей статьи будут рассмотрены проблемы, которые могут возникнуть при использовании искусственного интеллекта в предпринимательских отношениях. Одна из них - сокращение штата и численности персонала в связи с автоматизацией отдельных процессов. Следующая проблема носит доктринальный характер. Она заключается в отсутствии четкой законодательной базы, которая бы разграничивала автоматизацию отдельных процессов хозяйственной деятельности и работу искусственного интеллекта. Далее в статье рассматривается искусственный интеллект как некий инструмент управления предприятием и предпринимательскими рисками. В заключение автор предлагает внести изменения в законодательство, связанное с использованием искусственного интеллекта.

В статье рассматривается возможность использования генеративных систем искусственного интеллекта для создания юридических текстов и поддержки юридической деятельности.

Проведено экспериментальное исследование на основе систем ChatGPT и YandexGPT.

Представлены новые метрики оценки качества сгенерированных юридических текстов, которые существенно отличаются от традиционных методов оценки текстов.

Основное внимание уделяется содержательным аспектам юридических документов и их пригодности для практического применения.

Результаты исследования показывают, что современные ИИ-системы способны генерировать тексты, которые могут быть полезны в юридической практике, хотя и требуют доработки.