SCI Библиотека

Искусственный интеллект сегодня можно назвать одним из самых обсуждаемых явлений. Между тем, границы этого термина чрезвычайно широки и размыты. Подобной размытости во многом способствует разноплановое прочтение понятия в медиа. Медиа формируют амбивалентное и неустойчивое отношение к явлению в восприятии аудитории. В связи с этим представляется важным определить ассоциативное поле термина, существующее к настоящему моменту времени в восприятии студентов-журналистов, которые транслируют и будут транслировать собственные ассоциации потребителям медиаконтента. Задача исследования - конкретизация особенностей ассоциативного поля термина «искусственный интеллект», сформированного у студентов-журналистов российских вузов. В нашем исследовании на основе анализа результатов ассоциативного теста, пройденного 380 студентами, обучающимися на направлениях «Журналистика», «Телевидение», «Медиакоммуникации» и «Реклама и связи с общественностью» в трех вузах страны (МГУ имени М.В. Ломоносова, ДВФУ и ТГУ имени Г.Р. Державина) мы определяем ассоциативное поле термина. Хронологические рамка исследования - декабрь 2023 г. Ассоциации фиксируются на основе следующих вопросов: «С каким словом у вас ассоциируется «искусственный интеллект?», «С каким животным у вас ассоциируется «искусственный интеллект?», «С каким растением у вас ассоциируется «искусственный интеллект?», «С каким цветом у вас ассоциируется «искусственный интеллект?», «С какой страной у вас ассоциируется «искусственный интеллект?», «С какой эмоцией у вас ассоциируется «искусственный интеллект?», «С какой известной личностью у вас ассоциируется «искусственный интеллект?», «Если бы у вас была возможность дать искусственному интеллекту имя, то какое вы выбрали бы?». Выявляются ассоциации, характерные для студентов всех трех вузов, а также осуществляется попытка выявить различия в формировании ассоциативного поля студентов разных вузов.

В мире, который становится все более цифровым, с одной стороны, стремительное развитие технологий глубокого синтеза искусственного интеллекта облегчило жизнь, а с другой стороны, неправильное его использование может привести к огромным рискам и существенному вреду. Это может нанести ущерб личным и имущественным правам, таким как портретные права и репутация отдельных лиц и компаний. Это также может представлять огромную угрозу общественному порядку, национальной политической
стабильности и безопасности. В этой связи особую актуальность приобретает вопрос о
закреплении услуг глубокого синтеза на законодательном уровне.

Надежность летательных аппаратов обеспечивается наносимыми на них различными функциональными покрытиями. Показатели качества покрытий обусловлены возможностями системы управления технологическим комплексом их напыления. Система управления эффективна, если при большом числе входных параметров она принимает оптимальное технологическое решение для достижения заданных значений показателей качества покрытия. Предложено использование нечеткой логики в системе управления технологическим комплексом напыления лакокрасочных покрытий. С помощью пакета Fuzzy Logic Toolbox программы MATLAB проведен анализ базирующейся на нечеткой логике системы управления технологической операцией нанесения распыляемой композиции на покрываемую поверхность. Показано, что использование нечеткой логики как элемента искусственного интеллекта, эффективно в системе управления технологическим процессом напыления.

Цель работы: на основе результатов сравнительного научного анализа выработка предложений по совершенствованию правового регулирования деятельности систем искусственного интеллекта (далее — ИИ).

Методы исследования: общенаучные методы сравнительного системного анализа и синтеза новых правовых норм, позволяющие совершенствовать законодательство в сфере правового регулирования деятельности систем ИИ.

Результаты исследования: автором предлагается концепция разработки проекта нормативного правового акта в исследуемой сфере в виде федерального закона. Прежде всего, в этом законодательном акте необходимо дать правильные с научной правовой точки зрения определения ИИ, системы и технологии ИИ, а также урегулировать ответственность разработчика, производителя, собственника и пользователя систем ИИ за правонарушения с их участием. Третий раздел необходимо посвятить этапам жизнедея-тельности ИИ, от проектирования и создания до прекращения функционирования и утилизации. Четвертый раздел должен регулировать авторские права на произведения, созданные с помощью ИИ, и последствия их использования. Пятый раздел должен быть
направлен на решение проблем в сети Интернет, где в последнее время резко увеличи-вается применение всевозможных роботов-консультантов. Шестой раздел должен регулировать деятельность систем ИИ в сфере цифровой экономики. Седьмой раздел — это правовое регулирование использования систем ИИ в государственном управлении; это касается органов государственной власти, судов и органов местного самоуправления. Восьмой раздел должен быть посвящен соблюдению требований безопасности, прежде всего информационной. И, наконец, девятый раздел содержит предложения по внесению изменений и дополнений в законодательные акты Российской Федерации.

Научная новизна: впервые в науке информационного права на основе проведенного научного анализа правового регулирования отношений в сфере деятельности систем ИИ разработаны предложения по совершенствованию и развитию правового регулирования деятельности систем ИИ.

В статье рассмотрены сквозные технологии и их развитие в России в период перехода к 4IR. Дана краткая характеристика этих технологий. Особое внимание уделено технологиям, позволяющим обеспечить кибербезопасность в финансовых организациях – технологии блокчейн; рассмотрены ее сильные и слабые стороны, приведен механизм функционирования. Даны кейсы реализации технологии блокчейн в финансовых организациях в России.

Основная проблема использования стандартных методов оптимизации заключается в необходимости изменять все параметры шагами одинакового размера, независимо от поведения градиента. Более эффективный способ оптимизации нейронной сети состоит в том, чтобы установить адаптивные размеры шага для каждого параметра. Стандартные методы основаны на квадратных корнях экспоненциальных оценок моментов квадратов прошлых градиентов и не используют локальное изменение градиентов. В работе представлены методы адаптивной невыпуклой и доверительной оптимизации с положительно-отрицательной оценкой моментов с соответствующими теоретическими гарантиями сходимости. Данные подходы позволяют более точно сходиться функции потери в области глобального минимума за меньшее количество итераций. Использование преобразований положительно-отрицательной оценки момента и дополнительного параметра, регулирующего размер шага, позволяют обходить локальные экстремумы для достижения более высокой производительности по сравнению с аналогичными методами. Внедрение разработанных алгоритмов в процесс обучения различных архитектур мультимодальных нейросетевых систем анализа гетерогенных данных позволило повысить точность распознавания пигментных новообразований кожи на 2,33 – 5,69 процентных пункта по сравнению с известными методами оптимизации. Мультимодальные нейросетевые системы анализа разнородных дерматологических данных, обученные с применением предложенных алгоритмов оптимизации, могут использоваться в качестве инструмента вспомогательной медицинской диагностики, который позволит сократить потребление финансовых и трудовых ресурсов, задействованных в медицинской отрасли, а также повысить шанс раннего выявления пигментных онкопатологий.

В статье анализируются особенности применения и новые возможности, предоставляемые
современными стратостатными системами Swifty, SuperBIT, ASTHROS.

В данной статье рассматривается актуальная и важная проблема сферы здравоохранения – использование искусственного интеллекта (ИИ) в медицинской практике и связанные с этим потенциальные юридические вопросы и ответственность врачей. Анализируются теоретические и практические аспекты применения ИИ в медицинской диагностике, лечении и принятии решений.

Статья рассматривает риски, связанные с возможными ошибками ИИ в медицинской практике, выявляет преимущества и ограничения использования ИИ в медицине. Освещает проблемы по принятию медицинских решений с участием ИИ, которые могут принести как вред, так и пользу. Обсуждается, какие меры могут быть приняты для минимизации этих рисков и меры по скорейшему внедрению ИИ в медицинскую практику.

Эта статья представляет интерес для специалистов в области медицины, права и информационных технологий, а также для всех, кто интересуется вопросами взаимодействия медицины и искусственного интеллекта и их юридической стороной.

Представлено описание разработанной системы интеллектуальной поддержки принятия решений на основе сверточной нейронной сети для диагностики пневмонии. Показано, что разработка системы интеллектуальной поддержки принятия решения для диагностики пневмонии на основе анализа медицинских данных пациентов позволит снизить риски ошибочной диагностики и улучшить эффективность лечения. Представлена информационная модель системы интеллектуальной поддержки принятия решения для диагностики пневмонии. Входная информация для системы являются медицинские снимки легких, полученные при помощи различных методов исследования. Язык программирования Python. Библиотека Keras выбрана в качестве основного фреймворка для разработки сверточной нейронной сети. Библиотека TensorFlow выбрана в качестве
основной библиотеки низкого уровня для работы с нейронными сетями. Библиотека NumPy выбрана в качестве основной библиотеки для работы с многомерными массивами данных. Библиотека Pandas выбрана в качестве основной библиотеки для работы с данными, такими как метаданные пациентов и результаты диагностики.

Среда разработки Jupyter Notebook. Создана модель нейронной сети, в качестве архитектуры выбрана сверточная нейронная сеть. Описан подбор параметров нейронной сети. Показано, что при реализации свёрточной нейронной сети, стоящей в основе системы поддержки принятия решений для диагностики заболеваний пневмонией было получено 1 246 401 параметр, 1 245 313 из которых являются обучаемыми. Результаты тестирования показали точность предсказаний в 92%.

В статье объектом исследования является процесс создания музыки композитором с использованием нейросети. Характер этого процесса не предопределен и допускает вариации в широких пределах. Вместе с тем изучение музыкального материала позволяет сделать вывод о возможных способах взаимодействия с нейросетями, к которым обращаются композиторы. Предмет исследования — способы взаимодействия композитора и искусственного интеллекта, включая авторские права на создаваемую музыку. Цель исследования заключается в изучении различных вариантов полного цикла производства музыкального произведения, созданного композитором с помощью
нейросети. Проблема исследования связана с необходимостью классификации, разработки терминологии музыкальных произведений, сгенерированных нейросетью по заданию композитора. Материалом для статьи стали произведения современных композиторов, использующих нейросети в своем творчестве, а также исследования в области музыкальной нейронауки. Предложено несколько вариантов решения проблемы авторства сгенерированного произведения. Делается вывод о том, что использование композиторами нейросетей при сочинении музыкальных произведений, не исключает, а дополняет традиционные подходы к созданию музыки.