Архив статей журнала
На данный момент актуальность вопросов управления беспилотными летательными аппаратами сложно переоценить – от них зависит не только промышленное и технологическое развитие страны, но и ее безопасность. Обзор литературных источников по данной тематике направлен на рассмотрение современных подходов к разработке алгоритмов управления беспилотными летательными аппаратами и обусловлен необходимостью систематизации наработок в данной области. В контексте данной проблемы затронута история развития беспилотными летательными аппаратами, выделены наиболее значительные ее моменты. Кратко рассмотрены возможности применения в различных отраслях промышленности. Данные литературных источников показывают, что за последнее время произошло смещение интересов от теоретического программирования до вопросов их практического применения в военных целях. Мы ограничились анализом литературных данных за последние 20 лет, в которых освещены вопросы разработки алгоритмов адаптивных систем управления, затронули теоретически вопросы и некоторые аспекты применения нечеткой логики искусственного интеллекта при разработке алгоритмов управления беспилотными летательными аппаратами в условиях неопределенности. Сделаны выводы, что нечеткая логика существенно превосходит по улучшению управления аппаратами, а в сочетании с самообучаемыми нейросетями широко применяется для управления беспилотными летательными аппаратами, в том числе для управления группой объектов. Преодоление всех существующих проблем данных подходов находится в стадии разработки: появляются новые пути решения, математические модели и алгоритмы работы. Современные адаптивные системы управления значительно повышают точность и надежность управления летательными аппаратами в динамически изменяющихся условиях полета. Интеграция машинного обучения и нечеткой логики в системы управления позволяет оптимизировать реакцию летательного аппарата на неопределенные внешние воздействия (изменение погодных условий, технические неисправности, изменения аэродинамических характеристик, воздействие враждебных средств противодействия). Для экспериментального подтверждения различных гипотез широко применяют методы компьютерного моделирования, например, для имитации различных условий полета, проверки адаптивности системы управления. При этом используют математические методы анализа.
В статье рассматривается подход к выявлению противоречий между нормативными документами на естественном языке с использованием методов искусственного интеллекта. Внедрение «умных» стандартов, которые позволяют машинам автоматически понимать и применять нормативные требования, является важным этапом цифровой трансформации, однако на практике интеграция таких стандартов с традиционными нормативными документами неизбежна. При этом наличие противоречий между разными стандартами существенно усложняет их автоматическое применение и вызывает сбои в работе информационных систем. Автором предлагается новый подход к автоматизированному выявлению потенциальных противоречий, основанный на кластеризации текстовых данных с последующим анализом дисперсии эмбеддингов нормативных положений. Используется модель больших языковых эмбеддингов «text-embedding-ada-002», что позволяет преобразовать тексты в семантические векторные представления. Далее применяются методы кластеризации и количественный анализ внутрикластерной дисперсии, а также метрика оптимального транспорта (Earth Mover’s Distance) для оценки различий между группами нормативных положений. Проведённые эксперименты на синтетических данных показали, что предложенный подход способен выявлять более 70% искусственно внесённых противоречий, однако выявлено значительное количество ложноположительных результатов, обусловленных влиянием различий в структуре и мета-данных документов. Полученные предварительные результаты демонстрируют возможность автоматизированного выделения областей потенциальных противоречий для последующего экспертного анализа. Практическая значимость работы заключается в создании программного решения, позволяющего автоматизировать поиск противоречий в больших массивах нормативной документации и обеспечить корректность взаимодействия как между системами, так и между человеком и машиной. Материалы статьи будут полезны разработчикам интеллектуальных систем автоматизации нормативной документации и специалистам, занимающимся цифровой трансформацией в сфере стандартизации.
В статье рассматривается проблема оптимизации производительности систем искусственного интеллекта в реальном времени. Предложена гибридная архитектура мониторинга, сочетающая традиционные методы с машинным обучением. Проведено экспериментальное исследование, показавшее повышение производительности на 25-30% и снижение затрат на инфраструктуру на 25%. Результаты могут применяться для масштабирования существующих ИИ-систем.
Приведены сведения о содействии проектам развития интеллектуальной экономики, оснащенной Искусственными Интеллектами. Статья призвана способствовать вдохновению к инвестированию в исследования и приложения Искусственного Интеллекта. Актуализирована диалектика явления «Искусственный интеллект и антропоморфизм», введен и обоснован постулат «Искусственный Интеллект – участник духовного производства». Предпринята презентация терминов «Интеллект – роботизированные производства», «Антропоморфизм психотипов искусственного интеллекта», «Психотип искусственного интеллекта».
Предложен гибридный подход по распознаванию действий человека-оператора в коллаборативных роботизированных средах, сочетающий методы компьютерного зрения и большие языковые модели. Разработана модифицированная метрика WSAA, позволяющая оценивать полученные результаты с учетом точности и адаптивности модели. Наилучшие результаты показала модель Llama3.2-Vision, продемонстрировав высокую точность распознавания и устойчивость к изменениям в условиях окружающей среды. Предложенный подход может быть применен для повышения эффективности взаимодействия человека и робота в промышленных условиях.