Logical-probabilistic machine learning (LPML) is an AI method able to explicitly work with a priori knowledge represented in data models. This feature significantly complements traditional deep learning knowledge acquiring. Object ontologies are a promising example of such a priori models. They are an expanded logical analog of object oriented programming models. While forming the core of the bSystem platform, object ontologies allow solving the applied problems of high complexity, in particular, in the field of management. The combination of LPML and object ontologies is capable of solving the forecasting problems, the tasks of automated control, problem detection, decision making, and business process synthesis. The proximity of object ontologies to the LPML formalism due to the same semantic modeling background makes it possible to integrate them within a single hybrid formal system, which is presented in this paper. In the paper we introduce the approach to integration of these two formalisms and provide some algorithmic basis for the implementation of the resulting hybrid formalism on the bSystem platform.
Использование искусственного интеллекта и цифровых технологий расширяет возможности искусствоведов и реставраторов, предлагая новые подходы к сохранению объектов культурного наследия и работе с ними. В статье представлен обзор мирового опыта применения цифровых решений для выполнения сложных реставрационных задач, связанных с восстановлением, идентификацией и реконструкцией произведений искусства и архитектуры. Особое внимание уделено проектам, получившим широкую известность за пределами реставрационной сферы. Среди них реконструкции фрагментов «Ночного дозора» Рембрандта, цифровая реконструкция фрагментов «Тайной вечери» Леонардо да Винчи и восстановление цветов «Факультетских картин» Густава Климта. В этих проектах алгоритмы искусственного интеллекта представили итоговое изображение утраченных элементов, которые были весьма близки к достоверным.
Упомянут такой проект, как «Следующий Рембрандт», который продемонстрировал широкой публике способность искусственного интеллекта к глубокому анализу авторского стиля и его интерпретации. Раскрыт принцип применения нейросетей в реставрационной практике для обнаружения ранних изображений, скрытых под более поздними красочными наслоениями на примере исследования створок Гентского алтаря братьев ван Эйк. Также рассмотрены проекты британского стартапа Oxia Palus, совмещающие в себе способности нейросетей к анализу авторского стиля и обнаружению оригинального изображения под слоями краски, на примере картин Пабло Пикассо и Винсента Ван Гога.
В статье подчеркивается важность междисциплинарного подхода, объединяющего искусствоведов, археологов и инженеров, как в проекте RePAIR, направленном на воссоздание артефактов из древних Помпей. Представлен пример успешного применения технологий 3D-сканирования в археологических исследованиях, таких как цифровые реконструкции памятников архитектуры в Пальмире и Мосуле.
Продемонстрированы такие значимые успехи в расшифровке античных текстов, как исследование свитков из Геркуланума с использованием томографического сканирования и алгоритмов машинного обучения. Помимо этого, высказываются предположения о возможностях в области сохранения культурного наследия, которые способны обеспечить дальнейшее совершенствование и интеграцию алгоритмов в реставрационные процессы.
В работе описывается метод построения графа знаний по телекоммуникационным данным на основе проприетарных и эталонных моделей, используемых в области телекоммуникаций. В качестве эталонных рассматриваются модели, входящие в фреймворк, разработанный консорциумом TM Forum. Граф знаний проприетарных моделей предлагается строить с помощью автоматизированной обработки лог-файлов автотестов и таблиц БД биллинговой системы. Актуальность применения графов знаний обусловлена их структурированностью и семантичностью, а также возможностью последующего применения алгоритмов машинного обучения для генерации рекомендаций по оптимизации телекоммуникационных процессов и систем. Предложено применение метода на основе подхода многошагового рассуждения для создания интерпретируемых рекомендаций по восстановлению отсутствующих связей, путём их прогнозирования в проприетарном графе знаний. Предложенный метод рассматривает многошаговое рассуждение как задачу ответа на вопрос с использованием обработки естественного языка. Применение разработанного решения на основе нейросетевой архитектуры трансформера обеспечило интерпретируемые результаты с сохранением значений метрик, по сравнению с аналогами.
В статье представлены результаты социологического исследования, цель которого - выявить социально ориентированные маркеры необходимости регулирования искусственного интеллекта (ИИ) в профессиональной среде. Гипотеза исследования заключается в том, что осознание необходимости регулирования ИИ внутри профессионального сообщества позволяет говорить о необходимости регулирования ИИ со стороны общества в целом и социальных наук в частности. В заключении сделан вывод о том, что только комплексный подход, основанный на экспертном мнении профессионалов, позволит сделать регулирование объективным, непредвзятым и прозрачным для всех сторон.
В статье исследуется влияние предварительного использования фильтра Калмана на качество обучения автоэнкодеров при обработке изображений с коррелированным шумом. Цель исследования заключается в сравнении эффективности применения фильтра Калмана с традиционными методами фильтрации, такими как медианный фильтр и фильтр Гаусса, в контексте предварительной обработки изображений. Для эксперимента использовались изображения с искусственно добавленным коррелированным шумом.
Методология включала настройку параметров фильтра Калмана для оптимального удаления коррелированного шума, а также применение медианного и Гауссового фильтров для сравнительного анализа. Оценка качества фильтрации проводилась с использованием индекса структурного сходства (SSIM) и пикового соотношения сигнал/шум (PSNR). Результаты эксперимента показывают, что фильтр Калмана значительно снижает уровень коррелированного шума, улучшая качество изображений и повышая точность обучения автоэнкодеров. Это подтверждает эффективность применения фильтра Калмана для предварительной обработки изображений и обеспечивает более чистые данные для последующих этапов машинного обучения. Результаты исследования подчеркивают важность выбора подходящих методов цифровой фильтрации шума для повышения производительности нейронных сетей.
Современные требования к специалистам из сферы здравоохранения давно вышли за рамки непосредственно медицины. Использование современных технических средств приводит к ситуации, когда медик должен максимально быстро адаптироваться к условиям развития информационных технологий. Необходимость помимо профессиональной деятельности развиваться в смежных областях, получение опыта в таких направлениях, как информационные технологии или телемедицина [1, с. 68], приводят к постоянному повышению когнитивной нагрузки, вследствие чего снижается качество и оперативность принимаемых врачебных решений.
В рамках данной статьи будет рассмотрена проблема визуального анализа медицинских данных, а также предложены решения для снижения когнитивной нагрузки аналитика при проведении первичной обработки и анализа слабоструктурированных медицинских данных. Для решения поставленных задач предложен метод визуализации медицинских данных, предназначенный для снижения когнитивной нагрузки и, как следствие, рисков профессионального выгорания у медиков.
Представленный в статье программный модуль получен в рамках этапа разработки программного комплекса, необходимого для решения задачи повышения качества и оперативности принятия медицинских решений.
В работе рассматриваются вопросы разработки информационной системы для тренинга самопознания. Определены средства разработки, требования к ним, разработаны основные компоненты системы, получены тестовые результаты.
В статье рассматривается проблема прогнозирования деятельности агента исходя из текстового описания задачи и визуального анализа среды. Предложено обновление подходов классической когнитивной архитектуры, позволяющее применять её в реальной среде. Разработано дополнение семиотического метода символьного обозначения авторским нейросетевым механизмом связывания векторов текстового и визуального пространств. Проведен ряд экспериментов с полученной моделью в комплексной среде эмулятора вождения автомобиля.
Приведены условия, необходимые для функционирования искусственного интеллекта. Определены основные правила успешного ведения образовательной деятельности. Приведены группы математических методов интеллектуального анализа данных. Показана эффективность применения современных методов Data Mining, Big Data и Learning Analytics в сфере образования. Выделены основные типы исследовательских вопросов для анализа и улучшения образовательных технологий с использованием Learning Analytics. Предложен принцип накопительного измерения для оценки условия соответствия, определяющего пропускную способность алгоритмов нейросети и влияющего на успешность обучения. Выделено направление использования искусственного интеллекта при формировании адаптивной среды обучения, предназначенной для конкретного индивидуума с учетом его когнитивных особенностей. Показана возможность использования нейросети для анализа эмоционального состояния учащихся, а также настройки учебной среды в соответствии с этим состоянием. По аналогии с упрощенной блок-схемой обучения нейронной сети разработана модель адаптивного обучения на основе технологий искусственного интеллекта. При адаптивном обучении с учетом индивидуальных когнитивных способностей обучаемого система обрабатывает процесс получения знаний в виде анализа его достижений, ошибок, физического, эмоционального состояний и других параметров. В результате собранной и обобщенной информации дорабатывается программа, адаптированная под ученика, при этом происходит постоянное самообучение и усовершенствование самой системы. Обоснованы актуальность и перспективы дальнейшего внедрения нейронных сетей в образовательный процесс в целом, и в педагогическое образование в частности, позволяющие обеспечить индивидуальную траекторию обучения по каждому предмету для каждого ученика с учетом его возможностей и способностей.
В настоящем исследовании рассматриваются вопросы разработки и апробации интеллектуальных систем управления (ИСУ), нацеленных на повышение производительности различных технологических процессов. Актуальность данной темы обусловлена стремительным развитием информационных технологий и возрастающей потребностью в оптимизации производственных циклов для достижения максимальной эффективности и конкурентоспособности предприятий. Цель работы заключается в исследовании потенциала применения ИСУ для усовершенствования технологических процессов и разработке практических рекомендаций по их внедрению. Материалы и методы исследования включают в себя анализ существующих подходов к проектированию ИСУ, моделирование различных сценариев их функционирования, а также проведение экспериментов на реальных производственных объектах. В частности, были изучены такие методы, как нейронные сети, нечеткая логика, генетические алгоритмы и машинное обучение. Для апробации разработанных ИСУ были выбраны три предприятия различных отраслей промышленности: металлургический завод, нефтеперерабатывающий комплекс и фармацевтическая компания. Результаты исследования показали, что внедрение ИСУ позволяет значительно повысить производительность технологических процессов. Так, на металлургическом заводе удалось сократить время плавки стали на 12%, а расход энергоресурсов – на 8%. На нефтеперерабатывающем комплексе оптимизация работы установки каталитического крекинга привела к увеличению выхода светлых нефтепродуктов на 5,6%. В фармацевтической компании применение ИСУ для управления процессом синтеза активных веществ позволило на 20% снизить количество бракованной продукции и на 15% сократить время производственного цикла. Полученные результаты демонстрируют высокую эффективность использования интеллектуальных систем управления для оптимизации технологических процессов и открывают широкие перспективы для их дальнейшего применения в различных отраслях промышленности.