«Пора подумать, - Морж сказал, - О множестве вещей»

Л. Кэролл «Алиса в Зазеркалье»

 

 Последние десятилетие наше публикационное пространство заполнено работами об Искусственном интеллекте (ИИ). Это и публикации только для того, чтобы была публикация для учета публикационной активности, якобы на данную тему, это и действительно интересные работы, направленные на исследование информационных технологий, направленных на поддержку человеческой деятельности, как на замену рутинных операций роботизированными приборами (интернет вещей), так и введения автоматизированных интеллектуальных элементов в управленческие процессы, включая развитие технологий беспилотного вождения автомобилей, ведения военных операций, включая полеты ракет, и прочее.

  Развитие вычислительной техники, позволяет оперировать большими массивами информации, перейти к технологиям «больших данных», облачным технологиям хранения.

Технологии искусственного интеллекта в РФ и мире

  С момента создания первого электромеханического устройства Аланом Тьюрингом в 1940 г. и до сегодняшних дней одной из основных задач, точнее мечтой, стало желание «научить компьютер думать, как человек» «Первые программы искусственного интеллекта заработали в Великобритании в 1951–1952 гг. в Манчестере и Кембридже. Отчасти это было связано с тем, что первые электронные компьютеры с хранимой в памяти программой появились именно в этой стране, отчасти — с влиянием Тьюринга на первое поколение программистов. Даже в США Logic Theorist была не первой успешно запущенной программой ИИ. Программа игры в шашки за авторством Артура Сэмюэла впервые была выполнена в конце 1952 года на IBM 701, первом компьютере IBM с хранимой в памяти программой. В 1955 году Сэмюэл добавил в программу функцию обучения. С 1980-х годов эта мечта стала основной парадигмой концепция «искусственного интеллекта» [1].

  В России актуальность темы разработки и внедрения систем искусственного интеллекта определена государственной программой «Цифровая экономика Российской Федерации», которая утверждена распоряжением Правительства РФ (28.07.2017 г. № 1632-р) [2]. Программа направлена на повышение эффективности и создание необходимых условий во всех сферах социально-экономической деятельности. Вопросы искусственного интеллекта (ИИ) приобрели государственный статус в связи с принятием Национальной стратегии развития искусственного интеллекта на период до 2030 г., утвержденной Указом президента РФ от 10 октября 2019 года № 490 «О развитии искусственного интеллекта в Российской Федерации» [3].

 Разработка теоретических, методологических и методических аспектов междисциплинарной проблематики искусственного интеллекта имеет стратегическое значение, т.к. информационные и когнитивные технологии развиваются в контексте конвергентного развития нанотехнологий, биотехнологий, информационных, когнитивных, социогуманитарных технологий и соответствующих им областей научного знания [4, 5]. В мире наиболее крупными научными и исследовательскими центрами в области изучения и разработки систем искусственного интеллекта являются [6]: Массачусетский технологический институт и Исследовательский институт машинного интеллекта (США), Немецкий исследовательский центр по искусственному интеллекту (Германия), Национальный институт современной промышленной науки и технологии (AIST, Япония). Россия в данном направлении не занимает лидирующих позиций. Однако в начале 2023 года вошла в десятку стран-лидеров по объему совокупных вычислительных мощностей с использованием искусственного интеллекта. Общий уровень внедрения технологий на основе искусственного интеллекта в приоритетных сферах экономики достигает более 31% и, по состоянию на начало 2024 г., различные решения на базе искусственного интеллекта (ИИ) применяют 39% российских компаний [7]. Крупнейшим органом, решающим междисциплинарные проблемы искусственного интеллекта и участвующим в разработке их теоретической базы [4], является Научный совет по методологии искусственного интеллекта и когнитивных исследований Российской академии наук, утвержденный Постановлением Правительства РФ [5]. В той или иной степени, с этим комитетом связаны организации, чьи разработки используются крупными предприятиями и средним бизнесом. Одной из них является компания Яндекс. Ее подразделением (Yandex Data Factory) разработаны программы, управляемые искусственным интеллектом, для оптимизации производства, например, Магнитогорского металлургического комбината, что снижает расход ферросплавов и добавочных материалов при производстве, стали [8]. В рамках стратегии развития ИИ в РФ, которая является основным программным документом, направленным на развитие и внедрение отечественных решений, формирующих внедрение инноваций во все сферы экономической деятельности и повседневной жизни граждан, было создано 12 опорных исследовательских центров по приоритетным направлениям развития [9]. Среди них Сколковский институт науки и технологий, Московский физико-технический институт, Национальный исследовательский ядерный университет «МИФИ» (Московский инженерно-физический институт), Институт системного программирования им. В. П. Иванникова Российской академии наук, ФГБУ «Национальный медицинский исследовательский центр онкологии имени Н. Н. Блохина» Минздрава России, Самарский университет им. академика С. П. Королёва и другие. Важность развития и регулирования данной сферы подтверждается появлением и постоянным уточнением различных отечественных и зарубежных госуд арственных стратегий и правовых актов [10, 11, 12, 13].

О Терминологии

 В самом термине ИИ есть два понятия «искусственный» и «интеллект». В работе [14] Залаев Г.З. и Цветкова В.А. обратили на это внимание. Intelligence (лат. Intellectus) - означает способность к познанию, к решению задач. Таким образом, интеллект — это система умственных операций, направленная на решения широкого круга задач. Уровень интеллекта зависит от практического опыта, от объема знаний, широты эрудиции, от природных способностей. Отметим и такое свойство интеллекта, как его целевая направленность: музыкальный интеллект, математический интеллект, программистский интеллект, гений в физике, скорее всего, обладают слабыми способностями в иных областях знаний, например, в сельском хозяйстве, в футболе.

 Дж. Маккарти, который ввел определение искусственного интеллекта, определил цель ИИ - «Цель ИИ – разработать машины, которые ведут себя так, словно они обладают интеллектом». Вольфганг Эртель в своей книге «Введение в искусственный интеллект» приводит следующее определение искусственного интеллекта. «ИИ – способность цифровых компьютеров или контролируемых роботами компьютеров решать задачи, которые обычно связывают с человеческими более высокими интеллектуальными способностями обработки данных» [15].

 В Википедии [РКН: иностранный владелец ресурса нарушает закон РФ] приводится следующее определение ИИ: Искусственный интеллект (ИИ; англ. artificial intelligence, AI) — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека (не следует путать с искусственным сознанием, ИС) [16]. Согласно толковому словарю по искусственному интеллекту [17] – ИИ представляет собой свойство систем выполнять творческие функции, которые традиционно считаются прерогативой человека. К нему же относится и научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными [18, 19]. ИИ может использовать компьютеры для понимания человеческого интеллекта, но не ограничивается только биологически правдоподобными методами.

 Искусственный интеллект основан, прежде всего, на возможностях компьютера. Задачи, связанные с обработкой больших объемов данных и вычислений, компьютер и, следовательно, искусственный интеллект решают эффективнее человека. Пример, успех шахматных программ.

  Искусственный интеллект — это способность цифрового компьютера или управляя ИИ не имеет отношения к эмоциональной сфере и социально не ориентирован.

  Интеллект человека обусловлен его социальностью, поэтому на мышление всегда влияет социум.

  Интеллект человека обусловлен его социальностью, поэтому на мышление всегда влияет социум. ИИ не имеет отношения к эмоциональной сфере и социально не ориентирован.

   Сравнить мышление человека с искусственным интеллектом можно исходя из нескольких общих параметров организации мозга и машины. Деятельность компьютера, как и мозга, включает четыре этапа: кодирование, хранение, анализ данных и выдачу результата. Кроме того, мозг человека и ИИ могут самообучаться в зависимости от данных, полученных из окружающей среды. Также человеческий мозг и машинный интеллект решают проблемы (или задачи), используя определенные алгоритмы.

  Основой для работы ИИ является массивы цифровых данных: электронные документы, цифровые копии документов. Для этого необходим, во-первых, перевод документальной информации (книги, тексты, архивные документы; аудиовизуальные документы) в цифровую форму, во-вторых, загрузка документальной информации в базы данных, электронные архивы и электронные библиотеки. Это является платформой для работы системы искусственного интеллекта.

  Таким образом, мы опираемся на понятие интеллектуальной системы (intelligent system), под которой понимается техническая или программная система, способная решать задачи, считающиеся творческими, принадлежащими конкретной предметной области, знания о которой хранятся в памяти такой системы [21]. Условно, можем считать, интеллектуальные системы были и остаются как бы первым технологическим шагом на пути создания систем ИИ.

  Машинный анализ и машинное обучение тесно связаны с понятием искусственного интеллекта (ИИ, англ. artificial intelligence, AI), который может использоваться для решения различных задач, Структура интеллектуальной системы включает три основных блока — базу знаний, решатель и интеллектуальный интерфейс, позволяющий вести общение с ЭВМ без специальных программ для ввода данных [19]. Термин «искусственный интеллект» родился в 50-е годы ХХ века и изначально рассматривался как автоматизация умственной деятельности человека [22]. В 1980-х годах начали развиваться экспертные системы, опирающиеся на строгие правила. За выполнением правил следили специалисты, позже они стали частью программного обеспечения для управления. Применение таких систем позволило вывести их из программного кода и представить в виде таблиц, что на сегодняшний день позволяет менять правила без необходимости переписывания всего кода. Таким образом, можно говорить, что экспертные системы были построены на принципах машинного анализа (МА) - процесса исследования данных с помощью математических методов и алгоритмов, с целью обнаружения закономерностей, тенденций и аномалий, включающий в себя методы обработки сигналов и изображений, классификации, регрессии, кластеризации данных и др.

  Основой ИИ является машинное обучение (МО) - (англ. machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение, а за счет обучения через решение множества подобных задач [23]. Они используют инструменты математической статистики, теорию вероятностей, численные методы, математический анализ, методы оптимизации, теории графов и др. [24]. За время развития МО создано множество интеллектуальных систем, автоматизирующих отдельные аспекты человеческой деятельности и предлагающих успешное решение некоторых проблем. Например, уже показаны хорошие результаты в таких областях, как машинный перевод и распознавание речи благодаря современным системам статистического машинного обучения на основе искусственных нейронных сетей [25]. Существуют различные методы МО, основанные как на применении нейросетей, так и на обучающей выборке. Причем необязательно должен быть задействован «учитель» – возможно применение методов «без учителя»: с подкреплением, с самоорганизацией, метода байесовской сети и др. [26, 27, 28] На основании опубликованных материалов типы МО можно разделить на 2 основных:

1. 1. По прецедентам (индуктивное обучение) - основано на выявлении эмпирических закономерностей в данных и являющееся альтернативой классическим статистическим подходам. Такие методы тесно связаны с извлечением информации (англ. Information extraction, Information retrieval) и интеллектуальным анализом данных (англ. data mining)
2. 2. По формализации знаний экспертов (дедуктивное обучение), которое является развитием экспертных систем и предполагает перенос знаний в компьютер в виде базы знаний.

   Несмотря на то, что алгоритмы ИИ (в том числе, машинного обучения и машинного анализа) применяются все в большем количестве сфер, их использование весьма ограничено и имеет узкие области применения, так как общая теория ИИ до конца не разработана [14]. Причем, разработки имеют больше практическое отношение к искусственному интеллекту, нежели фундаментальное. Например, определенные успехи в применении алгоритмов ИИ достигнуты в биоинформатике [29, 30], которая основывается, в том числе, на применении методов машинного обучения, интеллектуального анализа данных, визуализации биологических данных и др. Перспективными являются задачи, направленные на распознавание образов, исследования генома и генетических последовательностей (поиск, анализ, расшифровка), разработку лекарственных средств, выравнивания структуры белка, моделирования эволюции и т.д. Еще одним активно развивающимся направлением является распознавание речи, которое используется в телефонии, в системах «Умный дом», в автомобилестроении, в голосовых системах для получения справочной информации, проведения опросов и т.д. [31, 32, 33] Применение ИИ имеет место быть в технической (например, при оценке технического состояния объекта; прогнозировании остаточного ресурса объекта; мониторинге технического состояния) [34] и медицинской диагностике (повышение точности диагностики, поиск новых способов лечения, диагностика различных заболеваний и т. п.) [35, 36, 37, 38]. То есть, претворяются в «жизнь» и развиваются разработки, основанные на текстовых массивах, на изображениях, звуках и т.д.

ИИ в информационно-библиотечной деятельности

  В сфере информационно-библиотечной деятельности, основу которой составляет обработка документальной информации, на первый взгляд, искусственный интеллект выглядит как инородное тело. Но если посмотреть шире, то можно увидеть, что именно в сфере информационных традиционных и электронных ресурсов актуальными становятся вопросы повышения эффективности поиска информации, сохранности информации, перевода информации с одного естественного языка на другой естественный язык, на язык потребителя информации. В области обработки документальной информации важными применением ИИ являются технологии обработки текста, машинного перевода, обработки изображений и поиск изображений по его фрагментам, распознавания голоса. И, в конечном итоге, проведение информационного поиска в больших массивах данных (Big Data).

  Наиболее активные исследования и практическая реализация охватывают следующие направления:

1. 1. Обработка больших данных – текст, изображения, звук:

• - преобразование в цифровую форму аналоговых документов,
• - формирование баз данных, электронных архивов и библиотек.

2. 2. Систематизация и классификация: использование ИИ для автоматического индексирования и классификации книг и статей на основе содержания ускоряет обработку новых поступлений и делает поиск более точным.
3. 3. Информационный поиск:

• -поиск в массивах больших данных,
• - рекомендательный сервис,
• - системы распознавания изображений на фотодокументах,
• - системы распознавания фрагментов и образов на видеодокументах [39],

- системы распознавания фрагментов звука на фонодокументах.

4. 4. Управление информационными процессами.

• - оптимизация процессов управления фондами: системы ИИ могут отслеживать популярность и актуальность использования материалов, помогая оптимизировать фонды и сокращать затраты на содержание устаревших ресурсов,
• - виртуальные помощники: Чат-боты и голосовые ассистенты на базе ИИ могут отвечать на вопросы пользователей, помогать в поиске информации и предоставлять рекомендации,

- создание инклюзивной среды: ИИ может быть использован для разработки инструментов, обеспечивающих доступ к информации людям с ограниченными возможностями, например, перевод текстов в аудио или автоматическое создание субтитров.

 Активное применение ИИ наблюдается в зоне наукометрии и библиометрии. Наукометрия - научная дисциплина, которая на основе метрических исследований изучает развитие науки как информационного процесса, проявляющего себя через систему научных коммуникаций. В наукометрии исследуется процесс развития науки в целом и ее отдельных направлений, проводится анализ востребованности научных идей, перспективности научных изысканий в конкретной предметной области, на основе измерения плотности. Технологии ИИ позволяют оперативно обрабатывать сверхбольшие объемы данных, выявляет глубинные смысловые связи между исследуемыми объектами и явлениями, помогает находить принципиально новые, более рациональные варианты ответов на вопросы, стоящие перед различными научными направлениями, ускоряет процесс получения научных результатов, приводит к повышению их точности и достоверности. На этой основе ИИ обеспечивает повышение эффективности научных исследований, рост результативности науки, включая ее фундаментальную и прикладную составляющие. На основе измерения плотности взаимосвязей между научными областями выявляются новые перспективные междисциплинарные направления, определяются тенденции и перспективы развития науки.

  Библиометрия исследует количественные показатели информационных потоков, их динамику применительно как к отдельным авторам, так и организациям, странам, регионам.

  В публикации [40] рассмотрены реальные возможности использования технологии ИИ, а именно Chat GPT – Яндекс, которому были заданы вопросы на темы информационно-библиотечной деятельности и получены вполне адекватные ответы. Этот эксперимент подтвердил реальность применения технологических решений ИИ в библиотечно- информационной деятельности. Практика на примере библиотеки в Пущинском научной центре (ЦБП, отдел Библиотеке по естественным наукам РАН) показывает, что подобные возможности используются для повышения уровня доступности информации. Так в рамках национальной подписки пользователи получают доступ к ряду зарубежных ресурсов. Причем, зачастую их объем превышает таковой в обычных институтах. Благодаря возможностям, встроенным в браузер Яндекс, посетители библиотеки решается вопрос с получением достаточно качественных переводов электронных ресурсов и их кратких обзоры информации с любой страницы. Такие возможности полезны для понимания дальнейшей целесообразности изучения найденных данных и их последующей обработки. Эти сервисы могут применяться не только пользователями, но и сотрудниками библиотек или информационных центров при подготовке кратких информационных обзоров в рамках работы по популяризации науки. Использование чат-ботов при подготовке таких материалов позволяет сократить временные затраты для изучения и краткого анализа научных статей и обзоров. При этом возможности нейросети используются только в качестве помощника, т.к. зависят от полноты и точности формулировки запроса к ней, а также ввиду потери некоторых деталей, структуры и логики текста.

Заключение

  Предложенная статья позволяет проследить становление технологий, которые на настоящем этапе идентифицируются под понятием «искусственный интеллект». Эти технологии пронизали практически все сферы общества, включая процессы обработки информации в библиотечной и информационной сферах, медицину и биологию, химию, машиностроение, авиастроение и др. Безусловно, это сложные процессы, связанные не только с трансформацией технологических решений, но и с изменением восприятия человеком формирующегося нового мира. Машины и самолеты, поезда в метро и на железной дороге без водителей (беспилотники) – все это оказывает сильное влияние на сознание человека, его восприятие стремительно меняющегося мира. В этих условиях перед библиотечно-информационным сообществом стоят две сложнейшие задачи: первая - очень быстро трансформировать свои технологические решения в соответствии с новыми направлениями развития информационно-коммуникационных технологий, предлагая пользователям современные информационные продукты и услуги, основанные на использовании технологий ИИ. Вторая задача - просветительская, обучающая - работа с населением, направленная на раскрытие особенностей применения таких технологий и умение пользоваться ими. Их решению способствует целеполагание современной библиотеки, которая не только и не столько место, где можно получить традиционную печатную книгу, это высокотехнологичное подразделение, позволяющие проводить информационные поиски в ресурсах, разбросанных по всему миру.

Список источников

• 1. Алан Тьюринг, отец современного компьютера. Авторы оригинала: B. Jack Copeland, Diane Proudfoot «Alan Turing. Father of the Modern Computer».// URL:// https://habr.com/ru/company/ua-hosting/blog/471308/ (дата обращения: 23.02.2025)

2. Цифровая экономика Российской Федерации. Распоряжение Правительства РФ от 28 июля 2017 г. №1632-р. // URL: http://government.ru/docs/28653/> (дата обращения: 23.02.2025)

3. Указ президента РФ от 10 октября 2019 года № 490 «О развитии искусственного интеллекта в Российской Федерации». URL: https://base.garant.ru/72838946/ (дата обращения: 23.02.2025)

4. Научный совет РАН по методологии искусственного интеллекта и когнитивных исследований (НСМИИ и КИ) // Институт Философии Российской Академии Наук. - URL: https://iphras.ru/ai.htm (дата обращения: 23.02.2025)

5. Постановление президиума РАН "Об утверждении Положения о Научном совете РАН по методологии искусственного интеллекта и когнитивных исследований и его состава (представление Отделения общественных наук)" № 129 от 25.06.2019 // Российская академия наук. - URL: https://new.ras.ru/structures/komitety-sovety-i-komissii/komitety-sovety-i-komissii-pri-prezidiume-ran/sovety/nauchnyy-sovet-ran-po-metodologii-iskusstvennogo-intellekta-i-kognitivnykh-issledovaniy-i-ego-sostav/ (дата обращения: 23.02.2025)

6. Люй Чжии Слабый и сильный искусственный интеллект в управленческих практиках // ВШГА МГУ им. М.В.Ломоносова. - 2022. - URL: https://lomonosov-msu.ru/archive/Lomonosov_2022/data/25924/140447_uid586461_report.pdf (дата обращения: 23.02.2025)

7. Искусственный интеллект (рынок России) // Tadviser Государство. Бизнес. Технологии. - 2024. - URL: https://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D1%8F:%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82_%28%D1%80%D1%8B%D0%BD%D0%BE%D0%BA_%D0%A0%D0%BE%D1%81%D1%81%D0%B8%D0%B8%29 (дата обращения: 23.02.2025)

8. Топ-5 российских производителей искусственного интеллекта // Коммерсантъ. – 2017. – URL: https://www.kommersant.ru/doc/3725822 (дата обращения: 23.02.2025)

9. Искусственный интеллект Российской Федерации. - URL: https://ai.gov.ru/ai/research/ (дата обращения: 23.02.2025)

10. Президиум правкомиссии по цифровому развитию утвердил федеральный проект «Искусственный интеллект» // Экспертный центр электронного государства. - 2020. - URL: https://ai.gov.ru/strategy/federalnyy-proekt-ii/ (дата обращения: 23.02.2025).

11. Указ Президента РФ от 10.10.2019 N 490 (ред. от 15.02.2024) "О развитии искусственного интеллекта в Российской Федерации" (вместе с "Национальной стратегией развития искусственного интеллекта на период до 230 года"). - URL: http://pravo.gov.ru/proxy/ips/?docbody=&firstDoc=1&lastDoc=1&nd=606486617 (дата обращения: 23.02.2025)

12. Распоряжение Правительства РФ от 19.08.2020 N 2129-р «Об утверждении Концепции развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники до 2024 года». - URL: https://economy.gov.ru/material/file/57ff642339b16c479b12030fb5f1b6e3/19082020_2129-p.pdf (дата обращения: 23.02.2025)

13. Европарламент одобрил первый в истории комплексный закон об ИИ. РИА Новости (13 марта 2024). - URL: https://www.vedomosti.ru/technology/news/2024/03/13/1025124-evroparlament-odobril-pervii-zakon-ob-iskusstvennom-intellekte (дата обращения: 23.02.2025)

14. Залаев Г.З., Цветкова В.А. Искусственный интеллект и библиотечно-информационная деятельность: взгляд дилетанта // Формирование профессионала в условиях региона: Материалы XXIII Междунар. науч. конф., г. Тамбов, 27-28 апреля 2021 г. / под ред. проф. В.М.Тютюнника, проф. В.А.Зернова, проф. В.А.Фёдорова. – Тамбов; М.; СПб.; Баку; Вена; Гамбург; Стокгольм; Буаке; Варна; Ташкент: изд-во МИНЦ «Нобелистика», 2021. – С.144-151. – 0,44 печ.л. 

15. Введение в искусственный интеллект / Вольфганг Эртель ; [перевод с англ. А.В. В. Горман]. – Москва:Эксмо, 2019.- 448 с.: ил.

16. Искусственный интеллект // Википедия. URL: https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82 (дата обращения: 25.02.2025)

17. Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту // Российская ассоциация искусственного интеллекта [электронный ресурс]. – 2021. – URL: https://www.raai.org/pages/UGFnZVR5cGU6MTAwMw== (дата обращения: 25.02.2025)

18. Poole D., Mackworth A., Goebel R., Computational Intelligence: A Logical Approach. New York: Oxford University Press 1998 pp. 397–438. - URL https://www.researchgate.net/publication/220689680_Computational_Intelligence_A_Logical_Approach (дата обращения: 25.02.2025)

19. Russell S. J., Norvig P. Artificial Intelligence: A Modern Approach (3 ed.) // Prentice Hall. – 2003. - pp. 649–788. – URL: https://people.engr.tamu.edu/guni/csce421/files/AI_Russell_Norvig.pdf (дата обращения: 25.02.2025)

20. Что такое искусственный интеллект и определение понятия простыми словами. // URL:// https://theoryandpractice.ru/posts/17550-chto-takoe-iskusstvennyy-intellekt-ii-opredelenie-ponyatiya-prostymi-slovami (дата обращения: 30.01.2025)

21 Интеллектуальная система // Википедия. URL: https://ru.wikipedia.org/wiki/%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D0%B0#:~:text=%D0%98%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D1%83%D0%B0%CC%81%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D1%81%D0%B8%D1%81%D1%82%D0%B5%CC%81%D0%BC%D0%B0%20(%D0%98%D0%A1%2C%20%D0%B0%D0%BD%D0%B3%D0%BB.,%D1%85%D1%80%D0%B0%D0%BD%D1%8F%D1%82%D1%81%D1%8F%20%D0%B2%20%D0%BF%D0%B0%D0%BC%D1%8F%D1%82%D0%B8%20%D1%82%D0%B0%D0%BA%D0%BE%D0%B9%20%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B. (дата обращения 25.02.2025)

22. Гершман А. Заблуждения искусственного интеллекта // Postnauka.ru. – 2017. - URL: https://postnauka.org/faq/80051 Дата обращения: 25.02.2025.

23. Michalski R. S., Carbonell J. G., Mitchell T. M. Machine Learning: An Artificial Intelligence Approach // Tioga Publishing Company. 1983. - p.572

24. Что такое машинное обучение? // Amazon Web Services (AWS). - [электронный ресурс]. - URL: https://aws.amazon.com/ru/what-is/machine-learning/ (дата обращения: 25.02.2025)

25. Ян Лекун. Как учится машина. Революция в области нейронных сетей и глубокого обучения. (Библиотека Сбера: Искусственный интеллект). — М.: Альпина нон-фикшн, 2021.

26. Belkin M., Niyogi P. Semi-supervised Learning on Riemannian Manifolds // Machine Learning. — 2004. — Т. 56, № Special Issue on Clustering. — С. 209—239. — doi:10.1023/b:mach.0000033120.25363.1e

27. Triguero I. Self-labeled techniques for semi-supervised learning: taxonomy, software and empirical study // Knowledge and Information Systms : journal. — 2013. - Vol. 42. - №. 2. - p. 245—284. - doi:10.1007/s10115-013-0706-y

28. Van Otterlo M., Wiering, M. Reinforcement learning and Markov decision processes // Reinforcement Learning. Adaptation, Learning, and Optimization. - 2012. - Vol. 12. - P. 3–42. – doi: 10.1007/978-3-642-27645-3_1

29. Hastie, T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. - Springer-Verlag, 2009. — 746 p.

30. Manisekhar S. R., Siddesh G. M., Manvi S. S. Introduction to Bioinformatics // Statistical Modelling and Machine Learning Principles for Bioinformatics Techniques, Tools, and Applications. - 2023. — С.3-9. - URL: https://link.springer.com/content/pdf/10.1007/978-981-15-2445-5.pdf (дата обращения: 25.02.2025)

31. Kaplan A., Haenlein M. Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence // Business Horizons, 2018. – V.62. – №1. – p.15-25. doi: 10.1016/j.bushor.2018.08.004

32. Mehrish A., Majumder N., Bharadwaj R., Mihalcea R, Poria S. A review of deep learning techniques for speech processing // Information Fusion. - 2023. - Volume 99. - Issue C. – p.101869. DOI 10.1016/j.inffus.2023.101869.

33. Vashisht V., Kumar Pandey A., Prakash Yadav S. Speech Recognition using Machine Learning // IEIE Transactions on Smart Processing & Computing. - 2021 Vol.10. - №3. - p. 233-239. doi: 10.5573/IEIESPC.2021.10.3.233

34. Machine Learning’s Potential to Improve Medical Diagnosis // Government Accountability Office. - 2022. - URL: https://www.gao.gov/blog/machine-learnings-potential-improve-medical-diagnosis (дата обращения: 25.02.2025)

35. Yorita A., Kubota N. Cognitive Development in Partner Robots for Information Support to Elderly People // IEEE Transactions on Autonomous Mental Development. – 2011. – Vol. 3. – Iss. 1. – P. 64—73

36. Richens J. G., Lee C. M., Johri S. Improving the accuracy of medical diagnosis with causal machine learning // Nature Communications. – 2020. – V.11. - p.3923. Doi: 10.1038/s41467-020-17419-7

37. Machine Learning’s Potential to Improve Medical Diagnosis // Government Accountability Office. - 2022. - URL: https://www.gao.gov/blog/machine-learnings-potential-improve-medical-diagnosis (дата обращения: 25.02.2025)

38. Жданов А. Е., Долганов А. Ю., Занка Д. Оценка эффективности алгоритма поддержки принятия решения врачом при дистрофии сетчатки с использованием методов машинного обучения // Компьютерная оптика. – 2023. – Т. 47. - № 2. – С. 272-277. – DOI 10.18287/2412-6179-CO-1124.

39. Hastie, T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. - Springer-Verlag, 2009. — 746 p.

40. Родионов И.И., Цветкова В.А., Калашникова Г.В. Перспективы искусственного интеллекта в информационной деятельности — мнение ChatGPT// Научно-техническая информация. Серия 1: Организация и методика информационной работы, – 2025. – № 1. – С. 17-25. DOI 10.36535/0548-0019-2025-01-4

 

Сведения об авторах

Цветкова Валентина Алексеевна – д.т.н., профессор, главный научный сотрудник Всероссийского института научной и технической информации Российской академии наук (ВИНИТИ РАН), профессор Московского института культуры (МГИК)

Митрошин Иван Андреевич – старший научный сотрудник Библиотеки по естественным наукам Российской академии наук (БЕН РАН)

К оглавлению выпуска