Ключевое слово: «машинное обучение»

В статье рассматривается роль искусственного интеллекта и влияние процесса автоматизации в юридической сфере. Описаны преимущества, перспективы и вызовы при использовании технологий искусственного интеллекта в деятельности юриста.

Интеграция технологий искусственного интеллекта (ИИ) в сферу образования становится объектом увеличивающегося интереса и актуальности. Настоящая научная статья предоставляет обширное исследование применения ИИ в образовании, глубоко анализируя его многогранный влияние на различные аспекты образовательной среды. Целью данной работы является представление оригинального анализа с соблюдением этических норм написания для предотвращения любых опасений в отношении плагиата.

Рассмотрены особенности и проблемы, возникающие при создании центра климатических испытаний, разработки и сертификации новых цифровых технологий в области энергетики и транспорта в Республике Саха (Якутия). Низкие экономическая эффективность и безопасность строительства в области криолитозоны, транспортная доступность региона, недостаток квалифицированных кадров, высокая значимость тепловой энергетики, суровые климатические условия проживания населения повышают риски инвестиций в производство промышленной продукции в регионе. Создание задела в области цифровых технологий обеспечивает положительный прогноз устойчивого социального развития региона, его энергообеспечения и энергоэффективности, снижения экологических рисков. Показаны перспективы применения полученного задела в области численного моделирования и машинного обучения для построения постиндустриального общества в экстремальных климатических условиях Арктики и Субарктики.

В статье рассматривается использование нейросетей в среднем профессиональном образовании (СПО) в России, подчеркивая как их положительные, так и отрицательные этические аспекты. Искусственные нейронные сети, имитирующие работу человеческого мозга, открывают новые возможности для повышения качества обучения, автоматизации рутинных задач и индивидуализации образовательного контента. Они способствуют более глубокому усвоению знаний, расширяют доступ к образованию, особенно в отдаленных регионах, и позволяют преподавателям лучше поддерживать студентов. Статья предлагает рекомендации по этичному использованию нейросетей, включая прозрачность, защиту данных, справедливость, ответственность и обучение участников образовательного процесса. В заключение подчеркивается необходимость сбалансированного подхода к внедрению технологий, который учитывал бы как их потенциал, так и возможные негативные последствия для образовательной среды.

В связи с введением в учебные планы медицинских вузов дисциплины «Введение в современные информационные и интеллектуальные технологии», включающей раздел по изучению основных принципов и алгоритмов машинного обучения и искусственного интеллекта (далее – ИИ), возникает необходимость разработки соответствующего методического обеспечения. Актуальность темы исследования обусловлена тем, что студенты-медики в подавляющем большинстве не обладают необходимыми знаниями в области математики и программирования, являющимися теоретической основой современных интеллектуальных технологий, что может привести в их дальнейшей профессиональной деятельности к неверной интерпретации полученных с помощью ИИ результатов; поэтому при разработке методических материалов следует учитывать специфику данной категории обучающихся. Целью статьи является описание предлагаемого авторами подхода по реализации компьютерных экспериментов в лабораторном практикуме вышеуказанной дисциплины, позволяющих студентам более глубоко понять суть изучаемых методов машинного обучения и условий их применения. В качестве методов исследования выступили: методы классификации, применяемые в машинном обучении, методы планирования эксперимента, а также двухфакторный дисперсионный анализ, используемый в качестве доказательной базы эффективности предлагаемого подхода. Базу для проведения опытно-экспериментальных работ составил учебный контингент Медицинского института Мордовского университета. Результатом является разработанный авторами подход к выполнению лабораторных работ студентами медицинских специальностей вузов. Данный подход включает: изучение основных математических формул, лежащих в основе того или иного метода машинного обучения, выполнение несложных вычислительных примеров на небольшом объеме данных, изучение основных функций языка Python для реализации конкретной практической задачи, проведение компьютерных экспериментов для более углубленного изучения выбранной математической модели и повышения ее точности. Эффективность предложенного подхода была подтверждена результатами проведенного авторами педагогического эксперимента. Теоретическая значимость работы состоит в обобщении и систематизации материалов по данной теме, полученные результаты дополняют имеющиеся научные и педагогические разработки, углубляя понимание процессов, связанных с данной темой, и могут быть использованы в дальнейших исследованиях. Практическая значимость заключается в том, что представленный подход может быть использован в качестве основы при разработке методических материалов по разделу «Технологии машинного обучения и искусственного интеллекта в здравоохранении».