Искусственный интеллект и его влияние на технологии и общество
Дата: 19/05/2020
Тема: Реформы и диалог с обществом


О.Л.Фиговский, ак.Европейской Академии Наук, президент ИАИ, гл.редактор журнала ICMS; Л.Н.Ясницкий, д.т.н., профессор Пермского ГНИУ

В статье описываются возможные успешные перспективы внедрения технологий искусственного интеллекта в жизнь человеческого социума, социальные и экономические прогнозы эффективности искусственного интеллекта в социуме. Основное внимание уделяется оценке влияния искусственного интеллекта на трудовую занятость членов общества.



В статье описываются прогнозы Всемирного банка о влиянии искусственного интеллекта на социум в будущем, приводятся наиболее яркие достижения крупных компаний в сфере искусственного интеллекта за последние годы, наряду с достижения крупных компаний приводятся успешно реализованные проекты в области искусственного интеллекта, связанные с нейросетевыми технологиями и разработанные в последние годы.


Социальные и экономические прогнозы искусственного интеллекта

За последнее время искусственный интеллект (ИИ) развивается так быстро, что теперь не проходит и месяца без сообщений о прорывах в сфере ИИ. В самых разных областях человеческой деятельности компьютер все чаще начинает превосходить человека. И все чаще говорится о том, как ИИ повлияет на занятость людей. Не только дремучие обыватели, но и многомудрые эксперты опасаются, что по мере развития искусственного интеллекта людям будет оставаться все меньше работы, а значит, будет расти количество безработных, которые экономически не смогут конкурировать с машинами [1]. При вступлении человечества в индустриальную эпоху уже возникало множество опасений из-за того, что машины оставят человека без работы, но этого, как показала история, не произошло.

Аналогичным образом ИИ создаст миллионы рабочих мест, которые намного превзойдут наши представления. Например, ИИ станет экспертом в области языкового перевода, и вместе с этим вырастет спрос на переводчиков. Почему? Если стоимость обычного перевода упадёт почти до нуля, упадёт и стоимость ведения бизнеса с теми, кто говорит на других языках. Таким образом, предприниматели будут расширять бизнес за границей, создавая больше работы для людей-переводчиков. ИИ может делать простую работу, но для тонкой работы нужны люди.

Более того, появление и распространение ИИ обещает более быстрый рост числа рабочих мест во многих профессиях, которые, казалось бы, мог заменить ИИ: бухгалтеров, судмедэкспертов, геологов, технических переводчиков, веб-разработчиков, медсестёр и других представителей клиентов. Эти области будут нанимать новых людей не вопреки ИИ, а, благодаря ему [1].

Так что на сегодня, по мнению аналитиков Всемирного банка, подготовивших доклад о мировом развитии «Изменение характера труда», страхи перед ИИ беспочвенны, а бояться роботов – плохая стратегия [2].

«Машины отберут у нас работу». Люди страшатся этого не одну сотню лет, говорится в докладе Всемирного банка. По крайней мере, с тех пор, как в начале XVIII века было переведено на промышленные рельсы ткачество. Это позволило поднять производительность, но, в то же время, породило опасения, что тысячи работников окажутся на улице. Инновации и технический прогресс нарушили прежний порядок вещей, но тех, чьё благосостояние от этого выросло, оказалось больше, чем проигравших. Однако сегодня, когда инновации внедряются все быстрее, а технологии влияют на все стороны нашей жизни, вновь нарастает ощущение неопределённости.

Мы знаем, что роботы берут на себя выполнение тысяч рутинных операций и могут вытеснить множество низкоквалифицированных рабочих мест в развитых и развивающихся странах. Одновременно с этим передовые технологии открывают новые возможности, создавая условия для появления новых рабочих мест и преобразования существующих, наращивая производительность и повышая эффективность предоставления общественных услуг. Думая о масштабах проблем, которые предстоит решить, чтобы подготовиться к будущему миру труда, важно понимать, что многим из нынешних учеников начальных школ предстоит, когда они вырастут, работать по специальностям, которых сегодня даже не существует.

Именно поэтому в докладе Всемирного банка подчёркивается основополагающая роль человеческого капитала в решении этой проблемы – проблемы, которая по самой сути своей не допускает простых решений. Многие специальности уже сегодня требуют, а ещё больше специальностей потребуют в ближайшем будущем комплекса особых навыков – владения технологиями, умения решать проблемы, критического мышления, равно как и навыков межличностного общения, таких, как упорство, готовность к сотрудничеству и умение сопереживать [2].

Уходят в прошлое времена, когда десятилетиями можно было работать по одной и той же специальности или в одной и той же компании. В условиях «экономики свободного заработка» работникам на протяжении их трудовой жизни придётся заниматься самыми разными «подработками», а это значит, что в течение всей жизни им придётся учиться.

Темпы внедрения инноваций будут и далее нарастать, и развивающимся странам для обеспечения своей конкурентоспособности в экономике будущего необходимо будет действовать быстро [1]. Чтобы использовать преимущества новых технологий и смягчать наиболее острые из порождаемых ими проблем, им придётся «с ощущением совершенной неотложности» осуществлять инвестиции в своих граждан – прежде всего, в образование и здравоохранение, которые являются краеугольным камнем человеческого капитала. Но сегодня огромное число стран таких критически важных капиталовложений не осуществляют.

В докладе Всемирного банка отмечается, что в мировой истории ещё не было периода, когда человечество не испытывало бы страха перед тем, куда его может завести способность придумывать нечто новое [1]. В XIX веке Карл Маркс указывал, что «машина действует не только как могущественный конкурент, постоянно готовый сделать наёмного рабочего «избыточным». Она становится самым мощным боевым орудием для подавления стачек». Джон Мейнард Кейнс в 1930 году предупреждал о том, что технологии влекут за собой массовую безработицу.

По данным последнего обследования «Евробарометра», три четверти граждан Европейского Союза, который по образу жизни является мировой сверхдержавой, уверены, что для их рабочих мест новые технологии являются благом. Две трети утверждают, что новые технологии благотворно влияют на общество и ещё больше улучшают качество жизни [2].

Несмотря на этот оптимизм, тревоги по поводу будущего сохраняются. Жителей развитых стран беспокоит масштабное воздействие новых технологий на занятость. Они считают, что рост неравенства, усугубляющийся формированием «экономики свободного заработка» (в рамках которой организации заключают краткосрочные трудовые договоры с самостоятельно занятыми работниками), способствует неуклонному ухудшению условий труда.

Роботы пока не отнимают работу у людей. В развитых странах количество рабочих мест в промышленности действительно сокращается, зато в странах Восточной Азии растёт, так что общие цифры остаются прежними. Рабочие места перераспределяются, а не исчезают, сообщает MIT Technology Review.


Наиболее яркие достижения в сфере искусственного интеллекта

Немного успокоив читателей по части конфликта интересов человека и ИИ на поляне работодателей, можно перейти к демонстрации достижений человека в деле создания ИИ.

Начать, пожалуй, стоит с последних, наиболее ярких, достижений разработчиков и создателей искусственного интеллекта.

Медицинская помощь. В апреле 2018 года Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США разрешило продажу первого ИИ, который диагностирует проблемы со здоровьем в клиниках первичной медицинской помощи без специального наблюдения. Программа, которая проверяет изображения глаз на наличие признаков потери зрения, связанной с диабетом, может быть крайне полезна для людей в отдалённых районах или районах с ограниченными ресурсами, где не хватает офтальмологов. Другие программы искусственного интеллекта учатся распознавать самые разные проблемы со здоровьем – от возрастной потери зрения до нарушений в работе сердца.

Картографирование луны. Искусственный интеллект изучил треть поверхности Луны, чтобы научиться распознавать кратеры. Затем ИИ тренировался находить кратеры на другой трети поверхности Луны: он обнаружил 92 процента уже известных кратеров, а также около 6000 точечных пятен, которые пропустили люди. Если эту программу сфокусировать на каменистых планетах и ледяных лунах, она может дать новое представление об истории Солнечной системы.

Предсказание землетрясений. Искусственный интеллект, который предсказывает, где потенциально могут произойти подземные толчки, может помочь людям в районах повышенного риска эффективнее подготовиться к опасным сейсмическим событиям. Программа, которая изучала характеристики более 130000 землетрясений и повторных толчков, научилась предсказывать места повторных толчков гораздо точнее традиционных методов.

Инструмент для дезинформации. Конечно, умный ИИ не всегда хорошая новость. Один ИИ, появившийся недавно, генерирует реалистичные фальшивые видеоматериалы, заставляя объект одного видео отражать движения и эмоции другого человека в другом видео. В чужих руках этот ИИ мог бы стать мощным инструментом распространения дезинформации.

Фотографирование мегафауны. Автоматические камеры-ловушки, которые фотографируют животных в их естественной среде обитания, могут помочь исследователям и специалистам по охране природы отслеживать поведение животных. Эти системы наблюдения за дикой природой делают больше фотографий, чем способен любой человек во время наблюдения. Искусственный интеллект научился распознавать дикую природу, изучив почти полтора миллиона изображений с ручной маркировкой, собранных научным проектом Snapshot Serengeti. Этот

алгоритм фиксирует количество, вид и активность животных на каждом новом изображении.

Быстрая навигация. Разработка искусственного интеллекта для имитации активности в определённых областях мозга может помочь учёным лучше понять, как работает наш разум. ИИ c виртуальными версиями нейронов решётки нашёл наиболее краткий путь в виртуальном лабиринте быстрее, чем ИИ без нейронов решётки. Быстрая навигация ИИ, оснащённого нейронами решётки, предполагает, что в мозге млекопитающих эти клетки делают нечто большее, чем активация в ответ на пересечение животным воображаемой координатной сетки в пространстве. Нейроны решётки также помогают нам составить кратчайший путь к месту назначения.

Прогнозирование эффективности лекарств. Новый искусственный интеллект позволяет конкурирующим фармацевтическим компаниям обмениваться информацией, не раскрывая секретов. Эта безопасная система может побудить фармацевтические компании объединять свои ресурсы, создавая большие библиотеки обучающих данных для создания более интеллектуального ИИ. Программисты использовали систему для обучения ИИ, который предсказывает, с какими белками определённые лекарства будут взаимодействовать в организме человека. Искусственный интеллект также может использовать эту систему для анализа конфиденциальных медицинских записей в больницах, для разработки планов лечения пациентов и составления прогнозов.

Анализ разнородных сигналов. Люди естественным образом умеют игнорировать второстепенную болтовню, чтобы сосредоточиться на том, что говорит один человек. Компьютерам сложно это делать. Но теперь искусственный интеллект анализирует как звуковые, так и визуальные сигналы, например, движения губ, чтобы определить, что говорят конкретные люди в шумных видеороликах. Такой проницательный ИИ может писать более точные подписи к видео и приводить в действие мощных виртуальных помощников, которые лучше понимают голосовые команды в шумной среде.

У ИИ и роботов были как победы, так и поражения. Машины лучше человека сдали экзамен на понимание текста, значительно улучшили свою краткосрочную память и научились более ловко прыгать через препятствия. В то же время у ИИ нашлись и новые ограничения: оказалось, что алгоритмы не слишком хорошо работают в команде, уступая в этом умении людям.

Приведем конкретные результаты искусственного интеллекта.

 Стартап UiPath – разработчик решений для роботизации бизнес-процессов (Robotic Process Automation, RPA) привлёк $  120 млн инвестиций. Капитализация компании превысила $  1 млрд. Программные роботы, или, как их называют, цифровые работники – один из главных технологических трендов 2018 года. Deloitte прогнозирует: в ближайшие два года количество проектов в области роботизации увеличится на 70%. Такой спрос объясняется тем, что RPA можно внедрить за несколько месяцев, окупаются они за полгода и не требуют глубокой интеграции. Роботы экономят миллионы часов рабочего времени: наполняют клиентскую базу, обрабатывают несложные финансовые транзакции или отвечают на простые запросы в техническую поддержку. Например, «Альфа-банк» доверил роботам обработку платежей, разбор внутренней почты, изменение данных клиента и правки кредитных договоров по заявлениям. Компания планирует экономить на этих процессах по 85 млн. рублей в год. При этом RPA становятся в разы производительнее, если дополнить их технологиями интеллектуальной обработки информации. С помощью таких решений роботы уже определяют тип документа или анализируют смысл текста, извлекают из него важные факты и отправляют их в различные информационные системы. Такие навыки делают роботов полноценными цифровыми помощниками бизнеса.

Microsoft организовала комитет по этике ИИ. Вслед за ней подобные подразделения создали и другие корпорации — Facebook, Google и SAP. Игрокам есть чего бояться. ИИ не только кардинально меняет нашу жизнь, но и привносит в неё новые вызовы. Вместе с автоматизацией появляется риск, что часть людей потеряет рабочие места. ИИ даёт огромное конкурентное преимущество крупному бизнесу, а это, в свою очередь, может усилить экономическое неравенство. ИИ зависит от качества и количества данных, которые используются для обучения. Их недостаток приводит к ошибкам или даже предвзятости в работе технологий. Известны примеры, когда роботы-рекрутеры принимали на работу только мужчин, отказывали в кредите людям определённой национальности или даже видели в них потенциальных преступников. В постановке медицинских диагнозов ИИ сегодня тоже недостаточно точен: по некоторым оценкам, машина не ошибается только в 60% случаев. Люди не могут во всем доверять ИИ, и для спорных ситуаций корпорациям и государствам нужно выработать общие принципы взаимодействия с технологиями: не нарушать права человека, повышать прозрачность работы ИИ, соблюдать стандарты безопасности, защищать персональные данные и не вредить.

ИИ победил катастрофическую забывчивость. Аналитики Gartner опубликовали исследование: к концу 2018 года прибыль компаний от ИИ достигла $  1,2 трлн, что на 70% больше, чем в прошлом году. А в ближайшие три года ежегодный рост доходов от ИИ составит 60%. Увеличивается количество сценариев применения технологий, это заметно и по российскому рынку. За этот год ABBYY реализовала ряд крупных проектов с применением интеллектуальных технологий. Наиболее активны были заказчики в банках, нефтегазе и энергетике, появилось больше проектов в промышленности. Банк ВТБ роботизировал открытие счета для юридических лиц, а НПО «Энергомаш», крупнейший производитель ракетных двигателей, использует ИИ для интеллектуального поиска по нескольким миллионам внутренних документов компании.

ИИ научился распознавать объекты на фоне среды. Новая нейросеть отделяет распознанные объекты от окружающей их виртуальной среды, чтобы затем «представить» их в другой обстановке. Условный кактус в пустыне она распознает и в комнатном горшке. Система понимает, как объект выглядит под другим углом и освещением. Это ещё одна попытка преодолеть проблему ИИ – катастрофическую забывчивость. Традиционные нейросети не способны последовательно учиться новому и не забывать при этом старое. Подобные технологии будут особенно полезны в работе с изображениями: например, позволят лучше распознавать лица людей с разными причёсками или цветом глаз.

Google запустила поиск по открытым датасетам. В выдаче Dataset Search указывается информация о ресурсе, на котором опубликован набор данных, авторы, лицензия, дата обновления, описание и доступные для скачивания форматы. Тематика наборов не ограничена. Конечно, это не первая подобная инициатива: порталы с открытыми данными есть у многих городов, государственных и научных организаций. Но возможность искать такие наборы и найти нужный может упростить жизнь разработчикам технологий. Данные, особенно по специфической отраслевой теме, стоят дорого, их сложно раздобыть, к тому же они быстро устаревают. Возможность использовать открытые датасеты позволит удешевить и ускорить разработку технологий, особенно если речь идёт о стартапе.

Команда ботов OpenAI впервые проиграла людям в чемпионате по Dota 2, что удивительно, ведь в последнее время алгоритмы все чаще побеждают человека в различных играх: Jeopardy, шахматы и го. А ещё год назад алгоритм, созданный компанией Open AI, выиграл у человека в ту же Dota 2 один на один. Относительно недавнее сражение года показало, что машины по-настоящему сильны в индивидуальном зачёте, а вот работа в команде, коммуникация, распределение обязанностей и работа в изменчивых условиях – не самые сильные стороны ИИ. С одной стороны, это яркий пример того, какие профессиональные навыки будут востребованы у людей в ближайшем будущем. С другой стороны, индивидуализм характерен для человека, а это значит, что технологии больше становятся похожими на нас самих.

Человекоподобные роботы Boston Dynamics научились бегать и перепрыгивать через препятствия. Теперь они обрабатывают видео в реальном времени, а специальная программа помогает балансировать конечностям и торсу машины. За последние пять лет робот научился ходить по снегу, стоять на одной ноге и делать сальто. ИИ помогает роботам лучше ориентироваться в пространстве и работать в необычных, иногда даже экстремальных ситуациях. В ближайшие несколько лет подобных роботов будут активно использовать в условиях, где человеку опасно находиться: при производстве автомобилей, в металлургии и химической промышленности, а ещё для спасения людей при чрезвычайных ситуациях.

ИИ научился прогнозировать болезнь Альцгеймера на ранних стадиях: распознавать изменения в участках нервной ткани, вызванные обменом веществ в определённых отделах мозга. В отличие от томографии, ИИ способен определить симптомы заболевания на шесть лет раньше. С его помощью у врачей появится возможность замедлять или вообще останавливать деменцию.


Некоторые российские достижения в технологиях искусственного интеллекта

Похоже, искусственный интеллект еще много чем снабдит человека.

Сегодня во многих областях деятельности человека широко применяется новый метод математического моделирования, основанный на нейронных сетях. При этом частично вытесняется классический метод математического моделирования, основанный на решении краевых задач математической физики.

Говоря о важности классического (старого) метода математического моделирования в нашей жизни, отметим, что в настоящее время он являлся и является одним из самых эффективных методов получения научных знаний. Методом математического моделирования рассчитываются, проектируются, оптимизируются новые инженерные и строительные конструкции, делается прогноз погоды, предсказываются стихийные бедствия, выполняются экономические прогнозы, на основе которых строится экономическая политика отдельных фирм и целых государств.

До появления нейронных сетей и нейрокомпьютеров математические модели традиционно строились с использованием фундаментальных законов природы, таких как законы сохранения массы, энергии, количества движения и др. Эти законы записывались в виде алгебраических, либо дифференциальных и интегральных уравнений, к которым добавлялись уравнения, отражающие закономерности конкретных предметных областей. Для получения результата приходилось разрабатывать и применять алгоритмы совместного решения всех этих уравнений, составляющих математическую модель исследуемой предметной области.

Нейроинформационные технологии открыли иной подход к самой методике построения компьютерных математических моделей. Появилась возможность, не задумываясь над законами физики, химии, биологии, медицины, общественного развития и т.д., исходя из одного только эмпирического опыта, представленного обучающими примерами, строить компьютерные математические модели, которые сами извлекают эти законы и позволяют их эффективно использовать для решения широкого круга практических задач. Появился новый инструмент извлечения знаний из данных, позволяющий заново открывать фундаментальные законы природы, выявлять ранее неизвестные зависимости и использовать их для решения конкретных практических задач. Нейронные сети стали одним из наиболее эффективным инструментом интеллектуального анализа данных.

Уже радикально изменились учебные программы вузов. Исчезли из учебных программ, либо сократилось в объеме изучение многих специальных разделов математики, необходимых для подготовки специалистов по методу классического математического моделирования. Вместо них: «Нейронные сети», Методы искусственного интеллекта», «Интеллектуальные информационные системы», «Интеллектуальный анализ данных» и т.д.

По нашему мнению, в ближайшие десять лет:

1. Реально создание интеллектуальных медико-диагностических систем, превосходящих по точности постановки диагнозов естественных врачей. Реально выявление с помощью интеллектуальных систем новых неизвестных ранее медицинских знаний и использование этих знаний для улучшения качества медицинской практики.ваний сердца.

2. Реально создание интеллектуальных систем диагностики сложных технических устройств, превосходящих по своим возможностям и точности известные инженерные методики. Их внедрение в инженерную практику позволит повысить надежность технических устройств и, таким образом, способствовать решению проблемы снижения техногенных аварий и катастроф – актуальной проблемы XXI в.

Опыт разработки нейросетевых систем диагностики авиационных двигателей показал [5], что интеллектуальные системы позволяют выявлять такие дефекты, которые обычными инженерными методами выявлены быть не могут.

3. Реально создание интеллектуальных систем, способных получать точные аналитические решения краевых задач математической, что позволит преодолеть современный кризис прикладной математики [6]. Реально внедрение таких интеллектуальных систем в инженерную практику, что также будет способствовать снижению числа техногенных аварий и катастроф.

С сайта http://www.permai.ru/ можно обратиться к демонстрационному прототипу интеллектуальной системы «Искусственный математик», способной получать точные аналитические решения краевых задач теории упругости, теплопроводности, термоупругости и др.

4. Реально создание интеллектуальных систем, прогнозирующих экономическое состояние предприятий, позволяющих разрабатывать рекомендации по оптимизации их деятельности.

В работе [7] описан опыт создания нейросетевой системы прогнозирования вероятности банкротства российских банков. Помимо прогнозов система позволяет получать полезные рекомендации по предотвращению банкротства конкретных банков.

5. Реально создание интеллектуальных систем, предназначенных для прогнозирования развития политических событий и влияния на эти события.

В [8] описан случай успешного прогнозирования победы Д.Медведева на президентских выборах 2008 года, выполненного за полтора года до этих выборов. Там же (См. также [9]) приведены подтвердившиеся впоследствии результаты прогнозирования рейтингов известных политических деятелей, а также рекомендации по улучшению этих рейтингов.

6. Реально создание и применение интеллектуальных систем в области криминалистики.

В работе [10] описан опыт создания нейросетевого детектора лжи, значительно превосходящего известные штатные аналоги по точности заключений.

В работе [11] изложен опыт создания интеллектуальной системы, предназначенной для изучения личности и выявления серийных убийц. Программа, оценивающая склонность человека к насилию.

7. Реально создание интеллектуальных систем, предназначенных для прогнозирования результатов спортивных состязаний и для оптимизации программы подготовки спортсменов с целью получения ими наивысших спортивных результатов.

В практике нейронные сети уже применялись для прогнозирования результатов олимпийских игр 2014 года [12], чемпионата мира по легкой атлетике 2015 года [13], чемпионата Европы по футболу 2016 года [12], а также при разработки рекомендаций для известных спортсменов: фигуриста Е.Плющенко [12], спортсменов-бегунов [13].

8. Реально создание и широкое применение интеллектуальных систем в психологии.

Заметим, что опыт применения нейросетевых технологий для создания интеллектуальных систем, выявляющих способности и предрасположенности человека, оказался весьма успешным. Так, в работе [15] описана интеллектуальная система, выявляющая способность человека к руководящей деятельности, в [16] – к научной деятельности, в [17] – к бизнесу. В [18] описана интеллектуальная система, способная прогнозировать степень успешности будущей карьеры студентов вуза, что позволяет оптимальным способом подбирать траектории их обучения. В [19] приведен опыт создания системы, определяющей предрасположенность подростков к наркотической зависимости, а также позволяющей получать индивидуальные рекомендации по снижению такой зависимости. В [11] – предрасположенность человека к насилию. Имеются программы, оценивающие предрасположенность человека к суициду, алкоголизму, анорексии и др. Помимо количественной оценки способностей, склонностей и предрасположенностей людей с помощью этих программ можно получать полезные рекомендации по их развитию, или наоборот – нивелированию.


Заключение

Следует отметить, что, не смотря на радужные перспективы развития искусственного интеллекта, обусловленные результатами современных исследований, его внедрение в жизнь социума предполагает решение довольно непростых организационных задач. По мнению авторов, решение этих задач должно, прежде всего, опираться на первоначальное внедрение ИИ в те сферы промышленности, где труд без использования методов ИИ влечет большой риск здоровью человека и где невозможно решение производственных задач без ИИ. Если для густонаселенных государств внедрение в жизнь социума ИИ не имеет возражений, то для стран с малой плотностью населения и огромными расстояниями между населенными пунктами повсеместное использование ИИ представляется проблематичным.

Источники

1.                  Фиговский О., Гумаров В. Инновационные системы: достижения и проблемы. Germany. Lambert AP,  2018. 456 c.

2.                  Фиговский О., Гумаров В. Инновационные системы: перспективы и прогнозы. Germany. Lambert AP,  2019. 530 c.

3.                  Ясницкий Л.Н., Думлер А.А., Богданов К.В., Полещук А.Н., Черепанов Ф.М., Макурина Т.В., Чугайнов С.В. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей // Медицинская техника. 2013. № 3. с. 42-44.

4.                  Черепанов Ф.М. Методы повышения эффективности нейросетевых рекомендательных систем в условиях ограниченных объемов выборок со сложными корреляционными связями (на примере диагностики и прогнозирования сердечно-сосудистых заболеваний человека). Диссертация на соиск. уч. ст. канд. техн. наук. Пермь, 2019. URL: http://pstu.ru/files/2/file/adm/dissertacii/cherepanov/maket_itog.pdf

5.                  Конев С.В., Сичинава З.И. Ясницкий Л.Н. Применение нейросетевых технологий для диагностики неисправностей авиационных двигателей. Вестник Пермского университета. Серия: Математика. Механика. Информати-ка. 2005. № 2. С. 43-47.

6.                  Гладкий С.Л., Степанов Н.А., Ясницкий Л.Н. Интеллектуальное моделирование физических проблем. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2006. 200 с.

7.                  Ясницкий Л.Н., Иванов Д.В., Липатова Е.В. Нейросетевая система оценки вероятности банкротства банков // Бизнес-информатика. 2014. № 3. С. 49-56.

8.                  Ясницкий Л.Н. Интеллектуальные информационные технологии и систе-мы. Пермь: Пермский государственный университет, 2007. 271с.

9.                  Ясницкий Л.Н. О возможностях применения методов искусственного интеллекта в политологии // Вестник Пермского университета. Серия: Политология. 2008. № 2. С. 147–155

10.              Ясницкий Л.Н., Петров А.М., Сичинава З.И. Технологии построения детектора лжи на основе аппарата искусственных нейронных сетей // Информационные технологии. – 2010. – № 11. – С. 66-70.

11.              Ясницкий Л.Н., Ваулева С.В., Сафонова Д.Н., Черепанов Ф.М. Использование методов искусственного интеллекта в изучении личности серийных убийц // Криминологический журнал Байкальского государственного университета экономики и права. 2015. Т.9, №3. С. 423-430. DOI: 10.17150/1996-7756.2015.9(3).C. 423-430.

12.              Ясницкий Л.Н., Внукова О.В., Черепанов Ф.М. Прогноз результатов олимпиады-2014 в мужском одиночном фигурном катании методами искусственного интеллекта // Современные проблемы науки и образования. – 2014. – № 1; URL: http://www.science-education.ru/115-11339.

13.              Ясницкий Л.Н., Киросова А.В., Ратегова А.В., Черепанов Ф.М. Методика прогнозирования результатов спортивных состязаний на примере чемпионата мира-2015 по легкой атлетике // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2014. № 3. С. 90-97.

14.              Ясницкий Л.Н., Абрамова Ю.С., Бабушкина С.Д. Возможности получения рекомендаций по улучшению результативности сборных команд, готовящихся к участию в чемпионате Европы по футболу Евро-2016 методом нейросетевого моделирования // Вестник спортивной науки. 2015. № 5. С. 15-20. URL: https://elibrary.ru/download/elibrary_26644435_18785989.pdf.

15.              Ясницкий Л.Н., Михалева Ю.А., Черепанов Ф.М. Возможности методов искусственного интеллекта для выявления и использования новых знаний на примере задачи управления персоналом // International Journal of Unconventional Science. Журнал Формирующихся Направлений Науки. 2014. Вып. 6; URL: http://www.unconv-science.org/n6/yasnitsky/

16.              Ясницкий Л.Н. Интеллектуальные системы : учебник. М.: Лаборатория знаний, 2016. 221 с. URL: https://cloud.mail.ru/public/5H3z/4LxCpisxw.

17.              Ясницкий Л.Н., Порошина А.М., Тавафиев А.Ф. Нейросетевые технологии как инструмент для прогнозирования успешности предпринимательской деятельности // Российское предпринимательство. 2010. № 4(2). С. 8 – 13.

18.              Ясницкий Л.Н., Кузнецов А.Г., Селезнева С.М., Солохина А.Д., Тюлькина Д.В., Черепанов Ф.М. Применение нейросетевых технологий в изучении акмеологического потенциала студентов вуза // Вестник Пермского уни-верситета. Серия: Математика. Механика. Информатика. 2014. № 4. С.120-126.

19.              Ясницкий Л.Н., Грацилев В.И., Куляшова Ю.С., Черепанов Ф.М. Возможности моделирования предрасположенности к наркозависимости методами искусственного интеллекта. Вестник Пермского университета. Се-рия: Философия. Психология. Социология. 2015. № 1(21). С.61-71.







Это статья PRoAtom
http://www.proatom.ru

URL этой статьи:
http://www.proatom.ru/modules.php?name=News&file=article&sid=9175