Search

Artificial intelligence is a concept in which machines are capable of performing some intellectual activity that is inherent in humans or animals. In other words, this concept includes any device that has the ability to perceive its environment and take actions that increase the chance of successfully achieving goals. However, despite ongoing progress in computer processing speed and memory, there are still no programs that can match human flexibility in broader areas or in tasks that require extensive daily knowledge. On the other hand, some programs have reached the level of productivity of human experts and professionals in performing certain specific tasks, so that artificial intelligence in this limited sense can be found in such diverse applications as medical diagnostics, computer search engines and voice or handwriting recognition. The purpose of this work is, in fact, to determine the positive and negative aspects of the use of artificial intelligence systems in the field of information security. It is determined that such systems have an important role in the current and future data security, as well as a number of shortcomings of such systems for their future consideration. The paper discusses that artificial intelligence was developed by studying how the human brain thinks, learns, and makes decisions, and then applies these biological mechanisms to computers. Unlike classical computing, where encoders provide accurate inputs, outputs, and logic, artificial intelligence is based on giving the machine input and the desired result, allowing the machine to develop its own path to achieve its goal. Artificial intelligence is a technology that transforms all spheres of life. It is a broad tool that allows people to rethink how we integrate information, analyze data, and use the results to improve decision-making. They change the way we look for information, how we communicate with each other, even how we behave. This transformation affects many areas, including education. The main purpose of this article is to review the solution of problems using artificial technologies. In the presented literature review, we considered four categories: individual educational content, innovative teaching methods, advanced assessment technology, communication between student and teacher. Having considered publications on this topic, we present here a possible picture of how artificial intelligence will change the landscape of education. Starting with a brief history of artificial intelligence, this article provides an overview of this technology. Искусственный интеллект - концепция, согласно которой машины способны осуществлять некоторую интеллектуальную деятельность, которая присуща людям или животным. Другими словами, можно сказать, что это понятие включает в себя любое устройство, обладающий способностью воспринимать его окружения и предпринимать действия, увеличивающие шанс на успешное достижение целей. Однако, несмотря на продолжающийся прогресс в скорости компьютерной обработки и объеме памяти, до сих пор нет программ, которые могли бы сравниться с человеческой гибкостью в более широких областях или в задачах, требующих больших повседневных знаний. С другой стороны, некоторые программы достигли уровня производительности человеческих экспертов и профессионалов в выполнении определенных конкретных задач, так что искусственный интеллект в этом ограниченном смысле можно найти в таких разнообразных приложениях, как медицинская диагностика, компьютерные поисковые системы и распознавания голоса или почерка. Целью данной работы является, собственно, определение положительных и отрицательных аспектов применения систем искусственного интеллекта в области безопасности информации. Определено, что такие системы имеют весомую роль в текущем и последующем обеспечении безопасности данных, а также приведен ряд недостатков таких систем для будущего их учета. В статье были рассмотрены то, что искусственный интеллект был разработан путем изучения того, как человеческий мозг думает, учится и принимает решение, а затем применяет эти биологические механизмы к компьютерам. В отличие от классических вычислений, где кодеры обеспечивают точные входы, выходы и логику, искусственный интеллект основан на предоставлении машине входных данных и желаемого результата, позволяя машине развивать свой собственный путь для достижения поставленной цели. Искусственный интеллект - это технология, которая превращает все сферы жизни. Это широкий инструмент, который позволяет людям переосмыслить, как мы интегрируем информацию, анализируем данные и используем полученные результаты для улучшения процесса принятия решений. Они меняют способ, которым мы ищем информацию, как мы общаемся друг с другом, даже если мы ведем себя. Эта трансформация касается многих областей, включая образование. Основной целью данной статьи является обзор решения проблем с помощью искусственных технологий. В представленном обзоре литературы мы рассмотрели четыре категории: индивидуальный образовательный контент, инновационные методы обучения, технология расширенной оценки, коммуникация между студентом и преподавателем. Рассмотрев публикации на эту тему, мы представляем здесь возможную картину того, как искусственный интеллект изменит ландшафт образования. Начиная с краткой истории искусственного интеллекта, в данной статье представлен общий обзор этой технологии. Штучний інтелект – концепція, за якою машини здатні здійснювати деяку інтелектуальну діяльність, що властива людям або тваринам. Іншими словами можна сказати, що це поняття включає в себе будь-який пристрій, який має здатність сприймати його оточення та вживати дій, що збільшують шанс на успішне досягнення цілей. Проте, незважаючи на триваючий прогрес у швидкості комп'ютерної обробки та об'ємі пам'яті, до цих пір немає програм, які могли б зрівнятися з людською гнучкістю в більш широких областях або в завданнях, що вимагають великих повсякденних знань. З іншого боку, деякі програми досягли рівня продуктивності людських експертів і професіоналів у виконанні певних конкретних завдань, так що штучний інтелект в цьому обмеженому сенсі можна знайти в таких різноманітних додатках, як медична діагностика, комп'ютерні пошукові системи і розпізнавання голосу або почерку. Метою даної роботи є, власне, визначення позитивних та негативних аспектів застосування систем штучного інтелекту в галузі безпеки інформації. Визначено, що такі системи мають вагому роль в поточному та подальшому забезпеченні безпеки даних, а також наведено ряд недоліків таких систем для майбутнього їх врахування. У статті було розглянуто те, що штучний інтелект був розроблений шляхом вивчення того, як людський мозок думає, навчається і приймає рішення, а потім застосовує ці біологічні механізми до комп'ютерів. На відміну від класичних обчислень, де кодери забезпечують точні входи, виходи і логіку, штучний інтелект заснований на наданні машині вхідних даних і бажаного результату, дозволяючи машині розвивати свій власний шлях для досягнення поставленої мети. Штучний інтелект – це технологія, яка перетворює всі сфери життя. Це широкий інструмент, який дозволяє людям переосмислити, як ми інтегруємо інформацію, аналізуємо дані та використовуємо отримані результати для покращення процесу прийняття рішень. Вони змінюють спосіб, яким ми шукаємо інформацію, як ми спілкуємося один з одним, навіть як ми поводимося. Ця трансформація стосується багатьох областей, включаючи освіту. Основною метою даної статті є огляд вирішення проблем за допомогою штучних технологій. У представленому огляді літератури ми розглянули чотири категорії: індивідуальний освітній контент, інноваційні методи навчання, технологія розширеної оцінки, комунікація між студентом і викладачем. Розглянувши публікації на цю тему, ми представляємо тут можливу картину того, як штучний інтелект змінить ландшафт освіти. Починаючи з короткої історії штучного інтелекту, в даній статті представлений загальний огляд цієї технології.

Требования законодательства в области промышленной безопасности диктуют необходимость создания и совершенствования систем дистанционного контроля за производственными процессами и состоянием технических устройств на опасных производственных объектах (ОПО), на которых применяются грузоподъемные машины. Целью исследования является разработка Платформы «Crane safety video» и реализующего её программного продукта, основа которого базируется на методике оценивания риска аварии на объекте, с использованием компьютерного зрения и искусственного интеллекта, при том, что оценка риска при эксплуатации опасных объектов осуществляется посредством преобразования фото-/видео-образов, лингвистических критериев диагностики технического состояния устройств, осуществляемых физическими лицами, то есть специалистами, и функциональных индикаторных параметров локальной системы безопасности, полученных от приборов и устройств, которыми оснащен объект, с последующей обработкой результатов методами искусственного интеллекта. В качестве задач, решаемых в статье, выполнен анализ аварийности при эксплуатации грузоподъемных кранов, описана реализация процедуры машинного обучения, что будет служить основой для создания программного продукта. Основным результатом использования предлагаемого продукта – Платформы «Crane safety video» является снижение аварийности и травматизма при эксплуатации опасного производственного объекта, что является следствием увеличения достоверности параметров непосредственного управления объектом, возможности дистанционного контроля для разработки дальнейших рекомендаций в рамках принятия предупредительных решений, а также эффективно с точки зрения экономической целесообразности за счет сокращения численности инспекторского состава надзорного органа и расходов на их содержание, что, в том числе актуально в рамках реализации риск-ориентированного подхода., Legislative requirements in the field of industrial safety dictate the necessity of creating and improving systems for remote monitoring of production processes and the state of technical devices at hazardous production facilities (HPF) where lifting machines are used. The aim of the research is to develop a platform "Crane safety video" and a software product implementing it, the basis of which is formed by the methodology of risk assessment of an accident at a facility using computer vision and artificial intelligence, with the risk assessment of operating hazardous objects being performed by transforming the photo/video images, linguistic criteria of technical devices state diagnostics performed by individuals, i.e. specialists, and functional indicator parameters locally. The tasks, solved in the article, were the analysis of accidents at load-lifting cranes usage and the implementation of machine learning procedure, which will be the basis for the software product creation. The main result of the proposed product – "Crane safety video" platform – is a reduction of accidents and injuries during exploitation of a hazardous facility, which is a consequence of the increase in reliability of the parameters of direct control of the facility, the possibility of remote monitoring to develop further recommendations in the implementation of preventive solutions, as well as effective in terms of economic feasibility by reducing the number of inspectors of the supervisory body and the costs of their maintenance, which, among other things, is relevant in the context of the realization of a risk-oriented approach., Международный научно-исследовательский журнал, Выпуск 1 (127) 2023

Рост потребления и неэффективного использования электросетей, колебания тенденций спроса и предложения, отсутствие критической аналитики для успешного управления – вот лишь некоторые из проблем, с которыми в настоящее время сталкиваются энергетические предприятия во всем мире. Оценка возможностей технологий искусственного интеллекта и машинного обучения для содействия расширению производства энергии в развивающихся странах является одной из целей данного исследования. Эти проблемы становятся общепринятыми из-за роста несанкционированных подключений к электросети и того факта, что большое количество энергии не учитывается и не оплачивается. Решение проблем, возникающих из-за частых отключений электроэнергии и повсеместного отсутствия доступа к электроэнергии во многих развивающихся странах, является одним из ключевых факторов требующих особого внимания. Результаты показывают, что искусственный интеллект и машинное обучение вносят значительный вклад в области прогнозного обслуживания турбин, оптимизации энергопотребления, управления сетями, прогнозирования цен на энергию, а также оценки спроса на энергию и эффективность строительства домов нового поколения. В исследовании также рассматриваются вопросы о том, что необходимо сделать для того, чтобы развивающиеся страны смогли использовать искусственный интеллект и машинное обучение в энергетическом секторе., The growth of consumption and inefficient use of power grids, fluctuations in supply and demand trends, the lack of critical analytics for successful management are just some of the problems that energy companies around the world are currently facing. Evaluating the capabilities of artificial intelligence (AI) and machine learning (ML) technologies to promote the expansion of energy production in developing countries is one of the goals of this study. These problems are becoming common due to the growth of unauthorized connections to the power grid and the fact that a large amount of energy is not taken into account and is not paid for. Addressing the problems arising from frequent power outages and widespread lack of access to electricity in many developing countries is one of the key factors requiring special attention. The results show that AI and ML make a significant contribution in the field of predictive maintenance of turbines, optimization of energy consumption, network management, forecasting energy prices, as well as assessing energy demand and the efficiency of the construction of new generation homes. The study also examines what needs to be done in order for developing countries to be able to use artificial intelligence and machine learning in the energy sector., Экономика и предпринимательство, Выпуск 3 (152) 2023, Pages 147-150

В статье приводится практический опыт внедрения машинного обучения на алюминиевом заводе. Показано, что алюминиевый завод является предприятием с большим (более двух тысяч идентичных производственных объектов – электролизеров) количеством объектов анализа, по каждому из которых существуют сотни различных технических параметров эксплуатации объект; взаимосвязи между параметрами эксплуатации определить классическими методами анализа затруднительно. Эти обстоятельства делают алюминиевое производство идеальным кандидатом для внедрения элементов искусственного интеллекта в производственный процесс. В ходе внедрения машинного обучения на алюминиевом заводе были проведены стадии пассивного и активного экспериментов, разработана методика определения эффективности проведенных мероприятий. Внедрение методов машинного обучения позволяет оптимизировать трудозатраты основного технологического персонала, при этом повысить эффективность производства., The article provides practical experience in implementing machine learning at an aluminum plant. It is shown that an aluminum smelter is an enterprise with a large (more than two thousand identical production facilities – pots) number of objects of analysis, for each of which there are hundreds of different technical parameters of the object's operation, it is difficult to determine the relationship between the operation parameters by classical methods of analysis. These circumstances make aluminum production an ideal candidate for the introduction of artificial intelligence elements in the production process. During the implementation of machine learning at an aluminum plant, the stages of passive and active experiments were carried out, a methodology was developed to determine the effectiveness of the measures taken. The introduction of machine learning methods allows optimizing the labor costs of the main technological personnel, while increasing production efficiency., Цифровая экономика, Выпуск 2 (23) 2023, Pages 90-96

В последние годы изучение сложных геологических систем и геофизических процессов обязательно включает в себя использование современных методов обработки данных. Статья «Интеллектуальный анализ геолого-геофизических данных (обзор применяемых алгоритмов)» посвящена анализу тенденций развития и применения искусственного интеллекта, машинного обучения и нейронных сетей при решении широкого спектра геологических задач. Актуальность статьи обусловлена наращиванием темпов добычи горючих полезных ископаемых, таких как нефть и природный газ, которые напрямую зависят от точности и скорости решения задач геологии и геофизики. В первом разделе статьи приводится описание основных целей и концепций интеллектуального анализа, а также основных методов его реализации. Акцент также делается на том факте, что многие алгоритмы машинного обучения основаны на имитации различных функциональных возможностей живых организмов или природных процессов. Прежде всего, в статье отмечаются особенности алгоритмов искусственного интеллекта и нейронных сетей, применяемых к задачам геофизики. Результатом этого раздела является определение спектра наиболее типичных задач. В каждой из следующих частей статьи дается описание конкретной геолого-геофизической подзадачи, а также приводятся примеры ее решения со ссылкой на международные исследовательские работы, опубликованные в авторитетных журналах. Таким образом, в данной статье приведен список типичных задач геологии и геофизики, решение которых можно получить с помощью алгоритмов машинного обучения. Также в статье описаны наиболее интересные работы, которые являются хорошим примером использования машинного обучения и нейросетевого аппарата в области геофизики и геологии., In recent years, the study of complex geological systems and geophysical processes necessarily includes the use of modern data processing methods. The article “Intellectual analysis of geological and geophysical data (overview of the algorithm used)” is devoted to the analysis of trends in the development and application of artificial intelligence, machine learning and neural networks in solving a wide range of geological problems. The relevance of the article is due to the increase in the rate of extraction of combustible minerals, such as oil and natural gas, which directly depend on the accuracy and speed of solving problems of geology and geophysics. The first section of the article describes the main goals and concepts of intellectual analysis, as well as the main methods of its implementation. Emphasis is also placed on the fact that many machine learning algorithms are based on simulating various functional capabilities of living organisms or natural processes. First of all, the article highlights the features of artificial intelligence algorithms and neural networks applied to geophysics problems. The result of this section is the definition of the spectrum of the most typical tasks. In each of the following parts of the article, a description of a specific geological and geophysical subtask is given, as well as examples of its solution with reference to international research papers published in reputable journals. Thus, this article provides a list of typical problems of geology and geophysics, the solution of which can be obtained using machine learning algorithms. The article also describes the most interesting works, which are a good example of the use of machine learning and neural network apparatus in the field of geophysics and geology., ГЕОФИЗИКА, Выпуск 1 2023, Pages 2-11

Artificial intelligence (AI) has the potential to revolutionize the way we experience virtual reality (VR). By using machine learning algorithms and other AI-powered techniques, developers can create VR experiences that are more immersive, interactive, and personalized. AI can be used to create intelligent avatars that can interact with users in real-time, recognize objects in VR environments, create more sophisticated chatbots, and detect and respond to user emotions in real-time. As AI technology continues to evolve, we can expect to see even more innovative and exciting applications of AI in VR., Искусственный интеллект (ИИ) может революционизировать то, как мы воспринимаем виртуальную реальность (VR). Используя алгоритмы машинного обучения и другие методы на основе ИИ, разработчики могут создавать виртуальные среды, которые являются более захватывающими, интерактивными и персонализированными. ИИ можно использовать для создания интеллектуальных аватаров, которые могут взаимодействовать с пользователями в режиме реального времени, распознавать объекты в виртуальной среде, создавать более сложные чат-боты, а также обнаруживать эмоции пользователей и реагировать на них в режиме реального времени. Поскольку технология искусственного интеллекта продолжает развиваться, мы можем ожидать появления еще более инновационных и захватывающих приложений искусственного интеллекта в виртуальной реальности.

Искусственный интеллект – это понятие стало весьма распространенным и известным. На сегодняшний день практически невозможно найти человека, который бы не знал о его существовании. Однако используя возможности искусственного интеллекта, компьютерного зрения, машинного обучения и прочих способностей, следует помнить, что им необходимо управлять. Artificia intelligence, this concept has become very common and well-known. Today it is almost impossible to find a person who would not know of its existence. However, using the capabilities of artifi cial intelligence, computer vision, machine learning and other abilities, it should be remembered that it is necessary to manage it by a person.

Актуальность исследования обусловлена тем, что появление искусственного интеллекта в нефтяной промышленности привело к увеличению его использования при разведке, разработке, добыче, проектировании месторождений и планировании управления, чтобы ускорить принятие решений, сократить затраты и время. Машинное обучение приобрело большую популярность в установлении взаимосвязи между сложными нелинейными наборами данных и продемонстрировало свое превосходство над методами регрессии в нефтяной инженерии с точки зрения ошибок прогнозирования данных большой размерности, вычислительной мощности и памяти. В представленной статье рассматривается применение машинного обучения для оценки его эффективности и потенциала для определения и прогнозирования значений пластового давления при разработке нефтяных месторождений по сравнению с обычными статистическими моделями нефтегазовой инженерии. Цель: оценка возможностей расчета и прогнозирования пластового давления методом машинного обучения «случайный лес». Объект: динамика пластового давления при разработке терригенных отложений нефтяных месторождений Пермского края. Методы: методы вероятностно-статистического анализа и машинного обучения «random forest regression» («случайный регрессионный лес»). Результаты. Предлагается новый метод прогнозирования пластового давления с использованием машинного обучения, основанный на непараметрической многомерной модели, связывающей показатели эксплуатации скважины во времени. Предлагаемый метод учитывает динамику показателей, характеризующих эксплуатацию скважин, а прогнозируемое пластовое давление хорошо коррелируется с измеренными с помощью гидродинамических исследований скважин значениями. Установлено, что метод машинного обучения «случайный лес» обеспечивает лучшую достоверность прогнозирования пластового давления, чем метод линейной регрессии. Перспективами дальнейшего развития является дополнительное «обучение» модели «случайного леса» и оценка возможности применения других методов машинного обучения для решения поставленной задачи, в том числе расширение набора факторов для более точного моделирования пластового давления. The relevance of the study is caused by the fact that the advent of artificial intelligence in the oil industry has led to an increase in its use in exploration, development, production, field design and management planning to speed up decision-making, reduce costs and time. Machine learning has gained immense popularity in correlating complex nonlinear datasets and has demonstrated its superiority over regression methods in petroleum engineering in terms of large data prediction errors, processing power and memory. This article discusses the use of machine learning to assess its effectiveness and potential for determining and predicting reservoir pressure values in oil field development, compared with conventional statistical models of oil and gas engineering. The main aim of the study is to assess the possibilities of calculating and predicting reservoir pressure using the «random forest» machine learning method. Object: dynamics of reservoir pressure during the development of terrigenous deposits of oil fields in the Perm Krai. Methods: methods of probabilistic-statistical analysis and machine learning «random forest regression». The results. The presented study proposes a new method for predicting reservoir pressure using machine learning, based on a nonparametric multidimensional model that links well performance over time. The proposed method takes into account the dynamics of indicators characterizing the operation of wells, and the predicted reservoir pressure is well correlated with the values measured using hydrodynamic studies. It was found that the «random forest» machine learning method provides better performance in terms of reservoir pressure prediction accuracy than the linear regression method. The prospects for further development are additional «training» of the «random forest» model and assessment of the possibility of using other machine learning methods to solve the problem, including expanding the set of factors for more accurate modeling of reservoir pressure.

COVID-19 is an extremely dangerous disease because of its highly infectious nature. In order to provide a quick and immediate identification of infection, a proper and immediate clinical support is needed. Researchers have proposed various Machine Learning and smart IoT based schemes for categorizing the COVID-19 patients. Artificial Neural Networks (ANN) that are inspired by the biological concept of neurons are generally used in various applications including healthcare systems. The ANN scheme provides a viable solution in the decision making process for managing the healthcare information. This manuscript endeavours to illustrate the applicability and suitability of ANN by categorizing the status of COVID-19 patients’ health into infected (IN), uninfected (UI), exposed (EP) and susceptible (ST). In order to do so, Bayesian and back propagation algorithms have been used to generate the results. Further, viterbi algorithm is used to improve the accuracy of the proposed system. The proposed mechanism is validated over various accuracy and classification parameters against conventional Random Tree (RT), Fuzzy C Means (FCM) and REPTree (RPT) methods.

Цель. Разработка модели сверточной нейронной сети для определения заболеваний маниока по фотографии с мобильного телефона. Методы и материалы исследования. Материалом для исследований послужили размеченные изображения с различными видами заболеваний маниока, опубликованные в открытом доступе платформы Kaggle. Методы исследования: теория проектирования и разработки информационных систем, программирования, методы аугментации и расширения датасетов для задач компьютерного зрения, методы настройки гиперпараметров обучения моделей нейронной сети. Результаты. Маниок съедобный – одна из ключевых культур для сельского хозяйства многих регионов мира. Одной из главных причин плохой урожайности является различного вида заболевания. Для профилактики и раннего предупреждения распространения заболевания растений необходим инструмент в виде модели нейронной сети, позволяющей определить наличия заболевания по фотографии со смартфона. В работе использовались методы глубинного обучения сверточных нейронных сетей, а также концепция «transfer learning». На базе сети ResNet 50 была обучена нейронная сеть, позволяющая с точностью 0,93 по метрике F1-score определять наличие заболевания у растения маниок съедобный по изображению. Заключение. Был подготовлен набор данных изображений маниоки, включающий пять классов, для эффективной классификации нейронной сетью. Четыре класса с признаками определенных заболеваний листьев маниоки и один класс для здоровых растений. Была построена и обучена модель для решения задачи классификации по обнаружению болезни листьев маниоки по изображениям со смартфона.

Актуальность исследования обусловлена сокращением фонда структурных ловушек и необходимостью расширения ресурсной базы углеводородов за счет повышения эффективности поиска и разведки месторождений в сложнопостроенных залежах нефти и газа. Цель: на примере прогноза нефтегазоносности территории исследования показать методику прогноза и набор применяемых технологических решений и алгоритмов. Объект: отложения средней юры (тюменская свита) Западной Сибири в пределах района (700•900 км), включающего в себя части Ямало-Ненецкого и Ханты-Мансийского административных округов и Томской области. Методы. С помощью алгоритмов машинного обучения и комплексирования технологического набора методов (геоинформатики, бассейнового моделирования, экспертных оценок) показаны следующие этапы реализации методики прогноза: 1) генерирование признакового пространства изучаемой территории на основе повышения пространственного разрешения структурных построений с применением алгоритмов генеративно-состязательной архитектуры нейронных сетей, где в качестве эталонных участков использованы результаты сейсморазведки 3D; 2) отбор признаков статистическим методом и методами машинного обучения; 3) создание подмножества моделей прогноза на основе градиентного бустинга над решающими деревьями; 4) объединение их в метамодель путем стекового обобщения логистической регрессией. Результаты. Формализован и апробирован подход к региональному прогнозу. Сделан прогноз вероятности нефтегазоносности тюменской свиты на изучаемой территории. На его основе и информации по открытым месторождениям оценена методом Монте-Карло ресурсная база УВ. Результаты представлены в виде суммарной таблицы геологических и извлекаемых ресурсов для вероятностей Р10, Р50, Р90 в сравнении с категориями запасов АВС1 и АВС1+С2 месторождений, числящихся на государственном балансе на территории исследования. В качестве примера приведены графические материалы результатов: работы алгоритма повышения пространственного разрешения; моделирования осадконакопления; моделирования миграции УВ; карта прогноза перспектив нефтегазоносности для северной части Надымского и Пуровского нефтегазовых районов. The relevance of the research is caused by the reduction in the fund of structural traps and the need to expand the resource base of hydrocarbons by increasing the efficiency of prospecting and exploration of fields in complex oil and gas deposits. The main aim of the research is to show the forecasting methodology and the set of applied technological solutions and algorithms using the example of forecasting the oil and gas content of the study area. Object: Middle Jurassic deposits (Tyumen Formation) of Western Siberia within the region (700•900 km), which includes parts of the Yamalo-Nenets and Khanty-Mansiysk administrative districts and the Tomsk region. Methods. Using the machine-learning algorithms and integrating a technological set of methods: geoinformatics, basin modeling, and expert assessments, the following stages of the forecast method implementation: 1) generation of the feature space of the studied area based on increasing the spatial resolution of structural constructions using algorithms of generative-adversarial architecture of neural networks, where the results of 3D seismic survey are used as reference areas; 2) selection of features by statistical method and machine learning methods; 3) creation of a subset of forecast models based on gradient boosting over decision trees; 4) combining them into a metamodel by stacking generalization by logistic regression, are shown. Results. An approach to regional forecasting has been formalized and tested. A forecast of the probability of oil and gas content of the Tyumen suite in the study area was made. On its basis and information on discovered fields, the hydrocarbon resource base was estimated by the Monte Carlo method. The results are presented in the form of a summary table of geological and recoverable resources for probabilities P10, P50, P90 in comparison with the categories of reserves ABC1 and ABC1+C2 of the fields listed on the state balance sheet in the study area. As an example, the graphic materials of the results are given: the work of the algorithm for increasing the spatial resolution; sedimentation modeling; modeling of hydrocarbon migration; hydrocarbon potential forecast map for the northern part of the Nadym and Purovsky oil and gas regions.

В статье рассматривается искусственный интеллект, машинное обучение, которые раньше казались понятиями из области научной фантастики, но они вышли за рамки фантазий, воплощаются в вполне выполнимые бизнес сценарии. The article discusses artificial intelligence, machine learning, which previously seemed to be concepts from the field of science fiction and went beyond fantasy, are embodied in quite feasible business scenarios.

Статья посвящена рассмотрению одного из наиболее трендовых направлений в развитии современных инфокоммуникационных технологии. Рассматриваются основополагающие теоретические аспекты машинного обучения, как отдельного раздела искусственного интеллекта. Приводятся примеры практического использования алгоритмов машинного обучения в повседневной жизни. Среди наиболее важных направлений практического использования особое внимание уделяется биометрическим технологиям, технологиям распознавания и аутентификации. The article is devoted to the consideration of one of the most trendy directions in the development of modern infocommunication technologies. The fundamental theoretical aspects of machine learning as a separate section of artificial intelligence are considered. Examples of the practical use of machine learning algorithms in everyday life are given. Among the most important areas of practical use, special attention is paid to biometric technologies, technologies of recognition and authentication.

На сегодняшний день, степень развития методов и средств, позволяющих оценить уровень риска от распространения конфиденциальной информации в источниках, не предназначенных для этого, достаточно низкая. В современном мире многие коммерческие организации собирают информацию о своих клиентах, а также хранят и обрабатывают информацию о собственной деятельности и средствах достижения финансовых результатов. Проблема заключается в том, что отсутствует единая методика оценки остаточного риска при публикации чувствительной информации в источниках, не предназначенных для этого. Также отсутствует система для регулярной оценки данного типа риска. Целью исследования является проверка гипотезы о возможности и необходимости регулярного мониторинга источников данных с целью выявления наличия чувствительной информации и еёзащиты путем создания методики оценки рисков от разглашения конфиденциальной информации. Новизна работы заключена в разработке авторского алгоритма оценки рисков от распространения конфиденциальной информациии построении математической модели, позволяющей произвести количественную оценку рисков, предложены варианты определения вероятностей наступления событий и способ задания и использования шкалы, основанной на экспертных оценках.Для достижения поставленной в исследовании цели используются общенаучные методы в рамках сравнительного и статистического анализа, а также экспертные оценки и графическая интерпретация полученных в ходе исследования результатов. В качестве предлагаемого решения проблемыпредставлена авторская модификация трехфакторной модели оценки рисков и адаптированный подход к достижению допустимого уровня риска от разглашения конфиденциальной информации. В результате проведенного анализа оценен риск от разглашения чувствительной информации, на примере открытых источников информации, при помощи предложенного алгоритма оценки и разработанный математической модели, а также выявлены проблемные места, определена шкала риска для рассматриваемых в исследовании источников информации. Еще раз подтверждена необходимость в развитии систем, позволяющих оценивать уровни риска от разглашения чувствительной информации, развитии методов и подходов к алгоритмам выявления и предотвращения таких разглашений., At the moment, the low level of development of methods and tools for assessing the level of risk from the dissemination of confidential information in sources in which such data should not be. In the modern world, many commercial organizations collect information about their customers, store and process information about their own activities and means of achieving financial results. The problem is that there is no single methodology for assessing the risk associated with storing confidential information in sources that should not contain such data. There is also no system for regular assessment of this type of risk. The purpose of the study is to test the hypotheses about the possibility and necessity of regular monitoring of data sources in order to identify confidential information and protect it using the developed methodology for assessing the risks of disclosing confidential information. The novelty of the study lies in the development of the author's algorithm for assessing risks from the dissemination of confidential information and the construction of a mathematical model that allows for a quantitative assessment of risks, options for determining the probabilities of occurrence of events and a methodology for establishing and using a scale based on expert assessments. To achieve the goal set in the study, general scientific methods are used in the framework of comparative and statistical analysis, as well as expert assessments and graphical interpretation of the results obtained during the study. The author's modification of the three-factor risk assessment model and an adapted approach to achieving an acceptable level of risk from the disclosure of confidential information are presented as a solution to the problem. As a result of the analysis, the risk of disclosing confidential information was assessed, problem areas were identified using the example of open sources of information, and a scale of riskiness of sources was determined. Once again, the need to develop systems that allow assessing the levels of risk from the disclosure of confidential information, the development of methods and approaches to algorithms for detecting and preventing such disclosures has been confirmed., Международный научный журнал "Современные информационные технологии и ИТ-образование", Выпуск 3 2022, Pages 666-679

Высокий уровень неопределенности современного мира в сочетании с активным развитием технологий искусственного интеллекта и анализа больших данных указывают на актуальность и своевременность применения этих технологий для повышения эффективности процессов в таком аспекте государственного и корпоративного управления, как риск-менеджмент. Внедрение подходов к управлению рисками, основанных на применении современных технологий, сегодня становится фактически одним из ключевых условий развития конкурентоспособности в различных отраслях экономики и сферах государственного регулирования. В настоящей статье рассмотрены процессы и задачи управления рисками, установленные международными и российскими стандартами риск-менеджмента. Сформулированы подходы, позволяющие, в отличие от классических технологий, более эффективно решать основные стандартные задачи риск-менеджмента за счет применения современных технологий искусственного интеллекта и анализа больших данных. Поскольку на текущий момент слабо проработаны методы идентификация новых типов рисков, авторами статьи разработан новый комплексный подход к автоматизированной идентификации новых типов рисков, основанный на применении интеллектуальных методов поиска аномалий в исторических массивах данных о деятельности организации. Рассмотрен подход к оценке вероятности наступления известных рисков и величины вероятных последствий при их наступлении, основанный на применении интеллектуальных классификационных и регрессионных моделей. Сформулированы возможные варианты практического применения интеллектуальных систем, основанных на онтологии предметной области, для повышения эффективности и качества систематизации разнородной информации, относящейся к процессам риск-менеджмента, в том числе за счет сочетания онтологических средств с моделями искусственного интеллекта., The high level of uncertainty in the modern world, combined with the active development of artificial intelligence technologies and big data analysis, indicate the relevance and timeliness of the use of these technologies to improve the efficiency of processes in such an aspect of public and corporate governance as risk management. The introduction of risk management approaches based on the use of modern technologies is actually becoming one of the key conditions for the development of competitiveness in various sectors of the economy and spheres of state regulation. This article discusses the processes and tasks of risk management established by international and Russian risk management standards. The approaches that allow, in contrast to classical technologies, to more effectively solve the basic standard tasks of risk management through the use of modern technologies of artificial intelligence and big data analysis are formulated. Since methods for identifying new types of risks are poorly developed at the moment, the authors of the article have developed a new integrated approach to automated identification of new types of risks based on the use of intelligent methods for searching for anomalies in historical data arrays about the organization's activities. An approach to assessing the probability of occurrence of known risks and the magnitude of the likely consequences of their occurrence, based on the use of intelligent classification and regression models, is considered. Possible options for the practical application of intellectual systems based on the ontology of the subject area are formulated to improve the efficiency and quality of systematization of heterogeneous information related to risk management processes, including through the combination of ontological tools with models of artificial intelligence., Цифровая экономика, Выпуск 2 (18) 2022, Pages 38-45

В этой статье рассматриваются новые технологии, позволяющие государству и бизнесу ускорять свою цифровую трансформацию и даже изменить ее масштабы: искусственный интеллект, включая машинное обучение, и блокчейн. Цифровизация неразрывно связана с инновационной моделью развития как частной компании, так и государства, чтобы не отставать в мировой технологической гонке. В связи с этим в статье анализируются реальные примеры применения вышеперечисленных технологий на микро- и макроуровнях, а также их результаты. На основе анализа делаются выводы о преимуществах данных технологий., This article is about new technologies that allow the state and business to accelerate their digital transformation and even change its scale: artificial intelligence, including machine learning, and blockchain. Digitalization is inextricably linked with the innovative development model of both a private company and the state in order to keep up with the global technological race. In this regard, real-world examples of the use of the technologies at the micro and macro levels are analyzed in the article, as well as their results. Based on the analysis, conclusions are drawn about the advantages of these technologies., Вестник МИРБИС, Выпуск 4 (32) 2022, Page 41–49

В современных условиях организации становятся все более и более сложными, что усложняет задачу принятия решений, эти ситуации требуют быстрого и эффективного вмешательства и должны гарантировать эффективное и полное развертывание последующего процесса. Поэтому принятие решений с использованием искусственного интеллекта приобретает особую актуальность. Искусственный интеллект – это система, основанная на обмене знаниями и навыками между несколькими интеллектуальными сущностями, которые должны организовывать и координировать свои действия для достижения общей цели системы. Они сформулированы на основе сложных моделей взаимодействия, которые переводятся в стратегии разрешения, такие как сотрудничество, координация, переговоры. Их принцип модульности позволяет снизить сложность проектирования всей системы и улучшить ее обслуживание. Целью данной работы является предоставление информационной платформы в области разумного принятия решений в обществе, позволяющей принимать правильные решения и в кратчайшие сроки., In modern conditions organizations are becoming more and more complex, that complicates the decision-making task. These situations require rapid and effective intervention and should guarantee the effective and complete deployment of the subsequent process. Therefore, decision-making with artificial intelligence use is becoming particularly relevant. Artificial intelligence is a system based on the exchange of knowledge and skills between several intelligent entities that must organize and coordinate their actions to achieve the overall goal of the system. They are formulated on the basis of complex interaction models, which are translated into resolution strategies, such as cooperation, coordination, negotiations. Their modularity principle makes it possible to reduce the complexity of the entire system designing and to improve its maintenance. The purpose of this work is to provide an information platform in the field of reasonable decision-making in society, allowing to make the right decisions in the shortest possible time.

The global spread of the COVID-19 has increased the need for physicians and accurate and efficient diagnostic tools. The best way to control the spread of COVID-19 is through public vaccination as well as early intervention to prevent the spread of the disease. According to the World Health Organization, chest CT scans in the early stages of COVID-19 disease have good accuracy, which leads to the widespread use of these images in the diagnostics and evaluation of COVID-19 disease. Lung CT scan segmentation is an essential first step for lung image analysis. The purpose of this article is to evaluate the existing computer systems and to present a more efficient computer system for CT scan image segmentation. For this propose, a novel artificial intelligence (AI)-based COVID-19 Lung Infection Segmentation (Inf-Seg) method is proposed to automatically identify infected regions from chest CT scan. In Inf-Seg, after pre-processing of medical image and improving the image quality, texture feature extraction methods are used to collect high-level features and generate a global map. In the next step, we used YOLACT, which consists of a backbone part of a network of feature pyramids for creating multi-scale feature maps and efficient classification and localization of objects of various sizes (with better information than a regular feature pyramid for object detection), a Protonet part and prediction., Глобальное распространение COVID-19 увеличило потребность во врачах и точных и эффективных диагностических инструментах. Лучший способ контролировать распространение COVID-19 — вакцинация населения, а также раннее вмешательство для предотвращения распространения болезни. По данным Всемирной организации здравоохранения, КТ грудной клетки на ранних стадиях заболевания COVID-19 имеет хорошую точность, что приводит к широкому использованию этих изображений в диагностике и оценке заболевания COVID-19. Сегментация КТ легких является важным первым шагом для анализа изображений легких. В статье рассмотрены существующие компьютерные системы и представлена эффективная компьютерная система для сегментации изображений КТ. Предложен новый метод сегментации легочной инфекции COVID-19 (Inf-Seg) на основе искусственного интеллекта (ИИ) для автоматического выявления инфицированных областей при компьютерной томографии грудной клетки. В Inf-Seg после предварительной обработки медицинского изображения и улучшения качества изображения используются методы извлечения признаков текстуры для сбора признаков высокого уровня и создания глобальной карты. На следующем этапе используется YOLACT, состоящий из базовой части сети пирамид функций для создания многомасштабных карт объектов и эффективной классификации и локализации объектов различных размеров (с лучшей информацией, чем обычная пирамида функций для обнаружения объектов), а также часть Protonet и предсказание.

В данной статье рассматривается использование искусственного интеллекта в маркетинге и его стратегическая основа реализации. Сила искусственного интеллекта (ИИ) с алгоритмами машинного обучения быстро меняет деловой мир и создает новые тенденции в маркетинге. Вызовы и возможности передовых технологий в эпоху четвертой промышленной революции. Мы утверждаем, что ИИ существенно изменит как маркетинговые стратегии, так и поведение клиентов, а также откроет новые возможности для отраслей и предприятий. Кроме того, мы описываем ключевые проблемы ИИ в маркетинге. В будущем ИИ станет новой отраслью управления бизнесом и коммерцией. Интеграция информатики и управления бизнесом станет новой тенденцией будущего. Ключевые проблемы ИИ в маркетинге., The power of artificial intelligence (AI) with machine learning algorithms are rapidly revolutionizing the business world and generating new trends in marketing. Many high-tech companies have already started benefitting from the power of AI in Marketing. Tech Giants such as Alphabet (Google), Amazon, Apple, and Meta (Facebook)* are earning multi-billion dollar incomes with the assistance of AI based algorithms. Recent years, the great results of AI in marketing have attracted many scientists around the globe. In this paper, we review the role of AI in marketing and its strategic implementation framework, as well as main research directions of AI in businesses. Key challenges and opportunities of state-of-the-art technologies in the time of the fourth industrial revolution. We argue that AI will substantially change both marketing strategies and customer behaviors, as well as it opens new avenues for industries and businesses. Also, we describe the key challenges of AI in marketing. In the future, AI will become a new branch of business management and commerce. Integration of computer science and business management will be a novel trend of the future.

The article investigates a complex algorithm for creating control machines based on machine learning. The need to apply the principles of machine learning on control machines is revealed. The genesis of learning machines and their belonging to artificial intelligence are described. The principles of construction of the Tsetlin machine and perspective directions of its application concerning conditions of research are defined. It is emphasized that the control automaton training algorithm uses discrete stages of updating, using linear tactics, which, in turn, allows to limit the algorithm to a finite number of states defined by the ensemble of the Tsetlin mchine. The conditions that govern the principle of updating the machine are defined, i.e. the values of literals, parameters and current actions of Tsetlin machines in terms of inclusion and exclusion. The basic architecture of the Tsetlin machine classifier with two points is offered and it is emphasized that the efficiency of machine learning with the use of learning machines depends on a number of hyperparameters that need to be carefully adjusted before training. The process of adjusting the accuracy and convergence for a given task is called finding hyperparameters. The application of the principle of maximum parallelism for the machine implementation of the Tsetlin learning machines is substantiated. A method of closed-loop binarization with feedback on accuracy is defined, which ignores the statistical significance of the data, which determines how the output classes relate to the data set. The diagram of the data flow of the binarization method, which is focused on significance, is given. The described method is organized in three stages: stage 1 (reduction of dimension), stage 2 (classification), stage 3 (binary coding). A schematic logical implementation of the programming of the control automaton is proposed. Prospects for further research based on the development of scalable hardware architecture are identified., В статье исследован комплексный алгоритм создания управляющих автоматов на базе машинного обучения. Раскрыта необходимость применения принципов машинного обучения на управляющих автоматах. Описан генезис автоматов обучения и их принадлежность к искусственному интеллекту. Определены принципы построения машины Цетлин и перспективные направления ее применения в отношении условий исследования. Отмечено, что алгоритм обучения управляющего автомата использует дискретные этапы обновления, применяя линейную тактику, это, в свою очередь, позволяет ограничить алгоритм конечным количеством состояний, определенных ансамблем автоматов Цетлин. Определены условия, которыми руководствуется принцип обновления автомата: значение литералов, параметры и текущие действия автоматов Цетлин с точки зрения включения и выключения. Предложено основную архитектуру машинного классификатора Цетлин с двумя пунктами и отмечено, что эффективность машинного обучения с использованием автоматов обучения зависит от ряда гиперпараметров, которые необходимо тщательно настроить перед тренировкой. Процесс настройки точности и сходимости для данной задачи называется поиском гиперпараметрив. Обосновано применение принципа максимального параллелизма для машинной реализации автоматов обучения Цетлин. Определен метод бинаризации с замкнутым циклом с обратной связью точности, который игнорирует статистическую значимость данных, которая определяет, как классы вывода выводов соотносятся с набором данных. Приведена диаграмма потока данных метода бинаризации, который ориентирован на значимость. Описанный метод организован в три этапа: 1 этап (уменьшение размерности), этап 2 (классификация), этап 3 (двоичное кодирование). Предложено схематично логическую реализацию программирования управляющего автомата. Определены перспективы дальнейших исследований, основанных на разработке масштабируемой аппаратной архитектуры., У статті досліджено комплексний алгоритм створення керуючих автоматів на базі машинного навчання. Розкрито необхідність застосування принципів машинного навчання на керуючих автоматах. Описано генезис автоматів навчання та їх приналежність до штучного інтелекту. Визначено принципи побудови машини Цетліна та перспективні напрями її застосування щодо умов дослідження. Наголошено, що алгоритм навчання керуючого автомата використовує дискретні етапи оновлення, застосовуючи лінійну тактику, це, у свою чергу, дозволяє обмежити алгоритм кінцевою кількістю станів, визначених ансамблем автоматів Цетліна. Визначено умови, якими керується принцип оновлення автомата: значення літералів, параметри та поточні дії автоматів Цетліна з точки зору включення та виключення. Запропоновано основну архітектуру машинного класифікатора Цетліна з двома пунктами та наголошено, що ефективність машинного навчання з використанням автоматів навчання залежить від ряду гіперпараметрів, які необхідно ретельно налаштувати перед тренуванням. Процес налаштування точності та збіжності для цієї задачі називається пошуком гіперпараметрів. Обґрунтовано застосування принципу максимального паралелізму для машинної реалізації автоматів навчання Цетліна. Визначено метод бінаризації із замкнутим циклом зі зворотним зв’язком щодо точності, який ігнорує статистичну значущість даних, яка визначає, як класи виведення висновків співвідносяться з набором даних. Наведено діаграму потоку даних методу бінаризації, який орієнтовано на значущість. Описаний метод організований у три етапи: етап 1 (зменшення розмірності), етап 2 (класифікація), етап 3 (двійкове кодування). Запропоновано схематично логічну реалізацію програмування керуючого автомата. Визначено перспективи подальших досліджень, які ґрунтуються на розробці масштабованої апаратної архітектури.

It is considered the main disadvantages of printed circuit boards manufacture based on the Mirae Mx-200 system. In order to reduce the level of manufacturing defects and increase productivity, it is proposed to include an intelligent unit based on the YOLO neural network in the system, which is implemented by an additional Raspberry controller included in the system. The YOLO neural network is used to process images obtained from an additionally installed video camera, which monitors the production process. In this work, based on the use of the solution to the classification problem, the problem of decision support is formulated and solved. As a result, the operations (actions) that need to be taken are determined: automatic centering, reset, cancel, etc. Using emulation with additional microcontroller connections, the problem of limited installer resources and the implementation of more complex algorithms in the installer's work is solved. В работе рассмотрены основные недостатки производства печатных плат на основе системы Mirae Mx-200. С целью снижения уровня производственного брака и повышения производительности предложено включение в систему интеллектуального блока на базе нейронной сети YOLO, которая реализуется дополнительно включенным в систему контроллером Raspberry. Нейронная сеть YOLO используется для обработки изображений, получаемых с дополнительно установленной видиокамеры, которая осуществляет наблюдение за процессом производства. В работе на основании использования решения задачи классификации поставлена и решена задача поддержки принятия решений. В результате определяется вид операции (действия), которую необходимо в данный момент реализовать: автоматическое центрирование, сброс, отмена и т. д. С помощью эмуляции с дополнительными подключениями микроконтроллера решена проблема ограниченных ресурсов приспособления для установки компонентов печатной платы и реализации более сложных алгоритмов в работе такого приспособления. У роботі розглянуто основні недоліки виробництва друкованих плат на базі системи Mirae Mx-200. З метою зниження рівня виробничого браку і підвищення продуктивності запропоновано включення в систему інтелектуального блоку на базі нейронної мережі YOLO, яка реалізується додатково включеним в систему контролером Raspberry. Нейронна мережа YOLO використовується для обробки зображень, одержуваних з додатково встановленої відіокамери, яка здійснює спостереження за процесом виробництва. У роботі на підставі використання розв'язку задачі класифікації поставлено і розв'язано задачу підтримки прийняття рішень. У результаті визначається вигляд операції (дії), яку необхідно в даний момент реалізувати: автоматичне центрування, скидання, скасування, тощо. За допомогою емуляції з додатковими підключеннями мікроконтролера вирішено проблему обмежених ресурсів пристосування для установки компонентів друкованої плати і реалізації більш складних алгоритмів в роботі такого пристосування.

В статті представлено сучасний стан та перспективи розвитку інтелектуальних технологій, а також можливості їх використання при навчанні студентів. Аналіз ґрунтується на судженнях експертів з штучного інтелекту та машинного навчання на кінець 2020 року. Розглядаються умови та ефективність застосування сучасних алгоритмів машинного навчання, що може бути корисним при виконанні магістерських досліджень. The article presents the current state and future challenges of the development of intelligent technologies, as well as the possibilities of their use in teaching students. Analysis based on end-2020 reviews by AI and machine learning experts. The conditions and effectiveness of the application of modern machine learning algorithms are considered, which can be useful when performing master's studies. В статье представлены современное состояние и перспективы развития интеллектуальных технологий, а также возможности их использования при обучении студентов. Анализ основывается на суждениях экспертов по искусственному интеллекту и машинному обучению на конец 2020 года. Рассматриваются условия и эффективность применения современных алгоритмов машинного обучения, что может быть полезным при выполнении магистерских исследований.

Появление инновационных технологий существенно влияет на все отрасли экономики, требуя от компаний вносить коренные изменения в функционирование бизнес-процессов. Данное положение напрямую относится и к отрасли нефтепереработки, включающей сложные многоплановые процессы и требующей применения сложных технологий. При этом отрасль испытывает дополнительные риски, связанные в том числе с появлением альтернативных источников энергии, влиянием изменений рынка на спрос на продукцию. Следовательно, для повышения конкурентоспособности, устойчивости и эффективности деятельности требуется подвергнуть глубокому анализу и пересмотреть модель бизнес-процессов предприятий отрасли. В настоящей статье участники цепочки создания ценности нефтепереработки рассмотрены как единая экосистема. Для данной цепочки построена модель информационного обмена, учитывающая целесообразность перехода на облачные технологии, широкого применения ключевых технологий Индустрии 4.0, включения приложений для управления пользовательским опытом, призванных повысить клиентоориентированность предприятия. Методологической основой исследования является архитектурный подход, основанный на понятии архитектуры предприятия, и сервис-ориентированный подход, направленный на гармонизацию требований и возможностей бизнеса и ИТ-элементов системы. В целях исследования проведен анализ существующих технологий и решений в сфере цифровизации цепочки создания ценности нефтепереработки. На основе полученной и проанализированной информации предложена модель информационного обмена, поддерживающая процесс нефтепереработки. Внедрение подобной модели и рассмотрение участников цепочки как элементов экосистемы призвано повысить гибкость предприятий в условиях изменчивого рынка, способствовать решению глобальных проблем отрасли, повысить безопасность бизнес-процессов на всех этапах, уменьшить влияние на окружающую среду, дать возможность таргетирования деятельности, что соответствует глобальным трендам современной экономики., The emergence of innovative technologies significantly affects all sectors of the economy, requiring companies to make fundamental changes in the functioning of business processes. This provision directly applies to the oil refining industry, which includes complex multidimensional processes and requires the use of complex technologies. At the same time, the industry is experiencing additional risks associated, inter alia, with the emergence of alternative energy sources and the impact of market changes on the demand for products. Accordingly, to improve the competitiveness, sustainability and efficiency of activities, it is required to subject a deep analysis to revise the model of business processes of enterprises in the industry. In this article, the participants in the refining value chain are considered as a single ecosystem. For this chain, a model of information exchange was built, taking into account the feasibility of switching to cloud technologies, the widespread use of key technologies of Industry 4.0, the inclusion of applications for managing user experience designed to increase the customer focus of the enterprise. The methodological basis of the study is an architectural approach based on the concept of enterprise architecture and a service-oriented approach aimed at harmonizing the requirements and capabilities of the business and IT elements of the system. For the purpose of the study, an analysis of existing technologies and solutions in the field of digitalization of the oil refining value chain was carried out. On the basis of the information received and analyzed, a model of information exchange is proposed that supports the oil refining process. The introduction of such a model and the consideration of the participants in the chain as elements of the ecosystem is intended to increase the flexibility of enterprises in a volatile market, help to solve global problems of the industry, improve the safety of business processes at all stages, reduce the impact on the environment, and provide an opportunity to target activities, which is in line with the global trends of modern economy., Бизнес. Образование. Право, Выпуск 3 (56) 2021

В современную цифровую эпоху вопросы использования искусственного интеллекта и области развития интеллектуальных технологий чрезвычайно важны и актуальны. Искусственный интеллект начал проникать во все сферы жизни человека. Технологии развиваются с огромной скоростью, так мы можем столкнуться с технологической сингулярностью. Технологическая сингулярность может быть опасной для человечества. Данная проблема поднимается в статье. In the modern digital age, the issues of using artificial intelligence and the field of development of intelligent technologies are extremely important and relevant. Artificial intelligence began to penetrate into all spheres of human life. Technology is evolving at a tremendous rate, so we can face a technological singularity. A technological singularity can be dangerous for humanity. This problem is raised in the article.

В статье авторы на основе ряда зарубежных эмпирических исследований по использованию искусственного интеллекта и машинного обучения выделяют ряд особенностей в вопросах выявления и противодействия коррупции и приходят к заключению о том, что освещаемые в зарубежных источниках механизмы коррупционного мониторинга, основанные на использовании передовых информационных технологий и алгоритмах, обладают разной потенциальной эффективностью и не всегда релевантно интерпретируются. По мнению авторов, наиболее перспективным применением из представленных интеллектуальных систем в сфере выявления коррупции является их использование для обнаружения латентных взаимосвязей и вычисления сговоров (картелей) в системе государственных закупок, электронных торгах, организуемых компаниями, обеспечения прозрачности государственных процедур (электронно-цифровых услуг). Анализ ряда статей об использовании искусственного интеллекта для создания визуализированных карт на основе учета количества публикаций по коррупционной тематике в средствах массовой информации (СМИ) в различных территориальных образованиях позволил сделать вывод о недостаточной информативности предложенного инструмента для сопоставительной оценки реального уровня коррупции. Авторы обращают внимание на то, что большое количество подобных публикаций может быть обусловлено не только возросшим уровнем коррупции в данной локации. Необходимо учитывать влияние таких факторов, как рост антикоррупционной активности публичной власти и гражданского общества, возможная необъективность точек зрения некоторых журналистов, недостаточная компетентность некоторых СМИ по проблемам борьбы с коррупцией, использование в публикациях недостоверной информации. Данные карты скорее наглядно иллюстрируют как уровень интереса общества и СМИ к проблеме борьбы с коррупцией, так и интенсивность борьбы с коррупцией, активность гражданского контроля со стороны СМИ., In this article, the authors, using the example of several foreign publications, analyze the trends in the use of artificial intelligence and machine learning in discernment of corruption. Based on the international review, the authors make the conclusion that the mechanisms for detecting corruption, based on the use of artificial intelligence, described in foreign sources, have different potential effectiveness. The most promising application of the presented intelligent systems in the field of combating corruption is using them to detect latent relationships and calculate collusion (cartels) in the public procurement system, electronic auctions organized by companies, and ensure transparency of government procedures (electronic digital services). An analysis of a number of articles on the use of artificial intelligence to create visualized maps based on the number of publications on corruption topics in the media in various territorial entities allowed the authors to conclude that the proposed tool is not sufficiently informative for a comparative assessment of the real level of corruption. The authors draw attention to the fact that a large number of such publications may be due not only to the increased level of corruption in a given territory. It is necessary to take into account the influence of such factors as the growth of the public authorities and civil society anti-corruption activity, the possible bias of some journalists for someone’s political and economic purposes, including direct corruption of journalists for publishing ordered articles, the lack of competence of some media on anti-corruption issues, use of false information in publications. These maps rather clearly illustrate both the level of interest of society and the media in the problem of combating corruption, and the intensity of the fight against corruption and the activity of civil control by the media.

Объектом исследования выступает фейк-ньюс как фактор развития медиапространства. Предмет исследования: Deep Fake как угроза сфере медиа. Рассматривается возрастающее влияние искусственного интеллекта на информационное пространство. Анализируется популярность явления фейк-ньюс. Делается вывод об исключительности угрозы, исходящей от развития Deep Fake технологий, и о важности роли СМИ в существовании этой проблемы. The object of the study is fake-news as a factor in the development of the media space. Subject of the study: the threat of Deep Fake technology to the media sphere. The increasing influence of artificial intelligence on the information space is considered. The article analyzes the popularity of the fake news phenomenon. It is concluded that the threat to society posed by the development of Deep Fake technologies is exceptional, and that the role of the media in the development of this problem is very important.

Рассмотрен подход к интеллектуальному оцениванию знаний учащихся в рамках гибридной интеллектуальной обучающей среды (ГИОС) на основе построения и обучения нейронных сетей. Разработаны структурные схемы системы для оценивания знаний по математике для школьников различных классов. Рассмотрены модели педагогического процесса «учитель» – «модуль ГИОС» – «ученик», «учитель» – «ученик», а также нейросетевая агентная модель процесса обучения. Обоснован выбор типов нейросетей и типов машинного обучения с учетом целеполагания. Охарактеризованы нейросетевые алгоритмы и тренировочные критерии нейросетей. Полученные результаты направлены на создание методик, обеспечивающих в информационно-образовательной интеллектуальной среде процессы оперативного обучения, контроля и оценки знаний, компетенций и процедур, уровня сформированности предметных и профессиональных компетенций обучающихся., An approach to the intellectual assessment of students' knowledge within the framework of a hybrid intelligent learning environment (HILE) based on the construction and training of neural networks is considered. Structural schemes of the system for assessing knowledge in mathematics for schoolchildren of various grades are developed. The models of the pedagogical process "teacher" – "HILE module" – "student", "teacher" – "student", as well as a neural network agent model of the learning process are considered. The choice of types of neural networks and types of machine learning is substantiated, taking into account goal-setting. Neural network algorithms and training criteria for neural networks are characterized. The results obtained are aimed at creating methods that provide the processes of operational learning, control and assessment of knowledge, competencies and procedures, the level of formation of subject and professional competencies of students in the information and educational intellectual environment., Международный научный журнал "Современные информационные технологии и ИТ-образование", Выпуск 1 2021

Одной из актуальных проблем в имеющихся системах анализа поведения является извлечение признаков аномальной активности деятельности пользователей из больших массивов входных данных. Проблема, решаемая в данном исследовании, основана на невозможности поиска аномальной активности пользователей по их перемещениям в связи с высокой вариативностью входных данных. Целью исследования является разработка модифицированного метода плотностной кластеризации для применения в мобильной системе поведенческого анализа с использованием методов и алгоритмов машинного обучения для нахождения отклонений в поведении пользователей по их перемещениям. В статье осуществляется сравнительный анализ методов плотностной кластеризации, применяемых в разрабатываемом программном комплексе поиска аномалий в поведенческих биометрических характеристиках пользователей системы. Осуществляется сглаживающая интерполяция входных данных. Описывается результат поиска аномалий модифицированным методом пространственной кластеризации с различными входными параметрами и осуществляется сравнение результатов с базовым методом. Благодаря использованию разработанного метода пространственной кластеризации достигнуто повышение качества анализа аномальной активности в деятельности пользователей по их перемещениям. Нахождение отклонений в собранных данных обеспечит своевременное реагирование администратора системы на отклонения от поведенческого профиля пользователя., One of the urgent problems in the existing systems of behavior analysis is the extraction of signs of anomalous activity of user activity from large arrays of input data.The problem solved in this study is based on the impossibility of searching for anomalous activity of users by their movements, due to the high variability of the input data. The aim of the study is to develop a modified density clustering method for application in a mobile system of behavioral analysis using machine learning methods and algorithms to find deviations in user behavior based on their movements. This article provides a comparative analysis of the density clustering methods used in the developed software package for searching for anomalies in the behavioral biometric characteristics of system users. Smoothing interpolation of the input data is performed. The results of searching for anomalies by the modified method of spatial clustering with different input parameters are described and the results are compared with the basic method. Thanks to the use of the developed method of spatial clustering, an increase in the quality of the analysis of anomalous activity in the activities of users on their movements has been achieved. Finding deviations in the collected data will ensure a timely response of the system administrator to deviations from the user's behavioral profile., МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, Выпуск 4 (35) 2021, Pages 7-8

Автоматизация бизнес-процессов является эффективным инструментом оптимизации деятельности организации, однако необходимо тщательно подходить к выбору технологий для осуществления автоматизации и принимать во внимание возможные риски. Следует отметить, что не для любого бизнес-процесса организации является рациональным внедрение автоматизации на основе технологий машинного обучения ввиду существования определенных ограничений. Однако если осуществление «интеллектульной» автоматизация целесообразно, то организация получает множество конкурентных преимуществ., Business process automation is an effective tool for optimizing an organization's activities, but it is necessary to be careful in the choice of technologies for automation and take into account possible risks. It should be noted that the introduction of automation based on machine learning technologies is not rational for every business process of an organization due to the existence of certain restrictions. However, if the implementation of "smart" automation is feasible, then the organization gains many competitive advantages.

Все отрасли стремительно развиваются. Инновации и изменения — это новая норма, ведь развитие возможно только при условии постоянного выхода системы из равновесного состояния. Искусственный интеллект меняет мир, который мы привыкли видеть. Самые могущественные страны мира подключаются к искусственному интеллекту, увеличивая свои инвестиции в этой области. Кроме того, крупнейшие мировые компании прилагают все усилия, чтобы придумать революционные решения ИИ, которые позволяют им доминировать в отрасли. All industries are developing rapidly. Innovation and changes are a new norm because the development is possible only if the system is constantly going out of equilibrium. Artificial intelligence is changing the world we are used to seeing. The world's most powerful countries are actively using artificial intelligence, increasing their investments in this area. In addition, the world's largest companies are working hard to come up with revolutionary AI solutions that allow them to dominate their industry.

В статье рассматривается влияние искусственного интеллекта на современное ведение предпринимательской деятельности. Авторы раскрывают сущность использования таких инструментов, как «машинное обучение» и «глубокое обучение», перечисляются основные способы их реализации. Отмечается важность и преимущества внедрения новых технологий в реализации бизнеса., The article examines the impact of artificial intelligence on the modern conduct of business. The authors reveals the essence of using such tools as «machine learning» and «deep learning», lists the main ways to implement them. He also notes the importance and benefits of introducing new technologies in the implementation of business.

Раскрываемость преступлений является одним из важных показателей деятельности органов внутренних дел. Несмотря на совершенствование методов противодействия преступности и документирования преступной деятельности, раскрываемость преступлений в Российской Федерации остается на уровне 51 %-56 %. В статье описан метод построения математической модели – цифрового двойника зарегистрированного преступления. В качестве исходных данных для построения модели использован массив сведений – документов первичного учета, в отношении 341 тысячи преступлений, совершенных на территории Приморского края за 11 лет – с 2010 по 2020 годы. Модель позволяет: с достоверностью 88 %, на основании формализованной первичной информации, содержащейся в статистических карточках Форма № 1 «На выявленное преступление», строить прогноз о том, будет преступление раскрыто или нет; проводить ревизию нераскрытых преступлений прошлых лет в целях определения преступлений, имеющих высокую вероятность раскрытия; выявлять признаки в статистических карточках, в наибольшей степени влияющие на прогноз раскрываемости преступлений. Модель основана на использовании алгоритмов машинного обучения «градиентный бустинг над решающими деревьями», реализованных в открытой библиотеке искусственного интеллекта CatBoost от компании Яндекс. Точность модели подтверждается составлением и проверкой прогноза раскрываемости в январе-июне 2021 года, 16408 преступлений, совершенных на территории Приморского края., The result of crime-solving is one of the crucial indicators of the law enforcement communities activities. Despite the improvement of crime investigation methods, the success rate of crime detection in the Russian Federation remains at a level of 51%–56%. The article describes a technique for constructing a mathematical model – a digital double of a registered crime. As the initial data for the model development, an array of information - primary accounting documents about 341 thousand crimes, committed on the territory of the Primorsky Krai over 11 years from 2010 to 2020. The model allows you: with 88% confidence, based on the formalized primary information contained in the primary accounting documents – statistical cards Form No. 1 On the detected crime, to make a forecast about whether the crime will be solved or not; to audit unsolved crimes of previous years to determine the crimes that have a high probability of detection; to identify the features in the statistical cards that most affect the forecast of the detection of crimes. The model is based on machine learning algorithms “gradient boosting over decision trees”, implemented in the open library of artificial intelligence CatBoost from Yandex. The model accuracy is confirmed by the preparation and verification of the investigation of the crime's result forecast in January–June 2021 for 16408 guilty acts committed on the territory of the Primorsky Krai., МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, Выпуск 2 (33) 2021, Pages 30-31

The article contains an overview of data science techniques (AI, machine learning, deep learning, computer vision, etc) in modern historical studies, in archival and library science and museum work. Статья представляет собой краткий обзор практики применения методов и методик Data Science (искусственного интеллекта, машинного обучения, глубокого машинного обучения, компьютерного зрения и т. п.) в современных исторических исследованиях, а также в основных направлениях архивной, библиотечной и музейной деятельности.