Искусственный интеллект. Экспертные системы. Интеллектуальные САПР и АСУП

В Вестнике РосНОУ (Серия: Сложные системы: модели, анализ и управление) подлежат публикации материалы, содержащие результаты теоретических и прикладных научных исследований, соответствующие темам выпусков. Вестник РосНОУ предназначается для профессорско-преподавательского состава высших учебных заведений, научных работников, специалистов-практиков, аспирантов и студентов.

В настоящей монографии рассматривается ряд проблем, которые в своей совокупности можно квалифицировать как эволюцию системы права и системы законодательства в условиях развития информационных технологий. Делается акцент на тех факторах и условиях, которые будут доминировать в процессе трансформации правовой системы. Высказываются определенные прогнозы, очерчиваются некоторые проблемы и намечаются варианты их решения. Законодательство приведено по состоянию на сентябрь 2019 г.

В настоящей монографии описаны основы современных технологий искусственного интеллекта, основные проблемы их использования с точки зрения социогуманитарных наук. Рассмотрены этические и правовые подходы к регулированию технологии искусственного интеллекта, алгоритм и перспективы ее изучения инструментарием юридических наук, возможности использования искусственного интеллекта как метода и инструмента в юридической деятельности и научных исследованиях. Подробно исследованы риски и модели позиционирования технологии в обществе с точки зрения этики и права, в том числе вопросы правосубъектности и юридической ответственности в контексте функционирования систем искусственного интеллекта. В работе определены последующие направления дальнейших юридических исследований в области высоких технологий. Законодательство приведено по состоянию на 12 мая 2020 г.

Книга представляет собой серию исследований автора, начавшихся с сенсорной физиологии и постепенно перешедших в область нейронаук, лингвистики, психологии, искусственного интеллекта, семиотики и философии - теперь всё это называется когнитивными исследованиями и представляет собой пример конвергентного и трансдисциплинарого развития науки. Исходная гипотеза совпадает с названием одного из разделов книги - язык как интерфейс между мозгом, сознанием и миром, и это отражает позицию автора и его взгляд на эволюцию и природу вербального языка и других высших функций, их фило- и онтогенез, на генетические и кросс-культурные аспекты развития сознания и языка и их мозговых коррелятов, на возможности межвидовой коммуникации и моделирования человеческих когнитивных процессов.

В учебном пособии приведены основные понятия и термины системного анализа и теории принятия решений. Отмечена роль математического моделирования как способа формирования множества альтернатив решения, дана классификация применяемых математических моделей и рассмотрены примеры их использования при принятии решений. Описаны методы выбора альтернатив решений, базирующиеся на знаниях, когнитивные модели знаний, экспертные оценки, онтологии, продукционные модели, а также методы поддержки принятия решений на основе теории оптимизации, цепей Маркова, сетей Петри, GERT-сетей, имитационного моделирования. В качестве примеров действующих систем поддержки принятия решений описаны две системы: экспертная система по ликвидации аварий ЭСПЛА и система космического мониторинга состояния лесов ИСДМ-Рослесхоз.

Рассматриваются механизмы, которые наделяют мультиагентные системы способностью к самоорганизации и развитию, исследуются проявления этих способностей в системах разной природы: экономике, биологии, робототехнике, защите информации. Показаны способы управления самоорганизацией и развитием и их применение в разных областях.

Монография посвящена исследованию процессов роботизации. Авторами предложена соответствующая юридическая концепция, в основу которой положены такие элементы, как правосубъектность робота, порядок принятия решений, основания и виды юридической ответственности в рассматриваемой сфере. Исследована динамика правосознания и юридического мышления в контексте роботизации общественных процессов. В системной последовательности раскрываются правовые проблемы роботизации с учетом специфики отдельных областей общественной жизни: трудовых отношений, государственной власти, промышленности, медицины, массового и индивидуального обслуживания. Выявляются правовые риски в этом процессе, определены способы их диагностики, а также предлагаются соответствующие прогнозные оценки правового развития. Исследование основано на анализе национально-правовых и международно-правовых регуляторов. Нормативные правовые акты приведены по состоянию на июль 2019 г.

Прочитав эту книгу, вы получите четкое представление о том, что такое глубокое обучение, когда его следует применять и каковы его ограничения. Авторы описывают стандартный рабочий процесс поиска решения задачи машинного обучения и рассказывают, как устранять часто возникающие проблемы. Всесторонне рассматривается использование Keras для решения самых разнообразных прикладных задач, в числе которых классификация и сегментация изображений, прогнозирование временных рядов, классификация текста, машинный перевод, генерация текста и многое другое. Опыт работы с Keras, TensorFlow или моделями глубокого обучения не требуется.

Впервые в российской уголовно-правовой литературе исследуются проблемы ответственности за причинение вреда в результате дорожно-транспортного происшествия с участием высокоавтоматизированного автотранспортного средства. Дана характеристика беспилотника, показаны особенности механизма нарушения безопасности, при этом особое внимание уделено роли информационных угроз в его аварийности (представлена модель угроз безопасности информационной системы «высокоавтоматизированное транспортное средство – дорожная инфраструктура»), рассмотрены общие и специальные вопросы криминализации и пенализации нарушений правил безопасности функционирования робомобилей, показан опыт решения аналогичных вопросов в зарубежных странах. Законодательство приведено по состоянию на 1 августа 2020 г

Книга посвящена разработкам искусственного интеллекта в части компьютерного зрения и объединяет подходы, позволяющие рассмотреть эту тему на пересечении биологии и математического моделирования. В первой части книги рассматриваются биологические основы зрения: читатель знакомится с различными аспектами зрительного восприятия и узнает, какие структуры нейронов его обеспечивают, какие процессы происходят в мозге при распознавании образов. Во второй части представлены различные структуры математических моделей – нейронных сетей, и принципы их работы. Затрагиваются, в частности, глубокие сверточные нейронные сети, машинное обучение и генеративные состязательные сети. Последняя глава посвящена исследованию самого феномена сознания.

Интерес к машинному обучению зашкаливает, но завышенные ожидания нередко губят проекты еще на ранней стадии. Как машинное обучение — и особенно глубокие нейронные сети — может изменить вашу организацию? Эта книга не только содержит практически полезную информацию о предмете, но и поможет приступить к созданию эффективных сетей глубокого обучения. Авторы сначала раскрывают фундаментальные вопросы глубокого обучения — настройка, распараллеливание, векторизация, конвейеры операций, а затем переходят к библиотеке Deeplearning4j (DL4J), предназначенной для разработки технологических процессов профессионального уровня. На реальных примерах читатель познакомится с методами и стратегиями обучения глубоких сетей с различной архитектурой и их распараллеливания в кластерах Hadoop и Spark.

В этой книге рассмотрены основные аспекты компьютерного зрения: обработка и анализ изображений, анализ плотного движения, сегментация изображений, работа с камерами, трехмерная реконструкция, сопоставление стереоизображений, обнаружение объектов и др. Материал дополняется историческими справками, рекомендациями по дальнейшему чтению и сведениями о рассматриваемых математических понятиях. В конце каждой главы имеются проверенные на практике упражнения и вопросы на понимание материала.

Самоорганизующиеся карты, вместе с их разновидностями, представляют собой одну из наиболее популярных нейросетевых архитектур, ориентированных на обучение без учителя. Они широко используются в таких областях, как статистика, обработка сигналов, теория управления, финансовый анализ, экспериментальная физика, химия, медицина, для решения сложных, многомерных, нелинейных задач, связанных с извлечением признаков, обработкой и классификацией изображений, адаптивным управлением и т. п. В книге дается детальное изложение математического аппарата и применений для самоорганизующихся карт.

Эта книга рассказывает о передовых методах компьютерного зрения. Показано, как искусственный интеллект обнаруживает признаки и объекты, на каких данных он обучается, на чем основано распознавание лиц и действий, отслеживание аномалий. Особое внимание уделяется методам глубокого обучения. Все ключевые принципы проиллюстрированы примерами из реальной практики.