Об основных направлениях развития технологий искусственного интеллекта как инструмента научных исследований
Научная статья
Для цитирования
Осадчук Е. В. Об основных направлениях развития технологий искусственного интеллекта как инструмента научных исследований // Управление наукой: теория и практика. 2025. Том 7. № 1. С. 147-157. DOI: https://doi.org/10.19181/smtp.2025.7.1.10 EDN: PHTZHX
Аннотация
Статья подготовлена на основе доклада на межведомственном круглом столе «Использование технологий искусственного интеллекта при проведении научных исследований в области гуманитарных наук», состоявшемся 27 сентября 2024 г. Работа содержит обзор отдельных положений актуализированной в феврале 2024 г. Национальной стратегии развития искусственного интеллекта на период до 2030 г., направленных на расширение применения технологий ИИ в качестве инструмента научных исследований. Обзор положений сопровождается описанием преимуществ, которые получает исследователь, использующий технологии ИИ в рамках общепринятых этапов научной работы. Наряду с преимуществами для исследователя в статье представлены возможности применения отдельных инструментов ИИ по отношению к другим инструментам, в том числе преимущества больших моделей ИИ и сильного ИИ. Также статья содержит перечень возможных результатов применения технологий ИИ в ряде гуманитарных наук и направлений – в социологии, экономике, медицине и пр. При этом конкретные инструменты отечественных исследователей, созданные на основе этих технологий, взяты из практики деятельности сформированных в 2021–2023 гг. исследовательских центров в сфере ИИ.
Ключевые слова:
AI4Science, искусственный интеллект, ИИ, стратегия развития ИИ, инструменты науки, инструменты исследователя, обработка больших данных, анализ больших данных, проверка гипотез, генерация гипотез, планирование экспериментов, автоматизация сбора данных, интерпретация данных, компьютерное моделирование, большие модели ИИ, сильный ИИ, исследовательские центры в сфере ИИ
Литература
1. Фонотов А. Г., Бедняк Ю. А. Искусственный интеллект: ожидаемое или неминуемое? // Управление наукой: теория и практика. 2024. Т. 6, № 2. С. 15–25. DOI 10.19181/smtp.2024.6.2.1. EDN EYMDJO.
2. Scientific discovery in the age of artificial intelligence / H. Wang, T. Fu, Y. Du [et al.] // Nature. 2023. Vol. 620, № 7972. P. 47–60. DOI 10.1038/s41586-023-06221-2.
3. Фок Д. Как искусственный интеллект меняет науку / пер. с англ. В. Голованова // Хабр : [сайт]. 2019. 29 марта. URL: https://habr.com/ru/articles/445806/ (дата обращения: 25.10.2024).
4. Тамбовцев В. Л. О чём стоит помнить, размышляя об искусственном интеллекте // Управление наукой: теория и практика. 2024. Т. 6, № 2. С. 26–34. DOI 10.19181/smtp.2024.6.2.2. EDN FFDRFQ.
5. Nunavath V., Goodwin M. The role of artificial intelligence in social media big data analytics for disaster management – initial results of a systematic literature review // 2018 5th International Conference on Information and Communication Technologies for Disaster Management (ICT-DM) (Sendai, Japan, 2018, December 4–7). P. 1–4. DOI 10.1109/ICT-DM.2018.8636388.
6. Hilpisch Y. Artificial intelligence in finance : A Python-based guide. Sebastopol, CA : O’Reilly Media, Inc., 2020. 475 p. ISBN 9781492055433.
7. Big data analytics in healthcare: A systematic literature review / S. Khanra, A. Dhir, A. K. M. Najmul Islam, M. Mäntymäki // Enterprise Information Systems. 2020. Vol. 14, № 7. Р. 878–912. DOI 10.1080/17517575.2020.1812005.
8. Sebestyén V., Czvetkó T., Abonyi J. The applicability of big data in climate change research: The importance of system of systems thinking // Frontiers in Environmental Science. 2021. Vol. 9. Art. 619092. DOI 10.3389/fenvs.2021.619092.
9. Machine learning in psychometrics and psychological research / G. Orrù, M. Monaro, C. Conversano [et al.] // Frontiers in Psychology. 2020. Vol. 10. Art. 2970. DOI 10.3389/fpsyg.2019.02970.
10. Артамонов В. А., Артамонова Е. В., Милаков А. С. Когнитивизм как база искусственного интеллекта // Управление наукой: теория и практика. 2024. Т. 6, № 2. С. 35–45. DOI 10.19181/smtp.2024.6.2.3. EDN FMRRBD.
11. Language models are few-shot learners / T. B. Brown, B. Mann, N. Ryder [et al.] // arXiv.org : [сайт]. 2020. July 22. URL: https://arxiv.org/abs/2005.14165 (дата обращения: 25.10.2024). DOI 10.48550/arXiv.2005.14165.
12. Бостром Н. Искусственный интеллект: этапы, угрозы, стратегии / пер. с англ. С. Филина. М. : Манн, Иванов и Фербер, 2016. 490, [2] с. ISBN 978-5-00057-810-0.
13. Домингос П. Верховный алгоритм: как машинное обучение изменит наш мир / пер. с англ. В. Горохова ; [науч. ред. А. Сбоев, А. Серенко]. М. : Манн, Иванов и Фербер, 2016. 336 c. ISBN 978-5-00100-172-0.
2. Scientific discovery in the age of artificial intelligence / H. Wang, T. Fu, Y. Du [et al.] // Nature. 2023. Vol. 620, № 7972. P. 47–60. DOI 10.1038/s41586-023-06221-2.
3. Фок Д. Как искусственный интеллект меняет науку / пер. с англ. В. Голованова // Хабр : [сайт]. 2019. 29 марта. URL: https://habr.com/ru/articles/445806/ (дата обращения: 25.10.2024).
4. Тамбовцев В. Л. О чём стоит помнить, размышляя об искусственном интеллекте // Управление наукой: теория и практика. 2024. Т. 6, № 2. С. 26–34. DOI 10.19181/smtp.2024.6.2.2. EDN FFDRFQ.
5. Nunavath V., Goodwin M. The role of artificial intelligence in social media big data analytics for disaster management – initial results of a systematic literature review // 2018 5th International Conference on Information and Communication Technologies for Disaster Management (ICT-DM) (Sendai, Japan, 2018, December 4–7). P. 1–4. DOI 10.1109/ICT-DM.2018.8636388.
6. Hilpisch Y. Artificial intelligence in finance : A Python-based guide. Sebastopol, CA : O’Reilly Media, Inc., 2020. 475 p. ISBN 9781492055433.
7. Big data analytics in healthcare: A systematic literature review / S. Khanra, A. Dhir, A. K. M. Najmul Islam, M. Mäntymäki // Enterprise Information Systems. 2020. Vol. 14, № 7. Р. 878–912. DOI 10.1080/17517575.2020.1812005.
8. Sebestyén V., Czvetkó T., Abonyi J. The applicability of big data in climate change research: The importance of system of systems thinking // Frontiers in Environmental Science. 2021. Vol. 9. Art. 619092. DOI 10.3389/fenvs.2021.619092.
9. Machine learning in psychometrics and psychological research / G. Orrù, M. Monaro, C. Conversano [et al.] // Frontiers in Psychology. 2020. Vol. 10. Art. 2970. DOI 10.3389/fpsyg.2019.02970.
10. Артамонов В. А., Артамонова Е. В., Милаков А. С. Когнитивизм как база искусственного интеллекта // Управление наукой: теория и практика. 2024. Т. 6, № 2. С. 35–45. DOI 10.19181/smtp.2024.6.2.3. EDN FMRRBD.
11. Language models are few-shot learners / T. B. Brown, B. Mann, N. Ryder [et al.] // arXiv.org : [сайт]. 2020. July 22. URL: https://arxiv.org/abs/2005.14165 (дата обращения: 25.10.2024). DOI 10.48550/arXiv.2005.14165.
12. Бостром Н. Искусственный интеллект: этапы, угрозы, стратегии / пер. с англ. С. Филина. М. : Манн, Иванов и Фербер, 2016. 490, [2] с. ISBN 978-5-00057-810-0.
13. Домингос П. Верховный алгоритм: как машинное обучение изменит наш мир / пер. с англ. В. Горохова ; [науч. ред. А. Сбоев, А. Серенко]. М. : Манн, Иванов и Фербер, 2016. 336 c. ISBN 978-5-00100-172-0.
Статья
Поступила: 24.10.2024
Опубликована: 25.03.2025
Форматы цитирования
Другие форматы цитирования:
APA
Осадчук, Е. В. (2025). Об основных направлениях развития технологий искусственного интеллекта как инструмента научных исследований. Управление наукой: теория и практика, 7(1), 147-157. https://doi.org/10.19181/smtp.2025.7.1.10
Раздел
Информационная среда и проблемы цифровизации
