DOI: 10.7256/2454-0714.2023.4.68680

EDN: TCQVHG

Аннотация: Предметом исследования в настоящей статье выступают особенности и закономерности функционирования систем, основанных на технологиях Сhat GPT, знание которых позволяет формулировать соответствующие модификации теста Тьюринга, а также особенности и закономерности формулирования и использования теста Тьюринга для систем, основанных на технологиях Сhat GPT. Цель исследования заключается в том, чтобы выявить особенности и закономерности функционирования систем, основанных на технологиях Сhat GPT, а также особенности и закономерности формулирования и использования теста Тьюринга для систем, основанных на технологиях Сhat GPT. В качестве методов исследования использовался метод социального эксперимента, когда в ходе исследования системе, основанной на технологиях Сhat GPT, были заданы определенные вопросы, получены на них ответы, анализ которых позволил сделать вывод об особенностях «мышления» систем, основанных на технологиях Сhat GPT. В ходе проведенного исследования было установлено следующее. В отличие от мышления человека, которое опирается на определенные факты, «мышление», систем, основанных на технологиях Сhat GPT, в ряде случаев не основано на фактах, имеющих место в реальности, нередко пользователю выдаются заведомо ложные сведения о фактах и обстоятельствах, имеющих место в реальности. В отличие от мышления человека, которое как правило носит системный характер «мышление» систем, основанных на технологиях Сhat GPT, носит беспорядочный и фрагментарный характер. Системы, основанные на технологиях Сhat GPT, не могут признавать свои ошибки, а попытки заставить системы, основанные на технологиях Сhat GPT критически осмыслить свои ответы приводят к сбою в работе этих систем. Также в статье приводится, разработанный автором тест Тьюринга для Сhat GPT, который позволил выявить особенности «мышления» систем, основанных на технологиях Сhat GPT.

DOI: 10.7256/2454-0714.2023.4.68973

EDN: BLOZQY

Аннотация: Предметом данного исследования выступают инструменты управления инвестиционным проектированием, позволяющие оценить эффективность вариантов инвестиционных проектов. Объектом исследования являются цифровые продукты (программные решения), предназначенные для автоматизированной оценки эффективности и выбора привлекательных проектов для инвестирования. Автором определено, что выбор наиболее рентабельного проекта для инвестирования является ключевой задачей предынвестиционной стадии инвестиционного процесса, при этом наличие большого объема информации, влияние внешних и внутренних слабоконтролируемых факторов, состояние неопределенности, сопутствующие процессу инвестирования актуализируют использование программных продуктов. Особое внимание уделяется выявлению и формализации требований к программным продуктам для анализа рисков и оценки эффективности инвестиционных проектов, которые обеспечат экономию затрат времени и финансовых ресурсов и исключат влияние человеческого фактора на выбор проекта для инвестирования.   Методология исследования включает в себя использование системного подхода к выявлению инструментов и показателей оценки эффективности инвестиционных решений. Автором проведен сравнительный анализ программных продуктов, выступающих в качестве инструментов оценки привлекательности инвестиционных проектов при выборе наиболее приемлемых для развития коммерческой деятельности промышленных предприятий. Результаты проведенного сравнительного анализа представленных на рынке информационных технологий отечественных и зарубежных программных решений по управлению инвестиционными проектами позволили систематизировать программы, выявить их сильные и слабые стороны и сформулировать требования к оптимальному программному комплексу для анализа и оценки эффективности инвестиционных проектов промышленного предприятия. Разрабатываемое автором цифровое решение по анализу рисков и оценке эффективности инвестиционных проектов должно обладать следующими характеристиками: функциональность, надежность и стабильность, интерфейс и удобство использования, совместимость, цена и условия лицензирования, техническая поддержка. По итогу исследования определена область применения результатов проведенного сравнительного анализа программных продуктов – дальнейшая разработка цифровых решений для оценки эффективности инвестиционных проектов, обеспечивающего результативность процесса управления инвестиционным проектированием предприятий.

DOI: 10.7256/2454-0714.2023.4.69011

EDN: FEIPTC

Аннотация: Предметом исследования настоящей работы является выявление совокупности общих структурных свойств, присущих рекуррентным нейронным сетям и стохастическим автоматам, особенностью которых является целенаправленное поведение в динамических средах. При этом, выявляется необходимая общность свойств как в процессе их функционирования, так и в процессе их обучения (настройки). Автор подробно рассматривает такие аспекты темы, как: формализация целенаправленного поведения, рассмотрение конструкции автоматов, такое поведение обеспечивающих, а также, сравнительный анализ рассмотренных конструкций автоматов. Из выявленной общности функционирования и установленного взаимно однозначного соответствия нейронов полносвязной рекуррентной нейронной сети и состояний вероятностного автомата с переменной структурой вытекает возможность рассмотрения структуры настроенного стохастического автомата в качестве эталона для совокупности связей рекуррентной нейронной сети. Это приводит еще на этапе настройки к удалению избыточных состояний (нейронов) и связей между ними, опираясь на параметры соответствующего автомата. Методологией проведенного исследования является построение взаимно однозначного соответствия между нейронами полносвязной рекуррентной нейронной сети и актуальными после процесса настройки внутренними состояниями автомата с переменной структурой и вероятностями переходов между ними. При взаимно однозначном соответствии вероятности переходов автомата соответствуют весам связей между нейронами оптимальной конфигурации. Основные выводы проведенного исследования: 1. Сопоставление структур рекуррентных нейронных сетей и автоматов с переменной структурой позволяет воспользоваться преимуществами автомата с переменной структурой для решения задачи целесообразного поведения в динамических средах и построить на его основе рекуррентную нейронную сеть; 2. Соответствие внутренней структуры рекуррентной нейронной сети и автомата с переменной структурой позволяет уже на этапе обучения высвобождать обучаемую рекуррентную нейронную сеть от избыточных нейронов и избыточных связей в ее структуре; 3. В силу того, что автомат с переменной структурой приближается в процессе настройки к оптимальному для данных условий автомату с линейной тактикой при нелинейных значениях скорости обучения, то это позволяет провести логический анализ структуры итоговой рекуррентной нейронной сети.

DOI: 10.7256/2454-0714.2023.4.44113

EDN: HMHCXC

Аннотация: Предметом исследования является разработка программного комплекса для интеллектуального прогнозирования выполнения государственных контрактов с использованием методов машинного обучения и анализа неструктурированной информации. Объектом исследования является процесс контроля и принятия решений в области государственных закупок, включая выбор подрядчиков, выполнение контрактов и оценку сроков и стоимости их реализации. Особое внимание в исследовании уделяется разработке и применению интерпретируемых методов машинного обучения для решения задач оценки рисков выбора недобросовестного подрядчика, рисков невыполнения контракта в срок и прогнозирования вероятных сроков и стоимости реализации контракта. Авторы подробно рассматривают такие аспекты, как уникальный набор данных, который был собран из различных информационных систем. Они также разработали автоматизированные системы сбора и обновления данных, которые могут быть установлены на серверах заказчиков. В работе применялись методы машинного обучения, анализа неструктурированной информации и интерпретируемых методов. Были построены интерпретируемые модели машинного обучения для оценки риска выбора недобросовестного подрядчика, оценки риска невыполнения контракта в срок, а также оценки вероятных сроков и стоимости реализации контракта. В работе был собран уникальный набор данных, включающий более 83 тысяч данных по более чем 190 признакам с различных систем, таких как Реестр государственных закупок Единой информационной системы (ЕИС), Реестр недобросовестных поставщиков (РНП) ЕИС и Информационная система СПАРК. Разработаны автоматизированные системы сбора и обновления данных, которые могут быть развернуты на серверах заказчиков. В ходе исследования были разработаны программные комплексы для интеллектуального прогнозирования выполнения государственных контрактов, которые предоставляют возможность проведения более точного анализа рисков с использованием методов анализа неструктурированной информации, моделей машинного обучения и интерпретируемых методов. Это позволяет повысить эффективность контроля выполнения государственных контрактов и снизить вероятность коррупции и нарушений. Исследование демонстрирует значимость и применимость методов и моделей машинного обучения в области государственных контрактов и предоставляет новые возможности для улучшения процессов контроля и принятия решений в сфере государственного закупочного дела.

DOI: 10.7256/2454-0714.2023.4.68876

EDN: KIUUOL

Аннотация: Предметом исследования является логический подход к анализу данных и разработка программного инструментария, способного определять скрытые закономерности, даже с ограниченным количеством данных. Входные данные состоят из показателей диагностики пациентов, их диагнозов и опыта врачей, полученного в ходе медицинской практики. Метод исследования – разработка программного инструментария на основе систем многозначной логики предикатов для анализа данных пациентов. Данный подход рассматривает исходные данные как набор общих правил, среди которых можно выделить те правила, которые достаточны для объяснения всех наблюдаемых данных. Эти правила, в свою очередь, являются генеративными для рассматриваемой области и помогают лучше понять природу изучаемых объектов. Новизна исследования заключается в применении многозначной логики для анализа ограниченного объема медицинских данных пациентов с целью определения наиболее вероятного диагноза с заданной точностью. Предложенный подход позволяет обнаруживать скрытые закономерности в симптомах и результатах обследований пациентов, классифицировать их и выделять уникальные признаки различных форм гастрита. В отличие от нейронных сетей, логический анализ является прозрачным и не требует обучения на больших объемах данных. Выводы исследования показывают возможность такого подхода для диагностики при нехватке информации, а также предложение альтернатив при не достижении требуемой точности диагноза.