В современной педагогике высшей школы наблюдается активное внедрение искусственного интеллекта в образовательный процесс. Отдельные преподаватели, факультеты и целые университеты разрабатывают различные подходы к его активному использованию, от отдельных упражнений до курсов на основе нейросетей. Несмотря на это, многие вопросы остаются спорными и нерешенными. При широком использовании нейросетей и мобильных приложений возникает проблема с их применением для достижения педагогических результатов при недостаточной изученности его влияния на качество языковой подготовки. На этапе активного освоения нового инструмента необходимо обобщать опыт его использования на мировом уровне.
Целью исследования является анализ и классификация современных тенденций применения искусственного интеллекта в преподавании иностранных языков в высшем образовании. Изучение российского и зарубежного опыта сочетания технологий с традиционными методами преподавания дает возможность увидеть цельную картину современных методов в сфере преподавания иностранных языков. Необходимо обозначить преимущества, риски, перспективные направления применения искусственного интеллекта. Систематизация опыта применения новых технологий и введения их в структурированный процесс высшей школы позволит развивать его потенциальные возможности с учетом теоретических и лингводидактических аспектов. При использовании новых инструментов в преподавании необходимо учитывать потенциальные и существующие проблемы для предотвращения нежелательных последствий введения новых направлений в сферу преподавания.
Материалами исследования являются публикации исследований и опыта применения искусственного интеллекта в педагогике высшей школы в рамках преподавания иностранных языков прежде всего в нелингвистических вузах. Важной особенностью материалов является их международный, межнациональный, межкультурный характер. Изучаемые статьи подобраны по тематическому принципу вне зависимости от того, где проводилось исследование. Особенно интересным представляется классификация накопленного опыта с точки зрения подходов применения нейросетей.
Методами исследования являются подбор, изучение и системный анализ научных публикаций и практических исследований по определенной тематике, обозначенной в материалах исследования. Сравнительная оценка опыта применения инструментов нейросетей и обобщение педагогического опыта интеграции в учебные программы систематизируют накопленный опыт и позволят сформулировать стратегии развития.
Результатом исследования является классификация современных тенденций лингводидактики иноязычного образования, систематизация способов оптимизации обучения за счет автоматизации проверки, персонализации заданий и развития коммуникативных навыков в сфере использования иностранных языков с использованием нейросетей и чат-ботов. Помимо классификации эффективного применения инструментов искусственного интеллекта приведена систематизация негативных характеристик и влияний нейросетей, которые требуют контроля достоверности данных, предотвращения плагиата и сохранения роли преподавателя как ключевого участника образовательного процесса.
Заключение. Таким образом, использование нейросетей является сферой обширного изучения в современной высшей школе с разветвленной системой новых подходов и методов. Перспективными направлениями признаны гибридные модели обучения, которые сочетают традиционные методы и современные технологии обучения. Особое внимание уделяется интеграции искусственного интеллекта с возможностями виртуальной реальности, несмотря на то, что в настоящее время использование этой технологии является трудоемкой и громоздкой.
Цель исследования – проанализировать существующие методы и системы профориентации, оценить их достоинства и недостатки, предложить собственное решение данной задачи с учетом существующих наработок в данной предметной области. Для людей, выбирающих работу, вопрос профориентации по-прежнему остается актуальным, проблемным и до конца не решенным. Особые сложности в выборе профессии и в выборе соответствующего учебного заведения существуют у выпускников средних образовательных заведений вследствие их малого жизненного опыта. В настоящее время для целей профориентации разработано значительное количество методов и компьютерных систем. Тем не менее, рекомендации психолога-консультанта по-прежнему считаются предпочтительными. Между тем, современные компьютеры могут хранить и обрабатывать огромное количество разнообразной информации о респонденте и профессиях, анализировать тенденции рынка профессий. Поэтому совершенствование систем профориентации, наделение их искусственным интеллектом видится перспективным.
Материалы и методы. Сбор информации по предметной области осуществлялся посредством изучения артефактов. В ходе анализа существующих методов и систем профориентации использовались методы классификации и систематизации, индукции и дедукции. Способом описания норм и требований к претенденту-специалисту послужили профессиограммы и списки необходимых компетенций и противопоказаний к профессии. Для выявления предрасположенности индивидуума к конкретному виду деятельности применялись методы диагностики интересов, склонностей, возможностей, психофизиологических способностей респондентов, тестирование внимания, интеллекта, творческих способностей, темперамента и т. п. Сопоставление личностных характеристик и требований в созданной системе осуществляется посредством продукционных правил и генетического алгоритма. В числе достоинств генетических алгоритмов концептуальная простота и широкая применимость, устойчивость к динамическим изменениям окружающей среды и способность к самоорганизации. Разработанная система профориентации подверглась экспериментальным исследованиям.
Результаты. Разработан генетический алгоритм, в котором в качестве исходной информации для создания новой популяции приняты информация о профессиях и информация о респонденте: а) его знания, умения и навыки; б) его желания, склонности, личностные качества. На основе этих данных формируется начальная популяция профессий. В результате скрещивания пары особей из родительской популяции получается потомок, хромосома которого состоит из генов обоих родителей. Отбор выживших экземпляров осуществляется на основе процента успеха в освоении каждой из профессий в списке и функции приспособленности. Разработанный алгоритм был реализован в программной системе. Как показали эксперименты, генетический алгоритм успешно справляется с задачей поиска оптимального списка профессий по заданному критерию.
Заключение. Результаты исследования показывают, что применение генетических алгоритмов предоставляет удобные механизмы внедрения методов искусственного интеллекта в сферу профориентации, что позволяет повысить качество рекомендаций по выбору профессии.
Постановка проблемы. Одна из актуальных проблем промышленной автоматизации заключается в том, что работа немногих имеющихся на Российском рынке систем прогнозируемого обслуживания, как правило, основывается на сборе и анализе данных оборудования без учета совместного воздействия внутренних и внешних факторов. В текущих экономических условиях необходим обоснованный выбор и применение новых технологий искусственного интеллекта для исследования и реализации базовых принципов потенциала негативности рассогласования, которые откроют новые горизонты для повышения эффективности и надежности промышленных автоматизированных систем прогнозируемого или предписывающего обслуживания многостадийных технологических процессов. Моделирование автоматических реакций на изменения окружающей среды и прогнозирование отказов позволит создать адаптивные системы, которые существенно снизят риски возникновения сбоев и аварий, а также будут способствовать оптимизации производственных ресурсов и снижению эксплуатационных затрат.
Цель. Исследовать возможность применения технологий искусственного интеллекта для реализации алгоритмов, созданных на основе потенциала негативности рассогласования (англ. mismatch negativity, MMN) и возможности их применения в промышленных автоматизированных системах прогнозируемого или предписывающего обслуживания, а также разработать базовый MMN-алгоритм и реализовать его на языке программирования Python.
Результаты. Разработан алгоритм, реализующий базовые принципы потенциала негативности рассогласования. Определена практическая необходимость применения данного вида алгоритма, основанных на нейрофизиологических механизмах обработки сенсорной информации в мозге человека, для обнаружения аномалий в работе промышленного оборудования, вызванных внешними факторами, такими как температура, влажность, вибрации и электромагнитные помехи, что позволяет решить следующие задачи промышленной автоматизации: обнаружение аномалий; моделирование воздействия окружающей среды; оптимизация эксплуатационных процессов; прогнозирование отказов; адаптация к изменяющимся условиям. Предложена базовая архитектура автоматизированной системы, учитывающая необходимость использования программных алгоритмов потенциала негативности рассогласования, которая состоит из модулей верификации данных, обучения модели, обнаружения аномалий, прогнозной модели, визуализации и модуля интеграции с другими производственными информационными и автоматизированными системами. В работе также представлен программный код реализации базового MMN-алгоритма на языке Python.
Практическая значимость. Результаты исследования могут быть использованы для проектирования промышленных автоматизированных систем прогнозируемого или предписывающего обслуживания, в которых точность и время принятия решения играют важную роль.
Цель исследования. Проблема использования возможностей искусственного интеллекта и иммерсивных технологий в образовательных программах является актуальной. Статья посвящена анализу роли, функций и значения средств искусственного интеллекта и иммерсивных технологий обучения в развитии открытой образовательной среды и её персональных сегментов, формируемых субъектами образовательных отношений, в процессе подготовки выпускников педагогических университетов к изменению условий современного общества. Обсуждаются возможности генеративных нейронных сетей (GPT) и виртуальной реальности в её различных проявлениях (AR, VR, AVR), их влияние на формирование персональной образовательной среды выпускников педагогических вузов. Материалы и методы. Использован метод компаративного анализа научных публикации в области развития искусственного интеллекта, иммерсивных технологий обучения, формирования персональной образовательной среды. Экспериментальным путем проверены заявленные разработчиками возможности ряда сервисов GPT. Обобщены представления о роли и функциях новых ресурсов в совершенствовании образовательного процесса. Дан прогноз интеграции средств искусственного интеллекта и иммерсивных технологий в педагогическом образовании. Результаты исследования. Показано, что генеративные нейронные сети способны реализовать справочно-энциклопедическую, конструктивно-креативную, аналитическую, управляющую и обучающую функции в образовательном процессе при соблюдении этики их применения. Обозначена связь развития искусственного интеллекта с появлением в глобальной информационной сети виртуальных персонажей, имитирующих внешность и поведение человека в различных контекстах, и антропоморфных роботов, способных коммуницировать с человеком в образовательных целях. Внимание обращено на включение новых средств коммуникации с искусственным интеллектом в персональную образовательную среду преподавателя, обеспечивающую ему совмещение функций поставщика и одновременно потребителя знаний. Дана оценка перспектив появления виртуальных и антропоморфных педагогических агентов с искусственным интеллектом в системе образования и в неформальных коммуникациях. Определены образовательные возможности дополненной реальности, виртуальной реальности и дополненной виртуальной реальности как средств иммерсивных технологий обучения. Приведены педагогические и технологические условия безопасного применения иммерсивных технологий обучения. Отмечено, что создание персональных образовательных сред с компонентами искусственного интеллекта и иммерсивных технологий позволяет соорганизовать процессы преподавания и самообразования педагога, обеспечивая субъектный характер его личностно-профессионального роста и мобильности в условиях усложненного мира. Заключение. Сделан вывод, что творчество преподавателей-инноваторов, отраженное в их открытых образовательных средах, является ресурсом преодоления репродуктивного характера функционирования обучаемых (pre-trained) нейронных сетей. Авторы полагают, что положительная обратная связь в совместной эволюции средств ИИ и персональных сегментов открытого образовательного пространства будет способствовать трансформации существующего информационного общества (Information Society) в общество обучающихся (Learning Society), формируя систему открытого метаобразования по потребностям каждого индивида.
В данной работе рассматривается роль искусственного интеллекта (ИИ) в развитии цифровой экономики. Проанализированы ключевые направления использования ИИ в различных отраслях: от прогнозирования рыночных тенденций и оптимизации производственных процессов до повышения эффективности логистики и финансовых операций. Особое внимание уделено моделям машинного обучения, позволяющим анализировать большие объемы данных для принятия стратегических решений. Также затронуты вызовы, связанные с внедрением ИИ, включая вопросы кибербезопасности, утраты рабочих мест и этических аспектов. В работе представлены практические примеры использования ИИ для анализа рынка и оценки влияния автоматизации на занятость. Итогом исследования стало обобщение, что грамотное внедрение ИИ способствует повышению конкурентоспособности стран, ускорению инноваций и устойчивому экономическому росту в условиях глобальной цифровизации. Материалы и методы. Для анализа рынка с использованием искусственного интеллекта можно применить несколько простых методов на Python, включая анализ данных с помощью библиотек, таких как pandas для обработки данных и scikit-learn для машинного обучения. Один из самых простых вариантов — это анализ трендов с использованием метода регрессии. Вот пример простого кода для анализа рынка с использованием линейной регрессии. Результаты. В конечном итоге мы создаем модель, которая прогнозирует объем продаж на основе цены товара. Мы используем простую линейную регрессию для анализа зависимости между ценой и количеством проданных единиц товара. Код также визуализирует зависимость между ценой и объемом продаж, а также выводит коэффициенты модели. Заключение. Применение методов искусственного интеллекта, таких как линейная регрессия, позволяет эффективно анализировать рыночные тенденции и выявлять зависимости между ключевыми показателями, например, ценой и объемом продаж. Использование библиотек Python, таких как pandas и scikit-learn, упрощает обработку данных и построение прогнозных моделей. Визуализация результатов помогает лучше интерпретировать полученные зависимости, что может быть полезным инструментом для принятия обоснованных управленческих решений и оптимизации маркетинговых стратегий.