Успехи кибернетики / Russian Journal of Cybernetics最新文献

{"title":"Can We Trust the Artificial Intelligence Technologies?","authors":"В.Б. Бетелин","doi":"10.51790/2712-9942-2021-2-3-1","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-3-1","url":null,"abstract":"","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"127 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116111901","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Some Mathematical Aspects of Constructing Artificial Neural Networks","authors":"В.Б. Бетелин, В.А. Галкин, А. О. Дубовик","doi":"10.51790/2712-9942-2021-2-3-3","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-3-3","url":null,"abstract":"Искусственные нейронные сети (ИНС) в настоящее время являются полем интенсивных исследований. Они зарекомендовали себя при решении задач распознавания образов, аудио и текстовой информации. Планируется их применение в медицине, в беспилотных автомобилях и летательных аппаратах. Однако крайне мало научных работ посвящено обсуждению возможности построения искусственного интеллекта (ИИ), способного эффективно решать очерченный круг задач. Отсутствует гарантия штатного функционирования ИИ в любой реальной, а не специально созданной ситуации.\u0000\u0000В данной работе предпринимается попытка обоснования ненадежности функционирования современных искусственных нейронных сетей. Показывается, что задача построения интерполяционных многочленов является прообразом проблем, возникающих при создании ИНС. Известны примеры К.Д.Т. Рунге, С.Н. Бернштейна и общая теорема Фабера о том, что для любого наперед заданного натурального числа, соответствующего количеству узлов в интерполяционной таблице, найдется точка из области интерполяции и непрерывная функция, что интерполяционный многочлен не сходится к значению функции в этой точке при неограниченном росте числа узлов. Отсюда следует невозможность обеспечения эффективной работы ИИ лишь за счет неограниченного роста числа нейронов и объемов данных (Big Data), используемых в качестве обучающих выборок.\u0000 Artificial neural networks (ANN) are currently a field of intensive research. They are a proven pattern/audio/text recognition tool. ANNs will be used in medicine, autonomous vehicles, and drones. Still, very few works discuss building artificial intelligence (AI) that can effectively solve the mentioned problems. There is no guarantee that AI will operate properly in any reallife, not simulated situation.\u0000\u0000In this work, an attempt is made to prove the unreliability of modern artificial neural networks. It is shown that constructing interpolation polynomials is a prototype of the problems associated with the ANN generation. There are examples by C.D.T. Runge, S.N. Bernstein, and the general Faber theorem stating that for any predetermined natural number corresponding to the number of nodes in the lookup table there is a point from the interpolation region and a continuous function that the interpolation polynomial does not converge to the value of the function at this point as the number of nodes increases indefinitely. This means the impossibility of ensuring efficient AI operation only by an unlimited increase in the number of neurons and data volumes (Big Data) used as training datasets.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"50 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123242403","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Exploiting Artificial Neural Networks Machine Learning Errors for Attacks on AI Systems","authors":"Т. В. Гавриленко, Анжела Владимировна Гавриленко","doi":"10.51790/2712-9942-2021-2-3-4","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-3-4","url":null,"abstract":"В статье приведен обзор различных методов атак и подходов к атакам на системы искусственного интеллекта, построенных на основе искусственных нейронных сетей. Показано, что начиная с 2015 года исследователи в различных странах активно развивают методы атак и подходы к атакам на искусственные нейронные сети, при этом разработанные методы и подходы могут иметь критические последствия при эксплуатации систем искусственного интеллекта. Делается вывод о необходимости развития методологической и теоретической базы искусственных нейронных сетей и невозможности создания доверительных систем искусственного интеллекта в текущей парадигме.\u0000 The paper provides an overview of methods and approaches to attacks on neural network-based artificial intelligence systems. It is shown that since 2015, global researchers have been intensively developing methods and approaches for attacks on artificial neural networks, while the existing ones may have critical consequences for artificial intelligence systems operations. We come to the conclusion that theory and methodology for artificial neural networks is to be elaborated, since trusted artificial intelligence systems cannot be created in the framework of the current paradigm.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"16 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122004848","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"A Digital Platform for Applied Master’s Degree Curriculum Development and Delivery","authors":"Р.Д. Гимранов, Галина Евгеньевна Каратаева, И.В. Чалей","doi":"10.51790/2712-9942-2021-2-3-8","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-3-8","url":null,"abstract":"Представлен взгляд авторов на более широкую трактовку дефиниции цифровой образовательной платформы. Накопленный опыт работы использовании ФГОС 3++ показывает, что цифровая платформа – это не столько программное решение, реализующее для пользователей различного уровня подготовки доступ к обучающему материалу, сколько система, позволяющая проектировать и реализовать образовательные программы с учетом требований федеральных образовательных стандартов, а также обеспечить эффективную подготовку специалистов через индивидуализацию образовательных траекторий. Результат статьи — это обобщение опыта авторов по разработке магистерских программ и их реализации в тесном сотрудничестве университета и градообразующего предприятия. Систематизированы подходы к формированию фреймворка компетенций и их реализации через смешанный формат обучения. Решение обозначенной проблемы не представляется возможным без применения новых подходов к описанию (формализации) области исследования. На основании публикаций по рассматриваемому вопросу, с учетом перспективности использования семантического анализа жизненного цикла образовательной программы рекомендуется применение онтологического моделирования. Результаты проведенного исследования могут быть использованы преподавателями-практиками при разработке курсов дисциплин, которые могут быть имплементированы в цифровую образовательную платформу.\u0000 The paper presents our approach to an extended definition of the digital learning platform. The experience with the national educational standards (FGOS3++) shows that a digital platform is not just the software to access the educational content, but most of all a system intended to design and offer education programs compliant to FGOS for highquality training through individual curricula. The paper covers the outcomes of our experience with Master’s curriculum development and delivery in collaboration between the university and the large business. We implemented an approach to create a competence framework and offer it as blended learning. Solving this problem requires new approaches to the research area formalization. After analyzing the existing research and considering excellent prospects for semantic analysis of the education program lifecycle we recommend using ontology modeling. Results of the research can be used by tutors who develop courses for digital learning platforms.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125202029","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Artificial Intellect with Artificial Neural Networks","authors":"Валерий Еськов, М. А. Филатов, Г. В. Газя, Н.Ф. Стратан","doi":"10.51790/2712-9942-2021-2-3-6","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-3-6","url":null,"abstract":"В настоящее время не существует единого определения искусственного интеллекта. Требуется такая классификация задач, которые должны решать системы искусственного интеллекта. В сообщении дана классификация задач при использовании искусственных нейросетей (в виде получения субъективно и объективно новой информации). Показаны преимущества таких нейросетей (неалгоритмизируемые задачи) и показан класс систем (третьего типа — биосистем), которые принципиально не могут изучаться в рамках статистики (и всей науки). Для изучения таких биосистем (с уникальными выборками) предлагается использовать искусственные нейросети, которые решают задачи системного синтеза (отыскание параметров порядка). Сейчас такие задачи решает человек в режиме эвристики, что не моделируется современными системами искусственного интеллекта.\u0000 Currently, there is no single definition of artificial intelligence. We need a Such categorization of tasks to be solved by artificial intelligence. The paper proposes a task categorization for artificial neural networks (in terms of obtaining subjectively and objectively new information). The advantages of such neural networks (non-algorithmizable problems) are shown, and a class of systems (third type biosystems) which cannot be studied by statistical methods (and all science) is presented. To study such biosystems (with unique samples) it is suggested to use artificial neural networks able to perform system synthesis (search for order parameters). Nowadays such problems are solved by humans through heuristics, and this process cannot be modeled by the existing artificial intelligence systems.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"18 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122767792","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Local and Distributed Models of the Coronavirus Spread","authors":"В.Б. Бетелин, В.А. Галкин, А. В. Ряховский","doi":"10.51790/2712-9942-2021-2-2-1","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-2-1","url":null,"abstract":"Рассмотрены две модели для математического моделирования распространения инфекции. Первая модель — точечная, вторая модель — распределенная, с учетом зависимости от пространственных координат. Представлены результаты вычислительных экспериментов, основанных на применении предложенных моделей.\u0000 Two coronavirus spread models are proposed: local and distributed with a dependence on spatial coordinates. The results of the numerical experiments with these models are presented.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129731701","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Can Homeostasis Be Static?","authors":"Василий Федорович Пятин, В. В. Еськов","doi":"10.51790/2712-9942-2021-2-1-3","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-1-3","url":null,"abstract":"Особое понимание гомеостаза и гомеостатичного регулирования в целом появилось за последние 20 лет в связи с доказательством гипотезы W. Weaver о биосистемах третьего типа и открытием эффекта Еськова–Зинченко. Однако имеется ряд работ, в которых высказывалось мнение о нестатичности в гомеостатичном регулировании внутренней среды организма человека. Более того, в рамках этого эффекта сейчас говорят об отсутствии статичных состояний любых функций организма человека. Это существенно расширяет наши представления о теории функциональных систем организма человека, которую разрабатывал П. К. Анохин в середине XX века. Сейчас мы вправе говорить о новом понимании кибернетики, которая лежит в основе описания различных физиологических функций человека. Возникает новая биологическая и медицинская кибернетика, в которой нет статичного гомеостаза и нет статики в параметрах функций организма человека.\u0000 In 20 years the new understanding of homeostasis and special homeostatic regulation emerged associated with the W. Weaver hypothesis on biosystems of the third type and the discovery of the Eskov-Zinchenko effect. There are some papers about the unstable behavior of the homeostasis regulation in the human body. Now we can speak about the absence of any stable states of any human body function. This significantly expands our understanding of the theory of human functional systems developed by P. K. Anokhin in the middle of the 20th century. Now we can speak of a new understanding of cybernetics as a basis for the definition of various human physiological functions. A new biological and medical cybernetics is emerging; it denies static homeostasis and static parameters of the human body functions.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"38 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124587970","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Применение метода максимальной энтропии к временным рядам, получаемым в реальном времени в рамках нестационарной теории функционала плотности","authors":"Y. Zempo, S.S. Kano","doi":"10.51790/2712-9942-2021-2-2-5","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-2-5","url":null,"abstract":"The maximum entropy method is one of the key techniques for spectral analysis. The main feature is to describe spectra in low frequency with short timeseries data. We adopted the maximum entropy method to analyze the spectrum from the dipole moment obtained by the timedependent density functional theory calculation in real time, which is intensively studied and applied to computing optical properties. In the maximum entropy method analysis, we proposed that we use the concatenated data set made from severaltimes repeated raw data together with the phase. We have applied this technique to spectral analysis of the dynamic dipole moment obtained from timedependent density functional theory dipole moment of several molecules such as oligofluorene with n = 8. As a result, the higher resolution can be obtained without any peak shift due to the phase jump. The peak position is in good agreement to that of FT with just raw data. This paper presents the efficiency and characteristic features of this technique.\u0000 Метод максимальной энтропии — один из основных в спектральном анализе. Его главная особенность — описание низкочастотных спектров короткими временными рядами данных. Авторы применили метод максимальной энтропии для анализа спектров дипольного момента, полученных расчетами в реальном времени по нестационарной теории функционала плотности. Данный вопрос интенсивно изучается и находит практическое применение при расчетах оптических свойств. При анализе методом максимальной энтропии предложено использовать объединенные наборы данных, включающие несколько повторяющихся последовательностей исходных данных с учетом фазы. Данный метод был применен при проведении спектрального анализа динамического дипольного момента, рассчитанного по нестационарной теории функционала плотности на основе дипольного момента нескольких молекул — в частности, молекул олигофлуорена при n = 8. В итоге удалось повысить разрешение без смещения максимумов из-за скачка фазы. Положение максимумов хорошо согласуется с результатами применения преобразования Фурье к необработанным исходным данным. В настоящей статье представлены особенности данного метода и показатели его эффективности.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"81 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122963742","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"On the Thinking Creature and Artificial Intelligence","authors":"Г. Е. Деев, С. В. Ермаков","doi":"10.51790/2712-9942-2021-2-1-4","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-1-4","url":null,"abstract":"Дано описание некоторых свойств любого мыслящего существа. В качестве обоснованности описанного набора свойств мыслящего существа показано, как с необходимостью мыслящее существо с приведенным набором свойств порождает такое цивилизационное понятие, как понятие множества натуральных чисел. Приведенными свойствами мыслящее существо полностью не характеризуется; пополнение этого набора свойств мыслящего существа возможно до неопределенных объемов. Перечисленные свойства должны быть атрибутом любого мыслящего существа. Прослеживается связь между мыслящим существом с приведенным набором свойств и искусственным интеллектом. Статья носит концептуальный характер и является одним из вариантов идеологической основы для построения вычислительных и кибернетических устройств, в частности В-компьютеров.\u0000 Some features of any thinking creature are presented. To substantiate the selection of such properties, it is shown that a thinking creature with the given set of features always generates such a civilizational concept as the set of natural numbers. A thinking creature is not fully characterized by the given features; it is possible to extend the set of features to indefinitely. The proposed features should be an attribute of any thinking creature. There is a relation between a thinking creature with the given set of features and artificial intelligence. This paper is conceptual and is an ideological option for building computing and cybernetic devices, in particular B-computers.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134493097","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Simulation of Dynamic Processes in Deformable Medium with the Grid-Characteristic Approach","authors":"Игорь Борисович Петров","doi":"10.51790/2712-9942-2021-2-2-6","DOIUrl":"https://doi.org/10.51790/2712-9942-2021-2-2-6","url":null,"abstract":"Существует значительное количество прикладных задач, для решения которых применяется математическое моделирование динамических процессов в деформируемых средах. К таким задачам относят моделирование распространения упругих волн в геологических средах, в том числе с учетом ледовых образований, их рассеяния на зонах трещиноватости. Актуальность этих постановок обусловлена важностью решения обратных задач сейсмической разведки, обработки данных сейсмической разведки с целью уточнения запасов углеводородов и определения расположения углеводородов и других полезных ископаемых. Поэтому приобретает важность разработка высокоточных численных методов, позволяющих моделировать упругие волны в деформируемых средах. Одним из этих методов является сеточно-характеристический численный метод, примененный в данной работе. Этот численный метод применяется для решения прямых задач, то есть для расчета распространения упругих волн при известных параметрах рассматриваемой среды. А для решения обратной задачи по восстановлению параметров геологической среды по данным сейсмической разведки можно применять нейронные сети, для обучения которых можно использовать многократное решение прямых задач сеточно-характеристическим методом. В данной работе приведены примеры решения разнообразных прямых задач по распространению упругих волн в неоднородных геологических средах, в том числе в зоне Арктики, а также представлена постановка задачи по обучению нейронных сетей и графики, показывающие эффективность их обучения с использованием двух различных подходов.\u0000 Many problems can be solved with the simulation of dynamic processes in deformable media. They are the simulation of elastic wave propagation in rocks including ice formations, and wave scattering on rock-fracture zones. Such studies are important for solving inverse problems of seismic exploration and seismic data processing to get a better estimation of hydrocarbon reserves, locate hydrocarbons and other minerals. Therefore, it is necessary to develop high-precision numerical methods used to simulate elastic waves in deformable media. One of such methods is the grid-characteristic approach used in this work. It is suitable for solving direct problems, i.e., to analyze the propagation of elastic waves in a medium with known properties. Neural networks can be applied to solve the inverse problem: reconstructing the geology from seismic survey data. Multiple solving of direct problems by the gridcharacteristic approach is used for network training. This paper contains some examples of solving a range of direct problems on the elastic wave propagation in heterogeneous rocks, also in the Arctic zone, and the problem statement for training neural networks and graphs is proposed to demonstrate the efficiency of training with two approaches.","PeriodicalId":330773,"journal":{"name":"Успехи кибернетики / Russian Journal of Cybernetics","volume":"45 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126257702","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}