№ 2 (2022)

В статье отписываются принципы создания интеллектуальной системы, использующей ДСМ-метод автоматизированной поддержки исследования (ДСМ-метод АПИ), для прогнозирования целесообразности применения компьютерной томографии. Представлены процедуры одного из этапов применения ДСМ-метода АПИ – ДСМ-исследования, предназначенные для повышения надежности получаемых в системе эмпирических закономерностей. Приводятся полученные эмпирические закономерности и их экспертная оценка.

В работе рассматривается построение партитивной классификации при проведении системнообъектного детерминантного анализа с применением формально-семантической нормативной системы. Формально-семантический алфавит и правила его использования описаны в терминах дескрипционной логики. Разработанные алгоритмы обеспечивают компьютерную поддержку процедуры декомпозиции сложной системы при графоаналитическом моделировании. Приведен иллюстративный пример.

Необходимость изучения мирового опыта для изменения законодательства и нормотворчества вызывает потребность в инструментах информационного поиска нормативно-правовых документов, написанных на разных языках. Одним из аспектов информационного поиска является выявление тематически похожих документов по заданному эталону. В этом контексте возникает важная задача кросс-языкового поиска, когда пользователь информационной системы задает эталонный документ на одном языке, а поисковая выдача содержит релевантные документы на других языках. В настоящем исследовании рассмотрены различные подходы к решению этой задачи: от использования коллекций-медиаторов до более современных методов, опирающихся на дистрибутивную семантику. В качестве тестовой коллекции была использована электронная библиотека ООН, содержащая как оригиналы документов на английском языке, так и их переводы на русский.

В статье поднимается вопрос о необходимости иметь методологический подход к сравнению, оценке и принятию решений для актуализации учебных планов при подготовке специалистов. Предложена модель параметризации учебного плана относительно ключевых умений. В качестве подхода по концентрации данных и визуализации выбран метод Unified Graphic Visualization of Activity (UGVA). В качестве объекта для иллюстрации взята специальность «Системный анализ и управление», преподаваемая в университетах Российской Федерации. Проанализированы 36 учебных планов. На их графических образах выявлены особенности подготовки студентов и лучшие практики. Опираясь на сравнение выбранного учебного плана с другими, представленными в виде образов в нотации UGVA, предложен ряд рекомендаций, относящийся к изменению структуры вклада дисциплин, развивающих ключевые профессиональные умения. Даны общие рекомендации по применению метода при принятии решений.

В работе предложен метод противодействия атакам спуфинга, позволяющий повысить устойчивость систем биометрической аутентификации по изображению лица к атакам спуфинга на модуль ввода биометрической информации цифровыми средствами манипуляции с идентичностью лиц. Метод обнаружения манипуляций с подменой лиц цифровыми средствами (DeepFake) основывается на сверточной нейронной сети, обученной на большом наборе данных, содержащих различные типы манипуляций, изображения разного качества и большое число идентичностей, что позволило получить точность не менее 99%. Результаты экспериментов также показывают эффективность предложенного подхода при сравнении его с другими известными методами, протестированными на том же наборе данных. Предложенный метод может использоваться для повышения защищенности систем биометрической аутентификации путем снижения риска несанкционированного доступа.

Традиционная Девятнадцатая национальная конференция по искусственному интеллекту с международным участием (КИИ-2021) проходила в Таганроге, Россия, 11-16 октября 2021 г. Соорганизаторами конференции являлись Российская ассоциация искусственного интеллекта, Федеральный исследовательский центр «Информатика и управление» РАН, Московский физико-технический институт (национальный исследовательский университет), Южный федеральный университет. Сопредседатели конференции: академик РАН С.Н. Васильев (ИПУ РАН, Москва), академик РАН И.А. Каляев (ЮФУ, Ростов-на-Дону), академик РАН И.А. Соколов (ФИЦ ИУ РАН, Москва). Различные направления искусственного интеллекта были представлены в пленарных докладах и на заседаниях секций.