Information Technologies and Systems (Інформаційні технології та системи), 2025
Permanent URI for this community
Browse
Browsing Information Technologies and Systems (Інформаційні технології та системи), 2025 by Author "Волков, Олександр Євгенович"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Автоматизоване машинне навчання. Стан та перспективи розвитку(Інститут інформаційних технологій та систем НАН України, Видавничий дім "Академперіодика" НАН України, 2025) Урсатьєв, Олексій Андрійович; Волков, Олександр Євгенович; Ткаля, Вячеслав ГригоровичРозглянуто автоматизоване машинне навчання як рішення на основі штучного інтелекту для потреби автоматизації наскрізного процесу застосування машинного навчання, тобто проектування конвеєрів машинного навчання — послідовності кроків, які перетворюють необроблені дані на машинну модель, прийнятну для розгортання у практичному використанні. Присутність людини у цьому циклі має бути значно скорочена або її бажано зовсім виключити. Розглянуто напрям подальшого розвитку штучного інтелекту та автоматизованого машинного навчання та тенденції його розвитку.Item Модель цифрової трансформації задля сталого розвитку освіти(Інститут інформаційних технологій та систем НАН України, Видавничий дім "Академперіодика" НАН України, 2025) Кудрявцева, Світлана Павлівна; Волков, Олександр Євгенович; Синиця, Катерина Михайлівна; Савченко-Синякова, Євгенія АнатоліївнаВступ. Освіта задля сталого розвитку (ОЗСР) відповідає реалізації Цілей сталого розвитку, зокрема Цілі 4 «забезпечення якісної доступної освіти для всіх». Перехід від традиційної освіти до ОЗСР потребує значних змін не тільки у змісті навчання, але й у стратегіях та методах навчання та тренування, що пов’язано зі зміною головної мети навчання – від опанування знань та навичок минулого до навчання та підготовки до розв’язання нових, комплексних та мультидісціплинарних проблем, зокрема, шляхом роботи в групі. Така підготовка також потребує розвиненої технологічної підтримки, тому трансформацію традиційної освіти в освіту задля сталого розвитку доцільно здійснювати під час цифрової трансформації. Під цифровою трансформацією зазвичай розуміють перехід до інтенсивного застосування інформаційно-комунікаційних технологій з метою підвищення ефективності виробництва, керованості процесів, спрощення адміністрування, розширення клієнтської бази або запровадження нових продуктів чи сервісів. Досліджені моделі цифрової трансформації стосуються здебільшого окремих організацій, які централізовано переходять до нових умов функціонування. Оскільки ОЗСР призводить до змін у системі цінностей та культурі суспільства, бажаним є залучення представників зацікавлених спільнот до планування, реалізації та оцінювання результатів цифрової трансформації на кожному етапі. Таким чином, потрібно створення нової моделі. Метою статті є розгляд залежностей між освітніми елементами для запровадження такої моделі цифрової трансформації в освітній сфері, яка буде корисною для систематичного управління освітніми змінами. Для цього визначено основні елементи, що характеризують освіту, та продемонстровано їхню еволюцію протягом етапів трансформації. Методи дослідження полягають у визначенні основних характеристик ОЗСР у порівнянні з традиційною моделлю освіти та створенні гнучкої моделі трансформації освіти для досягнення цілей сталого розвитку з застосуванням цифрових технологій для організації освітніх процесів, підтримки пізнавальної діяльності, розроблення інтерактивного навчального контенту тощо. Результати. Запропоновано нову модель цифрової трансформації освіти для досягнення цілей сталого розвитку, яка враховує внесок зацікавлених спільнот та оцінку поточного стану трансформації, що дає змогу паралельно відпрацьовувати завдання та оцінювати поточний стан трансформації, які описують різні її етапи, враховуючи зміни технологій і нормативної бази, а також планувати тренінги для учасників трансформаційних процесів. Визначено елементи, які відрізняють ОЗСР від інших моделей. Висновки. Модель побудовано з урахуванням динаміки середовища, в якому відбуваються зміни, мережевих (децентралізованих) зв’язків між учасниками. Окрім цього, модель демонструє принципи ОЗСР у дії — співпрацю у підготовці рішень та впровадженні технологій, баланс між локальними планами впровадження інновацій та стратегічними напрямами, що підтримуються централізовано.Item Посилене навчання нейромережі в уяві в системах керування безпілотними рухомими об’єктами(Інститут інформаційних технологій та систем НАН України, Видавничий дім "Академперіодика" НАН України, 2025) Урсатьєв, Олексій Андрійович; Волков, Олександр ЄвгеновичПроаналізовано зарубіжний досвід розроблення та застосування засобів штучного інтелекту, а саме глибокого посиленого навчання за моделлю для розв’язання проблем поведінки рухомих об’єктів у невідомих частково спостережуваних середовищах. Досліджено задачу керування рухомими об’єктами в одно- та багатоагентних системах із застосуванням ментальної моделі світу. Такі системи діють за аналогією роботи мозку людини. Для розв’язання задачі керування рухомими об’єктами застосовують великі рекурентні нейронні мережі — моделі, які здатні навчатися за даними виміряними у часі та просторі. Для вибору оптимальної стратегії дій агентів й точного відтворення середовища, вхідні дані мають бути високої розмірності. На основі проведеного аналізу запропоновано застосування відомого підходу на основі глибинного посиленого навчання для розв’язання задачі керування рухомими об’єктами. Мета керування за цим підходом досягається шляхом побудови моделі уявлення світу замість проведення реальних дорогих випробувань.Item Підходи до створення мультиагентних систем і глибокого посиленого навчання(Інститут інформаційних технологій та систем НАН України, Видавничий дім "Академперіодика" НАН України, 2025) Урсатьєв, Олексій Андрійович; Волков, Олександр ЄвгеновичРозглянуто зарубіжний досвід розробки та застосування штучного інтелекту за допомоги глибокого посиленого навчання нейромереж для розв’язання проблем з якими стикаються рухливі об’єкти у невідомих, можливо частково спостережуваних середовищах, для опису яких не існує математичної моделі. Надано таксономію різних завдань, що виникають при управлінні БПЛА чи роєм дронів, і наведено запропоновані безмодельні алгоритми глибокого посиленного навчання для розв’язання кожного з них. Виконано математичну формалізацію завдань у сфері управління БПЛА при посиленому навчанні, зокрема розглянуто парадигму навчання у багатоагентному середовищі. Розглянуто рішення деяких завдань щодо використання БПЛА.