Википедия

Применение искусственного интеллекта

(перенаправлено с «Приложения искусственного интеллекта»)

Применение искусственного интеллекта — процесс активного использования современных научных достижений в области информатики в различных областях жизнедеятельности общества.

Подобно электричеству или компьютерам, искусственный интеллект (ИИ) представляет собой технологию общего назначения, имеющую множество областей применения в современном обществе. Системы ИИ находят применение в промышленном производстве, научных исследованиях, лингвистике, искусстве, электронной коммерции, медицинской диагностике, электронной коммерции, дистанционном управлении роботами, дистанционном зондировании Земли, инженерии знаний, в разработке и развитии многочисленных отраслей, включая финансирование, здравоохранение, образование, транспорт и др.[1].

Список сфер применения ИИ править

Интернет и электронная коммерция править

Рекомендательные системы править

Основная статья: Рекомендательная система

Система рекомендаций, построенная на ИИ, предсказывает оценку или предпочтение, которое пользователь отдал бы товару. Системы рекомендаций искусственного интеллекта предназначены для предоставления предложений, основанных на предыдущем поведении пользователей. Эти системы используются такими компаниями, как Netflix, Amazon, YouTube, всеми платформами онлайн кинотеатров, где они создают персонализированные плейлисты, предложения продуктов и видеорекомендации[2][3]. Поисковые системы Google и Yandex, широко использующие нейронные сети, строят системы рекомендаций на базе оценок качества обслуживания пользователей по различным типам сервисных заведений (рестораны, гостиницы и т. п.) по всему миру. Многие маркетплейсы ведущие бизнес в сети вводят рекомендательные системы для своих клиентов.

Веб-каналы и публикации править

Системы ИИ используются в веб-каналах, например, для определения того, какие сообщения должны отображаться в новостных лентах и каналах социальных сетей[4][5]. Системы ИИ используются для различных видов анализа информации в социальных сетях[6][7], проводятся исследования по использованию ИИ для (полу)автоматической пометки/улучшения/исправления информации, поступающей в реальном режиме времени, фильтрации элементов дезинформации и учёта пузыря фильтров[8][9][10].

Таргетированная реклама и повышение активности в Интернете править

ИИ используется для таргетинга веб-рекламы на тех, кто с наибольшей вероятностью отреагирует на неё или вовлечётся в неё. Он также используется для увеличения времени, проводимого пользователями на веб-сайте, путём выбора привлекательного для зрителя контента. ИИ может предсказать или обобщить поведение клиентов на основе их цифровых следов[11]. Сервисы AdSense и Facebook используют ИИ для рекламы[12]. Компании, занимающиеся азартными играми в Интернете, используют ИИ для улучшения клиентоориентированности этих компаний[13]. Модели искусственного интеллекта, создающие цифровые образы, добавляют психологический таргетинг к более традиционному социально-демографическому или поведенческому таргетингу[14]. Искусственный интеллект используется для настройки параметров покупок и персонализации предложений.

Виртуальные помощники править

Основная статья: Виртуальный ассистент

Интеллектуальные персональные помощники используют ИИ для понимания многих запросов на естественном языке, помимо элементарных команд. Распространёнными примерами являются Siri от Apple, Alexa от Amazon, Алиса от Яндекса, Салют от Сбербанка и более поздний интерфейс ИИ ChatGPT от компании OpenAI[15].

Поисковые системы править

Сегодня практически все современные поисковые системы используют искусственный интеллект. Корпорация Google[16] с 2015 года использует самообучающуюся систему с искусственным интеллектом RankBrain в алгоритмах поисковой системы. Также Google использует ИИ в переводчике Google, почте Gmail — для блокировки спама и при написании текста писем, голосовом помощнике Google Assistant — для распознавания речи, в Google Photo — для распознавания изображений, в YouTube — для рекомендаций видеороликов[17]. Существует более 200 различных факторов[18], которые составляют алгоритм ранжирования, чьи точные функции в алгоритме Google полностью не раскрыты. Общее мнение таково, что RankBrain интерпретирует запросы пользователей и предоставляет наиболее релевантные страницы, которые могут и не содержать именно те слова, которые включены в поисковый запрос.

В России искусственный интеллект использует компания «Яндекс» — в алгоритмах поисковой системы[19], для предсказания погоды, управления беспилотными автомобилями, написания стихов и музыки, распознавания изображений и речи, в голосовом помощнике «Алиса», мультимедийном устройстве «Яндекс. Станция»[17].

Фильтрация спама править

Основная статья: Фильтрация электронной почты

Системы ИИ используются для борьбы со спамом, мошенничеством и фишингом. Он может тщательно проверять содержимое спама и фишинговых атак, чтобы выявить любые вредоносные элементы[20]. Модели ИИ, построенные на алгоритмах машинного обучения, демонстрируют исключительную производительность с точностью более 90 % в различении спама и чистого текста в электронных письмах[21].

Обнаружение мошенничества править

Искусственный интеллект помогает обнаружить[22] паттерны, характерные для взлома и мошеннических действий. Специальные программы могут, например, определять мошеннические схемы в мессенджерах[23]. Также нейросети способны помочь определить, насколько человек устойчив к воздействию на него мошенников[24].

Машинный перевод править

Основная статья: Машинный перевод

Системы ИИ используются для автоматизации синхронного перевода разговорной речи и текстового контента в таких продуктах, как Google Переводчик, DeepL, Яндекс Переводчик[25]. Кроме того, продолжаются исследования и разработки по декодированию языка общения животных[26].

Веб-служба компании Яндекс осуществила переход на нейронный машинный перевод в 2017 году. Согласно данным официального сайта Яндекса на 2021 год, Яндекс Переводчик использует гибридную систему (сочетает в себе статистический и нейронный машинный перевод) с помощью алгоритма CatBoost, учитывающего недостатки обоих систем.

Распознавание лиц и маркировка изображений править

Основные статьи: Система распознавания лиц и Автоматическая аннотация изображения

ИИ используется в системах распознавания лиц с точностью 99 %. Некоторые примеры — Face ID от Apple и Face Unlock от Android, которые используются для защиты мобильных устройств[27].

Автоматическая аннотация (маркировка) изображения — процесс, с помощью которого система ИИ автоматически назначает метаданные в виде титров или ключевых слов для цифрового изображения, которые используются в системах поиска изображений для организации и поиска изображений из базы данных.

Маркировка изображений используется поисковыми системами для обнаружения продуктов на фотографиях и предоставления людям возможности осуществлять поиск по фотографии. Также маркировка изображений позволяет генерировать речь для описания изображений слепым людям[25]. Система DeepFace распознаёт человеческие лица на цифровых изображениях.

Игры править

См. также: Бот (компьютерные игры) и Игровой искусственный интеллект

История применения, а вернее имитации применения, ИИ для игр берёт начало с машины под названием «Шахматный турок», в которой на самом деле сидел живой гроссмейстер. Автоматоны XX века позволяли проиграть финальную часть шахматной партии[28]. В 1960-х годах в Институте теоретической и экспериментальной физики (ИТЭФ) в СССР разработали шахматную программу, на основе которой в следующем десятилетии создалиКаиссу — она одержала победу в первом международном чемпионате компьютерных программ. В 1997 году компьютер от IBM победил одного из сильнейших на тот момент гроссмейстеров со счетом 3,5:2,5.

Основным применением возможностей ИИ с 1950-х годов стали игры. В XXI веке искусственный интеллект добился сверхчеловеческих результатов во многих играх, включая шахматы (Deep Blue), Jeopardy! (IBM Watson)[29], го (AlphaGo)[30][31][32][33][34][35], покер (Pluribus[36] и Cepheus)[37], киберспорт (StarCraft)[38][39], и универсальную игровую программу AlphaZero[40][41][42]. ИИ заменил алгоритмы, написанные вручную, в большинстве шахматных программ[43]. В отличие от го или шахмат, покер — это игра с несовершенной информацией, поэтому программа, играющая в покер, должна рассуждать в условиях неопределённости. Обычные игроки принимают участие в процессе игры, используя обратную связь от игровой системы, не зная правил.

Сельское хозяйство править

См. также: Точное земледелие

В сельском хозяйстве ИИ помогает определять области, которые нуждаются в ирригации, удобрении, обработке пестицидами или повышении урожайности[44]. Агрономы используют ИИ для проведения исследований и разработок. ИИ используется для прогнозирования времени созревания таких культур, как помидоры[45], мониторинга влажности почвы, управления сельскохозяйственными роботами, ведения предсказательной аналитики[46][47], обеспечения благополучия домашних животных[48], автоматизации теплиц[49], обнаружения болезней и вредителей[50][51] и экономии воды[52].

Тяжёлая промышленность править

Роботы во многих отраслях промышленности зачастую выполняют работу, которая считается опасной для человека. Роботы доказали свою эффективность при выполнении монотонных циклических операций, которые могут привести к человеческим ошибкам или несчастных случаям из-за потери концентрации, а также на других рабочих местах, которые люди могут считать унижающими достоинство. В 2014 году Китай, Япония, США, Республика Корея и Германия объединили 70 % общего объёма продаж роботов. В автомобильной промышленности, секторе с особенно высокой степенью автоматизации, в Японии самая высокая плотность промышленных роботов в мире: 1414 на 10 000 сотрудников[53].

Информационная безопасность править

Компании, занимающиеся кибербезопасностью, внедряют нейронные сети, машинное обучение и обработку естественного языка для повышения надёжности своих систем[54].

Применение ИИ в кибербезопасности включает в себя:

  • Защиту сети. Машинное обучение улучшает системы обнаружения вторжений, расширяя область поиска за пределы ранее выявленных угроз.
  • Защиту конечных точек. Такие атаки, как программы-вымогатели, можно предотвратить, изучив типичное поведение вредоносных программ.
  • Безопасность приложений: может помочь в контратаках, таких как подделка запросов на стороне сервера, внедрение SQL-кода, межсайтовый скриптинг и DoS-атака.
  • Подозрительное поведение пользователей. Машинное обучение может выявить мошеннические или скомпрометированные приложения по мере их возникновения[55].

По мнению руководителя подразделения по борьбе с мошенничеством корпорации Google ― Шумана Госемаджумдера в скором времени искусственный интеллект будет использоваться для полной автоматизации большинства операций по кибербезопасности[56].

Образование править

См. также: Образовательные технологии и Рекомендательная система

Интеллектуальные системы обучения, построенные на ИИ, позволяют обучающимся получить индивидуальную помощь в ходе образовательного процесса. Такие системы позволяют снизить тревогу и стресс у проходящего обучение по сравнению с занятиями с репетитором-человеком в группе или с индивидуальным репетитором[57].

Приложения искусственного интеллекта, которые мешают учащимся сосредоточиться на задаче, такие как рекомендательные системы, могут создать дисфункциональную среду, иногда с эффектом мести[58][59].

ИИ также может использоваться для раннего прогнозирования результатов обучающихся при помощи систем электронного обучения, подобных системе Moodle[60].

В ходе образовательного процесса студенты могут персонализировать свое обучение с помощью искусственного интеллекта. А для преподавателей технология, предоставляемая ИИ, помогает улучшать качество образовательного процесса и навыки преподавания[61].

Детекторы текстов, созданные с использованием ИИ, применяются для сканирования эссе, созданных искусственным интеллектом, для установления подлинного авторства. Однако исследование показало, что семь из наиболее используемых детекторов часто ошибочно помечали статьи, написанные теми, для кого английский язык не являлся родным, как созданные системами искусственного интеллекта, тем самым дискриминируя «не чистых носителей» английского языка[62].

Финансы править

Финансовые учреждения уже давно используют системы искусственных нейронных сетей для выявления аномалий, выходящих за рамки нормы, помечая их для передачи на рассмотрение человеком. Использование искусственного интеллекта в банковской сфере началось в 1987 году, когда Национальный банк Security Pacific создал рабочую группу по борьбе с мошенничеством, чтобы предотвратить незаконное использование дебетовых карт[63].

Банки используют ИИ для организации операций, ведения бухгалтерского учёта, инвестирования в акции и управления недвижимостью. ИИ может реагировать на изменения, когда бизнес не ведётся[64]. ИИ используется для борьбы с мошенничеством и финансовыми преступлениями путем отслеживания моделей поведения на предмет изменений, выходящих за рамки нормы, или аномалий[65][66][67].

Использование ИИ в таких приложениях, как онлайн-торговля и принятие решений, изменило основные экономические теории[68]. Например, платформы покупки и продажи на основе искусственного интеллекта оценивают индивидуальные показатели спроса и предложения и, таким образом, обеспечивают индивидуализированное ценообразование. Системы искусственного интеллекта уменьшают информационную асимметрию на рынке и в результате делают рынки более эффективными[69]. Применение искусственного интеллекта в финансовой отрасли может облегчить финансовые ограничения негосударственных предприятий. Особенно для небольших и более инновационных предприятий[70].

Торговля и инвестиции править

Алгоритмическая торговля предполагает использование систем искусственного интеллекта для принятия торговых решений со скоростью на порядок большей, чем способен любой человек, совершая миллионы сделок в день без вмешательства человека. Такая высокочастотная торговля представляет собой быстрорастущий сектор. Многие банки, фонды и частные торговые фирмы теперь имеют целые портфели, управляемые с помощью ИИ. Автоматизированные торговые системы обычно используются крупными институциональными инвесторами, но в их число входят и более мелкие фирмы, торгующие с помощью собственных систем искусственного интеллекта[71].

Крупные финансовые учреждения используют ИИ для помощи в своей инвестиционной практике. Механизм искусственного интеллекта Aladdin компании BlackRock используется как внутри компании, так и клиентами для помощи в принятии инвестиционных решений. В функции ИИ входит использование обработки естественного языка для анализа текстов (новости, отчёты брокеров, ленты социальных сетей и т. п.). Затем ИИ оценивает настроения в отношении упомянутых компаний и присваивает баллы (веса). Такие банки, как UBS и Deutsche Bank, используют модель последовательного квантового сокращения и извлечения SQREEM для анализа данных с целью разработки профилей потребителей и сопоставления их с продуктами по управлению активами[72].

Андеррайтинг править

Андеррайтинг — услуги, предоставляемые финансовыми учреждениями, такими как банки, страховые компании, которые гарантируют получение выплат в случае финансовых убытков.

Платформа с искусственным интеллектом Upstart использует машинное обучение для андеррайтинга. Upstart обеспечивает прогнозирование кредитоспособности заёмщиков, используя нетрадиционные переменные (образование и занятость), для банков и кредитных организаций, занимающихся потребительским кредитованием[73].

Платформа Zest Automated Machine Learning (ZAML) компании ZestFinance используется для андеррайтинга кредитов. Эта платформа использует ИИ для анализа данных, включая транзакции покупки и то, как клиент заполняет форму для оценки заемщиков. Платформа особенно полезна для присвоения кредитных рейтингов лицам с ограниченной кредитной историей[74].

Аудит править

Использование систем ИИ делает возможным ведение непрерывного аудита. Потенциальные преимущества включают снижение аудиторского риска, повышение уровня уверенности и сокращение продолжительности аудита[75].

Борьба с отмыванием денег править

Программное обеспечение искусственного интеллекта, такое как LaundroGraph может быть успешно использовано для борьбы с отмыванием денег[76][77]. Исследователи компании по анализу финансовых данных Feedzai, базирующейся в Португалии, продемонстрировали возможности глубокого обучения для предотвращения и обнаружения незаконной деятельности по отмыванию денег, представив систему LaundroGraph, модель самоконтроля, которая позволяет упростить громоздкий процесс проверки больших объёмов финансовых взаимодействий в поисках подозрительных транзакций или денежных обменов. Модель основана на искусственной нейронной сети, предназначенной для автономной обработки больших объёмов данных, которые можно представить в виде графа[78].

ИИ может быть использован для превращения системы борьбы с отмыванием денег в надёжное масштабируемое решение с уменьшенным уровнем ложных срабатываний и высокой адаптивностью[79]. Исследование глубокого обучения для борьбы с отмыванием денег выявило «ключевые проблемы для исследователей» с «доступом к недавним реальным данным транзакций и нехваткой помеченных обучающих данных, а также то, что данные сильно несбалансированы».

Государственные структуры править

Искусственный интеллект имеет множество применений в системе государственных структур. ИИ используется для решения задач государственных структур (в таких областях, как службы экстренной помощи, здравоохранение и социальное обеспечение), а также для расширения возможности взаимодействия общества с правительством (например, посредством использования виртуальных помощников). Искусственный интеллект для решения задач госструктур используется давно: ещё в конце 1990-х годов почтовые службы использовали машинные методы для распознавания рукописного текста на конвертах и автоматической маршрутизации писем[80]. Использование ИИ в этой области приводит к повышению эффективности и экономии затрат (например, за счёт сокращения количества офисных сотрудников) и уменьшению возможностей для коррупции[81].

Применение искусственного интеллекта в системе государственных структур отстаёт от объёмов распространения ИИ в частном секторе. Потенциальные варианты использования ИИ в государственном секторе отражают распространённые применения в частном секторе"[80].

Потенциальное и фактическое использование ИИ в государственных структурах можно разделить на три категории:

  • способствующие достижению целей государственной политики;
  • способствующие взаимодействию общественности с правительством;
  • другие виды использования.

Системы распознавания лиц с использованием искусственного интеллекта используются для массовой слежки, особенно в Китае[82][83].

В 2019 году в Бангалоре, Индия, были внедрены светофоры, управляемые искусственным интеллектом. Эта система использует камеры для мониторинга плотности трафика и регулировки времени сигнала в зависимости от интервала, необходимого для освобождения трафика[84].

ИИ для общего блага править

Некоторые американские академические учреждения используют ИИ для решения ряда крупнейших экономических и социальных проблем в мире. Например, Университет Южной Калифорнии запустил Центр искусственного интеллекта в обществе с целью использования ИИ для решения социально значимых проблем, таких как беспризорность. В Стэнфорде исследователи используют ИИ для анализа спутниковых изображений, чтобы определить, какие области имеют самый высокий уровень бедности.

Вооружения править

См. также: Гонка вооружений в области искусственного интеллекта и Смертоносная автономная система вооружений

Различные страны внедряют военные приложения ИИ[85]. Основные приложения расширяют возможности управления и контроля, связи, датчиков, интеграции и взаимодействия[86]. Исследования направлены на сбор и анализ разведывательной информации, логистику, кибероперации, информационные операции, а также полуавтономные и автономные транспортные средства[85]. Технологии искусственного интеллекта обеспечивают координацию датчиков и исполнительных устройств, обнаружение и идентификацию угроз, маркировку позиций противника, захват целей, координацию и устранение конфликтов в распределённых совместных боевых действиях между объединёнными в сеть боевыми машинами с участием пилотируемых и беспилотных групп[86]. ИИ был задействован в военных операциях в Ираке и Сирии[85].

Во время войны между Израилем и Хамасом в 2023 году Израиль использовал систему искусственного интеллекта для быстрого создания целей для удара[87][88].

В 2020 году беспилотник турецкого производства Kargu, наполненный взрывчаткой, обнаружил и атаковал силы Хафтара в Ливии с помощью собственного искусственного интеллекта (без команды). Согласно докладу группы экспертов Совета Безопасности ООН по Ливии, опубликованному в марте 2021 года, это считается первой атакой, осуществлённой беспилотниками по собственной инициативе[89][90][91].

В Израиле планируется к запуску система «Кибер-Купол», опирающаяся на платформы искусственного интеллекта. Проект является цифровым эквивалентом системы ПРО «Железный купол». Основной задачей нового проекта является защита ключевой инфраструктуры Израиля от потенциальных кибератак со стороны враждебных государств[92].

Ежегодные военные расходы на робототехнику во всем мире выросли с 5,1 млрд долларов США в 2010 году до 7,5 млрд долларов США в 2015 году[93][94]. Широко используются военные дроны, способные действовать автономно[95]. Многие исследователи избегают военного применения[86].

Военное дело править

ИИ является технологической основой перспективных систем управления поля боя и вооружением[85]. С помощью ИИ возможно обеспечить оптимальный и адаптивный к угрозам выбор комбинации сенсоров и средств поражения, скоординировать их совместное функционирование, обнаруживать и идентифицировать угрозы, оценивать намерения противника[86]. Существенную роль ИИ играет в реализации тактических систем дополненной реальности. Например, ИИ позволяет обеспечить классификацию и семантическую сегментацию изображений, локализацию и идентификацию мобильных объектов для эффективного целеуказания[86].

Здравоохранение править

Основная статья: Искусственный интеллект в сфере здравоохранения
 
Рентгенограмма руки с автоматическим расчётом костного возраста пациента[96], полученного с помощью компьютерной программы
 
Робот-ассистированная хирургическая система da Vinci

Искусственный интеллект в здравоохранении использует алгоритмы и программное обеспечение для аппроксимации человеческих знаний при анализе сложных медицинских данных. Основной целью приложений, связанных со здоровьем человека, является анализ взаимосвязи между методами профилактики или лечения и результатами лечения пациентов. Были разработаны и применены на практике программы ИИ, которые проводят диагностику процессов, разработку протоколов лечения, разработку лекарственных средств, мониторинг состояния пациента. Здравоохранение остаётся одной из главных областей инвестирования в ИИ[97].

Сферы применения ИИ в медицине:

  • приложения и программные продукты для распознавания медицинских изображений (снимков МРТ, заключений УЗИ, кардиограмм, результатов компьютерной томографии);
  • стартапы для разработки лекарственных препаратов (микроскопический анализ, изучение эффективности препаратов, исследование вирусов и поиск эффективных вакцин);
  • использование технологий машинного обучения в сфере протезирования (интеллектуальные системы разрабатывают удобные протезы с учётом анатомических особенностей человека);
  • приложения для удалённой помощи пациенту, с помощью которых врачи общей практики могут в удалённом режиме дать рекомендации для лечения простудных болезней или других состояний, не угрожающих жизни;
  • стартапы по лечению раковых заболеваний (приложения по диагностике рака, позволяющие анализировать клиническую картину состояния пациента и предлагать эффективную схему лечения)[98].

Искусственный интеллект в здравоохранении часто используется для классификации диагнозов, оценки компьютерной томографии или электрокардиограммы, для выявления пациентов с высоким риском для здоровья. ИИ помогает решить дорогостоящую проблему дозирования. В 2016 году исследование показало, что формула, полученная на основе искусственного интеллекта, позволяет получить правильную дозу иммунодепрессантов для пациентов, перенесших трансплантацию[99]. Текущие исследования показали, что сосудистые заболевания также лечатся с помощью искусственного интеллекта. При некоторых заболеваниях алгоритмы искусственного интеллекта могут помочь в диагностике, рекомендуемом лечении, прогнозировании результатов и отслеживании прогресса пациента[100].

Проект искусственного интеллекта Microsoft в Ганновере помогает врачам выбирать методы лечения рака из более чем 800 лекарств и вакцин[101][102].

Цель проекта — спрогнозировать, какие (комбинации) лекарств будут наиболее эффективными для каждого пациента больного миелоидным лейкозом. Искусственный интеллект не уступает врачам в выявлении рака кожи[103]. В одном из проектов ИИ контролирует нескольких пациентов из группы высокого риска, задавая каждому пациенту вопросы на основе данных, полученных в результате взаимодействия врача и пациента[104]. В исследовании, проведённом с использованием трансферного обучения, ИИ диагностировал глазные заболевания аналогично офтальмологу и рекомендовал направления на лечение[105].

Автономные роботы всё чаще заменяют людей-хирургов при проведении операций. Команда наблюдавшая за роботом, выполнявшим операцию на мягких тканях (сшивая кишечник свиньи), оценила качество работы робота выше, чем хирурга-человека[106].

Искусственные нейронные сети используются в качестве систем поддержки принятия клинических решений для медицинского диагноза[107].

Многие задачи здравоохранения, считающиеся подходящими для ИИ находятся на различных стадиях разработки: диспансеризация[108]; анализ тонов сердца[109]; роботы-компаньоны для ухода за пожилыми людьми[110]; анализ медицинской документации; разработка плана лечения; управление дозировками и графиком приёма лекарств; помощь слепым[111]; создание лекарств[112] (например, путем выявления лекарств-кандидатов[113] и использования существующих данных скрининга лекарств, например, в исследованиях по продлению жизни)[114]; клиническая подготовка[115]; прогнозирование результатов хирургических процедур; прогноз на ВИЧ; генная инженерия (анализ и идентификация патогенов) идентификация геномных сигнатур новых патогенов[116] или идентификация патогенов с помощью физических отпечатков пальцев[117]; помощь в определении функций генов[118], применение различных способов анализа гена[119] и идентифицируя новые биологические мишени[120]; помощь в разработке биомаркеров[120]; помощь в выборе методов лечения персонализированной медицины[121][122].

Больницы и медицина править

Искусственные нейронные сети используются как клинические системы поддержки принятия решений (англ. Clinical decision support systemClinical decision support system) для медицинской диагностики. Например, технология EMR.

Другие примеры использования ИИ в медицине, которые потенциально могут быть созданы:

  • Компьютерная интерпретация медицинских изображений. Такие системы помогают сканировать цифровые изображения, например, с компьютерной томографии, и выявлять типичные болезни. Например, злокачественные опухоли.
  • Анализ сердцебиения[123].
  • Роботы-спутники для ухода за пожилыми людьми[124].
  • Поиск медицинских записей в архиве для предоставления более точной информации
  • Разработка плана лечения.
  • Предоставления консультаций.
  • Создания лекарственных средств[125].

В настоящее время в отрасли здравоохранения работают более 100 стартапов, которые используют ИИ[126].

Техника безопасности править

Чат-боты с поддержкой искусственного интеллекта уменьшают потребность людей в выполнении рутинных задач колл-центра[127]. Машинное обучение при анализе настроений может выявить усталость и предотвратить переутомление[127]. Аналогичным образом, системы поддержки принятия решений могут предотвратить промышленные катастрофы и повысить эффективность реагирования на стихийные бедствия[128]. Для работников ручного труда, занимающихся погрузочно-разгрузочными работами, прогнозная аналитика может использоваться для уменьшения травм скелетно-мышечной системы[129]. Данные, собранные с помощью элементов умной одежды, могут обеспечить постоянный контроль состояния здоровья на рабочих местах, обследование и оценку рисков[128]. ИИ может автоматически оформлять требования о компенсации работникам[130][131]. Системы виртуальной реальности с поддержкой искусственного интеллекта могут улучшить обучение технике безопасности для распознавания опасностей[128]. ИИ может более эффективно обнаруживать происшествия на грани несчастного случая, что важно для снижения количества аварий, число которых часто занижают[132].

Биохимия править

Программа на базе искусственного интеллекта AlphaFold может определить трёхмерную структуру (свёрнутого) белка за несколько часов, а не месяцев, как требовалось ранее при использовании автоматизированных подходов, и использовалась для определения вероятных структур всех белков в человеческом организме и, по существу, всех белков, известных науке (более 200 миллионов)[133][134][135][136].

Химия и биология править

Машинное обучение используется при разработке новых лекарств. Его также используют для предсказания молекулярных свойств и исследования больших химических/реакционных пространств[137]. Компьютерно-планируемый синтез с помощью вычислительных реакционных сетей, описанный как платформа, сочетающая «вычислительный синтез с алгоритмами искусственного интеллекта для предсказания свойств молекул»[138], использовался для изучения происхождения жизни на Земле[139], синтеза лекарств и переработке по принципам экономики замкнутого цикла более 200 химических отходов промышленных предприятий в важные лекарства и агрохимикаты (проект химического синтеза)[140]. Существуют исследования о том, какие виды компьютерной химии выиграют от машинного обучения[141]. Его также можно использовать для «открытия и разработки лекарств, повторного использования лекарств, повышения производительности фармацевтической промышленности и клинических испытаний». Его использовали для создания белков с заранее заданными функциональными сайтами[142].

Он использовался совместно с базами данных для разработки 46-дневного процесса разработки, синтеза и тестирования препарата, ингибирующего ферменты определённого гена DDR1. DDR1 участвует в развитии рака и фиброза, что является одной из причин высококачественных наборов данных, которые позволили получить эти результаты[143].

Существуют различные типы приложений машинного обучения для расшифровки биологии человека, например, помощь в сопоставлении паттернов экспрессии генов с паттернами функциональной активации[144] или идентификации функциональных мотивов ДНК[145]. Он широко используется в генетических исследованиях[146].

Машинное обучение также используется в синтетической биологии[147][148], биологии болезней[148], нанотехнологиях (например, наноструктурированных материалах и нанобиотехнологиях)[149][150], и материаловедении[151][152][153].

Новые типы машинного обучения править

См. также: Искусственный мозг и Когнитивная нейробиология
 
Схема полуавтоматического процесса работы робота-учёного, включающего извлечение веб-заявлений и биологические лабораторные испытания

Созданы прототипы роботов-учёных, в том числе в роботизированном исполнении, подобных двум роботам, демонстрирующим форму «машинного обучения», представленных на рисунке. Общий процесс проверки воспроизводимости и надежности публикаций по биологии рака с помощью робота. Сначала анализ текста используется для извлечения утверждений о влиянии лекарств на экспрессию генов при раке молочной железы. Затем две разные команды полуавтоматически проверили эти утверждения, используя два разных протокола и две разные клеточные линии (MCF7 и MDA-MB-231), используя систему автоматизации лаборатории Eve[154][155].

Аналогичным образом проводятся исследования и разработки биокомпьютеров, которые могут обучаться и/или имплантироваться в тело человека (например, для использования для управления протезированием)[156] [157] [158] [159] [160].

Искусственные нейроны на основе полимеров действуют непосредственно в биологической среде и представляют собой биогибридные нейроны, состоящие из искусственных и живых компонентов[161][162].

Более того, если эмуляция всего мозга возможна посредством сканирования и репликации биохимического мозга в форме цифровой репликации, с использованием физических нейронных сетей — это может иметь серьёзные последствия. Общество столкнется со значительным моральным выбором, социальными рисками и этическими проблемами[163][164], например, создаются ли такие модели, с целью их использования при исследованиях космического пространства и как будет осуществляться выбор исполнителя в сравнении с решениями более синтетическими и/или менее человеческими и/или не/менее разумными типами искусственного/полуискусственного интеллекта. Альтернативным подходом к сканированию являются типы обратного конструирования мозга[165][166].

Реализованы прототипы искусственного интеллекта[167][168], представляющие собой мобильные роботизированные системы, каждая из которых состоит из одного или нескольких роботов, способные обучаться в физическом мире.

Цифровые аватары править

В своей книге «Дети разума», вышедшей в 1988 году, робототехник Ханс Моравек предположил, что будущий суперкомпьютер сможет воскресить давно умершие разумы на основе сохранившейся о человеке информации. Для решения задачи требуется совокупность : цифровой информации, связанной с человеком, воспоминания, медиазаписи, действия в социальных сетях (цифровые следы)[169][170], смоделированные черты личности[171], личные любимые вещи[171], личные заметки и задачи, медицинские карты и генетическая информация[172][173].

Рэймонд Курцвейл, американский изобретатель и футурист, считает, что, когда его концепция сингулярности воплотится в жизнь, можно будет воскресить мертвых с помощью цифрового воссоздания[174]. Таков один из подходов в концепции цифрового бессмертия, который можно охарактеризовать как воскрешение умерших в виде «цифровых призраков»[175][176] или «цифровых аватаров»[177]. В контексте управления знаниями «виртуальная личность» может «помогать в сборе, сохранении, распространении, доступе и использовании знаний» и продолжении обучения[171]. Проблемы включают посмертную конфиденциальность[178] и потенциальное использование персонализированных цифровых двойников и связанных с ними систем компаниями, работающими с большими данными, и рекламодателями[179].

Сопутствующие альтернативные подходы к цифровому бессмертию включают постепенную «замену» в мозге биологических нейронов на искусственные с использованиемпе передовых медицинских технологий (такими как нанобиотехнологии), а также процедуру загрузки сознания[180].

В трёх последних произведениях писателя[181] Виктора Пелевина действия сюжета перенесены в мир, в котором реализована и используется технология, позволяющая сохранять работающий мозг отдельно от тела, что даёт владельцу мозга новую «жизнь» в виртуальном мире, а также возможность опосредованно взаимодействовать с миром реальным. Такая технология позволяет продлить жизнь практически до бесконечности, так как нейроны головного мозга не стареют в отличие от клеток тела. Вся человеческая цивилизация много лет управляется бессмертными мозгами. Эти мозги хранятся в специальных боксах (в народе их называют «банками»), которые спрятаны в секретных бункерах. Среди мозгов есть своя иерархия из нескольких уровней (или, как их называют, «таеров»), которые различаются качеством и длительностью симуляций. Считается, что существует восемь таеров, но существуют секретные таеры для сверхбогатых хозяев планеты.

Биологические вычисления в ИИ и подобно ИИ править

Биологические компьютеры, кардинально отличаются от синтетических компьютеров (на основе кремния). По мнению многих исследователей, биокомпьютеры позволят решить ряд проблем, присущим их кремниевым собратьям, на базе которых в настоящее время базируются искусственные нейронные сети. Кремниевые чипы потребляют много энергии, дольше выполняют задачи, а также имеют узкое место архитектуры фон Неймана и замедление динамики роста возможностей производительности интегральных схем, определяемое законом Мура[182].

Нейроморфные вычисления на основе цифровых нейронов, моделируют поведение своих биологических аналогов и являются одним из наиболее перспективных вариантов развития ИИ[183]. Искусственные нейроны объединяются по модели импульсных нейронных (спайковых) сетей, особенностью которых является передача данных с помощью разнесенных по времени коротких импульсов равной амплитуды, а не за счет меняющихся по времени значений, как в нейросетях предыдущих поколений.

ДНК-компьютеры производят кодирование данных последовательностями молекул ДНК, используя технологии молекулярной биологии, для выполнения вычислительных операций[184]. В 2019 группой молекулярных биологов была создана на основе ДНК вычислительная система, способнаю извлекать квадратные корни из 10-битных чисел[185].

Создание биологического ИИ по модели человеческого мозга наталкивается на ограничение: «пока биологическую систему невозможно понять, формализовать и имитировать, мы не сможем разработать технологии, которые могут имитировать её», и даже если мы начнём её понимать, это не будет означать, что существует «технологическое решение для имитации естественного интеллекта»[186]. Технологии, которые интегрируют биологию и часто основаны на искусственном интеллекте, включают биоробототехнику.

Астрономия, космические исследования и уфология править

Искусственный интеллект используется в астрономии для анализа растущих объёмов доступных данных[187][188] и приложений, в основном для «классификации, регрессии, кластеризации, прогнозирования, генерации, открытия и развития новых научных идей», например, для открытия экзопланет, прогнозирования солнечной активности и нахождения различий между сигналами и инструментальными эффектами[189] в гравитационно-волновой астрономии[190]. ИИ также используется в процедурах исследования космоса, включая анализ данных космических миссий, научные решения космических аппаратов в реальном времени, предотвращение угрозы космического мусора[191] и более автономную работу[192][193][194][188].

В поисках внеземных цивилизаций (SETI) машинное обучение использовалось в попытках идентифицировать искусственно генерируемые электромагнитные волны в доступных данных[195][196] — таких как наблюдения в реальном времени[197] — и других техносигнатурах путём выявления аномалий[198].

В уфологии проекты SkyCAM-5[199] и «Галилео» используют системы ИИ для обнаружения и классификации особых типов НЛО[200][201][202][203][204]. Проект «Галилео» также стремится обнаружить с использованием ИИ два дополнительных типа потенциальных внеземных техносигнатур: «межзвездных объектов, подобных Оумуамуа, и искусственных спутников»[205][206].

Поиск внеземных цивилизаций править

См. также: Колонизация космоса

Основатель проекта «Галилео», направленного на систематический научный поиск доказательств существования внеземных цивилизаций, Ави Леб предполагает, что одним из типов технологического представительства иных цивилизаций, которое может обнаружить проект, могут быть «астронавты с искусственным интеллектом»[207], а в 2021 году — в авторской статье — что ИИ будет заменять естественный интеллект[208], в то время как космолог Мартин Рис заявил, что цивилизаций «может» быть больше, чем считалось, причем «большинство из них» являются искусственными[209].

В будущем применения искусственного интеллекта могут создавать формы сильного искусственного интеллекта, способного выполнять задачи колонизации космоса, или более слабые типы ИИ, специфичные для космических полетов[210][211].

Существуют опасения, связанные с потенциальными рисками при встрече с инопланетным искусственным интеллектом, вопросами моральной ответственности в отношении последствий колонизации и возможности того, что ИИ может выйти из-под контроля[212][213] (например, как это показано в вымышленных персонажах David8[214] и HAL 9000). Леб описал возможность существования «астронавтов ИИ», которые будут заниматься «контролируемой эволюцией»[215].

Астрохимия править

ИИ также можно использовать для создания наборов данных о спектральных характеристиках молекул, которые могут участвовать в производстве или потреблении в атмосфере определённых химических веществ — таких как фосфин, возможно обнаруженный на Венере — что могло бы предотвратить ошибки в классификации и, если точность будет повышена, использоваться в будущие открытия и идентификация молекул на других планетах[216].

Другие области исследований править

Археология, история и реконструкция памятников править

См. также: Цифровая археология

ИИ может помочь восстановить и атрибутировать древние тексты[217]. Например, это может помочь индексировать тексты, чтобы обеспечить быстрый и простой поиск[218] и классификацию фрагментов[219].

Искусственный интеллект также можно использовать для исследования геномов с целью раскрытия генетической истории, например, скрещивания между архаичными и современными людьми[220].

ИИ также можно использовать для «неинвазивного и неразрушающего доступа к внутренним структурам археологических находок»[221].

Физика править

Сообщалось, что ИИ изучает интуитивную физику на основе визуальных данных (виртуальной трехмерной среды) на основе подхода воспроизводимости, вдохновленного исследованиями зрительного познания у младенцев. Другие исследователи разработали алгоритм машинного обучения, который может обнаруживать наборы основных переменных различных физических систем и предсказывать будущую динамику систем на основе видеозаписей их поведения[222][223]. В будущем, возможно, их можно будет использовать для автоматизации открытия физических законов сложных систем[224][225] In the future, it may be possible that such can be used to automate the discovery of physical laws of complex systems.[224].

Материаловедение править

ИИ можно использовать для оптимизации и открытия материалов, например, для открытия стабильных материалов и предсказания их кристаллической структуры[226].

В ноябре 2023 года исследователи из Google DeepMind и Национальной лаборатории Лоуренса в Беркли объявили, что разработали систему искусственного интеллекта, известную как GNoME. Эта система внесла вклад в материаловедение, открыв более 2 миллионов новых материалов за относительно короткий период времени. GNoME использует методы глубокого обучения для эффективного исследования потенциальных структур материалов, достигая значительного улучшения идентификации стабильных неорганических кристаллических структур. Предсказания системы были подтверждены в ходе автономных роботизированных экспериментов, продемонстрировавших примечательный уровень успеха — 71 %. Данные о вновь обнаруженных материалах общедоступны через базу данных Materials Project, что дает исследователям возможность идентифицировать материалы с желаемыми свойствами для различных применений. Это развитие имеет последствия для будущего научных открытий и интеграции ИИ в исследования в области материаловедения, потенциально ускоряя инновации в материалах и снижая затраты на разработку продуктов. Использование искусственного интеллекта и глубокого обучения предполагает возможность свести к минимуму или исключить ручные лабораторные эксперименты и позволить ученым больше сосредоточиться на разработке и анализе уникальных соединений[227] [228] [229].

Обратная инженерия править

Основная статья: Обратная инженерия

ИИ используется в различных видах обратной инженерии. Например, ИИ используется в качестве инструмента для обратной инженерии детали из композитного материала, что позволило несанкционированно производить детали высокого качества[230] и оперативно определить алгоритм вредоносного ПО[231][232][233]. ИИ можно использовать для процесса обратной инженерии моделей искусственного интеллекта[234]. ИИ также может разрабатывать компоненты, занимаясь своего рода обратной инженерией ещё не существующих виртуальных компонентов, например, инверсного молекулярного дизайна для конкретной проектируемой функциональности[235] или дизайн белка для заранее определённых функциональных участков[142][236]. Обратная инженерия биологических сетей может моделировать взаимодействия понятным для человека способом, например, на основе данных временных рядов уровней экспрессии генов[237].

Законодательство править

Юридический анализ править

ИИ является основой для многих профессий, связанных с юриспруденцией. Алгоритмы и машинное обучение решают некоторые задачи, которые раньше выполняли юристы начального уровня[238]. Хотя его использование широко распространено, ожидается, что оно не сможет заменить большую часть работы, совешаемой юристами в ближайшем будущем.

Индустрия электронных открытий использует машинное обучение, чтобы сократить объём ручного поиска[239].

Правоохранительные органы и судебное производство править

COMPAS — коммерческая система, используемая судами США для оценки вероятности рецидива преступлений[240].

Одна из проблем связана с алгоритмической предвзятостью: программы ИИ могут не обеспечивать нейтральность позиции в выводах, получаемых в результате обработки данных. Организация ProPublica, ведущая журналистские расследования, утверждает что средний уровень риска рецидива, установленный COMPAS, у чернокожих обвиняемых значительно выше, чем у белых обвиняемых[240].

В 2019 году в китайском городе Ханчжоу была создана пилотная программа Интернет-суда на основе искусственного интеллекта для рассмотрения споров, связанных с электронной торговлей в сети Интернет и исками об интеллектуальной собственности. Стороны предстают перед судом посредством видеоконференции, а ИИ оценивает доказательства. представил и применяет соответствующие правовые стандарты[241].

Услуги править

Кадровая работа править

Ещё одно применение ИИ — в сфере управления персоналом. ИИ может проверять резюме и ранжировать кандидатов на основе их квалификации, предсказывать успех кандидатов на определённых должностях и автоматизировать повторяющиеся коммуникационные задачи с помощью чат-ботов[242].

Поиск работы править

ИИ упростил процесс рекрутинга/поиска работы как для рекрутёров, так и для соискателей. По мнению американских специалистов по трудоустройству 65 % ищущих работу снова ищут работу в течение 91 дня после приёма на работу. Механизм на базе искусственного интеллекта упрощает поиск работы, оценивая информацию о профессиональных навыках, зарплатах и тенденциях пользователей, подбирая соискателей на наиболее подходящие должности. Машинный интеллект рассчитывает соответствующую заработную плату и выделяет информацию о резюме для рекрутеров с помощью НЛП, которая извлекает соответствующие слова и фразы из текста. Ещё одно приложение — конструктор резюме с использованием искусственного интеллекта, который составляет резюме за 5 минут[243]. Чат-боты помогают посетителям сайта и улучшают рабочие процессы.

Обслуживание клиентов онлайн и по телефону править

Автоматизированный онлайн-помощник, обеспечивающий обслуживание клиентов на веб-странице.

ИИ используется при создании виртуальных ассистентов (автоматических онлайн-помощников) на веб-страницах сайтов[244]. Это помогает снизить затраты на эксплуатацию и обучение[244]. Например, IT компания Pypestream автоматизировала обслуживание клиентов для своего мобильного приложения, чтобы упростить общение с ними[245].

Приложение Google анализирует язык и преобразует речь в текст. Платформа может распознавать разгневанных клиентов по их языку и реагировать соответствующим образом[246]. Amazon использует чат-бота для обслуживания клиентов, который может выполнять такие задачи, как проверка статуса заказа, отмена заказов, предложение возмещения и соединение клиента с представителем-человеком[247].

Гостиничный сервис править

В индустрии гостиничного сервиса ИИ используется для сокращения повторяющихся задач, анализа тенденций, взаимодействия с гостями и прогнозирования потребностей клиентов[248]. Гостиничные услуги на базе искусственного интеллекта представлены в форме чат-бота[249], приложения, виртуального голосового помощника и сервисных роботов.

СМИ править

Приложения искусственного интеллекта анализируют медиаконтент (фильмы, телепрограммы, рекламные видеоролики, пользовательский контент). Решения часто включают в себя компьютерное зрение.

Типичные сценарии включают анализ изображений с использованием методов распознавания объектов или лиц или анализ видео для распознавания сцен, объектов или лиц. Медиа-анализ на основе искусственного интеллекта может облегчить поиск медиа, создание описательных ключевых слов для контента, мониторинг политики в отношении контента (например, проверку пригодности контента для определённого времени просмотра телепередач), преобразование речи в текст для архивирования или других целей, а также обнаружение логотипы, продукты или лица знаменитостей для размещения рекламы.

  • Интерполяция движения[250]
  • Алгоритмы масштабирования пиксельной графики[251]
  • Масштабирование изображения[252]
  • Восстановление изображений[253][254]
  • Раскрашивание фотографий[255]
  • Реставрация пленки и масштабирование видео[256]
  • Маркировка фотографий[257]
  • Автоматизированная идентификация видов (например, идентификация растений, грибов и животных с помощью приложения)
  • Преобразование текста в изображение, такие как DALL-E, Midjourney и Stable Diffusion.
  • Преобразование изображений в видео[258]
  • Преобразование текста в видео, например Make-A-Video от Meta, Imagen video и Phenaki от Google
  • Преобразование текста в музыку с помощью моделей искусственного интеллекта, таких как MusicLM[259]
  • Преобразование текста в речь, например ElevenLabs и 15.ai
  • Захват движения[260].

Примечания править

  1. ↑ Что может машинное обучение? Последствия для рабочей силы.
  2. ↑ Pankaj Gupta, Ashish Goel, Jimmy Lin, Aneesh Sharma, Dong Wang, and Reza Bosagh Zadeh WTF:The who-to-follow system at Twitter, Proceedings of the 22nd international conference on World Wide Web
  3. ↑ Baran, Remigiusz; Dziech, Andrzej; Zeja, Andrzej (1 June 2018). "A capable multimedia content discovery platform based on visual content analysis and intelligent data enrichment". Multimedia Tools and Applications (англ.). 77 (11): 14077—14091. doi:10.1007/s11042-017-5014-1. ISSN 1573-7721. S2CID 36511631.
  4. ↑ What are the security risks of open sourcing the Twitter algorithm? VentureBeat (27 мая 2022). Дата обращения: 23 марта 2024.
  5. ↑ Examining algorithmic amplification of political content on Twitter (амер. англ.). Дата обращения: 23 марта 2024.
  6. ↑ Park, SoHyun; Oh, Heung-Kwon; Park, Gibeom; Suh, Bongwon; Bae, Woo Kyung; Kim, Jin Won; Yoon, Hyuk; Kim, Duck-Woo; Kang, Sung-Bum (February 2016). "The Source and Credibility of Colorectal Cancer Information on Twitter". Medicine. 95 (7): e2775. doi:10.1097/MD.0000000000002775. PMC 4998625. PMID 26886625.
  7. ↑ Efthimion, Phillip; Payne, Scott; Proferes, Nicholas (20 July 2018). "Supervised Machine Learning Bot Detection Techniques to Identify Social Twitter Bots". SMU Data Science Review. 1 (2).
  8. ↑ The online information environment. Дата обращения: 23 марта 2024.
  9. ↑ Islam, Md Rafiqul; Liu, Shaowu; Wang, Xianzhi; Xu, Guandong (29 September 2020). "Deep learning for misinformation detection on online social networks: a survey and new perspectives". Social Network Analysis and Mining (англ.). 10 (1): 82. doi:10.1007/s13278-020-00696-x. ISSN 1869-5469. PMC 7524036. PMID 33014173.
  10. ↑ Mohseni, Sina; Ragan, Eric (4 December 2018). "Combating Fake News with Interpretable News Feed Algorithms". arXiv:1811.12349 [cs.SI].
  11. ↑ Matz, S. C.; Kosinski, M.; Nave, G.; Stillwell, D. J. (28 November 2017). "Psychological targeting as an effective approach to digital mass persuasion". Proceedings of the National Academy of Sciences of the United States of America. 114 (48): 12714—12719. Bibcode:2017PNAS..11412714M. doi:10.1073/pnas.1710966114. JSTOR 26485255. PMC 5715760. PMID 29133409.
  12. ↑ Introducing the AI Sandbox for advertisers and expanding our Meta Advantage suite (англ.). www.facebook.com (11 мая 2023). Дата обращения: 23 марта 2024.
  13. ↑ Busby, Mattha Revealed: how bookies use AI to keep gamblers hooked (англ.). The Guardian (30 апреля 2018).
  14. ↑ Celli, Fabio. Profilio // Proceedings of the 25th ACM international conference on Multimedia / Fabio Celli, Pietro Zani Massani, Bruno Lepri. — 2017. — P. 546–550. — ISBN 978-1-4503-4906-2. — doi:10.1145/3123266.3129311.
  15. ↑ Rowinski, Dan. Virtual Personal Assistants & The Future Of Your Smartphone [Infographic]. ReadWrite (15 января 2013). Архивировано 22 декабря 2015 года.
  16. ↑ Supercharging Search with generative AI (амер. англ.). Google (10 мая 2023). Дата обращения: 23 марта 2024.
  17. ↑ 1 2 ИИ и поисковые системы.
  18. ↑ Google’s 200 Ranking Factors: The Complete List (англ.). Backlinko (Brian Dean) (18 апреля 2013). Дата обращения: 23 марта 2024. Архивировано 14 апреля 2016 года.
  19. ↑ «Яндекс» представил нейробраузер.
  20. ↑ Galego Hernandes, Paulo R. Phishing Detection Using URL-based XAI Techniques // 2021 IEEE Symposium Series on Computational Intelligence (SSCI) / Paulo R. Galego Hernandes, Camila P. Floret, Katia F. Cardozo De Almeida … [и др.]. — December 2021. — P. 01–06. — ISBN 978-1-7281-9048-8. — doi:10.1109/SSCI50451.2021.9659981.
  21. ↑ Jáñez-Martino, Francisco; Alaiz-Rodríguez, Rocío; González-Castro, Víctor; Fidalgo, Eduardo; Alegre, Enrique (2023-02-01). "A review of spam email detection: analysis of spammer strategies and the dataset shift problem". Artificial Intelligence Review (англ.). 56 (2): 1145—1173. doi:10.1007/s10462-022-10195-4. hdl:10612/14967. ISSN 1573-7462. S2CID 248738572.
  22. ↑ Нейросети на страже пользователей. Ведомости.Технологии (29 марта 2024). Дата обращения: 18 апреля 2024.
  23. ↑ Черноусов, Иван ИИ научился мгновенно определять мошенников в мессенджерах. Известия (12 февраля 2024). Дата обращения: 18 апреля 2024.
  24. ↑ В России создали нейросеть, которая определит устойчивость мошенникам по фото. www.ferra.ru. Дата обращения: 18 апреля 2024.
  25. ↑ 1 2 Почему 2015 год стал годом прорыва в области искусственного интеллекта.
  26. ↑ "Can artificial intelligence really help us talk to the animals?". The Guardian (англ.). 31 July 2022. Дата обращения: 23 марта 2024.
  27. ↑ Heath, Nick (2020-12-11). "What is AI? Everything you need to know about Artificial Intelligence" (англ.). ZDNet. Дата обращения: 20 марта 2024.
  28. ↑ Leonardo Torres Quevedo, referente para la ingeniería y desconocido para el gran público. web.archive.org (17 июня 2022). Дата обращения: 18 апреля 2024.
  29. ↑ Markoff, John (2011-02-16). "Computer Wins on 'Jeopardy!': Trivial, It's Not". The New York Times. Архивировано из оригинала 22 октября 2014. Дата обращения: 20 марта 2024.
  30. ↑ AlphaGo – Google DeepMind. Архивировано 10 марта 2016 года.
  31. ↑ Metz, Cade (27 May 2017). "After Win in China, AlphaGo's Designers Explore New AI". Wired. Архивировано из оригинала 2 июня 2017.
  32. ↑ World's Go Player Ratings (май 2017). Архивировано 1 апреля 2017 года.
  33. ↑ 柯洁迎19岁生日 雄踞人类世界排名第一已两年 (кит.) (май 2017). Архивировано 11 августа 2017 года.
  34. ↑ MuZero: Mastering Go, chess, shogi and Atari without rules. Deepmind (23 декабря 2020). Дата обращения: 20 марта 2024.
  35. ↑ Steven Borowiec, Tracey Lien (12 March 2016). "AlphaGo beats human Go champ in milestone for artificial intelligence". Los Angeles Times. Дата обращения: 20 марта 2024.
  36. ↑ Solly, Meilan This Poker-Playing A.I. Knows When to Hold 'Em and When to Fold 'Em. Smithsonian. — «Pluribus has bested poker pros in a series of six-player no-limit Texas Hold'em games, reaching a milestone in artificial intelligence research. It is the first bot to beat humans in a complex multiplayer competition.»
  37. ↑ Bowling, Michael; Burch, Neil; Johanson, Michael; Tammelin, Oskari (9 January 2015). "Heads-up limit hold'em poker is solved". Science (англ.). 347 (6218): 145—149. Bibcode:2015Sci...347..145B. doi:10.1126/science.1259433. ISSN 0036-8075. PMID 25574016. S2CID 3796371.
  38. ↑ Ontanon, Santiago; Synnaeve, Gabriel; Uriarte, Alberto; Richoux, Florian; Churchill, David; Preuss, Mike (December 2013). "A Survey of Real-Time Strategy Game AI Research and Competition in StarCraft". IEEE Transactions on Computational Intelligence and AI in Games. 5 (4): 293—311. CiteSeerX 10.1.1.406.2524. doi:10.1109/TCIAIG.2013.2286295. S2CID 5014732.
  39. ↑ "Facebook Quietly Enters StarCraft War for AI Bots, and Loses". WIRED. 2017. Дата обращения: 23 марта 2024.
  40. ↑ Silver, David; Hubert, Thomas; Schrittwieser, Julian; Antonoglou, Ioannis; Lai, Matthew; Guez, Arthur; Lanctot, Marc; Sifre, Laurent; Kumaran, Dharshan; Graepel, Thore; Lillicrap, Timothy; Simonyan, Karen; Hassabis, Demis (7 December 2018). "A general reinforcement learning algorithm that masters chess, shogi, and go through self-play". Science. 362 (6419): 1140—1144. Bibcode:2018Sci...362.1140S. doi:10.1126/science.aar6404. PMID 30523106.
  41. ↑ Sample, Ian (18 October 2017). "'It's able to create knowledge itself': Google unveils AI that learns on its own". The Guardian (англ.). Дата обращения: 23 марта 2024.
  42. ↑ "The AI revolution in science". Science | AAAS (англ.). 5 July 2017. Дата обращения: 23 марта 2024.
  43. ↑ K, Bharath AI In Chess: The Evolution of Artificial Intelligence In Chess Engines (англ.). Medium (2 апреля 2021). Дата обращения: 23 марта 2024. Архивировано из оригинала 6 января 2022 года.
  44. ↑ Gambhire, Akshaya; Shaikh Mohammad, Bilal N. (8 April 2020). Use of Artificial Intelligence in Agriculture. Proceedings of the 3rd International Conference on Advances in Science & Technology (ICAST) 2020.
  45. ↑ The Future of AI in Agriculture (англ.). Intel. Дата обращения: 20 марта 2024.
  46. ↑ Sennaar, Kumba AI in Agriculture – Present Applications and Impact | Emerj - Artificial Intelligence Research and Insight (амер. англ.). Emerj. Дата обращения: 20 марта 2024.
  47. ↑ G. Jones, Colleen Artificial Intelligence in Agriculture: Farming for the 21st Century (амер. англ.) (26 июня 2019). Дата обращения: 20 марта 2024.
  48. ↑ Briefer, Elodie F.; Sypherd, Ciara C.-R.; Linhart, Pavel; Leliveld, Lisette M. C.; Padilla de la Torre, Monica; Read, Eva R.; Guérin, Carole; Deiss, Véronique; Monestier, Chloé; Rasmussen, Jeppe H.; Špinka, Marek; Düpjan, Sandra; Boissy, Alain; Janczak, Andrew M.; Hillmann, Edna; Tallet, Céline (7 March 2022). "Classification of pig calls produced from birth to slaughter according to their emotional valence and context of production". Scientific Reports (англ.). 12 (1): 3409. Bibcode:2022NatSR..12.3409B. doi:10.1038/s41598-022-07174-8. ISSN 2045-2322. PMC 8901661. PMID 35256620.
  49. ↑ Moreno, Millán M.; Guzmán, Sevilla E.; Demyda, S. E. (1 November 2011). "Population, Poverty, Production, Food Security, Food Sovereignty, Biotechnology and Sustainable Development: Challenges for the XXI Century". Bulletin of University of Agricultural Sciences and Veterinary Medicine Cluj-Napoca. Veterinary Medicine. 1 (68). doi:10.15835/buasvmcn-vm:1:68:6771 (inactive 31 January 2024).{{cite journal}}: Википедия:Обслуживание CS1 (DOI неактивен с января 2024) (ссылка)
  50. ↑ Liundi, Nicholas. Improving Rice Productivity in Indonesia with Artificial Intelligence // 2019 7th International Conference on Cyber and IT Service Management (CITSM) / Nicholas Liundi, Aditya Wirya Darma, Rivaldi Gunarso … [и др.]. — 2019. — P. 1–5. — ISBN 978-1-7281-2909-9. — doi:10.1109/CITSM47753.2019.8965385.
  51. ↑ Talaviya, Tanha; Shah, Dhara; Patel, Nivedita; Yagnik, Hiteshri; Shah, Manan (2020). "Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides". Artificial Intelligence in Agriculture. 4: 58—73. doi:10.1016/j.aiia.2020.04.002. S2CID 219064189.
  52. ↑ Olick, Diana How robots and indoor farming can help save water and grow crops year round (англ.). CNBC (18 апреля 2022). Дата обращения: 20 марта 2024.
  53. ↑ Industrial Robot Statistics (англ.). Дата обращения: 30 августа 2018. Архивировано из оригинала 27 марта 2016 года.
  54. ↑ Anne Johnson. Implications of artificial intelligence for cybersecurity: proceedings of a workshop / Anne Johnson, Emily Grumbling. — Washington, DC : National Academies Press, 2019. — ISBN 978-0-309-49451-9.
  55. ↑ Parisi, Alessandro. Hands-on artificial intelligence for cybersecurity: implement smart AI systems for preventing cyber attacks and detecting threats and network anomalies. — Birmingham, UK, 2019. — ISBN 978-1-78980-517-8.
  56. ↑ How AI will automate cybersecurity in the post-COVID world (амер. англ.). VentureBeat (6 сентября 2020). Дата обращения: 20 марта 2024.
  57. ↑ The Role Of Artificial Intelligence In The Classroom. eLearning Industry (14 апреля 2018). Дата обращения: 20 марта 2024.
  58. ↑ Richtel, Matt (21 November 2010). "Growing Up Digital, Wired for Distraction". The New York Times.
  59. ↑ Anabel, Quan-Haase. TECHNOLOGY AND SOCIETY: social networks, power, and inequality.. — Oxford University Press, 2020. — ISBN 978-0-19-903225-9.
  60. ↑ Chen, Hsing-Chung; Prasetyo, Eko; Tseng, Shian-Shyong; Putra, Karisma Trinanda; Prayitno; Kusumawardani, Sri Suning; Weng, Chien-Erh (January 2022). "Week-Wise Student Performance Early Prediction in Virtual Learning Environment Using a Deep Explainable Artificial Intelligence". Applied Sciences (англ.). 12 (4): 1885. doi:10.3390/app12041885.
  61. ↑ Yuskovych-Zhukovska, Valentyna; Poplavska, Tetiana; Diachenko, Oksana; Mishenina, Tetiana; Topolnyk, Yana; Gurevych, Roman (2022-03-23). "Application of Artificial Intelligence in Education. Problems and Opportunities for Sustainable Development". BRAIN. Broad Research in Artificial Intelligence and Neuroscience (англ.). 13 (1Sup1): 339—356. doi:10.18662/brain/13.1Sup1/322. ISSN 2067-3957.
  62. ↑ Zou, James (10 July 2023). "GPT detectors are biased against non-native English writers". Patterns. 4 (7): 100779. doi:10.1016/j.patter.2023.100779. PMID 37521038.
  63. ↑ Christy, Charles A. Impact of Artificial Intelligence on Banking. Los Angeles Times (17 января 1990). Дата обращения: 20 марта 2024.
  64. ↑ O'Neill, Eleanor Accounting, automation and AI (англ.). icas.com (31 июля 2016). Дата обращения: 20 марта 2024. Архивировано 18 ноября 2016 года.
  65. ↑ "CTO Corner: Artificial Intelligence Use in Financial Services – Financial Services Roundtable". Financial Services Roundtable (англ.). 2 April 2015. Архивировано из оригинала 18 ноября 2016. Дата обращения: 20 марта 2024.
  66. ↑ Artificial Intelligence Solutions, AI Solutions. sas.com.
  67. ↑ Chapman, Lizette Palantir once mocked the idea of salespeople. Now it's hiring them. Los Angeles Times (7 января 2019). Дата обращения: 20 марта 2024.
  68. ↑ Marwala, Tshilidzi. Artificial Intelligence and Economic Theory: Skynet in the Market / Tshilidzi Marwala, Evan Hurwitz. — London : Springer, 2017. — ISBN 978-3-319-66104-9.
  69. ↑ Marwala, Tshilidzi; Hurwitz, Evan (2017), "Efficient Market Hypothesis", Artificial Intelligence and Economic Theory: Skynet in the Market, Advanced Information and Knowledge Processing, Cham: Springer International Publishing, pp. 101—110, doi:10.1007/978-3-319-66104-9_9, ISBN 978-3-319-66103-2, Дата обращения: 23 марта 2024
  70. ↑ Shao, Jun; Lou, Zhukun; Wang, Chong; Mao, Jinye; Ye, Ailin (2021). "The impact of artificial intelligence (AI) finance on financing constraints of non-SOE firms in emerging markets". International Journal of Emerging Markets. 17 (4): 930—944. doi:10.1108/IJOEM-02-2021-0299. ISSN 1746-8809. S2CID 244206647.
  71. ↑ Algorithmic Trading. Investopedia (18 мая 2005).
  72. ↑ Beyond Robo-Advisers: How AI Could Rewire Wealth Management (5 января 2017).
  73. ↑ Asatryan, Diana Machine Learning Is the Future of Underwriting, But Startups Won't be Driving It. bankinnovation.net (3 апреля 2017). Дата обращения: 21 марта 2024.
  74. ↑ "ZestFinance Introduces Machine Learning Platform to Underwrite Millennials and Other Consumers with Limited Credit History" (Press release). 14 February 2017.
  75. ↑ Chang, Hsihui; Kao, Yi-Ching; Mashruwala, Raj; Sorensen, Susan M. (10 April 2017). "Technical Inefficiency, Allocative Inefficiency, and Audit Pricing". Journal of Accounting, Auditing & Finance. 33 (4): 580—600. doi:10.1177/0148558X17696760. S2CID 157787279.
  76. ↑ Fadelli, Ingrid. "LaundroGraph: Using deep learning to support anti-money laundering efforts". techxplore.com (англ.). Дата обращения: 23 марта 2024.
  77. ↑ Cardoso, Mário. LaundroGraph: Self-Supervised Graph Representation Learning for Anti-Money Laundering // Proceedings of the Third ACM International Conference on AI in Finance / Mário Cardoso, Pedro Saleiro, Pedro Bizarro. — Association for Computing Machinery, 26 October 2022. — P. 130–138. — ISBN 9781450393768. — doi:10.1145/3533271.3561727.
  78. ↑ LaundroGraph: использование глубокого обучения для поддержки усилий по борьбе с отмыванием денег.
  79. ↑ Kute, Dattatray Vishnu; Pradhan, Biswajeet; Shukla, Nagesh; Alamri, Abdullah (2021). "Deep Learning and Explainable Artificial Intelligence Techniques Applied for Detecting Money Laundering–A Critical Review". IEEE Access. 9: 82300—82317. Bibcode:2021IEEEA...982300K. doi:10.1109/ACCESS.2021.3086230. hdl:10072/415222. ISSN 2169-3536. S2CID 235455342.
  80. ↑ 1 2 Mehr, Hila Artificial Intelligence for Citizen Services and Government. ash.harvard.edu (август 2017). Дата обращения: 24 марта 2024.
  81. ↑ Zheng, Yongqing Yu, Han Cui, Lizhen Miao, Chunyan Leung, Cyril Yang, Qiang. Smarths: An AI platform for improving government service provision. — 2018.
  82. ↑ Buckley, Chris; Mozur, Paul (22 May 2019). "How China Uses High-Tech Surveillance to Subdue Minorities". The New York Times.
  83. ↑ Security lapse exposed a Chinese smart city surveillance system (3 мая 2019). Дата обращения: 22 марта 2024. Архивировано из оригинала 7 марта 2021 года.
  84. ↑ AI traffic signals to be installed in Bengaluru soon (амер. англ.). NextBigWhat (24 сентября 2019). Дата обращения: 22 марта 2024.
  85. ↑ 1 2 3 4 Congressional Research Service. Artificial Intelligence and National Security. — Washington, DC : Congressional Research Service, 2019.PD-notice
  86. ↑ 1 2 3 4 5 Slyusar, Vadym (2019). "Artificial intelligence as the basis of future control networks". ResearchGate. doi:10.13140/RG.2.2.30247.50087.
  87. ↑ Israeli army relaxed rules for bombing 'non-military targets' in Gaza (англ.). Middle East Eye. Дата обращения: 21 марта 2024.
  88. ↑ Davies, Harry; McKernan, Bethan; Sabbagh, Dan (2023-12-01). "'The Gospel': how Israel uses AI to select bombing targets in Gaza". The Guardian (англ.). ISSN 0261-3077. Дата обращения: 21 марта 2024.
  89. ↑ Фрелих, Паула (29 мая 2021). "Беспилотник-убийца "выследил человеческую цель" без приказа" (англ.). Fox News. Архивировано из оригинала 3 ноября 2022. Дата обращения: 23 марта 2024.
  90. ↑ "Доклад ООН: БПЛА турецкого производства совершил первую в мире автономную атаку беспилотников". The Independent (тур.). 31 мая 2021. Архивировано из оригинала 3 ноября 2022. Дата обращения: 23 марта 2024.
  91. ↑ Зицер, Джошуа (30 мая 2021). "Неавторизованный беспилотник-убийца "выследил" человеческую цель без приказа, говорится в докладе ООН" (англ.). Business Insider. Архивировано из оригинала 3 ноября 2022. Дата обращения: 23 марта 2024.
  92. ↑ Израиль представляет «Кибер-Купол».
  93. ↑ "Getting to grips with military robotics". The Economist (англ.). 25 January 2018. Дата обращения: 21 марта 2024.
  94. ↑ Autonomous Systems: Infographic (англ.). siemens.com. Дата обращения: 21 марта 2024.
  95. ↑ Allen, Gregory Understanding China's AI Strategy. Center for a New American Security (6 февраля 2019). Дата обращения: 21 марта 2024. Архивировано 17 марта 2019 года.
  96. ↑ Костный возраст — это особенности строения костей, по которым можно определить реальный уровень состояния костей скелета пациента.
  97. ↑ "Artificial Intelligence Is Almost Ready for Business". Harvard Business Review. Архивировано из оригинала 4 января 2022. Дата обращения: 22 марта 2024.
  98. ↑ Искусственный интеллект (ИИ) в медицине: новости и статьи. Everest. Дата обращения: 22 марта 2024. Архивировано 28 марта 2019 года.
  99. ↑ "10 Promising AI Applications in Health Care". Harvard Business Review. 10 May 2018. Архивировано из оригинала 15 декабря 2018. Дата обращения: 22 марта 2024.
  100. ↑ Lareyre, Fabien; Lê, Cong Duy; Ballaith, Ali; Adam, Cédric; Carrier, Marion; Amrani, Samantha; Caradu, Caroline; Raffort, Juliette (August 2022). "Applications of Artificial Intelligence in Non-cardiac Vascular Diseases: A Bibliographic Analysis". Angiology (англ.). 73 (7): 606—614. doi:10.1177/00033197211062280. ISSN 0003-3197. PMID 34996315. S2CID 245812907.
  101. ↑ "Microsoft Using AI to Accelerate Cancer Precision Medicine". HealthITAnalytics (англ.). 29 October 2019. Дата обращения: 22 марта 2024.
  102. ↑ Dina Bass (20 September 2016). "Microsoft Develops AI to Help Cancer Doctors Find the Right Treatments". Bloomberg L.P. Архивировано из оригинала 11 мая 2017.
  103. ↑ Gallagher, James (26 January 2017). "Artificial intelligence 'as good as cancer doctors'". BBC News (англ.). Архивировано из оригинала 26 января 2017. Дата обращения: 22 марта 2024.
  104. ↑ Langen, Pauline A.; Katz, Jeffrey S.; Dempsey, Gayle, eds. (18 October 1994), Remote monitoring of high-risk patients using artificial intelligence, Архивировано из оригинала 28 февраля 2017, Дата обращения: 22 марта 2024
  105. ↑ Kermany, Daniel S.; Goldbaum, Michael; Cai, Wenjia; Valentim, Carolina C.S.; Liang, Huiying; Baxter, Sally L.; McKeown, Alex; Yang, Ge; Wu, Xiaokang; Yan, Fangbing; Dong, Justin; Prasadha, Made K.; Pei, Jacqueline; Ting, Magdalene Y.L.; Zhu, Jie; Li, Christina; Hewett, Sierra; Dong, Jason; Ziyar, Ian; Shi, Alexander; Zhang, Runze; Zheng, Lianghong; Hou, Rui; Shi, William; Fu, Xin; Duan, Yaou; Huu, Viet A.N.; Wen, Cindy; Zhang, Edward D.; Zhang, Charlotte L.; Li, Oulan; Wang, Xiaobo; Singer, Michael A.; Sun, Xiaodong; Xu, Jie; Tafreshi, Ali; Lewis, M. Anthony; Xia, Huimin; Zhang, Kang (February 2018). "Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning". Cell. 172 (5): 1122—1131.e9. doi:10.1016/j.cell.2018.02.010. PMID 29474911. S2CID 3516426.
  106. ↑ Senthilingam, Meera (12 May 2016). "Are Autonomous Robots Your next Surgeons?". CNN. Архивировано из оригинала 3 декабря 2016. Дата обращения: 22 марта 2024.
  107. ↑ Pumplun L, Fecho M, Wahl N, Peters F, Buxmann P (2021). "Adoption of Machine Learning Systems for Medical Diagnostics in Clinics: Qualitative Interview Study". Journal of Medical Internet Research. 23 (10): e29301. doi:10.2196/29301. PMC 8556641. PMID 34652275. S2CID 238990562.
  108. ↑ Inglese, Marianna; Patel, Neva; Linton-Reid, Kristofer; Loreto, Flavia; Win, Zarni; Perry, Richard J.; Carswell, Christopher; Grech-Sollars, Matthew; Crum, William R.; Lu, Haonan; Malhotra, Paresh A.; Aboagye, Eric O. (20 June 2022). "A predictive model using the mesoscopic architecture of the living brain to detect Alzheimer's disease". Communications Medicine (англ.). 2 (1): 70. doi:10.1038/s43856-022-00133-4. ISSN 2730-664X. PMC 9209493. PMID 35759330."Single MRI scan of the brain could detect Alzheimer's disease". Physics World. 13 July 2022. Дата обращения: 22 марта 2024.
  109. ↑ Reed, Todd R.; Reed, Nancy E.; Fritzson, Peter (2004). "Heart sound analysis for symptom detection and computer-aided diagnosis". Simulation Modelling Practice and Theory. 12 (2): 129—146. doi:10.1016/j.simpat.2003.11.005.
  110. ↑ Yorita, Akihiro; Kubota, Naoyuki (2011). "Cognitive Development in Partner Robots for Information Support to Elderly People". IEEE Transactions on Autonomous Mental Development. 3: 64—73. CiteSeerX 10.1.1.607.342. doi:10.1109/TAMD.2011.2105868. S2CID 13797196.
  111. ↑ Ray, Dr Amit Artificial intelligence for Assisting Navigation of Blind People. Inner Light Publishers (14 мая 2018).
  112. ↑ "Artificial Intelligence Will Redesign Healthcare – The Medical Futurist". The Medical Futurist (англ.). 4 August 2016. Дата обращения: 22 марта 2024.
  113. ↑ Dönertaş, Handan Melike; Fuentealba, Matías; Partridge, Linda; Thornton, Janet M. (February 2019). "Identifying Potential Ageing-Modulating Drugs In Silico". Trends in Endocrinology & Metabolism. 30 (2): 118—131. doi:10.1016/j.tem.2018.11.005. PMC 6362144. PMID 30581056.
  114. ↑ Smer-Barreto, Vanessa; Quintanilla, Andrea; Elliot, Richard J. R.; Dawson, John C.; Sun, Jiugeng; Carragher, Neil O.; Acosta, Juan Carlos; Oyarzún, Diego A. (27 April 2022). "Discovery of new senolytics using machine learning" (англ.): 2022.04.26.489505. doi:10.1101/2022.04.26.489505. hdl:10261/269843. S2CID 248452963. {{cite journal}}: Cite journal требует |journal= (справка)
  115. ↑ Luxton, David D. (2014). "Artificial intelligence in psychological practice: Current and future applications and implications". Professional Psychology: Research and Practice. 45 (5): 332—339. doi:10.1037/a0034559.
  116. ↑ Randhawa, Gurjit S.; Soltysiak, Maximillian P. M.; Roz, Hadi El; Souza, Camila P. E. de; Hill, Kathleen A.; Kari, Lila (24 April 2020). "Machine learning using intrinsic genomic signatures for rapid classification of novel pathogens: COVID-19 case study". PLOS ONE (англ.). 15 (4): e0232391. Bibcode:2020PLoSO..1532391R. doi:10.1371/journal.pone.0232391. ISSN 1932-6203. PMC 7182198. PMID 32330208.
  117. ↑ Ye, Jiarong; Yeh, Yin-Ting; Xue, Yuan; Wang, Ziyang; Zhang, Na; Liu, He; Zhang, Kunyan; Ricker, RyeAnne; Yu, Zhuohang; Roder, Allison; Perea Lopez, Nestor; Organtini, Lindsey; Greene, Wallace; Hafenstein, Susan; Lu, Huaguang; Ghedin, Elodie; Terrones, Mauricio; Huang, Shengxi; Huang, Sharon Xiaolei (7 June 2022). "Accurate virus identification with interpretable Raman signatures by machine learning". Proceedings of the National Academy of Sciences. 119 (23): e2118836119. arXiv:2206.02788. Bibcode:2022PNAS..11918836Y. doi:10.1073/pnas.2118836119. PMC 9191668. PMID 35653572. S2CID 235372800.
  118. ↑ "Artificial intelligence finds disease-related genes". Linköping University (англ.). Дата обращения: 3 июля 2022.
  119. ↑ "Researchers use AI to detect new family of genes in gut bacteria". UT Southwestern Medical Center (англ.). Дата обращения: 3 июля 2022.
  120. ↑ 1 2 Zhavoronkov, Alex; Mamoshina, Polina; Vanhaelen, Quentin; Scheibye-Knudsen, Morten; Moskalev, Alexey; Aliper, Alex (1 January 2019). "Artificial intelligence for aging and longevity research: Recent advances and perspectives". Ageing Research Reviews (англ.). 49: 49—66. doi:10.1016/j.arr.2018.11.003. ISSN 1568-1637. PMID 30472217. S2CID 53755842.
  121. ↑ Adir, Omer; Poley, Maria; Chen, Gal; Froim, Sahar; Krinsky, Nitzan; Shklover, Jeny; Shainsky-Roitman, Janna; Lammers, Twan; Schroeder, Avi (April 2020). "Integrating Artificial Intelligence and Nanotechnology for Precision Cancer Medicine". Advanced Materials (англ.). 32 (13): 1901989. Bibcode:2020AdM....3201989A. doi:10.1002/adma.201901989. ISSN 0935-9648. PMC 7124889. PMID 31286573.
  122. ↑ Bax, Monique; Thorpe, Jordan; Romanov, Valentin (December 2023). "The future of personalized cardiovascular medicine demands 3D and 4D printing, stem cells, and artificial intelligence". Frontiers in Sensors (англ.). 4. doi:10.3389/fsens.2023.1294721. ISSN 2673-5067.
  123. ↑ Heart sound analysis for symptom detection and computer-aided diagnosis (англ.).
  124. ↑ Cognitive Development in Partner Robots for Information Support to Elderly People (англ.). Дата обращения: 30 августа 2018. Архивировано 21 февраля 2018 года.
  125. ↑ Artificial Intelligence Will Redesign Healthcare (англ.). Дата обращения: 30 августа 2018. Архивировано 22 января 2019 года.
  126. ↑ From Virtual Nurses To Drug Discovery: 106 Artificial Intelligence Startups In Healthcare (англ.). Дата обращения: 30 августа 2018. Архивировано 3 января 2018 года.
  127. ↑ 1 2 Moore, Phoebe V. OSH and the Future of Work: benefits and risks of artificial intelligence tools in workplaces. EU-OSHA 3–7 (7 мая 2019). Дата обращения: 22 марта 2024.
  128. ↑ 1 2 3 Howard, John (November 2019). "Artificial intelligence: Implications for the future of work". American Journal of Industrial Medicine. 62 (11): 917—926. doi:10.1002/ajim.23037. PMID 31436850. S2CID 201275028.
  129. ↑ Gianatti, Toni-Louise How AI-Driven Algorithms Improve an Individual's Ergonomic Safety (англ.). Occupational Health & Safety (14 мая 2020). Дата обращения: 22 марта 2024.
  130. ↑ Meyers, Alysha R. AI and Workers' Comp (амер. англ.). NIOSH Science Blog (1 мая 2019). Дата обращения: 22 марта 2024.
  131. ↑ Webb, Sydney; Siordia, Carlos; Bertke, Stephen; Bartlett, Diana; Reitz, Dan Artificial Intelligence Crowdsourcing Competition for Injury Surveillance (амер. англ.). NIOSH Science Blog (26 февраля 2020). Дата обращения: 22 марта 2024.
  132. ↑ Ferguson, Murray Artificial Intelligence: What's To Come for EHS... And When? EHS Today (19 апреля 2016). Дата обращения: 22 марта 2024.
  133. ↑ "DeepMind is answering one of biology's biggest challenges". The Economist. 30 November 2020. ISSN 0013-0613. Дата обращения: 23 марта 2024.
  134. ↑ Jeremy Kahn, Lessons from DeepMind’s breakthrough in protein-folding A.I., Fortune, 1 December 2020
  135. ↑ DeepMind uncovers structure of 200m proteins in scientific leap forward. The Guardian (28 июля 2022). Дата обращения: 23 марта 2024.
  136. ↑ AlphaFold reveals the structure of the protein universe. DeepMind (28 июля 2022). Дата обращения: 23 марта 2024.
  137. ↑ Stocker, Sina; Csányi, Gábor; Reuter, Karsten; Margraf, Johannes T. (30 October 2020). "Machine learning in chemical reaction space". Nature Communications (англ.). 11 (1): 5505. Bibcode:2020NatCo..11.5505S. doi:10.1038/s41467-020-19267-x. ISSN 2041-1723. PMC 7603480. PMID 33127879.
  138. ↑ Allchemy – Resource-aware AI for drug discovery. Дата обращения: 24 марта 2024.
  139. ↑ Wołos, Agnieszka; Roszak, Rafał; Żądło-Dobrowolska, Anna; Beker, Wiktor; Mikulak-Klucznik, Barbara; Spólnik, Grzegorz; Dygas, Mirosław; Szymkuć, Sara; Grzybowski, Bartosz A. (25 September 2020). "Synthetic connectivity, emergence, and self-regeneration in the network of prebiotic chemistry". Science. 369 (6511): eaaw1955. doi:10.1126/science.aaw1955. PMID 32973002. S2CID 221882090.
  140. ↑ Wołos, Agnieszka; Koszelewski, Dominik; Roszak, Rafał; Szymkuć, Sara; Moskal, Martyna; Ostaszewski, Ryszard; Herrera, Brenden T.; Maier, Josef M.; Brezicki, Gordon; Samuel, Jonathon; Lummiss, Justin A. M.; McQuade, D. Tyler; Rogers, Luke; Grzybowski, Bartosz A. (April 2022). "Computer-designed repurposing of chemical wastes into drugs". Nature (англ.). 604 (7907): 668—676. Bibcode:2022Natur.604..668W. doi:10.1038/s41586-022-04503-9. ISSN 1476-4687. PMID 35478240. S2CID 248415772.
  141. ↑ Chemists debate machine learning's future in synthesis planning and ask for open data. cen.acs.org. Дата обращения: 24 марта 2024.
  142. ↑ 1 2 "Biologists train AI to generate medicines and vaccines". University of Washington-Harborview Medical Center (англ.).
  143. ↑ Zhavoronkov, Alex; Ivanenkov, Yan A.; Aliper, Alex; Veselov, Mark S.; Aladinskiy, Vladimir A.; Aladinskaya, Anastasiya V.; Terentiev, Victor A.; Polykovskiy, Daniil A.; Kuznetsov, Maksim D.; Asadulaev, Arip; Volkov, Yury; Zholus, Artem; Shayakhmetov, Rim R.; Zhebrak, Alexander; Minaeva, Lidiya I.; Zagribelnyy, Bogdan A.; Lee, Lennart H.; Soll, Richard; Madge, David; Xing, Li; Guo, Tao; Aspuru-Guzik, Alán (2 September 2019). "Deep learning enables rapid identification of potent DDR1 kinase inhibitors". Nature. 37 (9): 1038—1040. doi:10.1038/s41587-019-0224-x. PMID 31477924. S2CID 201716327.
  144. ↑ Hansen, Justine Y.; Markello, Ross D.; Vogel, Jacob W.; Seidlitz, Jakob; Bzdok, Danilo; Misic, Bratislav (September 2021). "Mapping gene transcription and neurocognition across human neocortex". Nature Human Behaviour (англ.). 5 (9): 1240—1250. doi:10.1038/s41562-021-01082-z. ISSN 2397-3374. PMID 33767429. S2CID 232367225.
  145. ↑ Vo ngoc, Long; Huang, Cassidy Yunjing; Cassidy, California Jack; Medrano, Claudia; Kadonaga, James T. (September 2020). "Identification of the human DPR core promoter element using machine learning". Nature (англ.). 585 (7825): 459—463. Bibcode:2020Natur.585..459V. doi:10.1038/s41586-020-2689-7. ISSN 1476-4687. PMC 7501168. PMID 32908305.
  146. ↑ Bijun, Zhang; Ting, Fan (2022). "Knowledge structure and emerging trends in the application of deep learning in genetics research: A bibliometric analysis [2000–2021]". Frontiers in Genetics (англ.). 13: 951939. doi:10.3389/fgene.2022.951939. ISSN 1664-8021. PMC 9445221. PMID 36081985.
  147. ↑ Radivojević, Tijana; Costello, Zak; Workman, Kenneth; Garcia Martin, Hector (25 September 2020). "A machine learning Automated Recommendation Tool for synthetic biology". Nature Communications (англ.). 11 (1): 4879. arXiv:1911.11091. Bibcode:2020NatCo..11.4879R. doi:10.1038/s41467-020-18008-4. ISSN 2041-1723. PMC 7519645. PMID 32978379.
  148. ↑ 1 2 Pablo Carbonell; Tijana Radivojevic; Héctor García Martín* (2019). "Opportunities at the Intersection of Synthetic Biology, Machine Learning, and Automation". ACS Synthetic Biology. 8 (7): 1474—1477. doi:10.1021/acssynbio.8b00540. hdl:20.500.11824/998. PMID 31319671. S2CID 197664634.
  149. ↑ Gadzhimagomedova, Z. M.; Pashkov, D. M.; Kirsanova, D. Yu.; Soldatov, S. A.; Butakova, M. A.; Chernov, A. V.; Soldatov, A. V. (1 February 2022). "Artificial Intelligence for Nanostructured Materials". Nanobiotechnology Reports (англ.). 17 (1): 1—9. doi:10.1134/S2635167622010049. ISSN 2635-1684. S2CID 248701168.
  150. ↑ Mirzaei, Mahsa; Furxhi, Irini; Murphy, Finbarr; Mullins, Martin (July 2021). "A Machine Learning Tool to Predict the Antibacterial Capacity of Nanoparticles". Nanomaterials (англ.). 11 (7): 1774. doi:10.3390/nano11071774. ISSN 2079-4991. PMC 8308172. PMID 34361160.
  151. ↑ Chen, Angela (25 April 2018). "How AI is helping us discover materials faster than ever". The Verge (англ.). Дата обращения: 24 марта 2024.
  152. ↑ Talapatra, Anjana; Boluki, S.; Duong, T.; Qian, X.; Dougherty, E.; Arróyave, R. (26 November 2018). "Autonomous efficient experiment design for materials discovery with Bayesian model averaging". Physical Review Materials. 2 (11): 113803. arXiv:1803.05460. Bibcode:2018PhRvM...2k3803T. doi:10.1103/PhysRevMaterials.2.113803. S2CID 53632880.
  153. ↑ Zhao, Yicheng; Zhang, Jiyun; Xu, Zhengwei; Sun, Shijing; Langner, Stefan; Hartono, Noor Titan Putri; Heumueller, Thomas; Hou, Yi; Elia, Jack; Li, Ning; Matt, Gebhard J.; Du, Xiaoyan; Meng, Wei; Osvet, Andres; Zhang, Kaicheng; Stubhan, Tobias; Feng, Yexin; Hauch, Jens; Sargent, Edward H.; Buonassisi, Tonio; Brabec, Christoph J. (13 April 2021). "Discovery of temperature-induced stability reversal in perovskites using high-throughput robotic learning". Nature Communications (англ.). 12 (1): 2191. Bibcode:2021NatCo..12.2191Z. doi:10.1038/s41467-021-22472-x. ISSN 2041-1723. PMC 8044090. PMID 33850155.
  154. ↑ Burger, Benjamin; Maffettone, Phillip M.; Gusev, Vladimir V.; Aitchison, Catherine M.; Bai, Yang; Wang, Xiaoyan; Li, Xiaobo; Alston, Ben M.; Li, Buyi; Clowes, Rob; Rankin, Nicola; Harris, Brandon; Sprick, Reiner Sebastian; Cooper, Andrew I. (July 2020). "A mobile robotic chemist". Nature (англ.). 583 (7815): 237—241. Bibcode:2020Natur.583..237B. doi:10.1038/s41586-020-2442-2. ISSN 1476-4687. PMID 32641813. S2CID 220420261. Дата обращения: 25 марта 2024.
  155. ↑ Roper, Katherine; Abdel-Rehim, A.; Hubbard, Sonya; Carpenter, Martin; Rzhetsky, Andrey; Soldatova, Larisa; King, Ross D. (2022). "Testing the reproducibility and robustness of the cancer biology literature by robot". Journal of the Royal Society Interface (англ.). 19 (189): 20210821. doi:10.1098/rsif.2021.0821. PMC 8984295. PMID 35382578.
  156. ↑ Krauhausen, Imke; Koutsouras, Dimitrios A.; Melianas, Armantas; Keene, Scott T.; Lieberth, Katharina; Ledanseur, Hadrien; Sheelamanthula, Rajendar; Giovannitti, Alexander; Torricelli, Fabrizio; Mcculloch, Iain; Blom, Paul W. M.; Salleo, Alberto; van de Burgt, Yoeri; Gkoupidenis, Paschalis (10 December 2021). "Organic neuromorphic electronics for sensorimotor integration and learning in robotics". Science Advances (англ.). 7 (50): eabl5068. Bibcode:2021SciA....7.5068K. doi:10.1126/sciadv.abl5068. ISSN 2375-2548. PMC 8664264. PMID 34890232.
  157. ↑ Bolakhe, Saugat. "Lego Robot with an Organic "Brain" Learns to Navigate a Maze". Scientific American (англ.). Дата обращения: 25 марта 2024.
  158. ↑ "Human brain cells in a dish learn to play Pong faster than an AI". New Scientist. Дата обращения: 25 марта 2024.
  159. ↑ Fu, Tianda; Liu, Xiaomeng; Gao, Hongyan; Ward, Joy E.; Liu, Xiaorong; Yin, Bing; Wang, Zhongrui; Zhuo, Ye; Walker, David J. F.; Joshua Yang, J.; Chen, Jianhan; Lovley, Derek R.; Yao, Jun (20 April 2020). "Bioinspired bio-voltage memristors". Nature Communications. 11 (1): 1861. Bibcode:2020NatCo..11.1861F. doi:10.1038/s41467-020-15759-y. PMC 7171104. PMID 32313096.
  160. ↑ "Researchers unveil electronics that mimic the human brain in efficient learning". University of Massachusetts Amherst (англ.). Дата обращения: 25 марта 2024.
  161. ↑ Sarkar, Tanmoy; Lieberth, Katharina; Pavlou, Aristea; Frank, Thomas; Mailaender, Volker; McCulloch, Iain; Blom, Paul W. M.; Torriccelli, Fabrizio; Gkoupidenis, Paschalis (7 November 2022). "An organic artificial spiking neuron for in situ neuromorphic sensing and biointerfacing". Nature Electronics (англ.). 5 (11): 774—783. doi:10.1038/s41928-022-00859-y. hdl:10754/686016. ISSN 2520-1131. S2CID 253413801.
  162. ↑ "Artificial neurons emulate biological counterparts to enable synergetic operation". Nature Electronics (англ.). 5 (11): 721—722. 10 November 2022. doi:10.1038/s41928-022-00862-3. ISSN 2520-1131. S2CID 253469402.
  163. ↑ Sloat, Sarah (21 April 2016). "Brain Emulations Pose Three Massive Moral Questions and a Scarily Practical One". Inverse (англ.). Дата обращения: 25 марта 2024.
  164. ↑ Sandberg, Anders (3 July 2014). "Ethics of brain emulations". Journal of Experimental & Theoretical Artificial Intelligence. 26 (3): 439—457. doi:10.1080/0952813X.2014.895113. S2CID 14545074.
  165. ↑ To advance artificial intelligence, reverse-engineer the brain. MIT School of Science. Дата обращения: 25 марта 2024.
  166. ↑ Ham, Donhee; Park, Hongkun; Hwang, Sungwoo; Kim, Kinam (September 2021). "Neuromorphic electronics based on copying and pasting the brain". Nature Electronics (англ.). 4 (9): 635—644. doi:10.1038/s41928-021-00646-1. ISSN 2520-1131. S2CID 240580331.
  167. ↑ Pfeifer, Rolf. Embodied Artificial Intelligence: Trends and Challenges // Embodied Artificial Intelligence : [англ.] / Rolf Pfeifer, Fumiya Iida. — Springer, 2004. — Vol. 3139. — P. 1–26. — ISBN 978-3-540-22484-6. — doi:10.1007/978-3-540-27833-7_1.
  168. ↑ Nygaard, Tønnes F.; Martin, Charles P.; Torresen, Jim; Glette, Kyrre; Howard, David (May 2021). "Real-world embodied AI through a morphologically adaptive quadruped robot". Nature Machine Intelligence (англ.). 3 (5): 410—419. doi:10.1038/s42256-021-00320-3. hdl:10852/85867. ISSN 2522-5839. S2CID 233687524.
  169. ↑ Galvão, Vinicius Ferreira. Posthumous data at stake: An Overview of Digital Immortality Issues // Proceedings of the XX Brazilian Symposium on Human Factors in Computing Systems / Vinicius Ferreira Galvão, Cristiano Maciel, Vinicius Carvalho Pereira … [и др.]. — Association for Computing Machinery, 18 October 2021. — P. 1–8. — ISBN 9781450386173. — doi:10.1145/3472301.3484358.
  170. ↑ Galvão, Vinícius Ferreira; Maciel, Cristiano; Pereira, Roberto; Gasparini, Isabela; Viterbo, José; Bicharra Garcia, Ana Cristina (26 November 2021). "Discussing human values in digital immortality: towards a value-oriented perspective". Journal of the Brazilian Computer Society. 27 (1): 15. doi:10.1186/s13173-021-00121-x. ISSN 1678-4804. S2CID 244664252.
  171. ↑ 1 2 3 Savin-Baden, Maggi; Burden, David (1 April 2019). "Digital Immortality and Virtual Humans". Postdigital Science and Education (англ.). 1 (1): 87—103. doi:10.1007/s42438-018-0007-6. ISSN 2524-4868. S2CID 149797460.
  172. ↑ Moravec, Hans. Mind Children. — Harvard University Press, 1988. — ISBN 9780674576186.
  173. ↑ Resurrecting the Dead - Futurisms - The New Atlantis. Futurisms - The New Atlantis (6 февраля 2010). Дата обращения: 25 марта 2024.
  174. ↑ Socrates. Ray Kurzweil on the Singularity and Bringing Back the Dead. Singularity Weblog (18 июля 2012). Дата обращения: 25 марта 2024.
  175. ↑ Ghostbots, the Quest for Digital Immortality and the Law. www.jurist.org (18 января 2022). Дата обращения: 25 марта 2024.
  176. ↑ Steinhart, Eric (1 October 2007). "Survival as a Digital Ghost". Minds and Machines (англ.). 17 (3): 261—271. doi:10.1007/s11023-007-9068-0. ISSN 1572-8641. S2CID 2741620.
  177. ↑ "Digital immortality: How your life's data means a version of you could live forever". MIT Technology Review (англ.). Дата обращения: 25 марта 2024.
  178. ↑ Gamba, Fiorenza (11 October 2022). "AI, mourning and digital immortality. Some ethical questions on digital remain and post-mortem privacy". Études sur la mort. 157 (1): 13—25. doi:10.3917/eslm.157.0013. S2CID 253060024.
  179. ↑ Truby, Jon; Brown, Rafael (4 May 2021). "Human digital thought clones: the Holy Grail of artificial intelligence for big data". Information & Communications Technology Law. 30 (2): 140—168. doi:10.1080/13600834.2020.1850174. hdl:10576/17266. ISSN 1360-0834. S2CID 229442428.
  180. ↑ Turchin, Alexey Multilevel Strategy for Immortality: Plan A ? Fighting Aging, Plan B ? Cryonics, Plan C ? Digital Immortality, Plan D ? Big World Immortality. Дата обращения: 25 марта 2024.
  181. ↑ Transhumanism Inc., KGBT+, и Путешествие в Элевсин
  182. ↑ Биокомпьютер Brainoware, связывающий ИИ и органоиды мозга: обзор потенциального прорыва в сфере нейроморфной инженерии
  183. ↑ Искусственный интеллект и нейроморфные вычисления.
  184. ↑ Рогожин Ю. В. Универсальные вычисления // Математические вопросы кибернетики. Вып. 8. Сборник статей / под ред. О. Б. Лупанова. — М., Наука, Физматлит, 1999. — 320 с. — ISBN 5-02-015318-4 — с. 147—190
  185. ↑ ДНК извлекла корень из 900. Дата обращения: 22 января 2020. Архивировано 25 января 2020 года.
  186. ↑ Tugui, Alexandru; Danciulescu, Daniela; Subtirelu, Mihaela-Simona (14 April 2019). "The Biological as a Double Limit for Artificial Intelligence: Review and Futuristic Debate". International Journal of Computers Communications & Control (англ.). 14 (2): 253—271. doi:10.15837/ijccc.2019.2.3536. ISSN 1841-9844. S2CID 146091906.
  187. ↑ Ball, Nicholas M.; Brunner, Robert J. (1 July 2010). "Data mining and machine learning in astronomy". International Journal of Modern Physics D. 19 (7): 1049—1106. arXiv:0906.2173. Bibcode:2010IJMPD..19.1049B. doi:10.1142/S0218271810017160. ISSN 0218-2718. S2CID 119277652.
  188. ↑ 1 2 Shekhtman, Svetlana NASA Applying AI Technologies to Problems in Space Science. NASA (15 ноября 2019). Дата обращения: 26 марта 2024.
  189. ↑ Инструментальные эффекты и процесс наблюдения
  190. ↑ Fluke, Christopher J.; Jacobs, Colin (March 2020). "Surveying the reach and maturity of machine learning and artificial intelligence in astronomy". WIREs Data Mining and Knowledge Discovery (англ.). 10 (2). arXiv:1912.02934. Bibcode:2020WDMKD..10.1349F. doi:10.1002/widm.1349. ISSN 1942-4787. S2CID 208857777.
  191. ↑ Pultarova, Tereza (29 April 2021). "Artificial intelligence is learning how to dodge space junk in orbit". Space.com (англ.). Дата обращения: 26 марта 2024.
  192. ↑ Mohan, Jaya Preethi. A Study on Embedding the Artificial Intelligence and Machine Learning into Space Exploration and Astronomy // Emerging Trends in Computing and Expert Technology : [англ.] / Jaya Preethi Mohan, N. Tejaswi. — Springer International Publishing, 2020. — Vol. 35. — P. 1295–1302. — ISBN 978-3-030-32149-9. — doi:10.1007/978-3-030-32150-5_131.
  193. ↑ Rees, Martin Could space-going billionaires be the vanguard of a cosmic revolution? | Martin Rees (англ.). The Guardian (30 апреля 2022). Дата обращения: 26 марта 2024.
  194. ↑ Artificial intelligence in space (англ.). www.esa.int. Дата обращения: 26 марта 2024.
  195. ↑ McCarren, Andrew. "Identifying extra-terrestrial intelligence using machine learning". CORE.
  196. ↑ Zhang, Yunfan Gerry; Gajjar, Vishal; Foster, Griffin; Siemion, Andrew; Cordes, James; Law, Casey; Wang, Yu (2018). "Fast Radio Burst 121102 Pulse Detection and Periodicity: A Machine Learning Approach". The Astrophysical Journal (англ.). 866 (2): 149. arXiv:1809.03043. Bibcode:2018ApJ...866..149Z. doi:10.3847/1538-4357/aadf31. S2CID 52232565.
  197. ↑ Nanda, Lakshay. SETI (Search for Extra Terrestrial Intelligence) Signal Classification using Machine Learning // 2019 International Conference on Smart Systems and Inventive Technology (ICSSIT) / Lakshay Nanda, Santhi V. — November 2019. — P. 499–504. — ISBN 978-1-7281-2119-2. — doi:10.1109/ICSSIT46314.2019.8987793.
  198. ↑ Gajjar, Vishal; Siemion, Andrew; Croft, Steve; Brzycki, Bryan; Burgay, Marta; Carozzi, Tobia; Concu, Raimondo; Czech, Daniel; DeBoer, David; DeMarines, Julia; Drew, Jamie; Enriquez, J. Emilio; Fawcett, James; Gallagher, Peter; Garrett, Michael; Gizani, Nectaria; Hellbourg, Greg; Holder, Jamie; Isaacson, Howard; Kudale, Sanjay; Lacki, Brian; Lebofsky, Matthew; Li, Di; MacMahon, David H. E.; McCauley, Joe; Melis, Andrea; Molinari, Emilio; Murphy, Pearse; Perrodin, Delphine; Pilia, Maura; Price, Danny C.; Webb, Claire; Werthimer, Dan; Williams, David; Worden, Pete; Zarka, Philippe; Zhang, Yunfan Gerry (2 August 2019). "The Breakthrough Listen Search for Extraterrestrial Intelligence". Bulletin of the American Astronomical Society. 51 (7): 223. arXiv:1907.05519. Bibcode:2019BAAS...51g.223G.
  199. ↑ SkyCAM-5 - Chair of Computer Science VIII - Aerospace Information Technology. University of Würzburg. Дата обращения: 26 марта 2024.
  200. ↑ "Project Galileo: The search for alien tech hiding in our Solar System". BBC Science Focus Magazine (англ.). Дата обращения: 26 марта 2024.
  201. ↑ "'Something's coming': is America finally ready to take UFOs seriously?". The Guardian (англ.). 5 February 2022. Дата обращения: 26 марта 2024.
  202. ↑ David, Leonard (27 January 2022). "2022 could be a turning point in the study of UFOs". livescience.com (англ.). Дата обращения: 26 марта 2024.
  203. ↑ Gritz, Jennie Rothenberg. "The Wonder of Avi Loeb". Дата обращения: 26 марта 2024.
  204. ↑ Mann, Adam. "Avi Loeb's Galileo Project Will Search for Evidence of Alien Visitation". Scientific American (англ.). Дата обращения: 26 марта 2024.
  205. ↑ Galileo Project – Activities (англ.). projects.iq.harvard.edu. Дата обращения: 26 марта 2024.
  206. ↑ "The Galileo Project: Harvard researchers to search for signs of alien technology". Sky News (англ.).
  207. ↑ Loeb, Avi A.I. Astronauts from Advanced Civilizations (англ.). Trail of the Saucers (12 октября 2021). Дата обращения: 6 марта 2024.
  208. ↑ Loeb, Avi Microbes, Natural Intelligence and Artificial Intelligence (англ.). Scientific American. Дата обращения: 6 марта 2024.
  209. ↑ Rees, Martin Why extraterrestrial intelligence is more likely to be artificial than biological (англ.). phys.org. Дата обращения: 6 марта 2024.
  210. ↑ Crowl, A.; Hunt, J.; Hein, A. M. (1 January 2012). "Embryo Space Colonisation to Overcome the Interstellar Time Distance Bottleneck". Journal of the British Interplanetary Society. 65: 283—285. Bibcode:2012JBIS...65..283C. ISSN 0007-084X.
  211. ↑ Hein, Andreas M.; Baxter, Stephen (19 November 2018). "Artificial Intelligence for Interstellar Travel". arXiv:1811.06526 [physics.pop-ph].
  212. ↑ Davies, Jim We Shouldn't Try to Make Conscious Software—Until We Should (англ.). Scientific American. Дата обращения: 6 марта 2024.
  213. ↑ Torres, Phil (June 2018). "Space colonization and suffering risks: Reassessing the "maxipok rule"". Futures. 100: 74—85. doi:10.1016/j.futures.2018.04.008. S2CID 149794325.
  214. ↑ Дэвид ― андроид в фильме «Чужой», известный просто как «Дэвид». Он помогает своим товарищам-людям в их межзвездной экспедиции на встречу с их создателями, внеземными инженерами.
  215. ↑ Loeb, Avi Intelligent Adaptation or Barbarian Duplication (англ.). Medium (27 января 2022). Дата обращения: 6 марта 2024.
  216. ↑ Zapata Trujillo, Juan C.; Syme, Anna-Maree; Rowell, Keiran N.; Burns, Brendan P.; Clark, Ebubekir S.; Gorman, Maire N.; Jacob, Lorrie S. D.; Kapodistrias, Panayioti; Kedziora, David J.; Lempriere, Felix A. R.; Medcraft, Chris; O'Sullivan, Jensen; Robertson, Evan G.; Soares, Georgia G.; Steller, Luke; Teece, Bronwyn L.; Tremblay, Chenoa D.; Sousa-Silva, Clara; McKemmish, Laura K. (2021). "Computational Infrared Spectroscopy of 958 Phosphorus-Bearing Molecules". Frontiers in Astronomy and Space Sciences (англ.). 8: 43. arXiv:2105.08897. Bibcode:2021FrASS...8...43Z. doi:10.3389/fspas.2021.639068. ISSN 2296-987X.
  217. ↑ Assael, Yannis; Sommerschield, Thea; Shillingford, Brendan; Bordbar, Mahyar; Pavlopoulos, John; Chatzipanagiotou, Marita; Androutsopoulos, Ion; Prag, Jonathan; de Freitas, Nando (March 2022). "Restoring and attributing ancient texts using deep neural networks". Nature (англ.). 603 (7900): 280—283. Bibcode:2022Natur.603..280A. doi:10.1038/s41586-022-04448-z. ISSN 1476-4687. PMC 8907065. PMID 35264762.
  218. ↑ "Searching in Archaeological Texts. Problems and Solutions Using an Artificial Intelligence Approach". Palarch's Journal of Archaeology of Egypt/Egyptology. 2010. ISSN 1567-214X.
  219. ↑ Mantovan, Lorenzo; Nanni, Loris (14 August 2020). "The Computerization of Archaeology: Survey on Artificial Intelligence Techniques". SN Computer Science (англ.). 1 (5): 267. arXiv:2005.02863. doi:10.1007/s42979-020-00286-w. ISSN 2661-8907. S2CID 218516977.
  220. ↑ Mondal, Mayukh; Bertranpetit, Jaume; Lao, Oscar (December 2019). "Approximate Bayesian computation with deep learning supports a third archaic introgression in Asia and Oceania". Nature Communications. 10 (1): 246. Bibcode:2019NatCo..10..246M. doi:10.1038/s41467-018-08089-7. PMC 6335398. PMID 30651539.
  221. ↑ Tanti, Marc; Berruyer, Camille; Tafforeau, Paul; Muscat, Adrian; Farrugia, Reuben; Scerri, Kenneth; Valentino, Gianluca; Solé, V. Armando; Briffa, Johann A. (15 December 2021). "Automated segmentation of microtomography imaging of Egyptian mummies". PLOS ONE (англ.). 16 (12): e0260707. arXiv:2105.06738. Bibcode:2021PLoSO..1660707T. doi:10.1371/journal.pone.0260707. ISSN 1932-6203. PMC 8673632. PMID 34910736.
  222. ↑ "DeepMind AI learns physics by watching videos that don't make sense". New Scientist. Дата обращения: 21 августа 2022.
  223. ↑ Piloto, Luis S.; Weinstein, Ari; Battaglia, Peter; Botvinick, Matthew (11 July 2022). "Intuitive physics learning in a deep-learning model inspired by developmental psychology". Nature Human Behaviour (англ.). 6 (9): 1257—1267. doi:10.1038/s41562-022-01394-8. ISSN 2397-3374. PMC 9489531. PMID 35817932.
  224. ↑ 1 2 Feldman, Andrey (11 August 2022). "Artificial physicist to unravel the laws of nature". Advanced Science News. Дата обращения: 21 августа 2022.
  225. ↑ Chen, Boyuan; Huang, Kuang; Raghupathi, Sunand; Chandratreya, Ishaan; Du, Qiang; Lipson, Hod (July 2022). "Automated discovery of fundamental variables hidden in experimental data". Nature Computational Science (англ.). 2 (7): 433—442. doi:10.1038/s43588-022-00281-6. ISSN 2662-8457. S2CID 251087119.
  226. ↑ Schmidt, Jonathan; Marques, Mário R. G.; Botti, Silvana; Marques, Miguel A. L. (8 August 2019). "Recent advances and applications of machine learning in solid-state materials science". npj Computational Materials (англ.). 5 (1): 83. Bibcode:2019npjCM...5...83S. doi:10.1038/s41524-019-0221-0. ISSN 2057-3960.
  227. ↑ Nuñez, Michael Google DeepMind's materials AI has already discovered 2.2 million new crystals (амер. англ.). VentureBeat (29 ноября 2023). Дата обращения: 19 декабря 2023.
  228. ↑ Merchant, Amil; Batzner, Simon; Schoenholz, Samuel S.; Aykol, Muratahan; Cheon, Gowoon; Cubuk, Ekin Dogus (December 2023). "Scaling deep learning for materials discovery". Nature (англ.). 624 (7990): 80—85. doi:10.1038/s41586-023-06735-9. ISSN 1476-4687. PMID 38030720.
  229. ↑ Peplow, Mark (2023-11-29). "Google AI and robots join forces to build new materials". Nature (англ.). doi:10.1038/d41586-023-03745-5.
  230. ↑ Yanamandra, Kaushik; Chen, Guan Lin; Xu, Xianbo; Mac, Gary; Gupta, Nikhil (29 September 2020). "Reverse engineering of additive manufactured composite part by toolpath reconstruction using imaging and machine learning". Composites Science and Technology (англ.). 198: 108318. doi:10.1016/j.compscitech.2020.108318. ISSN 0266-3538. S2CID 225749339.
  231. ↑ Anderson, Blake. Automating Reverse Engineering with Machine Learning Techniques // Proceedings of the 2014 Workshop on Artificial Intelligent and Security Workshop / Blake Anderson, Curtis Storlie, Micah Yates … [и др.]. — Association for Computing Machinery, 7 November 2014. — P. 103–112. — ISBN 9781450331531. — doi:10.1145/2666652.2666665.
  232. ↑ Liu, Wenye; Chang, Chip-Hong; Wang, Xueyang; Liu, Chen; Fung, Jason M.; Ebrahimabadi, Mohammad; Karimi, Naghmeh; Meng, Xingyu; Basu, Kanad (June 2021). "Two Sides of the Same Coin: Boons and Banes of Machine Learning in Hardware Security". IEEE Journal on Emerging and Selected Topics in Circuits and Systems. 11 (2): 228—251. Bibcode:2021IJEST..11..228L. doi:10.1109/JETCAS.2021.3084400. hdl:10356/155876. ISSN 2156-3365. S2CID 235406281.
  233. ↑ DARPA Taps GrammaTech for Artificial Intelligence Exploration (AIE) Program (англ.). www.businesswire.com (7 января 2021). Дата обращения: 2 апреля 2024.
  234. ↑ Greenberg, Andy. "How to Steal an AI". Wired. Дата обращения: 2 апреля 2024.
  235. ↑ Sanchez-Lengeling, Benjamin; Aspuru-Guzik, Alán (27 July 2018). "Inverse molecular design using machine learning: Generative models for matter engineering". Science (англ.). 361 (6400): 360—365. Bibcode:2018Sci...361..360S. doi:10.1126/science.aat2663. ISSN 0036-8075. PMID 30049875. S2CID 50787617.
  236. ↑ Wang, Jue; Lisanza, Sidney; Juergens, David; Tischer, Doug; Watson, Joseph L.; Castro, Karla M.; Ragotte, Robert; Saragovi, Amijai; Milles, Lukas F.; Baek, Minkyung; Anishchenko, Ivan; Yang, Wei; Hicks, Derrick R.; Expòsit, Marc; Schlichthaerle, Thomas; Chun, Jung-Ho; Dauparas, Justas; Bennett, Nathaniel; Wicky, Basile I. M.; Muenks, Andrew; DiMaio, Frank; Correia, Bruno; Ovchinnikov, Sergey; Baker, David (22 July 2022). "Scaffolding protein functional sites using deep learning" (PDF). Science (англ.). 377 (6604): 387—394. Bibcode:2022Sci...377..387W. doi:10.1126/science.abn2100. ISSN 0036-8075. PMC 9621694. PMID 35862514. S2CID 250953434.
  237. ↑ Teemu, Rintala (17 June 2019). "Using Boolean network extraction of trained neural networks to reverse-engineer gene-regulatory networks from time-series data". Aalto University (англ.).
  238. ↑ Ashley, Kevin D. Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age. — Cambridge : Cambridge University Press, 2017. — ISBN 978-1-316-76138-0. — doi:10.1017/9781316761380.
  239. ↑ Lohr, Steve (2017-03-19). "A.I. Is Doing Legal Work. But It Won't Replace Lawyers, Yet". The New York Times (англ.). ISSN 0362-4331. Дата обращения: 2 апреля 2024.
  240. ↑ 1 2 Jeff Larson, Julia Angwin. How We Analyzed the COMPAS Recidivism Algorithm (англ.). ProPublica (23 мая 2016). Дата обращения: 2 апреля 2024. Архивировано 2 апреля 2024 года.
  241. ↑ Šimalčík, Matej. Rule by Law // Contemporary China: a New Superpower?. — Routledge, 2023. — ISBN 978-1-03-239508-1.
  242. ↑ Nawaz, Nishad; Gomes, Anjali Mary (2020). "Artificial Intelligence Chatbots are New Recruiters". International Journal of Advanced Computer Science and Applications. 10 (9). doi:10.2139/ssrn.3521915. S2CID 233762238. SSRN 3521915.
  243. ↑ Kafre, Sumit (15 April 2018). "Automatic Curriculum Vitae using Machine learning and Artificial Intelligence". Asian Journal for Convergence in Technology (AJCT). 4.
  244. ↑ 1 2 Kongthon, Alisa. Implementing an online help desk system based on conversational agent // Proceedings of the International Conference on Management of Emergent Digital Eco Systems - MEDES '09 / Alisa Kongthon, Chatchawal Sangkeettrakarn, Sarawoot Kongyoung … [и др.]. — 2009. — P. 450. — ISBN 9781605588292. — doi:10.1145/1643823.1643908.
  245. ↑ Sara Ashley O'Brien. Is this app the call center of the future? CNN (12 января 2016). Дата обращения: 26 сентября 2016.
  246. ↑ jackclarkSF, Jack Clark (20 July 2016). "New Google AI Brings Automation to Customer Service". Bloomberg L.P. Дата обращения: 18 ноября 2016.
  247. ↑ Amazon.com tests customer service chatbots (англ.). Amazon Science (25 февраля 2020). Дата обращения: 8 апреля 2024.
  248. ↑ Advanced analytics in hospitality. McKinsey & Company (2017). Дата обращения: 14 января 2020.
  249. ↑ Zlatanov, Sonja. Current Applications of Artificial Intelligence in Tourism and Hospitality // Proceedings of the International Scientific Conference - Sinteza 2019 / Sonja Zlatanov, Jovan Popesku. — 2019. — P. 84–90. — ISBN 978-86-7912-703-7. — doi:10.15308/Sinteza-2019-84-90.
  250. ↑ Research at NVIDIA: Transforming Standard Video Into Slow Motion with AI. YouTube. Архивировано 21 декабря 2021 года.
  251. ↑ Artificial intelligence is helping old video games look like new. The Verge (18 апреля 2019).
  252. ↑ Review: Topaz Sharpen AI is Amazing. petapixel.com (4 марта 2019).
  253. ↑ Griffin, Matthew AI can now restore your corrupted photos to their original condition (26 апреля 2018).
  254. ↑ NVIDIA's AI can fix bad photos by looking at other bad photos. Engadget (10 июля 2018).
  255. ↑ Using AI to Colorize and Upscale a 109-Year-Old Video of New York City to 4K and 60fps. petapixel.com (24 февраля 2020).
  256. ↑ "YouTubers are upscaling the past to 4K. Historians want them to stop". Wired UK.
  257. ↑ Facebook's image outage reveals how the company's AI tags your photos. The Verge (3 июля 2019).
  258. ↑ Google's DeepMind AI can 'transframe' a single image into a video (18 августа 2022).
  259. ↑ Google's new AI turns text into music (28 января 2023).
  260. ↑ CSDL | IEEE Computer Society.

Ссылки править

Источник — https://ru.wikipedia.org/w/index.php?title=Применение_искусственного_интеллекта&oldid=137327250