Искусственный интеллект как средство поддержки научно-исследовательской деятельности курсантов военных вузов и стимулирования формирования их готовности к ее осуществлению

ния новых передовых инструментов, повышающих эффективность исследовательской деятельности. Развитие информационных технологий позволило создать множество таких инструментов, например, программы по выполнению статистической обработки данных. Помощником, который обеспечит их продуктивное использование молодым исследователем, может стать ИИ.

Рассмотрим историю создания ИИ и его возможности как средства поддержки научно-исследовательской деятельности курсантов военных вузов и стимулирования формирования их готовности к ее осуществлению.

В 1956 году на конференции Дартмутского центра исследований искусственного интеллекта в США был представлен алгоритм первого ИИ. Первые алгоритмы ИИ ис- пользовались для решения задач, связанных с классификацией, прогнозированием и оптимизацией. В 1980-х годах разработана технология машинного обучения, позволяющая алгоритму распознавать звуки и изображения. На этом этапе в машинном обучении в настройке ИИ принимал участие человек. В 1990-х годах созданы нейронные сети, имитировавшие работу человеческого мозга, которые стали основой для развития глубокого обучения – подхода к машинному обучению, который позволяет компьютерам учиться на больших объемах данных. ИИ становится способен к самообучению и настройке, обработке все большего объема информации. В XXI веке благодаря увеличению вычислительной мощности компьютеров и доступности больших объемов различных научных данных зна- чительно расширились возможности ИИ в решении сложных исследовательских задач. В настоящее время появилась возможность использовать ИИ автономно (без сети Интернет), что важно в условиях военного вуза.

ИИ является сложным алгоритмом (программой), способным выполнять задачи, которые ранее были под силу только специально обученному человеку. Он использует методы машинного обучения на основе нейронных сетей, алгоритмов и других технологий для создания систем, способных решать сложные задачи и выполнять различные функции, которые ранее требовали участия человеческого интеллекта. Нейронные сети – это математические модели, которые строятся по аналогии с работой человеческого мозга. Деятельность ИИ основана на обуче- нии моделей на больших объемах данных, позволяющем выявить определенные закономерности, построить шаблоны. ИИ использует приведенные выше методы для анализа информации и последующего принятия решений. Свой накопленный опыт обработки данных и анализа ИИ способен сохранить и передать другой интеллектуальной системе без потерь.

С помощью обучения и оптимизации алгоритмов, лежащих в основе его функционирования, ИИ способен повышать свою производительность и эффективность без участия человека. Таким образом, работа ИИ основана на использовании алгоритмов и методов обработки информации, которые позволяют системе адаптироваться к новым задачам и совершенствоваться.

Для продуктивной работы ИИ требуются цифровые массивы верифицированных данных. В настоящее время большинство развитых стран предпочитает создавать собственные закрытые базы данных для хранения научной информации. Это является элементом национальной безопасности и частью национальной политики в области информационных технологий. Например, Elibrary.ru в России, Academia.edu и Jstor.org в США, Re- searchgate.net в Германии, Elsevier. com в Нидерландах и так далее. ИИ способен обработать любые цифровые источники информации, к которым он имеет доступ благодаря сети Интернет. По данным аналитической компании IDC, объем данных на серверах Интернета в 2022 году оценивался в пределах 90 Збайт (Зеттабайт – 90 · 109 терабайтов). Обработка и анализ такого массива невозможна классическими методами. Это означает, что исследователь(особенно начинающий) не сможет получить исчерпывающую объективную актуальную информацию для своей научной работы, анализируя только малую часть доступной информации.

ИИ способен анализировать рассматриваемые информационные базы и генерировать новые закономерности, ранее не выявленные наукой. По мнению Л.Б. Султановой, закономерности – это устойчивые связи и отношения между явлениями и объектами, которые повторяются при определенных условиях [8]. Они являются основой для научного познания и позволяют ученым выявлять общие принципы и законы, управляющие природными и социальными процессами. Таким образом, закономерности являются неотъ- емлемой частью научного познания и играют важную роль в развитии науки и технологий. Можно смело утверждать, что ИИ является лучшим инструментом для поиска закономерностей.

На сегодняшний день невозможно однозначно определить, какой ИИ является самым совершенным в мире. Существует множество систем, которые демонстрируют впечатляющие результаты в различных областях, таких как обработка естественного языка, компьютерное зрение, игры и так далее. ИИ способен переводить научные тексты с иностранных языков, позволяя молодому исследователю получить более широкий доступ к информации, результатам актуальных исследований; составлять мультимедийную презентацию; создавать оригинальные рисунки по текстовому описанию; выполнять сложные вычисления. Некоторые системы ИИ способные оказать значительную помощь курсанту военного вуза при проведении исследования (см. Таблицу 1).

Это лишь некоторые из систем ИИ, которые демонстрируют высокий уровень производительности. Технологии ИИ становятся все более доступными. Растут вычислительные мощности, совершенствуются алгоритмы, снижается стои-

Таблица 1

Системы искусственного интеллекта и их возможности

Название	Возможности ИИ	Компания	Страна
AlphaFold	Способна предсказывать трехмерную структуру белков с высокой точностью	Google DeepMind	Великобритания
GPT-4	Может генерировать текст на различные темы, переводить его на разные языки, отвечать на вопросы и др.	OpenAI	США
DALL-E	Может создавать изображения по текстовому описанию	OpenAI	США
AlphaGo	Является одним из самых сильных игроков в го	Google DeepMind	Великобритания
Watson	Используется для анализа данных, обработки естественного языка и др.	IBM	США
YandexGPT	Способен генерировать текст, анализировать информацию, отвечать на вопросы	Яндекс	Россия
Mubert	Способен генерировать музыкальные композиции	Mubert	США
Автопилот Tesla	Способен управлять автомобилем в плотном потоке транспорта	Tesla	США
DeepMind	Способен предсказывать погоду с высокой точностью на основе анализа метеорологической обстановки [1]	Google DeepMind	Великобритания

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК СРЕДСТВО ПОДДЕРЖКИ НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ ДЕЯТЕЛЬНОСТИ КУРСАНТОВ ВОЕННЫХ ВУЗОВ И СТИМУЛИРОВАНИЯ ФОРМИРОВАНИЯ ИХ ГОТОВНОСТИ К ЕЕ ОСУЩЕСТВЛЕНИЮ мость их разработки и внедрения. Сегодня ИИ применяется в различных областях, таких как медицина, финансы, производство, транспорт, образование и многих других.

Повышение доступности технологий ИИ обусловлено рядом факторов.

Развитие облачных технологий. Облачные платформы позволяют компаниям и организациям арендовать вычислительные ресурсы и программное обеспечение по мере необходимости, что снижает затраты на внедрение ИИ.

Появление новых инструментов и платформ. По мнению М.Н. Булаевой, существуют платформы и инструменты, которые позволяют разработчикам создавать и внедрять системы ИИ без глубоких знаний в этой области [4].

Снижение стоимости оборудования. Вычислительные мощности становятся все более доступными, что позволяет разрабатывать и внедрять более сложные системы ИИ.

По итогам анализа тенденций развития ИИ выделим его возможности как средства поддержки научно-исследовательской деятельности курсантов военных вузов и стимулирования формирования их готовности к ее осуществлению. Соглашаясь с мнением И.В. Шад-чина, под готовностью к научноисследовательской деятельности мы понимаем «способность самостоятельно проводить научные исследования на приемлемом для научного сообщества уровне, решать исследовательские задачи, находить ответы на возникшие вопросы, используя для этого все имеющиеся знания и навыки» [10].

Анализ данных и выявление закономерностей. ИИ обладает уникальной способностью обнаруживать неочевидные корреляции и закономерности в сложных наборах данных. Это может значительно ускорить процесс их анализа и помочь курсанту сделать более обоснованные выводы.

Автоматизация решения рутинных задач. Значительная часть времени в научных исследованиях уходит на подготовку данных к анализу. ИИ может автоматизировать сбор данных, анализ результатов и подготовку отчетов в удобной для молодого исследователя форме. По мнению И.О. Котляровой, использование ИИ «освободит время для решения других творческих и сложных исследовательских задач» [6]. Фрэнсис Бэкон выделил три пути познания, которым соответствуют ученый-муравей, ученый-паук и ученый-пчела [12]. ИИ может играть роль «ученого-муравья», собирающего факты, но не делающего на основании найденных фактов каких бы то ни было выводов, выявлять закономерности (путь «ученого-пчелы»). При этом путь «ученого-паука» (получение знания рационалистическим путем) остается при текущем уровне развития ИИ человеку.

Прогнозирование и моделирование. ИИ может использоваться для прогнозирования будущих событий и моделирования различных сценариев. Это может помочь начинающим исследователям предсказать результаты экспериментов и разработать более эффективные стратегии изучения научной проблемы. ИИ способен взаимодействовать с программами – системами автоматизированного проектирования (далее – САПР), которые могут проводить различные анализы,(напри-мер, анализ прочности, потока жидкостей, тепловой анализ),имитируя проведение реальных эксперимен-тов(составляющая пути «ученого-пчелы»), осуществляя значительный объем работы вместо человека, экономя ресурсы и время.

Обучение и самообучение. ИИ может быть использован для обучения курсантов применению новых методов и инструментов исследования. Он способен анализировать данные о процессе обучения конкретного человека и предлагать индивидуальные рекомендации по улучшению навыков и знаний; создавать интерактивные обучающие системы, которые адапти- руются к уровню знаний и темпу обучения индивида, обеспечивая более эффективное усвоение информации. ИИ позволяет создавать симуляции и виртуальные среды, где обучающийся может практиковаться и получать опыт без риска или затрат, связанных с реальными ситуациями. Как считает О.Н. Филатова, ИИ «может самостоятельно обучаться на основе доступных данных и опыта других ИИ, что потенциально ведет к созданию новых методов исследования» [9].

Сотрудничество и коммуникация. В своей работе Н.А. Шобонов указал, что ИИ способен облегчить сотрудничество между молодыми исследователями, предоставляя инструменты для обмена данными, обсуждения идей и совместной работы над проектами [11]. Он может рекомендовать ресурсы, книги, статьи и другие материалы, которые помогут человеку обогатить свои знания и навыки в определенной области, фиксируя их публикацию в режиме реального времени.

Оптимизация процессов исследования , таких как планирование экспериментов, распределение ресурсов и управление проектами. На основе анализа больших данных ИИ способен генерировать новые гипотезы, предлагая неочевидные направления исследований. Это может повысить эффективность планирования исследования и сократить время на достижение положительных результатов.

На основе общих представлений о возможностях ИИ можно описать его потенциал в связи с отдельными компонентами, выделяемыми в структуре готовности курсантов военных вузов к научно-исследовательской деятельности (информационный, когнитивный, операционно-деятельностный, рефлексивный, верификационный, коммуникативный и мотивационный). Мы полагаем, что взаимодействие с ИИ оказывает стимулирующее влияние на каждый из рассматриваемых компонентов [3] (см. Таблицу 2).

Таблица 2

Возможности ИИ по стимулированию развития компонентов готовности курсантов военных вузов к научно-исследовательской деятельности

Компонент	Возможности ИИ
Информационный	Анализировать огромные массивы данных, выделять наиболее важную информацию, экономя время курсанта на самостоятельном поиске
	Автоматически переводить тексты с иностранных языков, что расширяет доступ к научной литературе и базу аналитического материала
	Отслеживать новые публикации и обновления в области интересов военного исследователя, обеспечивая его актуальной информацией
Когнитивный	Анализировать и структурировать данные, выявлять ключевые закономерности, способствующие пониманию сложной информации
Операционнодеятельностный	Автоматически проводить статистическую обработку данных с использованием специализированного программного обеспечения (Statistical Package for the Social Sciences», «SAS», «RapidMiner» и др.) [5]
	Автоматически проводить математическую обработку данных с использованием специализированного программного обеспечения («SMath Studio», «Mathematica», «fxSolver», «PTC Mathcad» и др.)
	Обрабатывать данные с использованием специализированного программного обеспечения («Simintech», «SimulationX», «Matrix» и др.) [7]
Рефлексивный	Систематизировать записи об идеях и действиях исследователя, анализировать эти данные для выявления закономерностей и тенденций
	Предлагать вопросы для размышления, помогая ученому глубже исследовать собственные убеждения, мотивы и последствия действий
	Предоставлять инструменты для объективной оценки собственных действий исследователя и их результатов, помогая в самоанализе и определении областей для саморазвития
Верификационный	Сравнивать информацию из различных источников, выявляя противоречия или совпадения, обеспечивая оценку надежности данных
	Оценивать репутацию и надежность источников информации, используя исторические данные и критерии верификации
Коммуникативный	Помогать в создании четких и структурированных отчетов, презентаций и статей, улучшая качество обобщения результатов исследования
	Автоматизировать решение рутинных задач, таких как отправка сообщений, анализ полученных писем, планирование встреч и управление календарем
	Обеспечивать мгновенный перевод текста, речи и видеозаписи на разные языки, что облегчает общение между людьми
Мотивационный	Отслеживать прогресс исследования, предоставляя регулярные отчеты и визуализации, мотивирующие курсанта к продолжению работы

Рассматривая возможности искусственного интеллекта как средства поддержки научно-исследовательской деятельности курсантов военных вузов и стимулирования формирования их готовности к ее осуществлению, нельзя не остановиться на проблемах использования ИИ. Представим некоторые из них.

Угроза человеческому мышлению. Существует опасение, что развитие ИИ может привести к утрате человеком умения критически мыслить и принимать решения.

Вопросы авторства и интеллектуальной собственности . Генерация ИИ новых идей, приводящих к научным открытиям, ставит проблему авторства: кому принадлежит такое открытие – разработчикам ИИ, исследователям, использующим эту систему или самому ИИ.

Влияние на методологию проведения научных исследований. Широкое применение ИИ может изменить традиционные подходы и методы, используемые в разных областях науки. Это актуализирует вопросы о сохранении фунда- ментальных принципов научного познания.

Анализ возможностей ИИ как средства поддержки научно-исследовательской деятельности курсантов военных вузов и стимулирования формирования их готовности к ее осуществлению позволяет сделать ряд предварительных выводов.

• 1.    ИИ может рассматриваться как эффективное средство поддержки научно-исследовательской деятельности курсантов военных вузов и стимулирования формирования

• 2.    Интеграция ИИ в проведение научных исследований требует пересмотра подходов к подготовке курсантов. Быстрое развитие технологий ИИ требует от научного сообщества постоянной адаптации и готовности к освоению новых инструментов и методов исследовательской работы. Образовательные программы должны включать обучение работе с системами ИИ, а также задачи по развитию кри-

• тического мышления курсантов, обеспечивающего оценку результатов, полученных с их помощью.

• 3.    Перспективным направлением является развитие симбиотических отношений между человеком-исследователем и ИИ-системами, где ИИ усиливает аналитические способности человека, а человек обеспечивает творческий подход и этическую оценку.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК СРЕДСТВО ПОДДЕРЖКИ НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ ДЕЯТЕЛЬНОСТИ КУРСАНТОВ ВОЕННЫХ ВУЗОВ И СТИМУЛИРОВАНИЯ ФОРМИРОВАНИЯ ИХ ГОТОВНОСТИ К ЕЕ ОСУЩЕСТВЛЕНИЮ их готовности к ее осуществлению, повышая эффективность и успешность этой работы, компетентность обучающихся, самостоятельность молодых исследователей [2].

Таким образом, ИИ становится неотъемлемой частью современной научной экосистемы, открывая беспрецедентные возможности для исследований и одновременно порождая новые для научного со- общества вызовы. Успешная интеграция ИИ в научную деятельность требует не только технологических инноваций, но и тщательного осмысления его роли в процессе научного познания. Чем совершеннее алгоритм работы ИИ, качественнее базы накопленных национальных научных знаний и оптимальнее выстроено взаимодействие «исследователь – ИИ», тем стремительнее будет происходить генерация новых фундаментальных знаний, обеспечивающих научное доминирование, экономическое благополучие и национальную безопасность государства.