Статья: СОВМЕСТИМОСТЬ СТИМУЛОВ И ТРОПИЧЕСКАЯ ГЕОМЕТРИЯ В МАРКЕТИНГЕ СТРОИТЕЛЬНОЙ КОМПАНИИ (2026)

В настоящей статье предлагается подход к применению теории экономических тетрад для представления структурных связей между элементами, прямо или косвенно участвующими в инновационном развитии региона. В качестве средовой подсистемы рассматривается национальная экономика в целом, объектной – экономика региона, процессной – совокупность инновационных предприятий, действующих в общероссийском масштабе, проектной – аналогичная совокупность в пределах региона. Выдвигается предположение, что на каждом стационарном витке спирали трансформационного процесса соотношения между результатами работы этих четырех подсистем сохраняют стабильную динамику. А при переходе подсистем в некоторое новое качественное состояние на графиках динамики соотношений между показателями этих подсистем происходят резкие развороты. Данное предположение проверено на примере показателей развития экономики Республики Татарстан на фоне динамики аналогичных показателей в общероссийском масштабе. Расчеты подтвердили сформулированное ранее предположение, и графики изменения показателей подсистем в рассмотренном примере показали развороты или перегибы в точке, соответствующей 2022 году, моменту начала СВО и усиления санкционного давления. Таким образом, данный подход можно использовать для определения моментов смены витков спирали развития процесса инновационной трансформации экономики региона.

В статье предлагается один из возможных подходов к статистическому анализу достижения региональных целевых показателей на основе интеграции линейной экстраполяции временных рядов и вероятностного прогнозирования. С использованием цифрового профиля региона и данных по показателям, характеризующим сохранение населения в Московской области, построены линейные тренды, прогнозы, и оценена вероятность достижения их целевых значений. В качестве альтернативы линейной модели была проведена экспериментальная апробация нейросетевой LSTM-модели на данных по показателю ожидаемой продолжительности жизни, которая подтвердила преимущества ИИ-моделей. Предложенные подходы могут быть применены в системах поддержки принятия решений, включая цифровых двойников регионов, для обоснованного управления достижением стратегических целей

Рассмотрены языковые модели, модели трансформера искусственного интеллекта, сопряженные с процедурами теории игр. В предложенной схеме решения конкретных задач с помощью искусственного интеллекта на основе игры консенсусный трансформер должен имитировать действия физического лица. Трансформер формирует стратегию на естественном языке.

Статья посвящена оценке масштаба и охвата обучения искусственному интеллекту (ИИ) в российской системе общего (ОО) и среднего профессионального образования (СПО). Актуальность исследования обусловлена стремительным развитием ИИ и возрастающей потребностью в формировании соответствующих компетенций у молодого поколения для обеспечения конкурентоспособности страны в условиях цифровой экономики. Целью работы является оценка текущего состояния и масштаба охвата обучения ИИ на базовом и продвинутом уровнях среди школьников и студентов СПО. В качестве методов исследования использованы систематизация открытых данных, сравнение и контент-анализ образовательных программ и государственных инициатив в РФ. Результаты исследования показывают, что на базовом уровне охват учащихся среди 5-11 классов и студентов СПО составляет около 15-20%, что обеспечивается в основном за счет массовых внеурочных проектов (таких как «Уроки цифры»). Углубленным изучением ИИ на продвинутом уровне занимаются мотивированные школьники и студенты, которые составляют не более 5-10% от общего числа учащихся, используя ресурсы онлайн-платформ и специализированных центров. Сделан вывод, что изучение ИИ носит факультативный и фрагментарный характер, не будучи интегрированным в обязательные образовательные стандарты. Практическая значимость работы заключается в разработке рекомендаций по интеграции базовых модулей ИИ в учебные программы общего и среднего профессионального образования, расширению доступности дополнительного образования и развитию инфраструктуры. Статья адресована органам управления образованием и министерствам цифрового развития страны для корректировки национальной стратегии кадрового обеспечения цифровой экономики.

Статья посвящена проблеме взаимодействия человека и ИИ. Предлагается концепция взаимодействия, делающая акцент на человеке в асимметричном диалоге с онтологически «пустым» собеседником (ИИ). Она опирается на философию диалога М. М. Бахтина и вводит понятие перцептивной диалогичности – закономерного психолингвистического процесса, при котором структурные маркеры машинного текста активируют в психике пользователя механизмы самореференции и смыслопорождения. Это позволяет описать микрокогнитивные механизмы взаимодействия с ИИ без требования равной онтологической субъектности сторон. Антропоморфизация рассматривается как форма адаптации, при которой «пустота» интенции ИИ превращается в ресурс.

Пилотное исследование (n = 17) проверяет, как тип речевого стиля ответа ИИ влияет на сохранение пользователем интерпретационной агентности в личностно значимых ситуациях принятия решений. Участники оценивали четыре варианта ответа, различающихся по эпистемической модальности: осторожный, нейтральный, директивный и поддерживающий. Центральный результат: 65% участников (11 из 17) назвали осторожный стиль лучшим для сохранения права на самостоятельное решение, тогда как по критерию комфорта осторожный и поддерживающий стили оказались неразличимы (по 29%). Обнаруженное расхождение между автономией и комфортом является первым эмпирическим свидетельством феномена иллюзорной агентности, описанного теоретически в предшествующей работе авторов (Ноакк, Костина, 2026)

Цель исследования – разработка гибридного метода вероятностного поиска и верификации записей в реляционных базах данных, позволяющего сопоставлять строковые атрибуты, содержащие опечатки, сокращения и разночтения. Методология базируется на вычислении нормированного расстояния Левенштейна для каждого атрибута, формировании байесовской оценки апостериорной вероятности совпадения записи из внешнего источника с эталонной записью и выборе кандидата, максимизирующего эту вероятность. Для повышения производительности применяются C-расширения (библиотека rapidfuzz), ограничение числа кандидатов топ-20 наиболее похожих записей по ФИО, векторизация операций с помощью pandas и предварительная нормализация строк. Ключевые результаты: разработанный метод демонстрирует устойчивость к искажениям входных данных, учитывает одновременно несколько атрибутов (ФИО, идентификаторы, наименования) и не требует размеченной обучающей выборки, в отличие от классического вероятностного подхода Fellegi–Sunter. Экспериментальная проверка на эталонной базе из 250 тысяч записей и тестовой выборке из 159 искаженных записей показала время обработки 62 секунды на стандартном оборудовании. Вывод: предложенный гибридный метод сочетает гибкость нечеткого сравнения строк и вероятностную оценку, что делает его эффективным для задач интеграции и очистки данных в корпоративных информационных системах.

В статье рассматривается проблема прогнозирования посещаемости в образовательных организациях и связанные с ней экономические риски. В качестве основного инструмента для решения поставленной задачи предлагается внедрение цифровизации в управленческий слой, в частности систем поддержки принятия решений. Проведен анализ уже существующих систем, в том числе зарубежных и отечественных, а также методов машинного обучения, используемых при прогнозировании. По результатам сравнения эффективности алгоритма универсального решения выявлено не было, в связи с чем при разработке прототипа системы использовался ансамбль моделей, подкрепленный механизмом голосования. Разработанный прототип системы позволяет обучать модели на конкретных данных, получать прогноз посещения и наглядно демонстрирует перевод результатов прогноза в конкретные метрики, в том числе и экономические показатели. Результаты исследования могут послужить основой для разработки более комплексных систем прогнозирования и принятия решений на основе алгоритмов машинного обучения.

В статье анализируются различия между интерпретируемым и объяснимым искусственным интеллектом. Два этих понятия рассматриваются автором как различные, хотя и взаимодополняющие подходы к решению задач машинного обучения. На основании проведенного анализа автором предлагается представлять решающие правила для задач классификации в виде древовидной структуры, но в ее узлах использовать не отдельные входные признаки, а секущие гиперплоскости. Такой подход позволяет оценивать информативность каждого входного признака в отдельности и всей совокупности признаков в каждом узле и получать интерпретируемое решающее правило в целом для всей модели с высокими метриками качества решающего правила. Приведены примеры практических задач, решенных данным способом. Во всех случаях по метрикам качества дерево секущих гиперплоскостей превосходило дерево решений, полученное традиционным способом, и имело AUC ROC сопоставимую со случайным лесом

В статье рассматривается одна из проблем, связанных с оценкой рыночной стоимости машин и оборудования (далее – машин), подвергающихся деградации в процессе использования по назначению. Деградация машины описывается гамма–процессом, одним из процессов Леви с независимыми неотрицательными случайными приращениями (субординатором), имеющими гамма-распределение. В известных методах стоимостной оценки стоимость машины и остаточный срок ее службы связываются с ее возрастом или наработкой. Мы связываем их с выгодами (доходами) от эксплуатации. Использование общих принципов оценки стоимости активов и методов теории вероятностей позволяет получить аналитические выражения для среднего срока службы машины и коэффициента его вариации, а также интегральное уравнение для зависимости стоимости машины от ее состояния.