1 of 11

Концепция интегрирования технологий искусственного интеллекта в образовательный процесс высшего учебного заведения

Докладчик:

Савкова Евгения Николаевна, доцент кафедры «Электротехника и электроника», БНТУ

кандидат технических наук, доцент

Белорусский национальный технический университет

2 of 11

Терминология

ИИ - комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. (закон РФ, ГОСТ Р 59277-2020).

ИИ - Исследование и разработка механизмов и приложений систем ИИ (ГОСТ Р 71476-2024)

ИИ - функциональная способность к имитации когнитивных функций, характерных для человека, обеспечивающая результаты, сопоставимые с результатами интеллектуальной деятельности человека или превосходящие их (закон Казахстана)

Технологии ИИ - комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека при решении задач компьютерного зрения, обработки естественного языка, распознавания и синтеза речи, поддержки принятия решений и других практически значимых задач обработки данных ГОСТ Р 59277-2020.

3 of 11

Законодательные аспекты

Российская Федерация: Федеральный закон "О проведении эксперимента по установлению специального регулирования в целях создания необходимых условий для разработки и внедрения технологий искусственного интеллекта в субъекте Российской Федерации - городе федерального значения Москве и внесении изменений в статьи 6 и 10 Федерального закона "О персональных данных" от 24.04.2020 N 123-ФЗ (последняя редакция)

Республика Казахстан: Закон Республики Казахстан от 17 ноября 2025 года № 230-VIII «Об искусственном интеллекте» (не введен в действие)

Республика Беларусь: Разрабатывается законодательная основа для активного внедрения систем искусственного интеллекта

КНР: Национальный план развития ИИ до 2030 года (2017) определяет ИИ как ключевой фактор экономического роста. План включает масштабное государственное финансирование и поддержку частных компаний (Tencent, Alibaba, SenseTime). Закон о кибербезопасности, Закон о безопасности данных, Закон о защите персональных данных, «Мероприятия по управлению интернет-информационными услугами», Положения об управлении глубоким синтезом интернет-информационных сервисов (Deep Synthesis Provisions, вступили в силу 10 января 2023 г.). Правительство Китая ввело с 15 августа 2023 г. двадцать четыре пункта правил для регулирования ИИ.

4 of 11

Аспекты применения ИИ

Новые возможности	Новые проблемы
Расширение круга решаемых задач, областей применения	Дополненная реальность, виртуальный мир, Интернет вещей, плагиат, этичность
Быстрота обработки данных в задачах анализа, сканирования прогнозирования, моделирования, имитации	«Черный ящик» - невозможность проследить логику
Увеличение степеней свободы	Статистическая избыточность
Повышение надежности результатов принятия решений	Профессиональная деградация
Разработка новых технических и программных средств	Монополизация
Развитие самообучающихся нейросетей	Выход систем из под контроля, нарушение границ

5 of 11

Высшее учебное заведение в контексте модели организации СТБ ISO 9001

6 of 11

Предлагаемая концепция внедрения технологий ИИ в образовательный процесс: принципы

Принцип 1. Ориентация на потенциальных потребителей (мониторинг факторов дальнего и ближнего окружения).

Принцип 2. Лидерство и мотивация.

Принцип 3. Инициативность и вовлеченность обучающихся.

Принцип 4. Кооперирование и преемственность.

Принцип 5.Взаимодействие с заинтересованными сторонами.

Принцип 6. Внедрение результатов разработок.

Принцип 7. Постоянное улучшение.

7 of 11

Предлагаемая концепция внедрения технологий ИИ в образовательный процесс: уровни изучения

Уровень	Сущность	Реализация
Стратегический	Планирование мероприятий согласно Приоритетным направлениям РБ	Планы творческого роста, формирование Заданий ГПНИ, публикаций
Нормативно-правовой	Анализ НПА, ТНПА	Обучение, повышение квалификации
Теоретический	Проведение научных исследований, кооперирование, преемственность	Научные публикации,
Прикладной	Апробация результатов научных исследований: проведение экспериментов, обсуждение на конференциях, представление на выставках	Внедрение разработок в учебный процесс и производственную деятельность предприятий

8 of 11

Анализ нормативной базы

ГОСТ Р 57700.36-2021

ГОСТ Р 70462.1-2022

ГОСТ Р 52633.5-2011

ГОСТ Р

59277-2020

ГОСТ Р 52633.5-2011

ГОСТ Р 24029-2

ГОСТ Р ИСО/МЭК 22989–2022

Синдром катастрофического забывания

Новые термины:

Взрывающийся градиент - …

Синдром катастрофического забывания - …

9 of 11

Пример применения нейросети �в оптическом приборостроении

Нормативные документы:

ГОСТ 2786-82 «Стекла пробные для проверки радиусов и формы сферических оптических поверхностей»

ГОСТ Р 8.745-2011 «Оптика и фотоника. Интерференционные измерения оптических элементов и систем»

Допуск плоскостности ОПС, КПС и РПС и радиусом ∞ для всех диаметров (число интерференционных полос):

1-й класс – N = 0,05; ΔN = 0,05;

2-й класс – N = 0,07; ΔN = 0,05;

3-й класс – N = 0,10; ΔN = 0,05.

Алгоритм пишется в безличной форме. Где на алгоритме процесс обучения. Мы говорили, что нужно объединить два разных способа обработки. Где обращения к библиотекам?

Привести выбранные варианты нейросетей из предыдущих схем. Поставить задачу. Показать параметры интерф. картиры и разницу между «Идеальной» и реальной.

Структура сети - многослойная с прямыми связами, функция активации передаточная функция. Обучение сети с учителем.

Структура сети - многослойная с прямыми связями, функция активации передаточная функция. Обучение сети с учителем.

Пояснение:

Библиотека – обучение с учителем

Неразмеченные данные – обучение без учителя

10 of 11

Пример ускорения процессов обработки данрных на основе нейросети

С помощью платформы ChatGPT основанной на работе ИИ была получена часть кода программы, с помощью которой можно ускорить процесс построения точек цветового пространства на основе заданных данных RGB

Цикл преобразований:

1) Постановка задачи. Ввод данных RGB

2) Применение sRGB гамма-коррекции

3) Преобразование RGB в XYZ

4) Нахождение координат x и y

5) Построение графика нанесение точки

6) Нанесение области охвата и построение областей допуска