Искусственный интеллект становится неотъемлемой частью различных наук, промышленных отраслей и повседневной жизни общества. Поскольку исследование искусственного интеллекта развивается в различных научных дисциплинах, его изучение требует комплексного, конвергентного подхода. Автор предлагает обзор существующих подходов к определению и интерпретации понятия искусственный интеллект с целью выявления его инвариантных характеристик, обуславливающих междисциплинарный характер искусственного интеллекта. Систематизируются ключевые драйверы и технологии развития искусственного интеллекта, основные модели его исследования; акцентируется уникальная способность искусственного интеллекта использовать знания, приобретать дополнительные знания и, анализируя и изучая способы их выражения и методы познания, достигать эффекта имитации интеллектуальной деятельности человека. Анализ определений исследуемого понятия позволяет сделать вывод о том, что важными тенденциями развития искусственного интеллекта являются его эмулятивное поведение, а также способность к постоянному развитию и изменениям, которые, с одной стороны, открывают новые исследовательские перспективы, а с другой – создают определенные трудности в понимании этих процессов. Среди технологий обучения искусственного интеллекта, играющих важную роль в его развитии, выделены алгоритмы, обработка больших данных и обработка естественного языка. Обзор существующих лингвистических исследований позволяет объединить исследовательские подходы в этой области вокруг основных задач интеллектуального анализа текстовых данных, среди которых основными являются поиск информации, извлечение знаний, классификация, аннотирование. Изучение и развитие искусственного интеллекта имеет важное значение для понимания его когнитивного потенциала и применения в различных сферах науки, промышленности и повседневной жизни.
искусственный интеллект, когнитивная наука, междисциплинарные исследования языка, конвергентный подход, управление искусственным интеллектом, искусственная социальность, интеллектуальный анализ
1. Duan L., Xu L. D. Business intelligence for enterprise systems: a survey. IEEE Transactions on Industrial Informatics, 2012, 8(3): 679-687. http://dx.doi.org/10.1109/TII.2012.2188804
2. Резаев А. В., Стариков В. С., Трегубова Н. Д. Социология в эпоху «искусственной социальности»: поиск новых оснований. Социологические исследования. 2020. № 2. С. 3-12. https://doi.org/10.31857/S013216250008489-0
3. Hui Y. On the limit of artificial intelligence. Philosophy Today, 2021, 65(2): 339-357. https://doi.org/10.5840/philtoday202149392
4. Райков А. Н. Слабый vs Сильный искусственный интеллект. Информатизация и связь. 2020. № 1. С. 81-88. https://doi.org/10.34219/2078-8320-2020-11-1-81-88
5. Ng G. W., Leung W. C. Strong artificial intelligence and consciousness. Journal of Artificial Intelligence and Consciousness, 2020, 07(01): 63-72. https://doi.org/10.1142/S2705078520300042
6. Лешкевич Т. Г. Пределы искусственного интеллекта в оптике академического дискурса. Междисциплинарность в современном социально-гуманитарном знании-2018: третья междунар. науч. конф. (Ростов-на-Дону, 20-22 сентября 2018 г.) Ростов н/Д-Таганрог: ЮФУ, 2018. Т. 2. Ч. 2(2), С. 135-142. https://www.elibrary.ru/mckktr
7. Проворных И. А. О возможности появления разума у искусственного интеллекта. Инновационный дискурс развития современной науки и технологий: III Междунар. науч.-практ. конф. (Петрозаводск, 23 декабря 2021 г.) Петрозаводcк: Новая Наука, 2021. С. 224-227. https://www.elibrary.ru/pdmqnf
8. Kaplan A., Haenlein M. Rulers of the world, unite! The challenges and opportunities of artificial intelligence. Business Horizons, 2020, 63(1): 37-50. https://doi.org/10.1016/j.bushor.2019.09.003
9. Костина А. В. Цифровое общество: человек, культура, природа в горизонте сингулярности. Знание. Понимание. Умение. 2020. № 4. С. 15-33. . https://www.elibrary.ru/bmegvr
10. Jiang Y., Li X., Luo H., Yin S., Kaynak O. Quo vadis artificial intelligence? Discover Artificial Intelligence, 2022, 2(4). https://doi.org/10.1007/s44163-022-00022-8
11. Ковалев С. М., Снашел В., Гуда А. Н., Колоденкова А. Е., Суханов А. В. Аналитический обзор современных интеллектуальных информационных технологий в технике и на производстве. Вестник РГУПС. 2019. № 1. С. 60-75. https://www.elibrary.ru/zbklil
12. Кирпун В. Е., Соловьева Н. А. Искусственный интеллект в сфере механизации сельского хозяйства. Математическое моделирование и информационные технологии при исследовании явлений и процессов в различных сферах деятельности: II Междунар. студ. науч.-практ. конф. (Краснодар, 14 марта 2022 г.) Краснодар: Новация, 2022. С. 151-156. https://www.elibrary.ru/nqgueq
13. Безлепкин Е. А., Зайкова А. С. Нейрофилософия, философия нейронаук и философия искусственного интеллекта: проблема различения. Философские науки. 2021. Т. 64. № 1. С. 71-87. https://doi.org/10.30727/0235-1188-2021-64-1-71-87
14. Digilina O. B., Teslenko I. B., Nalbandyan A. A. The artificial intelligence: prospects for development and problems of humanization. RUDN Journal of Economics, 2023, 31(1): 170-183. https://doi.org/10.22363/2313-2329-2023-31-1-170-183
15. Shchitova A. A. Definition of artificial intelligence for legal regulation. Proceedings of the 2nd International Scientific and Practical Conference on Digital Economy (ISCDE 2020), Ekaterinburg, 5-6 Nov 2020. Ekaterinburg: Institute of Digital Economics; Atlantis Press, 2020, 616-620. https://doi.org/10.2991/aebmr.k.201205.104
16. Menczer F., Crandall D., Ahn Y.-Y., Kapadia A. Addressing the harms of AI-generated inauthentic content. Nature Machine Intelligence, 2023, 5(7): 679-680. https://doi.org/10.1038/s42256-023-00690-w
17. Wang P. On defining artificial intelligence. Journal of Artificial General Intelligence, 2019, 10(2): 1-37. https://doi.org/10.2478/jagi-2019-0002
18. Monett D., Lewis C. W. P., Thórisson K. R. Introduction to the JAGI Special Issue "On Defining Artificial Intelligence" - commentaries and author's response. Journal of Artificial General Intelligence, 2020, 11(2): 1-4. https://doi.org/10.2478/jagi-2020-0003
19. Simon H. A. Models of Man: Social and Rational. NY: John Wiley & Sons, 1957, 287.
20. Архипов В. В., Наумов В. Б. Искусственный интеллект и автономные устройства в контексте права: о разработке первого в России закона о робототехнике. Труды СПИИРАН. 2017. № 6. C. 46-62. https://doi.org/10.15622/sp.55.2
21. Васильев А. А., Шпоппер Д., Матаева М. Х. Термин «искусственный интеллект» в российском праве: доктринальный анализ. Юрислингвистика. 2018. № 7-8. С. 35-44. https://www.elibrary.ru/ylqksd
22. Duft G., Durana P. Artificial intelligence-based decision-making algorithms, automated production systems, and big data-driven innovation in sustainable Industry 4.0. Economics, Management, and Financial Markets, 2020, 15(4): 9-18. https://doi.org/10.22381/EMFM15420201
23. Lu Y. Artificial intelligence: a survey on evolution, models, applications and future trends. Journal of Management Analytics, 2019, 6(1): 1-29. https://doi.org/10.1080/23270012.2019.1570365
24. Liu S., Wright A. P., Patterson B. L., Wanderer J. P., Turer R. W., Nelson S. D., McCoy A. B., Sittig D. F., Wright A. Using AI-generated suggestions from ChatGPT to optimize clinical decision support. Journal of the American Medical Informatics Association, 2023, 30(7): 1237-1245. https://doi.org/10.1093/jamia/ocad072
25. Brynjolfsson E., Mitchell T. What can machine learning do? Workforce implications. Science, 2017, 358(6370): 1530-1534. https://doi.org/10.1126/science.aap8062
26. Berente N., Gu B., Recker J., Santhanam R. Managing artificial intelligence. MIS Quarterly Special Issue: Managing AI, 2021, 45(3): 1433-1450. https://doi.org/10.25300/MISQ/2021/16274
27. The economics of artificial intelligence: an agenda, eds. Agrawal A., Gans J., Goldfarb A. Chicago-London: The University of Chicago Press, 2019, 642. https://doi.org/10.7208/chicago/9780226613475.001.0001
28. Grosan C., Abraham A. Rule-based expert systems. Intelligent systems: a modern approach. Berlin-Heidelberg: Springer, 2011, 149-185. https://doi.org/10.1007/978-3-642-21004-4_7
29. Булавинова М. П. Риски и угрозы новых технологий, основанных на искусственном интеллекте. (Обзор). Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия. 8: Науковедение. Реферативный журнал. 2018. № 2. C. 23-41. https://elibrary.ru/utcghm
30. Strümke I., Slavkovik M., Madai V. I. The social dilemma in artificial intelligence development and why we have to solve it. AI and Ethics, 2022, 2(4): 655-665. https://doi.org/10.1007/s43681-021-00120-w
31. von Eschenbach W. J. Transparency and the black box problem: why we do not trust AI. Philosophy & Technology, 2021, 34(4): 1607-1622. https://doi.org/10.1007/s13347-021-00477-0
32. Zednik C. Solving the Black Box Problem: a normative framework for Explainable Artificial Intelligence. Philosophy & Technology, 2021, 34(2): 265-288. https://doi.org/10.1007/s13347-019-00382-7
33. Лешкевич Т. Г. Метафоры цифровой эры и Black Box Problem. Философия науки и техники. 2022. Т. 27. № 1. С. 34-48. https://doi.org/10.21146/2413-9084-2022-27-1-34-48
34. Angelov P. P., Soares E. A., Jiang R., Arnold N. I., Atkinson P. M. Explainable artificial intelligence: an analytical review. WIREs Data Mining and Knowledge Discovery, 2021, 11(5). https://doi.org/10.1002/widm.1424
35. Шевская Н. В. Объяснимый искусственный интеллект и методы интерпретации результатов. Моделирование, оптимизация и информационные технологии. 2021. Т. 9. № 2. https://doi.org/10.26102/2310-6018/2021.33.2.024
36. Percy C., Dragicevic S., Sarkar S., d'Avila Garcez A. S. Accountability in AI: from principles to industry-specific accreditation. AI Communications, 2021, 34(3): 181-196. https://doi.org/10.48550/arXiv.2110.09232
37. Mora-Cantallops M., Sánchez-Alonso S., García-Barriocanal E., Sicilia M.-A. Traceability for trustworthy AI: a review of models and tools. Big Data and Cognitive Computing, 2021, 5(2). https://doi.org/10.3390/bdcc5020020
38. Tariq S., Iftikhar A., Chaudhary P., Khurshid K. Is the ‘Technological Singularity scenario’ possible: can AI parallel and surpass all human mental capabilities? World Futures, 2023, 79(2): 200-266. https://doi.org/10.1080/02604027.2022.2050879
39. Назаренко Ю. Л. Обзор технологии «большие данные» (Big Data) и программно-аппаратных средств, применяемых для их анализа и обработки. European Science. 2017. № 9. С. 25-30. https://www.elibrary.ru/zrvwiv
40. Пальмов С. В., Мифтахова А. А. Обзор основных методов искусственного интеллекта. Перспективы науки. 2013. № 11. С. 110-113. https://elibrary.ru/sbilfb
41. Павлычев А. В., Стародубов М. И., Галимов А. Д. Использование алгоритма машинного обучения Random Forest для выявления сложных компьютерных инцидентов. Вопросы кибербезопасности. 2022. № 5. С. 74-81. https://doi.org/10.21681/2311-3456-2022-5-74-81
42. Белов С. Д., Зрелова Д. П., Зрелов П. В., Кореньков В. В. Обзор методов автоматической обработки текстов на естественном языке. Системный анализ в науке и образовании. 2020. № 3. С. 8-22. https://doi.org/10.37005/2071-9612-2020-3-8-22
43. Максимов В. Ю., Клышинский Э. С., Антонов Н. В. Проблема понимания в системах искусственного интеллекта. Новые информационные технологии в автоматизированных системах. 2016. № 19. С. 43-60. https://www.elibrary.ru/vtznyr
44. Janiesch C., Zschech P., Heinrich K. Machine learning and deep learning. Electron Markets, 2021, 31(3): 685-695. https://doi.org/10.1007/s12525-021-00475-2
45. Dutta Majumder D. Pattern recognition, image processing and computer vision in fifth generation computer systems. Sadhana, 1986, 9(2): 139-156. https://doi.org/10.1007/BF02747523
46. Горячкин Б. С., Китов М. А. Компьютерное зрение. E-Scio. 2020. № 9. С. 318-346. https://elibrary.ru/ebypio
47. Новиков Н. И. Исследование разработки и применения различных алгоритмов компьютерного зрения для распознавания образов и объектов. Научный аспект. 2023. Т. 3. № 7. С. 306-312. https://elibrary.ru/akykha
48. Khanna S., Kaushik A., Barnela M. Expert systems advances in education. Proceedings of National Conference on Computational Instrumentation (NCCI 2010). Chandigarh, 19-20 Mar 2010. CSIO Chandigarh, 2010, 109-112.
49. Favela L. H. Editor's introduction: innovative dynamical approaches to cognitive systems. Cognitive Systems Research, 2019, 58, 156-159. https://doi.org/10.1016/j.cogsys.2019.06.001
50. Новиков Ф. А. Символический искусственный интеллект: математические основы представления знаний. М.: Юрайт, 2023. 278 с.
51. Алексеева Е. А. Противостояние символизма и коннекционизма в истории развития искусственного интеллекта. История. 2020. Т. 11. № 11. https://doi.org/10.18254/S207987840013021-2
52. Безлепкин Е. А. Проблема синтеза коннекционизма и символизма в моделях слабого искусственного интеллекта. Философия, социология, право: традиции и перспективы: Всерос. науч. конф. (Новосибирск, 19-20 ноября 2020 г.) Новосибирск: Офсет-ТМ, 2020. С. 10-13. https://doi.org/10.47850/S.2020.1.2
53. Алексеев А. Ю. Философия искусственного интеллекта: нейрокомпьютерные реализаторы когниций. Нейрокомпьютеры: разработка, применение. 2014. № 4. С. 7-8. https://www.elibrary.ru/sefhnh
54. Мусаев А. А., Григорьев Д. А. Обзор современных технологий извлечения знаний из текстовых сообщений. Компьютерные исследования и моделирование. 2021. Т. 13. № 6. С. 1291-1315. https://doi.org/10.20537/2076-7633-2021-13-6-1291-1315
55. Журавлева Е. Ю. Эпистемический статус цифровых данных в современных научных исследованиях. Вопросы философии. 2012. № 2. С. 113-123. https://www.elibrary.ru/owuwqz
56. Warschauer M., Yim S., Lee H., Zheng B. Recent contributions of data mining to language learning research. Annual Review of Applied Linguistics, 2019, (39): 93-112. https://doi.org/10.1017/S0267190519000023
57. Hassani H., Beneki C., Unger S., Mazinani M. T., Yeganegi M. R. Text mining in big data analytics. Big Data and Cognitive Computing, 2020, 4(1). https://doi.org/10.3390/bdcc4010001
58. Janani R., Vijayarani S. Text mining research: a survey. International Journal of Innovative Research in Computer and Communication Engineering, 2016, 4(4): 6564-6571. https://doi.org/10.15680/IJIRCCE.2016.0404040
59. Pruthi S. Knowledge discovery through data mining: an econometric perspective. International Journal of Advanced Engineering Research and Science, 2015, 2(10): 37-39.
60. Малышева Е. Ю., Лычагина В. А. Математические методы исследования лингвистики. Язык и культура в эпоху интеграции научного знания и профессионализации образования. 2022. № 3-1. С. 170-177. https://www.elibrary.ru/pxlqjx
61. Пиотровский Р. Г. Инженерная лингвистика и теория языка. Л.: Наука, Ленингр. отд-ние, 1979. 112 c. https://www.elibrary.ru/zdizgh
62. Гуларян А. Б. Принцип «избыточности» как основа построения семантических систем. Историческое обозрение. 2009. № 10. С. 9-16. https://www.elibrary.ru/uipidp
63. Khurana D., Koli A., Khatter K., Singh S. Natural language processing: state of the art, current trends and challenges. Multimedia Tools and Applications, 2023, 82(3): 3713-3744. https://doi.org/10.1007/s11042-022-13428-4
64. Kuratov Yu., Arkhipov M. Adaptation of deep bidirectional multilingual transformers for Russian language. Computational Linguistics and Intellectual technologies: Proc. Annual International Conference "Dialogue" (2019), Moscow, 29 May - 1 Jun 2019. Moscow, 2019, iss. 18, 333-339. https://www.elibrary.ru/bbvvkr
65. Dhumal Deshmukh R., Kiwelekar A. W. Deep learning techniques for part of speech tagging by natural language processing. Proceedings 2nd International Conference on Innovative Mechanisms for Industry Applications (ICIMIA 2020), Bangalore, 5-7 Mar 2020. IEEE, 2020, 76-81. https://doi.org/10.1109/ICIMIA48430.2020.9074941
66. Aung M. P., Moe A. L. New phrase chunking algorithm for Myanmar Natural Language Processing. Applied Mechanics and Materials, 2015, 695: 548-552. https://doi.org/10.4028/www.scientific.net/AMM.695.548
67. Stavrianou A., Andritsos P., Nicoloyannis N. Overview and semantic issues of text mining. ACM SIGMOD Record, 2007, 36(3): 23-34. https://doi.org/10.1145/1324185.1324190
68. Озерова М. И. Обзор интеллектуальных методов машинного перевода. Russian Linguistic Bulletin. 2023. № 1. https://doi.org/10.18454/RULB.2023.37.6
69. Шанкин А. А. Системы машинного перевода PROMT. Россия в мире: проблемы и перспективы развития международного сотрудничества в гуманитарной и социальной сфере: VI Междунар. науч.-практ. конф. (Москва-Пенза, 25-26 марта 2019 г.) Пенза: ПензГТУ, 2019. С. 267-277. https://www.elibrary.ru/zazsah
70. Klimova B., Pikhart M., Delorme Benites A., Lehr C., Sanchez-Stockhammer C. Neural machine translation in foreign language teaching and learning: a systematic review. Education and Information Technologies, 2023, 28(1): 663-682. https://doi.org/10.1007/s10639-022-11194-2
71. Calvillo E. A., Padilla A., Muñoz J., Ponce J. S., Fernandez-Breis J. T. Searching research papers using clustering and text mining. CONIELECOMP 2013: Proc. 23rd Intern. Conf. on Electronics, Communications and Computing, Cholula, Puebla, 11-13 Mar 2013. IEEE, 2013, 78-81. https://doi.org/10.1109/CONIELECOMP.2013.6525763
72. Маннинг К. Д., Рагхаван П., Шютце Х. Введение в информационный поиск. М.: Вильямс, 2011. 528 с.
73. Басипов А. А., Демич О. В. Семантический поиск: проблемы и технологии. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2012. № 1. C. 104-111. https://www.elibrary.ru/ooobzv
74. Rathi K., Raj S., Mohan S., Singh Y. V. A review of state-of-the-art Automatic Text Summarisation. International Journal of Creative Research Thoughts, 2022, 10(4): e527-e541. https://ssrn.com/abstract=4107774
75. Белякова А. Ю., Беляков Ю. Д. Обзор задачи автоматической суммаризации текста. Инженерный вестник Дона. 2020. № 10. С. 142-159. https://www.elibrary.ru/ayyyfq
76. Joshi A., More P., Shah S., Sahitya A. An algorithmic approach for text summarization. Proceedings 2023 International Conference for Advancement in Technology (ICONAT), Goa, 24-26 Jan 2023. IEEE, 2023. https://doi.org/10.1109/ICONAT57137.2023.10080575
77. Joshi A., Bhattacharyya P., Carman M. J. Automatic sarcasm detection: a survey. ACM Computing Surveys, 2018, 50(5). https://doi.org/10.1145/3124420
78. Li J., Hovy E. Reflections on sentiment / opinion analysis. In: Cambria E., Das D., Bandyopadhyay S., Feraco A. A practical guide to sentiment analysis. Springer, 2017, 41-59. https://doi.org/10.1007/978-3-319-55394-8_3
79. Liu B., Zhang L. A survey of opinion mining and sentiment analysis. Mining Text Data, eds. Aggarwal C. C., Zhai C. X. Boston: Springer, 2012, 415-463. https://doi.org/10.1007/978-1-4614-3223-4_13
80. Максименко О. И. Анализ тональности текстов (сентимент-анализ) на материале текстов СМИ. Функциональная семантика и семиотика знаковых систем: Междунар. науч. конф. (Москва, 28-30 октября 2014 г.) М.: РУДН, 2014. Ч. I. С. 96-105. https://www.elibrary.ru/tdlwhh
81. Лукашевич Н. В., Рубцова Ю. В. Объектно-ориентированный анализ твитов по тональности: результаты и проблемы. Аналитика и управление данными в областях с интенсивным использованием данных: XVII Междунар. конф. DAMDID / RCDL′2015. (Обнинск, 13-16 октября 2015 г.) Обнинск, 2015. С. 278-286. https://www.elibrary.ru/vzydrt
82. Чернышевич М. В. Классификация тональности мнений для задачи автоматического сентимент-анализа текста. Ученые записки УО «ВГУ им. П. М. Машерова». 2018. Т. 28. С. 136-140. https://www.elibrary.ru/vxagrm
83. Таршис Е. Я. Контент-анализ: принципы методологии. (Построение теоретической базы. Онтология, аналитика и феноменология текста. Программы исследования). 3-е изд. М.: URSS, 2021. 174 с. https://elibrary.ru/tghhjf
84. Бурнашев Р. Ф., Мирзаева А. Б. Контент-анализ как инструментарий квантитативной лингвистики. Science and Education. 2022. Т. 3. № 12. C. 1201-1210.
85. Хроменков П. Н., Максименко О. И. Исследование конфликтогенных текстов методом контент-анализа: история и современность. Ученые записки НОПриЛ. 2013. № 4. С. 109-117. https://elibrary.ru/seyajt
86. Сафонкина О. С., Иргизова К. В. Использование корпусной лингвистики в условиях цифрового образовательного пространства. Нижегородское образование. 2019. № 2. С. 112-117. https://elibrary.ru/javeam
87. Сорокина С. Г. Языковые средства конструирования феномена самосознания: семантика и функции лексемы self. Современное педагогическое образование. 2023. № 5. С. 266-270. https://elibrary.ru/fxhcak
