Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 44.200.141.122
    [SESS_TIME] => 1711700085
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 2c7312fdee9dc91a860fa568ae2e18c5
    [UNIQUE_KEY] => 80b9753840716ffa58a91180db2eaf96
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Философия науки

2022 год, номер 2

ГЛУБИНННЫЕ РИСКИ МАШИННОГО ОБУЧЕНИЯ

Д.В. Винник
Финансовый университет при правительстве Российской Федерации, 125167, Москва, Ленинградский пр., д. 49/2
dvvinnik@fa.ru
Ключевые слова: искусственный интеллект, нейронные сети, машинное обучение, риск, логическая прозрачность, вербализация нейронных сетей, перцептрон, сетецентрическая война, бюрократия, когнитивные функции
Страницы: 110-123

Аннотация

В статье оцениваются конкретные технологии машинного обучения (как способы машинной реализации конкретных когнитивных функций) с точки зрения потребностей рационального объяснения их работы, надежности и эффективности, а также смежных социальных свойств (ответственности за использование результатов, угрозы вырождения человеческих навыков и т.п.). Анализируются риски внедрения технологий машинного обучения в разных видах деятельности и в разных отраслях с точки зрения того, является ли логическая прозрачность критическим критерием или нет. Делается вывод, что логическая непрозрачность большинства результатов машинного обучения представляет собой серьезный вызов рациональному мышлению и разумной аргументации в государственном управлении. Утверждается, что негативным следствием неосмотрительного внедрения нейрокомпьютеров может стать частичная или полная утрата персоналом навыков выполнения рутинных интеллектуальных процедур (заполнения таблиц, арифметических расчетов, классификации информации и документов по категориям, самостоятельного поиска справочной информации).

DOI: 10.15372/PS20220208
Добавить в корзину
Товар добавлен в корзину