Штучний інтелект

Анотація: Розвиток генеративних систем штучного інтелекту (ГСШІ) в сучасному світі вимагає вирішення проблем, пов'язаних із якістю, стійкістю та ефективністю генерованого вмісту. В цьому контексті резонансна діагностика набуває важливого значення. Метою даної роботи є дослідження можливостей застосування резонансної діагностики для виявлення, аналізу та усунення проблем в генеративних системах штучного інтелекту. Для досягнення поставленої мети були визначені наступні задачі: аналіз теоретичних основ резонансної діагностики; дослідження можливостей використання резонансного сигналу для налаштування параметрів навчання ГСШІ; вивчення впливу резонансної діагностики на стійкість та адаптацію ГСШІ до змінних умов роботи. У роботі проведено аналіз резонансної діагностики в контексті ГСШІ та виявлено її потужний вплив на вирішення проблем, пов'язаних з якістю та продуктивністю систем. Дослідження показали, що резонансна діагностика може бути використана для досягнення реалістичності, різноманітності та якості генерованого вмісту. Також встановлено, що вона може сприяти покращенню стійкості та адаптації систем до змінних умов роботи.

Ключові слова: резонансна діагностика, генеративні системи штучного інтелекту, якість, стійкість, реалістичність, різноманітність

Посилання:

1. Fiona Fui-Hung Na, Ruilin Zheng, Jingguan Tsai, Keng Siao and Langtao Chen (2023). Generative AI and ChatGPT: Applications, challenges, and human collaboration, Journal of Information Technology Case and Application Research, DOI: 10.1080/15228053.2023. 2233814.
2. Sujit Kumar Dehury, Deeptimayee Khatua, Ram Naresh Prasad Choudhary, Patnala Ganga Raju Achary. (2021). Electrical and Dielectric Characterization of Bismuth Holmium Nickel Titanate (BiHoNiTiO6). Transactions of the Indian Ceramic Society 80:2, pages 135-141.
3. Shurong Tong, Yafei Nie. (2023) Measuring Designers’ Cognitive Load for Timely Knowledge Push via Eye Tracking. International Journal of Human–Computer Interaction 39:6, pages 1230-1243.
4. Zhang, Wentian & Liu, Haozhe & Bing, Li & Xie, Jinheng & Huang, Yawen & Li, Yuexiang & Zheng, Yefeng & Ghanem, Bernard. (2023). Dynamically Masked Discriminator for Generative Adversarial Networks.
5. Zillner, S., Bisset, D., Milano, M., Curry, E., García Robles, A., Hahn, T., Irgens, M., Lafrenz, R., Liepert, B., O’Sullivan, B. and Smeulders, A., (eds) (2020) “Strategic Research, Innovation and Deployment Agenda - AI, Data and Robotics Partnership. Third Release.” September 2020, Brussels. BDVA, euRobotics, ELLIS, EurAI and CLAIRE.
6. Generative AI Models Explained (2022). 13 Oct, 2022. Retrieved from https://www.altexsoft.com/blog/generative-ai/
7. Nguyen, T. H. (Contributor). (2021, December 08). 5 Impactful Technologies From the Gartner Emerging Technologies and Trends Impact Radar for 2022. Gartner. URL: https://www.gartner.com/en/articles/5-impactful-technologies-from-the-gartner-emerging-technologies-and-trends-impact-radar-for-2022
8. Zhu, Y., Gupta, V. & Li, L. (2019). Coherence resonance in low-density jets. Journal of Fluid Mechanics, 881, R1. doi:10.1017/jfm.2019.782.
9. Neiman, Alexander. (2007). Coherence resonance. Scholarpedia. 2. 1442. https://doi.org/10.4249/scholarpedia.1442. https://www.researchgate.net/publication/220580005_Coherence_resonance
10. Panahi, Mahta & Abrevaya, Germán & Gagnon-Audet, Jean-Christophe & Voleti, Vikram & Rish, Irina & Dumas, Guillaume. (2021). Generative Models of Brain Dynamics https://www.researchgate.net/publication/357267955_Generative_Models_of_Brain_Dynamics_--_A_review
11. Kim J. M., Wee J., Peters K. Demonstration of Coherent Interference between Acoustic Waves Using a Fiber Ring Resonator. Sensors. 2022; 22(11):4163. https://doi.org/10.3390/s22114163.
12. Ковалевський С. В., Ковалевська О. С. Спосіб зміни фізико-механічних властивостей зразків з магнітних та немагнітних матеріалів. Патент 143057 Україна. МПК B23H 7/38 (2006.01). Донбас. держ. машинобуд. акад. № u202000120. Опубліковано 10.07.2020; Бюл. № 13.
13. Kovalevskyy S., Kovalevska O., Dasic P. Vibration-pulse machining. In: Kovalevskyy S (Ed.) Нейромережні технології та їх застосування НМТіЗ-2020: збірник наукових праць XIX Міжнародної наукової конференції «Нейромережні технології та їх застосування НМТіЗ-2020». Краматорськ: ДДМА; 2020. С. 82–84.
14. Ковалевський С. В., Ковалевська О. С., Боровий І. Б. Об’ємна обробка матеріалів в рівномірному магнітному полі. У: Нові й нетрадиційні технології в ресурсо- і энергозбереженні: Матеріали міжнародної науково-технічної конференції, 23–25 вересня 2020, м.Одеса: ОНПУ; 2020. С. 80–85.