Статья посвящена исследованию базовых задач искусственного интеллекта, возникающих в процессе мультидисциплинарных исследований, и методов их решения с применением машинного обучения и нейронных сетей. Авторы акцентируют внимание на важности системного подхода, который позволяет корректно формулировать задачи, особенно в слабоформализованных науках, таких как геология и экология. В статье рассматриваются ключевые задачи искусственного интеллекта, включая ретрогноз, прогноз, поиск и конструирование, а также предлагаются методы их решения, такие как кластеризация и регрессионный анализ. Важное место отведено рассмотрению использования методов объяснимого искусственного интеллекта (XAI), который повышает интерпретируемость моделей и способствует более глубокому пониманию сложных процессов в междисциплинарных исследованиях. Особое внимание уделено применению голотипных алгоритмов, которые эффективно решают задачи классификации и распознавания объектов на основе анализа многомерных данных. Работа подчеркивает значимость использования искусственного интеллекта для автоматизации и повышения эффективности научных исследований в междисциплинарных областях.

Черемисина Евгения Наумовна
Доктор технических наук, профессор
Заведующий отделением Геоинформатики
ФГБУ «Всероссийский научно-исследовательский геологический нефтяной институт» (ФГБУ «ВНИГНИ»)
117105 Москва, Варшавское ш., д. 8
Заведующий кафедрой системного анализа и управления
Государственный университет «Дубна»
141980 Дубна, Московская обл., ул. Университетская, д. 19
e-mail: e.cheremisina@geosys.ru
ORCID: 0000-0002-6041-8359
SPIN-код: 1472-2283
AuthorID: 119359

Кирпичева Елена Юрьевна
Кандидат технических наук, доцент
Директор института системного анализа и управления
Государственный университет «Дубна»
141980 Дубна, Московская обл., ул. Университетская, д. 19
e-mail: kirphel@mail.ru

Токарева Надежда Александровна
Кандидат физико-математических наук, доцент
Заведующий кафедрой информационных технологий
Государственный университет «Дубна»
141980 Дубна, Московская обл., ул. Университетская, д. 19
e-mail: tokareva@uni-dubna.ru

Миловидова Анна Александровна
Кандидат технических наук
Доцент кафедры системного анализа и управления
Государственный университет «Дубна»
141980 Дубна, Московская обл., ул. Университетская, д. 19
e-mail: milanna@uni-dubna.ru

1. Воронин А.Ю., Воронин Ю.А. Задачи искусственного интеллекта и управление персоналом геологоразведочных организаций. – Новосибирск: ИВМИМГ, 2005. – 259 с.
2. Полещук И.А. Системный подход и понятие системы // Наука, техника и образование. – 2015. – № 10 (16). – С. 165–168.
3. Спивак В.А. Системный подход и системное мышление как универсальная компетенция специалиста и руководителя. – Чебоксары: Среда, 2022. – 136 с. DOI 10.31483/a-10424.
4. Далбаева В.Ю., Нюренберг М.Н. К вопросу о трактовке понятия «Системный подход» // Известия Иркутской государственной экономической академии. – 2013. – № 5. – 14.
5. Ядав Н. Этика искусственного интеллекта и робототехники: ключевые проблемы и современные способы их решения // Journal of Digital Technologies and Law. – 2023. – Т. 1. – № 4. – С. 955–972. DOI: 10.21202/jdtl.2023.41.
6. Матвеев А.Н., Семенов А.Н. Использование data science и машинного обучения в интеллектуальных системах // E-Scio. – 2023. – № 6 (81). – С. 64–70.
7. Вешнева И.В. Технологии искусственного интеллекта: классификация, ограничения, перспективы и угрозы // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. – 2023. – Т. 23 – № 4. – С. 428–438. DOI: 10.18500/1994-2540-2023-23-4-428-438.
8. Воронин А.Ю. Районирование территорий на основе искусственного интеллекта и распознавания образов в задачах природопользования : дис. … докт. техн. наук : 25.00.35. – М., 2007. – 213 с.
9. Чугунов В.С. Ступени контроллинга и структурная устойчивость систем управления организацией // Контроллинг. – 2011. – № 39.  – С. 18–22.
10. Narayanan A., Bergen K.J. Prototype-Based Methods in Explainable AI and Emerging Opportunities in the Geosciences // arXiv. – 2024. – arXiv:2410.19856. DOI: 10.48550/arXiv.2410.19856.
11. Krell E., Kamangir H., Collins W., King S.A., Tissot P. Aggregation strategies to improve XAI for geoscience models that use correlated, high-dimensional rasters // Environmental Data Science. – 2023. – Vol. 2. – e45. DOI: 10.1017/eds.2023.39.
12. Chen W., Ma X., Wang Z., Li W., Fan C., Zhang J., Que X., Li C. Exploring neuro-symbolic AI applications in geoscience: implications and future directions for mineral prediction // Earth Science Informatics. – 2024. – Vol. 17. – P. 1819–1835. DOI: 10.1007/s12145-024-01278-7.
13. Jiang S., Sweet L.-B., Blougouras G., Brenning A., Li W., Reichstein M., Denzler J., Shangguan W., Yu G., Huang F., Zscheischler J. How interpretable machine learning can benefit process understanding in the geosciences // Earth’s Future. –2024. – Vol. 12. – Iss. 7. – e2024EF004540. DOI: 10.1029/2024EF004540.
14. Черемисина Е.Н., Костылева Т.В., Кирпичева Е.Ю. Методика постановки и решения слабоформализованных геологических задач // Системный анализ в науке и образовании. – 2024. – № 1. – С. 1–13.