Статья посвящена описанию новой методологии смысловой постановки задач в условиях потоков данных и междисциплинарной неопределенности, характерной для современных геонаук. Отправной точкой послужили идеи Ю.А. Воронина о необходимости перехода от формальной оптимизации к контекстно-смысловому проектированию задач в среде искусственного интеллекта. В центре подхода — смысловое пространство, в котором задачи формируются динамически на основе контекста, целей и данных. Парадигма ориентирована на интеграцию знаний, смыслов и действий с акцентом на объяснительный искусственный интеллект (XAI), обеспечивающий прозрачность, интерпретируемость и доверие к решениям, становясь основой для когнитивно-смысловой инженерии.

Добрынин Владимир Николаевич
Кандидат технических наук, профессор
Государственный университет «Дубна»,
Институт системного анализа и управления
141980 Дубна, ул. Университетская, д. 19
е-mail: i@vdobrynin.ru
Scopus ID: 56004991500
AuthorID: 541833

Черемисина Евгения Наумовна
Доктор технических наук, профессор,
заведующий отделением Геоинформатики
ФГБУ «Всероссийский научно-исследовательский геологический нефтяной институт»
117105 Москва, Варшавское ш., д. 8
Научный руководитель
Институт системного анализа и управления
Государственный университет «Дубна»
141980 Дубна, Московская обл., ул. Университетская, д. 19
e-mail: e.cheremisina@geosys.ru
ORCHID ID: 0000-0002-6041-8359
Scopus ID: 56122596400
SPIN-код: 1472-2283
AuthorID: 119359

Кирпичева Елена Юрьевна
Кандидат технических наук, доцент
Директор института системного анализа и управления
Государственный университет «Дубна»
141980 Дубна, ул. Университетская, д. 19
e-mail: kirphel@mail.ru
ORCID ID: 0000-0002-8009-9682
Scopus ID: 57190984831
SPIN-код: 9769-6669
AuthorID: 530722

Любимова Анна Владимировна
Кандидат технических наук
заведующий отделом ГИС и цифровой картографии отделения Геоинформатики
ФГБУ «Всероссийский научно-исследовательский геологический нефтяной институт»
117105 Москва, Варшавское ш., д. 8
Заведующий кафедрой ГИС-технологий
Институт системного анализа и управления
Государственный университет «Дубна»
141980 Дубна, ул. Университетская, д. 19
e-mail: a.lyubimova@geosys.ru
ORCID ID: 0000-0002-8075-937X
Scopus ID: 56358577200
AuthorID: 372313

1. Воронин Ю.А., Черемисина Е.Н. О базовых задачах искусственного интеллекта в мультидисциплинарных исследованиях. Ч. 1: Описание, сравнение, классифицирование и распознание. – Новосибирск : ИВМиМГ, 2001. – 234 с.
2. Воронин Ю.А., Черемисина Е.Н. О базовых задачах искусственного интеллекта в мультидисциплинарных исследованиях. Ч. 2: Оценивание, районирование, периодирование, предсказание и организация. – Новосибирск : ИВМиМГ, 2002. – 176 с.
3. Трофимов Ю.В., Аверкин А.Н. Связь доверенного искусственного интеллекта и XAI 2.0: теория и фреймворки // Мягкие измерения и вычисления. – 2025. – Т. 90. – № 5. – С. 68–84. DOI: 10.36871/26189976.2025.05.006.
4. Jordan M.I., Mitchell T.M. Machine learning: Trends, perspectives, and prospects // Science. – 2015. – Vol. 349. – Iss. 6245. – P. 255–260. DOI: 10.1126/science.aaa8415.
5. Timpf S. The need for task ontologies in interoperable GIS [Электронный ресурс]. – 2002. – Режим доступа: https://consensus.app/papers/the-need-for-task-ontologies-in-interoperable-gis-timpf/f2ded491984e5f818e1c3f21e7724978 (дата обращения: 11.08.2025). DOI: 10.3929/ETHZ-A-004370508.
6. Yang Y., Guo C., Liu F., Liu C., Sun L., Sun Q., Chen J. Semantic Communications With AI Tasks [Электронный ресурс] // ArXiv. – 2021. – abs/2109.14170. Режим доступа: https://consensus.app/papers/semantic-communications-with-ai-tasks-liu-yang/1adc2ac3dfb65caa8ac4e420878512d6/ (дата обращения: 12.08.2025).
7. Стёпин В.С. Теоретическое знание. – М. : Прогресс-Традиция, 2000. — 412 с.
8. Апресян Ю.Д. Избранные труды: В 2 т. Т. 2. Интегральное описание языка и системная лексикография. — М.: Языки русской культуры, 1995. – 832 с.
9. Fu Y.-M., Cheng W., Zhang W., Wang J. Digital-Analog Transmission Framework for Task-Oriented Semantic Communications // IEEE Network. – 2024. – Vol. 38. – P. 81–88. DOI: 10.1109/mnet.2024.3435848.
10. Guan Y., Zhang H., Zhang M. Mask Learning Enabled Multi-Task Semantic Communication with Adaptive Rate Control // 2024 IEEE/CIC International Conference on Communications in China (ICCC Workshops). – 2024. – P. 254–259. DOI: 10.1109/ICCCWorkshops62562.2024.10693804.
11. Zhou Y., Divekar R.R. Immersive, Task-Based Language Learning Through XR and AI: From Design Thinking to Deployment [Электронный ресурс] // TechTrends. – 2025. Режим доступа: https://consensus.app/papers/immersive-taskbased-language-learning-through-xr-and-ai-zhou-divekar/217fe499796450d6917ba087321560bf (дата обращения 12.08.2025). DOI: 10.1007/s11528-025-01048-2.
12. Леонтьев А.Н. Деятельность. Сознание. Личность. – М. : Политиздат, 1975. – 304 с.
13. Лакофф Дж., Джонсон М. Метафоры, которыми мы живем / Пер. с англ. – М. : Едиториал УРСС, 2004. – 320 с.
14. Shneiderman B. Human-Centered Artificial Intelligence: Reliable, Safe & Trustworthy // International Journal of Human–Computer Interaction. – 2020. – Vol. 36. – Iss. 6. – P. 495–504. DOI: 10.1080/10447318.2020.1741118.
15. Черемисина Е.Н., Кирпичева Е.Ю., Токарева Н.А., Миловидова А.А. Базовые задачи искусственного интеллекта на примере геологоразведки // Геоинформатика. – 2024. – № 4. – С. 83–92. DOI: 10.47148/1609-364X-2024-4-83-92.
16. Rajasekar A., Moore R., Hou C.Y., Lee Ch.A., Marciano R., Torcy A., Wan M., Schroeder W., Chen Sh.-Y., Gilbert L., Tooby P., Zhu B. iRODS Primer: Integrated Rule-Oriented Data System. – San Rafael: Morgan & Claypool, 2010. – 160 p.
17. Kitchin R. Big Data, New Epistemologies and Paradigm Shifts [Электронный ресурс] // Big Data & Society. – 2014. – Vol. 1. – Iss. 1.
    Режим доступа: https://journals.sagepub.com/doi/full/10.1177/2053951714528481 (дата обращения: 12.08.2025).
18. Sowa J.F. Knowledge Representation: Logical, Philosophical, and Computational Foundations. – Pacific Grove: Brooks Cole, 2000. – 594 p.
19. Novak J.D., Cañas A.J. The Theory Underlying Concept Maps and How to Construct and Use Them : Technical Report IHMC CmapTools 2006-01 Rev 01-2008 [Электронный ресурс] / Florida Institute for Human and Machine Cognition. – 2008. – 36 p. Режим доступа: https://cmap.ihmc.us/docs/theory-of-concept-maps (дата обращения: 12.08.2025).
20. Gärdenfors P. Conceptual Spaces: The Geometry of Thought. – Cambridge, MA : MIT Press, 2000. – 368 p.
21. Трофимов Ю.В., Аверкин А.Н., Черемисина Е.Н. Обзор и анализ методов объяснительного искусственного интеллекта для решения задач геоэкологического районирования и медицинской профилактики населения // Геоинформатика. – 2024. – № 4. –
    С. 93–118. DOI: 10.47148/1609-364X-2024-4-93-118.
22. Bommasani R., Hudson D.A., Adeli E. et al. On the Opportunities and Risks of Foundation Models [Электронный ресурс] // ArXiv. – 2021. – arXiv:2108.07258. – 208 p. – Режим доступа: https://arxiv.org/abs/2108.07258 (дата обращения: 12.08.2025). DOI: 10.48550/arXiv.2108.07258.
23. Russell S., Norvig P. Artificial Intelligence: A Modern Approach / 4th ed. – Hoboken: Pearson, 2020. – 1136 p.
24. Marjani M., Nasaruddin F., Gani A., Karim A., Targio Hashem I.A., Siddiqa A. Big IoT Data Analytics: Architecture, Opportunities, and Open Research Challenges // IEEE Access. – 2017. – Vol. 5. – P. 5247–5261. DOI: 10.1109/ACCESS.2017.2689040.
25. Рахилина Е.В. Когнитивная семантика: история, персоналии, идеи, результаты // Семиотика и информатика. – Вып. 36. – М. : Языки русской культуры, 1998. – С. 274–323.
26. Tuia D., Roscher R., Wegner J.D., Jacobs N., Zhu X. Camps-Valls G. Towards a collective agenda on AI for Earth science data analysis // IEEE Geoscience and Remote Sensing Magazine. – 2021. – Vol. 9. – No. 2. – P. 88–104. DOI: 10.1109/MGRS.2020.3043504.
27. Zhang H., Xu J.-J., Cui H.-W., Yang Y., Tang C.-S., Boers N. When Geoscience Meets Foundation Models: Towards General Geoscience AI System [Электронный ресурс] // ArXiv. – 2023. – arXiv:2310.02467. – Режим доступа: https://arxiv.org/abs/2309.06799 (дата обращения: 12.08.2025). DOI: 10.48550/arXiv.2309.06799.
28. Warglien M., Gärdenfors P., Westera M. Event Structure, Conceptual Spaces and the Semantics of Verbs // Theoretical Linguistics. – 2012. – Vol. 38. – No. 3-4. – P. 159–193. DOI: 10.1515/tl-2012-0010.
29. Barredo Arrieta A., Díaz-Rodríguez N., Del Ser J. et al. Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI // Information Fusion. – 2020. – Vol. 58. – P. 82–115. DOI: 10.1016/j.inffus.2019.12.012.
30. Fu Y.-M., Cheng W., Wang J., Yin L., Zhang W. Generative AI Driven Task-Oriented Adaptive Semantic Communications [Электронный ресурс]. – 2024. – Режим доступа: https://consensus.app/papers/generative-ai-driven-taskoriented-adaptive-semantic-fu-cheng/cecff3c236a256328195a683585ee193 (дата обращения: 12.08.2025).
31. Explainable artificial intelligence (XAI): Defense Advanced Research Projects Agency (DARPA), Program Information [Электронный ресурс]. – Режим доступа: https://www.darpa.mil/program/explainable-artificial-intelligence (дата обращения: 17.09.2025).
32. Trofimov Yu.V., Shevchenko A.V., Averkin A.N., Muravyov I.P., Kuznetsov E.M. Concept of Hierarchically Organized Explainable Intelligent Systems: Synthesis of Deep Neural Networks, Fuzzy Logic and Incremental Learning in Medical Diagnostics // Proceedings of 2025 VI International Conference on Neural Networks and Neurotechnologies (NeuroNT). – Saint Petersburg, 2025. – P. 14–17. DOI: 10.1109/NeuroNT66873.2025.11049976.