DOI: 10.33917/es-2.194.2024.42-53

Если физическая основа естественного интеллекта — это человеческий мозг, то физической основой для искусственного интеллекта (ИИ) являются компьютеры. В настоящее время процессы создания ИИ на базе компьютерных технологий развиваются по двум основным направлениям — логическому и нейроморфному.

Логический подход направлен на создание компьютерных систем, предназначенных для решения одной или некоторого ограниченного множества «интеллектуальных» задач (то есть задач, решение которых потребовало бы интеллекта, если бы их решал человек). Нейроморфный подход направлен на создание компьютерных систем, имитирующих работу человеческого мозга, и в конечном итоге на создание его искусственного аналога.

Источники:

1. Yangging Jia. Technical Report. No. VCB/EECS 2014-93, Berkley.

2. Kalyaev I.A., Levin I.I., Semernikov E.A., Shmoilov V.I. Reconfigurable Multipipeline Computing Structures. Nova Science Publishers, Inc. USA. 2012. 340 p.

3. Гузик В.Ф., Каляев И.А., Левин И.И. Реконфигурируемые вычислительные системы / Под общ. ред. И.А. Каляева. Ростов н/Д: Изд-во ЮФУ, 2016. 472 с.

4. Каляев И.А., Левин И.И. Реконфигурируемые вычислительные системы на основе ПЛИС. Ростов н/Д: Изд-во ЮНЦ РАН, 2022. 475 с.

5. Spall J., Guo X., Barrett T.D., Lvovsky A.I. Fully reconfigurable coherent optical vector-matrix multiplication. Optics Letters, 45, 5752–5755 (2020).

6. Tait A.N., de Lima T.F., et al. Neuromorphic photonic networks using silicon photonic weight banks. Scientific Reports, 7, 7430 (2017).

7. Shen Y., Harris N.C., et al. Deep learning with coherent nanophotonic circuits. Nature Photon, 11(7), pp. 441–446 (2017).

8. Головастиков Н.В., Дорожкин П.С., Сойфер В.А. Интеллектуальные технические системы на основе фотоники // Ontology of Designing. 2021. Vol. 11. P. 422–436.

9. Михайлов А.Н., Грязнов Е.Г., Лукоянов В.И., Коряжкина М.Н., Борданов И.А., Щаников С.А., Тельминов О.А., Иванченко М.В., Казанцев В.Б. На пути к реализации высокопроизводительных вычислений в памяти на основе мемристорной электронной компонентной базы // Физмат. 2023. Т. 1. № 1. С. 42–64. DOI: 10.56304/S0000000023010021

DOI: 10.33917/mic-5.106.2022.62-68

В статье рассмотрена эффективность использования цифровых двойников в основных отраслях экономики России. Показано, как применение цифровых двойников влияет на структуру затрат на производство продукции. Авторами статьи сделана попытка аргументации того факта, что использование цифровых двойников и цифровых баз данных сделает возможным экспоненциальный экономический рост. Такая тенденция объясняется следствием роста производительности цифровых двойников, обусловленным действием закона технологического прогресса Гордона Мура (первый закон 1965 г.) и законом Артура Рока (второй закон Мура 1998 г.). В этой связи авторы применяют новый подход к обоснованию специфического проявления закона убывающей отдачи. Сделан вывод, что в краткосрочной перспективе одновременное использование совершенных цифровых технологий и цифрового аналога живого труда раздвигает границы закона убывающей отдачи, обеспечивая рост отдачи от масштабов производства на новом витке микроэкономического развития.

Источники:

1. Цифровые двойники помогут заработать миллиарды долларов. URL: http://www.eurasiancommission.org/ru /10-08-2018-2.aspx

2. Что такое цифровые двойники и где их используют? URL: https://trends.rbc.ru/trends/industry

3. Царев М.В., Андреев Ю.С. Цифровые двойники промышленности: история развития, классификация, технологии, сценарии использования. URL: https://cyberleninka.ru/article/n/tsifrovye-dvoyniki-v-promyshlennosti-istoriya-razvitiya-klassifikatsiya-tehnologii

4. Кунцман М.В. Деятельность картелей как угроза экономической безопасности. / М.В. Кунцман, А.А. Султыгова. Современные фундаментальные и прикладные исследования. 2015. N 4 (19). С. 142–144.           

5. Российскому АПК помогут цифровые двойники. URL: https://mcx.gov.ru/ministry/departments/