НОВЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ НА БАЗЕ НЕЙРОСЕТЕЙ: ВОЗМОЖНОСТИ, ПРИМЕНЕНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ

1. Понятие и классификация новых информационных технологий на базе нейросетей

Для понимания роли нейросетей в современных информационных технологиях необходимо рассмотреть базовые понятия и принципы их работы.

1.1. Что такое новые информационные технологии?

Новые информационные технологии (НИТ) представляют собой совокупность методов и средств сбора, обработки, хранения и передачи информации с использованием вычислительной техники и систем связи. Понятие НИТ постоянно эволюционирует: в 80-е годы под НИТ понимали появление персональных компьютеров, в 90-е – интернета, в 2000-е – облачных технологий. Сегодня ядром НИТ стали технологии искусственного интеллекта и нейросети [6].

1.2. Что такое нейросеть?

Нейросеть представляет собой математическую модель, созданную по принципу работы биологических нейронов в мозге человека. Она состоит из множества связанных между собой элементов, которые обрабатывают информацию и обучаются на примерах [1]. Главная особенность нейросети заключается в том, что она не программируется в классическом смысле, а обучается на больших объемах данных. Чем больше данных, тем точнее результаты. Современные нейросети могут содержать миллионы и даже миллиарды параметров. Процесс обучения требует значительных вычислительных мощностей, однако после обучения нейросеть может работать на обычных компьютерах и даже мобильных устройствах [7].

1.3. Классификация нейросетей по задачам

Таблица 1. Классификация нейросетей по решаемым задачам

2. Характеристика современных нейросетей

Рассмотрим основные типы нейросетей подробнее. Каждый из представленных классов имеет свои архитектурные особенности, принципы обучения и области применения, что определяет их роль в современных информационных технологиях.

2.1. Текстовые нейросети

Текстовые генеративные нейросети способны генерировать связные тексты, отвечать на вопросы, писать программный код, переводить с иностранных языков, создавать сценарии и даже сочинять стихи. Они работают на основе больших языковых моделей, обученных на миллионах текстов, анализируют контекст и понимают смысл запросов [7]. Модели обучаются на огромных массивах данных, что позволяет генерировать тексты, практически неотличимые от человеческих [5]. Качество генерации напрямую зависит от объема и качества обучающих данных, а также от архитектуры модели. Современные текстовые нейросети способны учитывать контекст на протяжении длинных диалогов и выполнять сложные инструкции [12].

2.2. Визуальные нейросети

Визуальные нейросети создают изображения по текстовому описанию на основе диффузионных моделей, которые постепенно превращают случайный шум в осмысленное изображение. Они обучены на миллионах пар «текст-изображение» и понимают связь между словами и визуальными элементами [4]. Процесс генерации происходит итеративно: на каждом шаге модель уточняет изображение, добавляя все больше деталей. Пользователь может влиять на результат, уточняя запрос, выбирая стиль или указывая референсы [13].

2.3. Аналитические нейросети

Аналитические нейросети специализируются на обработке и интерпретации данных. Они выявляют закономерности, классифицируют объекты, делают прогнозы на основе исторических данных [3]. В отличие от генеративных моделей, которые создают новый контент, аналитические модели работают с существующей информацией, находя в ней скрытые зависимости. Они способны обрабатывать огромные массивы данных в реальном времени, что делает их незаменимыми в системах мониторинга и прогнозирования. Точность аналитических нейросетей в задачах классификации и распознавания часто превосходит возможности человека [1].

3. Применение нейросетей в различных сферах

Нейросетевые технологии находят применение во многих областях человеческой деятельности. Наиболее активно они внедряются в образование, программирование, творческие индустрии, а также в финансах, медицине и промышленности, где демонстрируют высокую эффективность.

3.1. В образовании

Исследования показывают, что 91,1% студентов знают о возможностях применения ИИ и нейросетей для решения образовательных задач и активно используют их в учебной практике.

Студенты осознают риски: 61% отмечают отсутствие понимания логики решений, 56,8% указывают на риск развития зависимости от технологии. При этом 95% студентов считают, что навыки работы с нейросетями необходимы специалистам их профиля, а 77,5% полагают, что изучение нейросетей должно быть включено в программу обучения [2].

Таблица 2. Применение нейросетей в образовании

3.2. В программировании

В сфере разработки программного обеспечения нейросети стали помощником для программистов разного уровня. Нейросети анализируют контекст кода и предлагают готовые решения, автодополнение, генерацию функций, поиск ошибок и документирование. Использование нейросетей в программировании позволяет ускорить разработку до 40%, особенно при написании шаблонного кода и типовых конструкций [5].

3.3. В творчестве и дизайне

Внедрение нейросетей в творческие профессии открывает новые возможности для генерации концепций, мудбордов, цветовых схем, создания иллюстраций и редактирования изображений. Дизайнеры используют нейросети для быстрого создания множества вариантов концепции, из которых затем выбирают наиболее удачные для дальнейшей проработки. Это позволяет пробовать больше идей за меньшее время и находить неочевидные решения [3].

Таблица 3. Применение нейросетей в творчестве

Использование нейросетей ставит вопросы об авторстве, так как они обучаются на существующих изображениях, и созданные ими работы являются компиляцией уже существующего контента [11].

3.4. В финансах

Искусственный интеллект активно применяется в финансовой сфере. От 60 до 73% сделок с акциями в США осуществляются с помощью систем, поддерживаемых ИИ [15]. Нейросети используются для кредитного скоринга, предотвращения мошенничества, алгоритмической торговли и в работе роботов-консультантов по инвестициям. Чат-боты на основе ИИ помогают клиентам банков решать повседневные задачи, снижая нагрузку на колл-центры [15].

3.5. В медицине

Нейросети применяются для моделирования протезов, формирования баз данных пациентов, обработки результатов анализов, расшифровки кардиограмм и медицинских снимков, создания лекарственных средств и расчета дозировки препаратов [16]. Использование искусственного интеллекта сокращает время получения результатов и исключает неточности, связанные с человеческим фактором [16]. В биологии существуют алгоритмы, распознающие и маркирующие клеточные структуры, что позволяет быстрее выявлять патологии [16]. Однако внедрение таких технологий требует значительных финансовых вложений — затраты на современное оборудование составляют миллиарды рублей, что не всегда под силу бюджету медицинских учреждений [16].

3.6. В промышленности

В промышленности нейросети анализируют данные с датчиков, предсказывают поломки и оптимизируют производственные процессы. Это позволяет снизить затраты на ремонт и предотвращать аварии [9]. В нефтегазовой отрасли цифровые двойники на основе нейросетей помогают подбирать оптимальные режимы работы скважин и выявлять нештатные ситуации. Экономия от внедрения таких систем исчисляется миллиардами рублей [10].

4. Примеры внедрения нейросетей

Рассмотрим конкретные примеры успешного внедрения нейросетевых технологий в различных областях. Эти примеры демонстрируют практическую ценность нейросетей и их влияние на развитие соответствующих сфер.

4.1. GitHub Copilot

GitHub Copilot – это система искусственного интеллекта, разработанная компанией GitHub совместно с OpenAI. Инструмент помогает программистам писать код, интегрируясь в популярные среды разработки и предлагая готовые строки и функции прямо во время набора. Copilot анализирует контекст, комментарии и уже написанный код, чтобы предложить наиболее релевантные решения. По статистике, до 40% кода в некоторых проектах создается с его помощью. Особенно эффективен Copilot при написании шаблонного кода, который часто повторяется в разных проектах, а также при изучении новых языков программирования [5].

4.2. Kandinsky

Kandinsky – российская нейросеть от Сбера для генерации изображений, доступная бесплатно без регистрации. Она хорошо понимает русскоязычные запросы, что особенно важно для отечественных пользователей. Версия Kandinsky 2.2 поддерживает различные техники рисования (масло, акварель, карандаш), стили известных художников, позволяет редактировать готовые изображения и дорисовывать недостающие части. Нейросеть используется для создания иллюстраций к статьям и книгам, генерации обложек, разработки дизайна интерьеров, создания рекламных концептов [13].

4.3. YandexGPT в Алисе

Интеграция языковой модели YandexGPT в голосового помощника Алису качественно изменила возможности сервиса. Теперь Алиса способна не просто искать информацию по ключевым словам, а вести осмысленные диалоги, понимать контекст, объяснять сложные темы простыми словами, генерировать тексты и идеи. Пользователи могут обращаться к Алисе за помощью в написании текстов, генерации идей, объяснении непонятных концепций, при этом помощник доступен круглосуточно через смартфон или умную колонку [14].

4.4. DeepMind AlphaFold

AlphaFold – нейросеть, разработанная компанией DeepMind, которая решила одну из сложнейших проблем биологии – предсказание трехмерной структуры белков по их аминокислотной последовательности. Над этой задачей ученые работали более 50 лет, поскольку от структуры белка зависит его функция в организме. AlphaFold предсказал структуры миллионов белков, что ускорило разработку новых лекарств и понимание механизмов заболеваний. Теперь исследователи могут получить надежную модель за несколько минут вместо многолетних экспериментов [5].

4.5. Цифровые двойники

Цифровой двойник представляет собой виртуальную копию реального объекта, процесса или системы, которая существует параллельно с оригиналом и обменивается с ним данными в реальном времени. Концепция была предложена в 2002 году, но активное развитие получила только в последние годы с ростом вычислительных мощностей и возможностей сбора данных [9].

Таблица 4. Типы цифровых двойников

General Electric создает цифровые двойники авиационных двигателей. Датчики собирают данные о работе каждого двигателя в реальном времени, а цифровая модель анализирует их и предсказывает, когда потребуется обслуживание. Это позволяет предотвращать поломки до их возникновения и сокращать простои самолетов [9].

В нефтегазовой отрасли цифровые двойники скважин помогают подбирать оптимальные режимы работы, заранее выявлять нештатные ситуации, оценивать последствия изменений конфигурации без риска для реального оборудования. Экономия от внедрения таких систем исчисляется миллиардами рублей [10].

Преимущества цифровых двойников включают уменьшение затрат на производство за счет выявления дефектов на этапе проектирования, сокращение времени вывода продукта на рынок и прогнозируемое обслуживание, которое заменяет плановые ремонты более эффективным подходом [8].

5. Преимущества, недостатки и перспективы

Для оценки роли нейросетей в современных информационных технологиях необходимо рассмотреть их сильные и слабые стороны, а также определить направления дальнейшего развития.

5.1. Преимущества нейросетей

Таблица 5. Преимущества нейросетей

5.2. Недостатки и ограничения

Таблица 6. Недостатки и ограничения нейросетей

5.3. Перспективы развития

Таблица 7. Перспективы развития нейросетей

Заключение

Проведённое исследование подтверждает, что нейросети стали основой развития новых информационных технологий. Генеративные, аналитические и диалоговые модели решают разные задачи – от создания контента до взаимодействия с человеком. Основные преимущества нейросетей – скорость работы и возможность обрабатывать большие объемы данных. Главные недостатки – ошибки (галлюцинации) и зависимость от качества данных, на которых они обучались [7]. Практическая значимость работы:

• Для студентов: данные о том, какие задачи можно решать с помощью нейросетей и какие риски нужно учитывать.
• Для программистов: информация об инструментах, ускоряющих разработку до 40%, и их эффективности при написании типового кода.
• Для дизайнеров и творческих специалистов: сведения о возможностях генерации концепций и иллюстраций.
• Для инженеров и промышленных специалистов: данные о применении цифровых двойников для прогнозирования поломок и оптимизации работы оборудования.
• Для специалистов в различных областях: обзор применения нейросетей в финансах, медицине и промышленности.

1. Рыбаков Д.А. Актуальность и доступность нейросетей в современном обществе // Вестник науки. 2023. № 7 (64). Т. 5. С. 260-266.
2. Прохорова М.П., Шкунова А.А., Булганина С.В. Искусственный интеллект и нейросети в образовании глазами студентов // Вестник Мининского университета. 2024. Т. 12, № 1. С. 300-303.
3. Коренева Е.П. Использование нейросетей и искусственного интеллекта в обучении студентов-дизайнеров // Техническая эстетика и дизайн. 2025. № 2 (128). С. 30-35.
4. Самарина А.Е., Бояринов Д.А. Нейросети для генерации изображений: педагогический потенциал в высшем образовании // Концепт. 2023. № 11. С. 161-179.
5. Иванова П.С., Кабаева К.С. Нейросети и творчество: может ли искусственный интеллект заменить журналиста? // Вестник науки. 2024. № 12 (81). Т. 3. С. 1332-1341.
6. Тиджи-Гаряев Б.Б. Проблемы внедрения новых информационных технологий // Colloquium-journal. 2023. № 7(46). С. 133-135.
7. Осипенко Л.Е., Коротков А.В. Текстовые генеративные нейросети в исследовательской деятельности студентов // Мир науки, культуры, образования. 2024. № 4 (107). С. 90-93.
8. Кокорев Д.С., Юрин А.А. Цифровые двойники: понятие, типы и преимущества для бизнеса // Colloquium-journal. 2019. № 13-3 (37). С. 58-60.
9. Царев М.В., Андреев Ю.С. Цифровые двойники в промышленности: история развития, классификация, технологии, сценарии использования // Известия вузов. Приборостроение. 2021. Т. 64. № 7. С. 517-531.
10. Лихтциндер Б.Я. Связь и цифровые двойники // T-Comm: Телекоммуникации и транспорт. 2023. Т. 17. № 8. С. 30-37.
11. Корчагина Т.В. Визуальная культура в цифровую эпоху: как социальные сети и нейросети трансформируют фотографическое искусство // Наука. Искусство. Культура. 2025. Выпуск 3(47). С. 67-74.
12. OpenAI. GPT-4 Technical Report [Электронный ресурс]. 2023. URL: https://openai.com/research/gpt-4 (дата обращения: 14.05.2026).
13. Сбер. Технологии Kandinsky [Электронный ресурс]. 2024. URL: https://sber.ai (дата обращения: 14.05.2026).
14. Яндекс. Как устроена YandexGPT [Электронный ресурс] // Блог Яндекса. 2024. URL: https://yandex.ru/blog/company (дата обращения: 14.05.2026).
15. Саламова А.А., Федоровская И.Е., Васильев И.И. Роль искусственного интеллекта в финансах // Финансы и бизнес. 2023. № 1. С. 63-69.
16. Задорожная Е.А., Мороз К.А. Применение нейросетей в медицине // Молодой исследователь Дона. 2024. Т. 9, № 2. С. 10-12.

Все статьи автора «Гафаров Тамерлан Александрович»