Boris V. Potapov

рассматривается проблема выполнения работодателем обязанностей по обеспечению безопасных условий труда в условиях высокой неопределенности и отсутствия размеченных баз данных производственных инцидентов. Обосновывается правомерность и экономическая эффективность применения систем неконтролируемого машинного обучения (Unsupervised Learning) на базе архитектур Vision Transformer (ViT) для выявления биомеханических аномалий и микротравм. Анализируются вопросы соответствия законодательству о персональных данных и биометрии. Экспериментально подтверждена способность системы детектировать отклонения...

в статье анализируется влияние технологий синтеза данных и доменной адаптации (Domain Adaptation) на структуру рынка цифрового труда и барьеры входа для инновационных стартапов. Показано, что использование физически точных виртуальных сред (NVIDIA Isaac Gym) в сочетании с состязательными нейросетями (DANN) позволяет достичь точности классификации редких событий в 87,1% без привлечения ручного труда разметчиков. Обосновывается тезис о том, что синтетические данные становятся новым экономическим активом, способствующим демократизации ИИ, снижению эксплуатационных рисков и трансформации профессии...

предлагается перенести метод неконтролируемого обнаружения аномалий на основе энтропии карт внимания Vision Transformer из области технического мониторинга в задачу контроля техники движений в спортивной тренировке. Система выявляет микроотклонения углов в суставах на 3–5° (AUC-ROC 0,94) без размеченных баз ошибок, что открывает путь к индивидуальному коррекционному воздействию и профилактике травматизма обучающихся.