List of publications on a keyword: «мультиагентные системы»
-
Multi-agent AI systems as a methodological support tool in coaching
Conference PaperCoaching psychology: methodology, theory, practice. Evidence-based approach- Author:
- Абрамова Ольга Александровна
- Work direction:
- Цифровые инструменты и искусственный интеллект в коучинге
- Abstract:
- В условиях алгоритмического детерминизма и размывания когнитивной автономии традиционные фасилитативные модели коучинга демонстрируют ограничения. В статье представлена парадигма методологической поддержки клиента (методологического скаффолдинга в коучинге), реализуемая через мультиагентные ИИ-системы (МАС). В отличие от одноагентных архитектур (ChatGPT, Сlaude, Gemini и др.), МАС позволяют организовать «консилиум» специализированных агентов под управлением человека-коуча. Теоретическую основу составляет интеграция теории самоопределения (SDT), протокола MAC (практик осознанности) и концепции скаффолдинга. Представлена гибридная модель «коуч как дирижёр оркестра ИИ-агентов» с семью этапами работы. Делается вывод, что тотальная замена коучей ИИ маловероятна; наиболее перспективны гибридные модели усиления коуча и клиента.
- Keywords:
-
Iskusstvennyi intellekt na marshrute: kak neiroseti optimiziruiut protsessy logistiki
Conference PaperThe socio-economic landscape of the region: people and digital transformation- Author:
- Dar'ia S. Ashurkina
- Work direction:
- Цифровое управление логистическими потоками
- Abstract:
- Актуальность исследования обусловлена экспоненциальным ростом объема перевозок в условиях развития электронной коммерции и урбанизации, что делает традиционные методы диспетчеризации, основанные на человеческом опыте и статических алгоритмах, недостаточно эффективными. В статье рассматривается проблематика внедрения технологий искусственного интеллекта, в частности нейросетевых моделей, в процессы оперативного управления логистическими маршрутами. Методологическую базу исследования составил анализ современных научных публикаций и отраслевых отчетов, посвященных применению графовых нейронных сетей, моделей пространственно-временного внимания, а также мультиагентных систем в логистике. В результате исследования систематизированы ключевые направления, где искусственный интеллект превосходит человека: обработка данных в реальном времени, учет множества динамических факторов (пробки, погода, срочность заказа), предиктивная аналитика и самообучение. Нейросети не просто автоматизируют рутину, а создают принципиально новый уровень управления – проактивный, способный предвидеть сбои и адаптировать маршруты быстрее и точнее, чем это способен сделать диспетчер в условиях информационной перегрузки.
- Keywords: