CC BY
46
УДК 378.147
DOI: 10.51522/2307-0382-2022-244-9-51-59
ЕВГЕНИЯ ГЕННАДЬЕВНА ЦАРЬКОВА
научный сотрудник отдела по исследованию проблем трудовой занятости осужденных и экономических проблем функционирования уголовно-исполнительной системы НИЦ-1 ФКУ НИИ ФСИН России, кандидат физико-математических наук И university69@mail.ru, https://orcid.org/0000-0002-5610-9895
Москва
ОКСАНА ВЛАДИМИРОВНА КОЧКИНА
научный сотрудник отдела психологического обеспечения профессиональной деятельности сотрудников уголовно-исполнительной системы НИЦ-2 ФКУ НИИ ФСИН России, кандидат юридических наук И oks2790@list.ru, https://orcid.org/0000-0001-8632-6586 Москва
Применение искусственного интеллекта при обработке данных в научной и образовательной деятельности Федеральной службы исполнения наказаний
Аннотация. Данная статья посвящена рассмотрению аспектов применения искусственного интеллекта для повышения качества образовательной деятельности и педагогических научных исследований в уголовно-исполнительной системе Российской Федерации.
В работе рассматриваются отдельные вопросы использования искусственных нейронных сетей для анализа эмпирических данных в педагогических исследованиях, а также при оценке результатов тестирования курсантов ведомственных вузов. Подчеркиваются обеспечиваемые системами искусственного интеллекта возможности по снижению нагрузки при проведении эмпирических исследований. Приводятся перспективы дальнейшего применения искусственного интеллекта в ведомственных научных исследованиях, а также разработки и внедрения специального математического, программного и алгоритмического обеспечения систем анализа, принятия решений и обработки информации в научной и педагогической деятельности учреждений уголовно-исполнительной системы. Акцентируется внимание на вопросах формирования у работников дополнительных профессиональных компетенций в области искусственного интеллекта.
Ключевые слова: научная деятельность, учебный процесс, эмпирические исследования, контроль знаний, искусственный интеллект, нейронная сеть, уголовно-исполнительная система Российской Федерации.
Для цитирования
Царькова Е. Г., Кочкина О. В. Применение искусственного интеллекта при обработке данных в научной и образовательной деятельности Федеральной службы исполнения наказаний // Ведомости уголовно-исполнительной системы. 2022. № 9. С. 51-59. https://doi.org/10.51522/2307-0382-2022-244-9-51-59.
5.8.1 Общая педагогика, история педагогики и образования (педагогические науки) 05.13.01 Системный анализ, управление и обработка информации (по отраслям)
© Царькова Е. Г., Кочкина О. В., 2022
EVGENIYA G. TSARKOVA
Researcher of the Division for the study of problems of employment of convicts and economic problems of functioning of the Penitentiary System of the Research Center-1 of the Federal Governmental Institution «Research Institute of the Federal Penitentiary Service of Russia», Candidate of Physics and Mathematics university69@mail.ru, https://orcid.org/0000-0002-5610-9895 Moscow
OKSANA V. KOCHKINA
Researcher of the Division for Psychological Support of the Professional Activities of the Penitentiary System Officers of the Research Center-2 of the Federal Governmental Institution «Research Institute of the Federal Penitentiary Service of Russia», Candidate of Law fkevlya@mail.ru, https://orcid.org/0000-0001-9603-6523 Moscow
The use of artificial intelligence in data processing in scientific and educational activities of the Federal Penitentiary Service
Abstract. This article is devoted to the consideration of aspects of the use of artificial intelligence to improve the quality of educational activities and pedagogical research in the penitentiary system of the Russian Federation.
The paper deals with some issues of using artificial neural networks for the analysis of empirical data in pedagogical research, as well as in evaluating the results of testing cadets of departmental universities. The authors underline that the artificial intelligence provides the opportunities to reduce the load during empirical research. They give the prospects for the further use of artificial intelligence in departmental scientific research, as well as the development and implementation of special mathematical, software and algorithmic support for analysis, decision-making and information processing systems in the scientific and pedagogical activities of institutions of the penitentiary system. They also focus their attention on the formation of additional professional competencies in the field of artificial intelligence among employees.
Keywords: scientific activity, educational process, empirical research, knowledge control, artificial intelligence, neural network, Penal System of the Russian Federation
For citation
Tsarkova E. G., Kochkina O. V. The use of artificial intelligence in data processing in scientific and educational activities of the Federal Penitentiary Service. // Vedomosti of the Penal System. 2022. No. 9. P. 51-59. https://www. doi.org/10.51522/2307-0382-2022-244-9-51-59.
5.8.1 Legal psychology and safety thinking (psychological sciences)
05.13.01 System analysis, management and information processing (by industry) (technical sciences)
В настоящее время различные методы искусственного интеллекта (далее также - ИИ), в том числе технологии компьютерного зрения, системы обработки естественного языка, распознавания и синтеза речи, интеллектуальные системы поддержки принятия решений активно внедряются в деятельность органов исполнительной власти Российской Федерации. В практическом аспекте наибольший интерес представляет отдельная сфера ИИ - прикладной искусственный интеллект, с помощью которого создаются системы для решения конкретных задач (например, распознавание человека по голосу, цифровому изображению лица, походке, клавиатурному почерку и другому).
Согласно Концепции развития уголовно-исполнительной системы Российской Федерации на период до 2030 года в части реализации мероприятий по цифровой трансформации и научно-техническому развитию ведомства предусмотрено создание и развитие систем сбора и обработки данных на основе результатов применения ИИ для обеспечения безопасности, в том числе с использованием видеоаналитики и прогнозирования поведения осужденных и сотрудников уголовно-исполнительной системы (УИС) [1]. На сегодняшний день в ходе проведения научных исследований в УИС успешно апробированы методы применения ИИ для идентификации лиц по фотоизображению [2], отслеживания объектов наблюдения в видеопоследовательностях [3], повышения эффективности охранных систем [4] и другие. Вместе с тем уникальные возможности ИИ, позволяющие создавать эффективные системы обработки информации, в том числе для решения широкого круга задач, стоящих перед ФСИН России, делает актуальным рассмотрение аспектов более активного
применения прикладного ИИ в ведомственной научной и образовательной деятельности.
Понятие «искусственный интеллект» определено в Национальной стратегии развития искусственного интеллекта на период до 2030 года как комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека [5].
В целях ускоренного развития и внедрения интеллектуальных технологий правительствами многих стран разрабатываются национальные стратегии развития ИИ, способствующие внедрению новых решений в отрасли экономики, а также создаются национальные организации, популяризирующие и продвигающие новые решения в данной области. В целях их развития Указом Президента Российской Федерации от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года.
Президентом Российской Федерации неоднократно отмечалось: «..Механизмы искусственного интеллекта обеспечивают в режиме реального времени быстрое принятие оптимальных решений на основе анализа гигантских объемов информации, так называемых больших данных, что дает колоссальные преимущества в качестве и результативности... Такие разработки не имеют аналогов в истории по своему влиянию на экономику и на производительность труда, на эффективность управления, образования, здравоохранения и на повседневную жизнь людей» [6].
Методам ИИ свойственна высокая эффективность и широкие перспективы применения в УИС, включая создание и применение систем видеоаналитики, прогнозирование отказов оборудования и его превентивное обслуживание, проведение анализа правоприменительной практики, прогнозирование временных рядов, установление неочевидных взаимосвязей между явлениями, классификацию и кластеризацию объектов на основе машинного обучения, обработку естественного языка, распознавание и синтез речи, создание систем поддержки принятия решений на всех уровнях управления уголовно-исполнительной системы (УИС). Сегодня применение ИИ обеспечивает возможность сокращения непосредственного участия людей в процессах, связанных с повышенным риском жизни и здоровья, служит оптимизации подбора и обучения кадров, оценки качества знаний и анализа информации о результатах обучения.
С учетом накопленного положительного опыта использования ИИ, имеющихся технических возможностей электронных вычислительных машин и широкого спектра инструментальных средств, удовлетворяющих требованию законодательства Российской Федерации в сфере импортозамещения, можно полагать, что ИИ найдет широкое применение в решении сложных задач научно-исследовательского характера, в частности, при обработке данных в научной и образовательной деятельности учреждений УИС.
Психолого-педагогические исследования занимают сегодня значительное место в научной деятельности ФСИН России. В подготовке и проведении исследовательских работ, рассматривающих вопросы пенитенциарной педагогики, при выработке новых педагогических технологий и анализе образова-
тельного процесса важную роль играют аспекты обоснованности полученных научных результатов, подтверждение их достоверности методически грамотным применением теоретических и эмпирических методов.
Эмпирические методы (опрос, педагогическое наблюдение, тестирование, педагогический эксперимент и другие) обеспечивают возможность точной регистрации педагогических фактов и явлений с целью их дальнейшего теоретического анализа. В работах Борытко Н. М. [7], Ефремова О. Ю. [8], Аванесова В. С. [9] отмечается важность эмпирических исследований в педагогической теории, выявлении новых данных, обеспечении обоснованности и достоверности научных исследований. При их использовании осуществляется накопление и обработка исходной информации для последующей выработки нового научно-педагогического знания.
Однако с ростом объемов эмпирических данных увеличивается трудоемкость их обобщения и анализа, что приводит к необходимости поиска эффективных методов обработки информации с использованием современных информационных технологий. Методы ИИ несут в себе широкие возможности для оперативной интеллектуальной обработки массивов данных, поиска в них закономерностей, классификации явлений, построения прогнозов и являются действенным инструментом решения вопросов повышения качества педагогических исследований, роста обоснованности и достоверности научных результатов. Делегируя выполнение рутинных операций цифровым технологиям, в том числе системам ИИ по обработке эмпирических данных, педагог-исследователь высвобождает временные ресурсы для проведения более глубокой интерпретации полученных результатов, формули-
рования гипотез, выработки с опорой на достижения педагогической науки и современные способы применения эмпирических методов исследований новых педагогических теорий.
Убедительные результаты дает применение ИИ при обработке информации, полученной в ходе результатов опроса в форме тестирования. Педагогические тесты представляют сегодня не только перспективное направление эмпирических исследований, но и эффективную форму контроля в учебном процессе ведомственных образовательных организаций. Широкое применение тестирования в ведомственном образовании приводит к необходимости выработки и применения качественных методов обработки результатов тестов. Для выбора методов проверки результатов освоения обучающимся учебного материала сегодня особую популярность приобретает те-стология - область научного знания, появившаяся в XX веке на стыке педагогики, психологии и когнитивных наук [10, 11]. Согласно подходу Аванесова В. С. [9] педагогическая тестология является прикладным направлением научной педагогики, нацеленным на решение вопросов разработки тестов и их применение для объективного контроля знаний, умений, навыков, представлений студентов. Педагогические тесты и технологии педагогического тестирования являются средством эффективного функционирования системы высшего профессионального образования и обеспечения высокого качества ведомственного профессионального образования. И если степень освоения знаний в значительной степени зависит от личных способностей и предпринятых курсантами усилий, то на структуру знаний основное влияние оказывает качество учебного процесса, определяемое корректностью выбора формы организации учебного
процесса, степенью индивидуализации обучения, мастерством педагога, а также объективностью контроля знаний.
Использование тестирования позволяет решить массу проблемных вопросов, возникающих при классической форме проведения контрольных мероприятий, в том числе снизить вероятность непреднамеренного приспособления преподавателя к уровню знаний студентов, минимизировать риски возможной субъективности, проявляемой экзаменатором, повысить надежность результатов прохождения этапа контроля, нивелировать влияние психологических аспектов, возникающих при непосредственном взаимодействии обучающегося и экзаменатора, а также повысить технологичность мероприятий по обеспечению непрерывного контроля в процессе обучения.
Исходя из анализа результатов исследований отечественных и зарубежных авторов (Аванесова В. С., Беспалько В. П., Борисовой В. В., Гущина Ю. Ф., Иродо-вова М. И., Оганесяна Е. В., Вилфор-да Д., Ингенкампа К. и других), одним из наиболее эффективных и объективных методов измерения учебных успехов и достижений является компьютерное тестирование, разрабатываемое в виде автоматизированных компьютерных систем.
Компьютерное тестирование предоставляет возможность стандартизации уровня требований, которые предъявляются к формируемым компетенциям курсантов, повышения объективности и надежности оценки результатов. Особую актуальность данная форма контроля приобрела при организации учебного процесса в дистанционном формате. Применение специального программного обеспечения с целью прохождения процедуры компьютерного тестирования позволяет не толь-
ко эффективно организовать контроль знаний ученика на всех этапах обучения, но и применять современные ней-росетевые технологии для обработки информации, снижения уровня субъективности при оценке результатов тестирования, повышения эффективности и согласованности экспертной информации, а также для сокращения временных затрат, необходимых для проверки результатов тестирования.
Так, большой потенциал, заключенный в проведении дифференцированных тестов, включающих вопросы различной сложности, приводит, в силу усложнения и увеличения количества факторов, оказывающих влияние на проверку результатов, к значительному росту трудоемкости обработки полученной в ходе проведения тестирования информации. В этом случае эффективным инструментом является применение технологий ИИ [12, 13].
В настоящее время особую популярность приобретает одно из крупнейших направлений прикладного ИИ - технологии искусственных нейронных сетей (далее - ИНС). Процесс обучения нейросети сводится к восстановлению некоторой функции по ее отдельным значениям, в том числе тогда, когда вид аппроксимирующей функции заранее неизвестен. По значениям входных и выходных данных она устанавливает функциональные зависимости, в результате после обучения сеть дает возможность вычислять значения функции на наборах данных, которые не участвовали в обучении. В работе таких авторов, как Царькова Е. Г. и Беляев А. К. [14] приведены результаты обучения нейронной сети, предназначенной для автоматической обработки результатов тестов при определении уровня усвоения учебного материала курсантами ведомственных вузов. В ходе исследования построена
искусственная нейронная сеть для автоматической обработки дифференцированных тестов с вопросами различной сложности.
Автором предложена архитектура нейронной сети прямого распространения, которая обучена на тренировочных наборах, включающих серию результатов тестирования с выставленными баллами и итоговой оценкой. В результате обучения нейронная сеть предоставляет возможность работы с новыми поступающими входными данными в режиме функции «что если», позволяющей автоматически формировать выходные значения результатов тестов по новым вводимым значениям, в том числе по значениям, которые в обучении данной ИНС не использовались [15].
Нейросетевые технологии предоставляют возможность проведения дифференцированного интеллектуального контроля знаний обучающегося с использованием широкого спектра шкал оценивания: как классических, так и нечетких, являясь эффективным инструментом повышения качества обучения курсантов образовательных организаций УИС. Дальнейшее использование технологий ИИ в области высшего профессионального образования в УИС способно обеспечить возможность создания адаптивных компьютерных обучающих и контролирующих систем для построения образовательных траекторий с учетом индивидуальных особенностей обучающихся, прогнозирования уровня знаний, умений, навыков курсантов по отдельным предметам и направлениям специальностей с учетом результатов предыдущих сессий. Вышеперечисленное позволяет обеспечить своевременное внесение необходимых корректировок в процесс обучения и снизить риски академической неуспеваемости. Применение методов ИИ в образова-
тельной деятельности, таким образом, является важным аспектом организации эффективного педагогического взаимодействия в цифровой среде, цифровой трансформации дидактических систем, а также внедрения в ведомственное образование эффективных педагогических практик и инноваций.
Вместе с тем применение новых прорывных цифровых технологий (в числе которых - ИИ, большие данные, «Интернет вещей», системы распределенного реестра) приводит к необходимости развития специальных профессиональных компетенций в части использования современных компьютерных технологий, интеллектуального анализа данных, методов Big Data, знаний в области методов статистики, принципов разработки и оптимизации алгоритмов ИИ, а также освоения навыков работы с ними. При этом формирование компетенций, соответствующих активному внедрению технологических инноваций в научную и образовательную деятельность, развитие технико-гуманитарной подготовки необходимо не только обучающимся вузов, но и действующим специалистам.
Основными направлениями повышения уровня обеспечения УИС квалифицированными кадрами в области ИИ, по мнению автора, является разработка и внедрение образовательных модулей по системам ИИ в рамках профессионального образования, подготовка программ повышения квалификации и профессиональной переподготовки для получения работниками ведомства знаний в области анализа данных и машинного обучения, акцентирование внимания на возможностях конвергентного знания, обеспечиваемого в том числе интеграцией математического, естественно-научного и социально-гуманитарного образования. При этом важным направлением работы является привлечение органи-
заций, осуществляющих деятельность в области ИИ, к участию в мероприятиях, направленных на развитие профессионального образования в УИС, а также получение работниками специализированных знаний в области ИИ.
Подводя итог, отметим, что ИИ не является изобретением сегодняшнего дня. Многолетняя история его создания и развития связана со славными фамилиями отечественных и зарубежных исследователей, быстрыми успехами и неудачами, многообещающими гипотезами и громкими разочарованиями. Основной же современной особенностью является то, что ИИ сегодня приносит реальные практические выгоды для государственного управления и бизнеса, образования и науки, здравоохранения и правоохранительной деятельности. Основные составляющие для активного внедрения систем ИИ в практическую деятельность работников УИС в большинстве своем готовы. Мощности служебных компьютеров позволяют с легкостью обрабатывать большие массивы информации; алгоритмов решения поставленных задач, технологий обработки данных, в том числе удовлетворяющих требованиям законодательства Российской Федерации в сфере импортозамещения, становится все больше; сформированы значительные объемы «топлива», на основе которого обучаются системы ИИ -наборы данных (datasets). На сегодняшний день работники ведомственных научных и образовательных организаций уже имеют успешный опыт разработки и применения специального математического и алгоритмического обеспечения систем анализа и обработки информации как с использованием собственных разработок в области ИИ, так и при работе с готовыми инструментами интеллектуального анализа данных. При этом активное использование на практи-
ке возможностей, предоставляемых ИИ, готовность сотрудников к интеграции гуманитарного и технического знания, получению новых знаний, овладению специальными практическими навыка-
ми в области ИИ является важной предпосылкой повышения эффективности научной и образовательной деятельности в УИС.
1. Концепция развития уголовно-исполнительной системы Российской Федерации на период до 2030 года : утв. распор. Правительства Рос. Федерации от 29.04.2021 № 1138-р. Доступ из СПС «КонсультантПлюс».
2. Андреева Е. А., Беляев А. К., Еремин Ю. М., Царькова Е. Г. Методы биометрической идентификации на основе применения нейросетевых технологий // Информационные технологии в УИС. 2019. № 3. С. 2-10.
3. Чураков Д. Ю., Царькова Е. Г., Беляев А. К. Перспективы применения методов искусственного интеллекта в системах охранного телевидения учреждений УИС // Техника и безопасность объектов уголовно-исполнительной системы: сб. материалов Междунар. науч.-практ. конф. (Воронеж, 20-21 мая 2020 г.). Воронеж : Научная книга, 2020. С. 398-405.
4. Царькова Е. Г. Применение методов искусственного интеллекта для повышения эффективности охранных систем УИС // Актуальные вопросы информатизации Федеральной службы исполнения наказаний на современном этапе развития уголовно-исполнительной системы : сб. материалов круглого стола (Тверь, 21 апреля 2020 г.). Тверь : Федеральное казенное учреждение «Научно-исследовательский институт информационных технологий Федеральной службы исполнения наказаний», 2020. С. 120-130.
5. О развитии искусственного интеллекта в Российской Федерации : Указ Президента Рос. Федерации от 10.10.2019 № 490 : [сайт]. URL: http://www.kremlin.ru/acts/bank/44731 (дата обращения 20.01.2022).
6. Совещание по вопросам развития технологий в области искусственного интеллекта // Президент Российской Федерации : [сайт]. 30.05.2019 URL: http://www.kremlin.ru/events/president/news/60630 (дата обращения: 17.03.2022).
7. Борытко Н. М., Моложавенко А. В., Соловцова И. А. Методология и методы психолого-педагогического исследования. М. : Академия, 2008. 320 с.
8. Ефремов О. Ю. Теория и практика педагогической диагностики в высшей военной школе России : дис. ... д-ра пед. наук. СПб., 2000. 493 с.
9. Аванесов В. С. Композиция тестовых заданий. М., 1998. 152 с.
10. Андрейченко В. А. Тестология знаний в образовательном процессе // Проблемы педагогики. 2019. № 1(40). С. 58-60.
11. Аванесов В. С. Понятийный аппарат педагогической тестологии // Педагогическая диагностика. 2003 № 2 С. 33-38.
12. Зайцева Л. В. Методы и модели адаптации к учащимся в системах компьютерного обучения // Образовательные технологии и общество. 2003. Т. 6. № 4. С. 204-212.
13. Нейман Ю. М., Хлебников В. А. Введение в теорию моделирования и параметризации педагогических тестов. М. : Прометей, 2000. 169 с.
14. Царькова Е. Г., Беляев А. К. Применение технологий искусственного интеллекта при организации процесса обучения // Подготовка кадров для уголовно-исполнительной системы Российской Федерации: проблемы, перспективы, инновации : сб. материалов научно-методической конф. (Рязань, 20-22 ноября 2019 г.). Рязань : Академия права и управления Федеральной службы исполнения наказаний, 2020. С. 128-135.
15. Хайкин С. Нейронные сети: полный курс. 2-е изд. М. : Вильямс, 2006. 1104 с.
1. The concept of development of the penitentiary system of the Russian Federation for the period up to 2030: approved. thrust. Government of Rus. Federation dated April 29, 2021 No. 1138-r. Access from LRS "ConsultantPlus".
2. Andreeva E. A., Belyaev A. K., Eremin Yu. M., Tsarkova E. G. Methods of biometric identification based on the use of neural network technologies// Information Technology in the Penal System. 2019. No. 3. P. 2-10.
3. Churakov D. Yu., Tsarkova E. G., Belyaev A. K. Prospects for the use of artificial intelligence methods in CCTV systems of penal institutions.Technique and safety of objects of the penal system : Conference Proceedings
of the International scientific-practical. conf. (Voronezh, May 20-21, 2020). Voronezh: Scientific book, 2020, P. 398-405.
4. Tsarkova E. G. Application of artificial intelligence methods to improve the efficiency of security systems of the penal system // Actual issues of informatization of the Federal Penitentiary Service at the present stage of development of the penitentiary system: Proceedings of the materials of the round table (Tver, April 21, 2020). Tver: Federal State Institution "Research Institute of Information Technologies of the Federal Penitentiary Service", 2020. P. 120-130.
5. On the development of artificial intelligence in the Russian Federation: Decree of the President of the Rus. Federation dated October 10, 2019 No. 490: [website]. URL: http://www.kremlin.ru/acts/bank/44731 (accessed 20.01.2022).
6. Meeting on the development of technologies in the field of artificial intelligence // President of the Russian Federation: [website]. 05/30/2019 URL: http://www.kremlin.ru/events/president/news/60630 (date of access: 03/17/2022).
7. Borytko N. M., Molozhavenko A. V., Solovtsova I. A. Methodology and methods of psychological and pedagogical research. M. : Academy, 2008. 320 p.
8. Efremov O. Yu. Theory and practice of pedagogical diagnostics in the higher military school of Russia: dis. ... Dr. ped. Sciences. SPb., 2000. 493 p.
9. Avanesov V. S. Composition of test tasks. M., 1998. 152 p.
10. Andreichenko V. A. Testology of knowledge in the educational process // Problems of Pedagogy. 2019. No. 1(40). P. 58-60.
11. Avanesov V. S. Conceptual construct of pedagogical testology // Pedagogical diagnostics. 2003 No. 2 P. 33-38.
12. Zaitseva L. V. Methods and models of adaptation to students in computer learning systems // Educational technologies and society. 2003. V. 6. No. 4. P. 204-212.
13. Neiman Yu. M., Khlebnikov V. A. Introduction to the theory of modeling and parameterization of pedagogical tests. M. : Prometheus, 2000. 169 p.
14. Tsarkova E. G., Belyaev A. K. Application of artificial intelligence technologies in the organization of the learning process // Training of personnel for the penitentiary system of the Russian Federation: problems, prospects, innovations: coll. materials of the scientific and methodological conference. (Ryazan, November 20-22, 2019). Ryazan: Academy of Law Management of the FPS, 2020, P. 128-135.
15. Khaikin S. Neural networks: a complete course. 2nd ed. M. : Williams, 2006. 1104 p.
