DOI: 10.33917/mic-1.126.2026.5-11

Рассматриваются проблемы конфигурирования долгосрочных демографических тенденций в условиях геополитических шоков с ориентацией на наращивание оперируемого массива человеческих (био-социальных) и ресурсно-расходных (материальных и нематериальных) факторов как элементов социально-экономической суперсистемы с существенной компонентой сложнопредсказуемого развития. Анализируются проблемы поддержания жизнеспособности государства как суперсистемы. Обосновывается направление вектора регулирования разработанных профилей оперируемых показателей в зависимости от разной структуры населения как прогнозируемого явления – базовой точки, от чего можно отталкиваться для наращивания факторов стимулирования демографической базы жизнеспособности государства. Основная цель – поддержка перехода обеспеченности человеческими ресурсами вооруженных сил (в условиях СВО) и производственных структур в различных отраслях экономики из кластера сложнопредсказуемого развития (нестабильность) в кластер с подтвержденным наличием возможностей для пополнения военнослужащих и работников ключевых производств (в первую очередь оборонных и критической инфраструктуры) как вычислительным решением в отношении макропространства оперируемых показателей.

Источники:

1. Агеев А.И., Бахтизин А.Р., Макаров В.Л., Логинов Е.Л. [и др.]. Экономический фундамент победы: стратегический прогноз устойчивости экономики России в условиях санкционных атак. Экономические стратегии. 2023. Т. 25. № 3(189). С. 6-15.

2. Агеев А.И., Бочкарев О.И., Грабчак Е.П., Логинов Е.Л. Сетецентрическая система повышенной живучести управления энергетикой России в сложнопрогнозируемых критических условиях. Экономические стратегии. 2021. Т. 23. № 3(177). С. 6-17.

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