Показати скорочений опис матеріалу

LEARNING PROCESSES IN ARTIFICIAL INTELLIGENCE TECHNOLOGIES

ПРОЦЕСИ НАВЧАННЯ В ТЕХНОЛОГІЯХ ШТУЧНОГО ІНТЕЛЕКТУ

dc.creatorМінцер, О. П.
dc.date2025-02-12
dc.date.accessioned2026-06-05T11:09:45Z
dc.date.available2026-06-05T11:09:45Z
dc.identifierhttps://ojs.tdmu.edu.ua/index.php/here/article/view/14993
dc.identifier10.11603/mie.1996-1960.2024.1-2.14993
dc.identifier.urihttps://repository.tdmu.edu.ua//handle/123456789/19090
dc.descriptionBackground. Existing models of learning theory are discussed and a new transdisciplinary model is proposed for modeling the role of artificial intelligence (AI) in improving learning processes and decision-making procedures. The purpose of the study is to conceptualize the fundamental ideas for the model, which can become the basis for the development of artificial intelligence applications to support learning processes at various levels of knowledge transfer. Materials and methods. Theoretical analysis, generalization and systematization of research re- sults were carried out using the leading scientometric databases PubMed, Ovid Cochrane Central Register of Controlled Trials, Ovid Cochrane Database of Systematic Reviews, Web of Science and Scopus. Methods of content analysis and knowledge engineering were also applied.Results. Random use of the teaching method cannot ensure high results of knowledge transfer — a well-founded selective strategy of knowledge transfer is extremely important. Machine learning algorithms are divided into six broad categories: supervised learning, semi-supervised learning, un- supervised learning, self-supervised learning, and reinforcement learning, multi-instance learning. An important challenge in new learning processes is solving moral and ethical problems. Conclusions. The development of high-quality and reliable simulation environments for practicing knowledge transfer algorithms in health care can facilitate the development and validation of training methods beyond the limitations of retrospective studies. The application of methods tested in such simulation environments in real clinical conditions with simultaneous supervision by clinicians will allow solving the problems of algorithm selection.en-US
dc.descriptionОбговорюються існуючі моделі теорії навчання та пропонується нова трансдисциплінарна модель для представлення ролі штучного інтелекту (ШІ) в удосконаленні процесів навчання та процедурах прийняття рішень. Дослідження присвячено концептуалізації основоположних ідей для моделі, що може стати основою розроблення додатків штучного інтелекту для підтримки процесів навчання на різних рівнях трансферу знань. Результати дослідження виявили, що випадкове використання методу навчання не може забезпечити високі результати трансферу знань, оскільки вкрай важливим є обґрунтована селективна стратегія передавання знань. Розроблення високоякісних і надійних симуляційних середовищ для відпрацювання алгоритмів передавання знань в охороні здоров’я може полегшити розроблення та валідацію методів навчання поза обмежень ретроспективних досліджень. Застосування методів, перевірених у таких симуляційних середовищах у реальних клінічних умовах із одночасним наглядом клініцистів дозволить вирішити проблеми вибору алгоритмів.uk-UA
dc.formatapplication/pdf
dc.languageukr
dc.publisherI. Horbachevsky Ternopil National Medical Universityen-US
dc.relationhttps://ojs.tdmu.edu.ua/index.php/here/article/view/14993/13871
dc.rightsАвторське право (c) 2024 Медична інформатика та інженеріяuk-UA
dc.sourceMedical Informatics and Engineering; No. 1-2 (2024); 4-13en-US
dc.sourceМедицинская информатика и инженерия; № 1-2 (2024); 4-13ru-RU
dc.sourceМедична інформатика та інженерія; № 1-2 (2024); 4-13uk-UA
dc.source1997-7468
dc.source1996-1960
dc.source10.11603/mie.1996-1960.2024.1-2
dc.subjectlearning processes in artificial intelligence technologiesen-US
dc.subjectconceptualizationen-US
dc.subjectsupervised machine learningen-US
dc.subjectsemi-supervised learningen-US
dc.subjectclassification algorithmsen-US
dc.subjectself-supervised machine learningen-US
dc.subjectreinforcement learningen-US
dc.subjectпроцеси навчання в технологіях штучного інтелектуuk-UA
dc.subjectконцептуалізаціяuk-UA
dc.subjectконтрольоване машинне навчанняuk-UA
dc.subjectнапівконтрольоване навчанняuk-UA
dc.subjectалгоритми класифікаціїuk-UA
dc.subjectсамоконтрольоване машинне навчанняuk-UA
dc.subjectнавчання з підкріпленнямuk-UA
dc.titleLEARNING PROCESSES IN ARTIFICIAL INTELLIGENCE TECHNOLOGIESen-US
dc.titleПРОЦЕСИ НАВЧАННЯ В ТЕХНОЛОГІЯХ ШТУЧНОГО ІНТЕЛЕКТУuk-UA
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Долучені файли

ФайлРозмірФорматПереглянути

Даний матеріал не має долучених файлів.

Даний матеріал зустрічається у наступних фондах

Показати скорочений опис матеріалу