штучний інтелект

Дана стаття присвячена порівняльному аналізу автоматичної генерації смартконтрактів на мові Solidity за допомогою великих мовних моделей на основі двох підходів: текстових описів природною мовою та формальних алгебраїчних специфікацій. У ході роботи було проаналізовано смарт-контракти, згенеровані великими мовними моделями (ChatGPT-4, Claude 3.7 Sonnet, DeepSeek-V3), а також інструментом на основі штучного інтелекту GitHub Copilot, з оцінкою їхньої синтаксичної коректності та відповідності початковим вимогам.

Досліджено інтеграцію алгоритмів штучного інтелекту в галузі сільського господарства для ефективного та сталого сільськогосподарського виробництва з використанням технологій машинного навчання, комп’ютерного збору та аналізу великого обсягу геопросторових даних з метою підвищення ефективності управління земельними ресурсами за допомогою геоінформаційних систем. Проаналізовано перспективи застосування методів штучного інтелекту (ШІ) у геоінформаційній системі QGIS для просторового аналізу сільськогосподарського землекористування.

WebAssembly (WASM) has emerged as a compelling and transformative solution for executing high- performance Artificial Intelligence (AI) and Machine Learning (ML) models directly within frontend web applications. Traditionally, AI/ML model deployment has been dominated by backend servers due to significant computational demands, coupled with the performance limitations of JavaScript and the overhead of client-server communication.

This article discusses modern approaches to organizing continuous integration (CI) and continuous delivery (CD) processes in software development using artificial intelligence (AI) technologies. The historical development of CI/CD is analyzed, along with their role in ensuring high-quality software, the main advantages and disadvantages of traditional approaches, and the prospects for integrating AI technologies to automate and optimize these processes.

Високопродуктивне й ефективне планування замовлень – поширена комбінаторна оптимізаційна задача, що виникає в різноманітних контекстах. Побудова моделі, здатної формувати збалансовані за якістю та обчислювальними витратами розклади, – істотний виклик через масштабний простір допустимих дій. У роботі запропоновано високопродуктивне середовище та модель навчання з підкріпленням для розподілу замовлень на ресурси із маскуванням недопустимих дій.

У сучасному світі, де технології розвиваються з неймовірною швидкістю, автома­тизовані системи збору інформації стали невід’ємною частиною нашого життя. Вони впли­вають на різні аспекти суспільства, з-поміж них і суб’єктивні права людини. Цей вплив можна розглядати з кількох перспектив. Насамперед це вагомі переваги автомати­зованих систем. Такі системи збору інформації значно підвищують ефективність і точність у бага­тьох сферах. Вони дають змогу швидко обробляти великі обсяги даних, що сприяє прий­няттю обґрунтованих рішень.

The article examines the ways artificial intelligence is influencing the penetration testing procedure. As technology advances and cyber threats grow more com- mon, conventional testing methods are insufficient. Artificial intelligence aids in automating processes like vulnerability detection and real-world attack simulation, leading to quicker, more precise results with reduced dependence on human input. Machine learning is a game-changer in identifying hidden security flaws by analyzing past attacks and abnormal patterns.

The article presents possible strategies and approaches to address the growing cybersecurity threat landscape, new trends and innovations, such as artificial intelligence and machine learning for cyber threat detection and automation. The paper presents well-known machine learning classifiers for data classification. The dataset has been taken from a report by the Center for Strategic and International Studies. The presented model accuracy assessment study has been significant variation among algorithms based on different network intrusion detection systems.

Стаття висвітлює питання моніторингу та дослідження екологічного стану територій, що мають статус
природно-заповіднх. У роботі описано створення інформаційної системи з елементами штучного інтелекту для
вивчення екологічного стану природно-заповідних територій. В результаті аналізу даних моніторингу
визначено первинні дані для роботи та сформовано базу даних. Особливу увагу приділено опису інформаційної
моделі об’єкта та обраних показників для його адекватного функціонування. Вбудована система штучного

У статті розглянуто підходи до розроблення та застосування інформаційних технологій для підтримання освітнього процесу осіб із особливими освітніми потребами. Запропоновано концептуальну модель, що об’єднує сучасні інформаційні та комунікаційні технології, методи штучного інтелекту, математичні моделі для персоналізації навчання та врахування індивідуальних особливостей учасників освітнього процесу. Розглянуто специфічні вимоги до інклюзивного середовища, зокрема врахування когнітивних, сенсорних та комунікаційних особливостей учнів.