| dc.contributor.advisor | Савчук В. Д. | uk |
| dc.contributor.author | Зуйченко, С. В. | uk |
| dc.date.accessioned | 2025-08-13T09:23:24Z | |
| dc.date.available | 2025-08-13T09:23:24Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Зуйченко С. В. Використання штучного інтелекту в науці // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25292. | uk |
| dc.identifier.isbn | 978-617-8163-57-0 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/47729 | |
| dc.description.abstract | Штучний інтелект (ШІ) стає ключовим інструментом сучасної науки, що дозволяє аналізувати великі обсяги даних, автоматизувати експерименти та моделювати складні системи. Застосування методів машинного навчання та глибинних нейронних мереж сприяє відкриттю нових закономірностей у геноміці, кліматології та соціальних науках. Використання роботизованих лабораторій оптимізує експериментальні процедури та зменшує витрати ресурсів. Генеративні моделі (GAN, VAE) й агентні системи розширюють можливості синтезу матеріалів і імітації складних процесів. Водночас етичні й правові аспекти, зокрема прозорість алгоритмів і відповідальність за їх результати, потребують чіткого регулювання. | uk |
| dc.description.abstract | Artificial Intelligence (AI) becomes a pivotal tool in modern science, enabling big data analysis, experiment automation,
and complex system modeling. Machine learning algorithms and deep neural networks uncover new patterns in genomics,
climatology, and social sciences. Robotic laboratories streamline experimental workflows and reduce resource usage.
Generative models (GANs, VAEs) and agent-based systems extend capabilities in material synthesis and process simulation.
Ethical and legal issues, including algorithmic transparency and accountability, require clear regulation. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25292 | |
| dc.subject | штучний інтелект | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | автоматизація | uk |
| dc.subject | моделювання | uk |
| dc.subject | етика | uk |
| dc.subject | artificial intelligence | en |
| dc.subject | machine learning | en |
| dc.subject | automation | en |
| dc.subject | artificial intelligence | en |
| dc.subject | modeling | en |
| dc.subject | ethics | en |
| dc.title | Використання штучного інтелекту в науці | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.8:001 | |
| dc.relation.references | Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4- . Pearson, 2021. | en |
| dc.relation.references | Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2016. | en |
| dc.relation.references | Schmidhuber J. Deep learning in neural networks: An overview. Neural Networks. 2015;61:85117. | en |
| dc.relation.references | King R.D. et al. The automation of science. Science. 2009;324(5923):8589. | en |
| dc.relation.references | Kingma D.P., Welling M. Auto-Encoding Variational Bayes. Proc. ICLR. 2014. | en |
| dc.relation.references | Epstein J.M. Agent-Based Computational Models and Generative Social Science. Princeton University Press, 2006. | en |
| dc.relation.references | Floridi L. Ethical Challenges of Artificial Intelligence in Science. Philosophy & Technology. 2019;32(2):185193. | en |
| dc.relation.references | Jordan M.I., Mitchell T.M. Machine learning: Trends, perspectives, and prospects. Science. 2015;349(6245):255260. | en |