ХУДОЖЕСТВЕННЫЕ МЕТОДЫ РАБОТЫ С ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ (НА ПРИМЕРЕ ПРОЕКТОВ СТУДЕНТОВ МАГИСТРАТУРЫ «ЦИФРОВОЕ ИСКУССТВО» ДВФУ)

Наукосфера. №11 (1), 2025 Информационные технологии ISSN 2542-0402 24 http://nauko-sfera.ru/ большими массивами данных и системами искусственного интеллекта. Требуется разработка новых стандартов и регламентов, обеспечивающих юридическую значимость данных, полученных с помощью сенсорных сетей и алгоритмов машинного обучения. Важным аспектом является налаживание эффективного межведомственного взаимодействия между МЧС России, региональными органами власти и научными организациями. Координация усилий позволит создать единое информационное пространство для обмена данными о пожарной обстановке. Это особенно актуально при прогнозировании крупномасштабных пожаров, требующих мобилизации ресурсов различных ведомств. Успешная реализация данных мер обеспечит широкое внедрение интеллектуальных систем поддержки принятия решений. Выводы. Проведенное исследование подтвердило возможность существенного повышения эффективности пожаротушения за счет внедрения интеллектуальных систем на базе искусственного интеллекта и интернета вещей. Разработанный и апробированный алгоритм интеллектуального анализа данных с датчиков IoT достиг поставленной цели, повысив точность прогнозирования динамики пожара на 15 % по сравнению с традиционными методами. Это стало возможным благодаря интеграции передовых технологий обработки информации в реальном времени. Результаты соответствуют изначальной цели исследования и решают проблему недостаточной эффективности существующих систем поддержки принятия решений. Анализ современных информационных технологий выявил ключевую роль сенсорных сетей IoT и методов машинного обучения в создании предиктивных систем для пожаротушения. Эти технологии позволяют оперативно обрабатывать большие объемы разнородных данных, включая погодные условия, топографию и характеристики горения. Такой подход преодолевает ограничения традиционных методов, не способных эффективно анализировать динамически меняющуюся информацию. Выявленные технологические решения образуют основу для интеллектуальной поддержки решений пожарных подразделений. Разработанный алгоритм интеллектуального анализа данных основан на математической модели оценки эффективности в условиях неопределенности. Данный алгоритм обеспечивает надежную основу для прогнозирования распространения пожара и оптимизации ресурсов пожарных подразделений. Он эффективно обрабатывает данные, собранные с помощью сенсорных сетей, и адаптируется к изменяющимся условиям. Математическая модель позволяет объективно оценивать работу алгоритма даже при недостатке входной информации. Апробация алгоритма продемонстрировала повышение точности прогнозирования динамики пожара на 15 % по сравнению с традиционными методами. Этот результат достигнут благодаря интеграции данных IoT с геоинформационными системами и актуальными метеопрогнозами. Синтез пространственного анализа и оперативных данных позволил создать реалистичную модель распространения пожара. Улучшение точности подтверждено сравнительной оценкой в ходе моделирования различных сценариев. Сформулированные практические рекомендации по интеграции системы в существующие протоколы пожаротушения и обучению персонала обеспечивают условия для ее успешного внедрения. Особое внимание уделено вопросам адаптации пожарных подразделений к работе с новой интеллектуальной системой. Рекомендации охватывают технические аспекты подключения и методические подходы к подготовке кадров. Это гарантирует бесшовное включение разработки в оперативную деятельность. Предложенное решение обладает значительным потенциалом для трансформации оперативной деятельности пожарных подразделений. Внедрение интеллектуальной системы поддержки решений повышает скорость реагирования на чрезвычайные ситуации. Одновременно снижаются риски для жизни людей за счет более точного прогнозирования опасных Наукосфера. №11 (1), 2025 Информационные технологии ISSN 2542-0402 25 http://nauko-sfera.ru/ зон. Система оптимизирует использование ресурсов, что критически важно в условиях ограниченного времени. Внедрение разработанной системы способно сократить материальный ущерб от пожаров на 20–30 %, что соответствует актуальным требованиям. Рост частоты и масштабов природных и техногенных пожаров на фоне климатических изменений делает такое снижение особо значимым. Указанный диапазон подтверждается анализом современных тенденций в области борьбы с пожарами. Эффективность системы напрямую влияет на минимизацию экономических потерь. Перспективы дальнейшего развития связаны с масштабированием системы, углублением интеграции с другими технологиями и адаптацией к новым вызовам. Это открывает возможности для кардинального повышения безопасности в условиях меняющегося климата. Расширение функционала позволит охватить более сложные сценарии пожаров. Постоянное совершенствование алгоритма на основе накопленных данных обеспечит его долгосрочную эффективность. СПИСОК ЛИТЕРАТУРЫ 1. Глаголев В.А., Коган Р.М. Геоинформационная система оценки напряженности пожароопасных сезонов // Геоинформатика. 2014. №4. С. 11–15. 2. Дронов Д.Д., Перцев Д.Ю. Интеллектуальный анализ данных для раннего обнаружения лесных пожаров // Девятая Международная научно-практическая конференция «BIG DATA and Advanced Analytics. BIG DATA и анализ высокого уровня». Минск, 2023. С. 205–209. 3. Евдокимова И.С., Тулохонова И.С. Разработка интеллектуальной модели прогнозирования лесных пожаров // Вестник Бурятской государственной сельскохозяйственной академии имени В.Р. Филиппова. 2025. №3. С. 145–151. 4. Коткова Е.А., Матвеев А.В. Структурная схема системы интеллектуального управления эвакуацией // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2024. №2. С. 62–69. 5. Малый И.А., Булгаков В.В., Шарабанова И.Ю. Цифровая пожарно-спасательная часть: новый уровень организации подготовки курсантов МЧС // Открытое образование. 2022. №1. С. 4–12. 6. Малютин О.С. Современные информационные технологии в деятельности РСЧС // Сибирский пожарно-спасательный вестник. 2016. №3. С. 18–22. 7. Пономарев Е. И., Харук В. И., Якимов Н. Д. Результаты и перспективы спутникового мониторинга природных пожаров Сибири // Сибирский лесной журнал. 2017. №5. С. 25–36. 8. Репин С.В., Болдыревский П.Б., Кистанова Л.А. и др. Математико-статистическая модель прогнозирования количества пожаров для использования в системе МЧС России // Моделирование, оптимизация и информационные технологии. 2022. №2. С. 1–11. 9. Станкевич Т.С. Применение сверточных нейронных сетей для решения задачи оперативного прогнозирования динамики распространения лесных пожаров // Бизнес-информатика. 2018. №46. С. 17–27. 10. Станкевич Т.С. Разработка метода оперативного прогнозирования динамики развития лесного пожара посредством искусственного интеллекта и глубокого машинного обучения // Вестник Иркутского государственного технического университета. 2018. №9. С. 111–120. 11. Фраленко В. П. Нейросетевые методы обнаружения возгораний в лесных массивах // Искусственный интеллект и принятие решений. 2023. №1. С. 67–77. 12. Шамсутдинов Г.Ю., Яровой В.Ю., Куртов С.О. и др. Применение предметноориентированных интерактивных технологий обучения для подготовки личного состава МЧС России // Сибирский пожарно-спасательный вестник. 2024. №2. С. 48–57. Поступила в редакцию: 13.11.2025 © Шпаньков А. В., Еланцев Е. В., Карпова Е. А., Середа В. А., 2025. Принята в печать: 12.12.2025 Наукосфера. №11 (1), 2025 Культурология ISSN 2542-0402 26 http://nauko-sfera.ru/ КУЛЬТУРОЛОГИЯ УДК 7.067 DOI 10.5281/zenodo.17649197 Научная статья ХУДОЖЕСТВЕННЫЕ МЕТОДЫ РАБОТЫ С ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ (НА ПРИМЕРЕ ПРОЕКТОВ СТУДЕНТОВ МАГИСТРАТУРЫ «ЦИФРОВОЕ ИСКУССТВО» ДВФУ) ARTISTIC METHODS OF WORKING WITH ARTIFICIAL INTELLIGENCE (BASED ON THE EXAMPLE OF PROJECTS OF STUDENTS OF THE MASTER'S PROGRAM "DIGITAL ART" AT FEFU) ДУГЛАС ВЛАДА СЕРГЕЕВНА, ассистент, Дальневосточный федеральный университет. DUGLAS VLADA SERGEYEVNA, Assistant, Far Eastern Federal University. В статье автор исследует процесс использования современными молодыми художниками искусственного интеллекта при создании произведений. Для некоторых он становится основным инструментом, для других — уникальной возможностью найти новые темы и посмотреть на мир «глазами нейросети». На примере конкретных проектов студентов магистратуры «Цифровое искусство» ДВФУ, представленных на выставках «Велесова ночь», «Код города» и «ЯблокиИИ», исследуются различные подходы к использованию нейросетей в творческом процессе. В работе подробно рассматриваются такие аспекты, как стратегии работы с артефактами генерации (от их минимизации до интеграции в художественную эстетику), методы использования промтов для создания концептуальных произведений, а также анализ влияния выбранных подходов на визуальный язык и смысловое содержание работ. In the article, the author explores the process of using artificial intelligence by modern young artists when creating works. For some, it becomes the main tool, for others — a unique opportunity to find new topics and look at the world through the eyes of a neural network. Using the example of specific projects of FEFU master's degree students in Digital Art, presented at the exhibitions "Velesova Noch", "City Code" and "Yablokiii", various approaches to the use of neural networks in the creative process are explored. The paper examines in detail such aspects as strategies for working with generation artifacts (from minimizing them to integrating them into artistic aesthetics), methods of using artifacts to create conceptual works, as well as analyzing the impact of selected approaches on the visual language and semantic content of works. Ключевые слова: искусственный интеллект, цифровое искусство, артефакты искусственного интеллекта, современное искусство, нейросеть. Наукосфера. №11 (1), 2025 Культурология ISSN 2542-0402 27 http://nauko-sfera.ru/ Key words: artificial intelligence, digital art, artificial intelligence artifacts, contemporary art, neural network. онятие «искусственный интеллект» (ИИ) является относительно новым для многих областей знаний. Наблюдается отсутствие единого подхода к определению ИИ, а также недоступность общего и универсального понимания «естественного» человеческого интеллекта, что затрудняет формирование согласованных подходов к искусственному интеллекту. В данной работе мы будем понимать ИИ — в английском языке термин AI (расшифровка аббревиатуры artificial intelligence) как разработанную технология, дающую сетям самостоятельно учиться, анализируя свой же опыт, работая над ошибками и создавая шаблоны [10, с. 1256]. Генеративный ИИ позволяет генерировать различный контекст: текст, аудио, видео. Проблема использования ИИ активно развивается не только в среде информационных технологий, но и в искусстве [8, с. 253]. Цифровое искусство и искусственный интеллект развиваются по-разному и в различных средах, включая образование, где ученический опыт, который обычно считается незначимым, играет важную роль в продвижении среды; университет становится точкой притяжения, и в этих условиях наблюдается другой поворот, так как университетские выставки могут стать точкой роста. Цель данной работы — на примере конкретных проектов студентов магистратуры «Цифровое искусство» ДВФУ выявить и проанализировать различные художественные методы работы с искусственным интеллектом, а также показать, как выбор этих методов влияет на формирование визуального языка и смыслового содержания произведений. Проблема интеграции искусственного интеллекта в художественную практику активно исследуется в современной науке, однако анализ конкретных методов работы художников с этими технологиями остается недостаточно раскрытым. Существующие работы можно условно разделить на два ключевых направления. Первое направление рассматривает философско-эстетические аспекты взаимодействия художника и ИИ. Так, Д.С. Быльева и В.В. Краснощеков анализируют проблему оригинала и копии, отмечая, что технологии ставят под сомнение традиционные понятия авторства и уникальности [2]. А.А. Дружинина развивает эту тему, описывая спектр отношений между творцом и алгоритмом от конфликта до сотрудничества [4]. Эстетическую специфику произведений, созданных с помощью ИИ, исследует С.В. Миловидов [5], а также др. исследователи [1; 7; 12]. Второе направление связано с классификацией методов применения технологий. Д.В. Галкин и др. выделяют подходы, где ИИ служит либо помощником, либо самостоятельным творческим агентом [3]. Н. А. Шебанова подчеркивает, что ИИ становится новым выразительным средством, расширяющим палитру художника [10]. Вопросы развития креативности студентов через генеративные подходы затрагиваются в работе Л.Е. Шмаковой и др. [11]. Таким образом, в литературе представлен теоретический фундамент для анализа, однако эмпирическое исследование конкретных художественных методов, проявляющихся в реальной практике современных цифровых художников, остается актуальной задачей. В рамках выставки «Велесова ночь» в рамках «Ночи искусств» 2024 г. в КГУК «Приморская государственная картинная галерея» во Владивостоке зрители имели уникальную возможность увидеть работы, созданные студентами с помощью искусственного интеллекта. Одной из значимых работ стала инсталляция под названием «Водяной» (рис. 1). Она является интерпретацией знаменитой картины художника Ивана Билибина «Водяной». В процессе создания «Водяного» для «Ночи искусств» искусственный интеллект анализировал оригинал, извлекая ключевые элементы и характерные черты стиля Билибина, а затем преобразовывал их в динамичный видеоарт. Петляя между традиционным искусством и современными П Наукосфера. №11 (1), 2025 Культурология ISSN 2542-0402 28 http://nauko-sfera.ru/ технологиями, этот проект демонстрирует, как ИИ может не только воспроизводить, но и переосмысливать классические произведения, привнося в них новое измерение и жизненную динамику. Зрители были приглашены не только наблюдать, но и размышлять о взаимодействии искусства, технологии и традиции. Рис. 1. ИИ Водяной (фото автора) Характерные особенности данной работы, причисляющей ее к работам, сделанными с помощью ИИ заключается в том, что некоторые элементы изображения непонятны, смазаны, не угадываются (нос водяного, отсутствует борода), пропадает детализация на коже водяного, появилось изображение шерсти. Данные артефакты возникли в основном по той причине, что нейросетевая модель, использованная в работе (Stable diffusion) не обучена данными о русском фольклоре и не имеет понимания, что есть «водяной». Для создания эффекта движения водяного, автор использовал промт (Промт — это запрос для нейросети, на основании которого она генерирует изображения) без указания на само существо. Не имея понимания, о том, как выглядит мифическое существо, нейросеть выдала изображении шерсти, которая не присутствовала в работе Билибина. Наукосфера. №11 (1), 2025 Культурология ISSN 2542-0402 29 http://nauko-sfera.ru/ Следующим примером стал проект студентов, представленный на выставке «Код города» в Государственном научно-исследовательском музее архитектуры им. А. В. Щусева (2023 г.). В его рамках с помощью искусственного интеллекта были созданы варианты единого дизайна городов России будущего. Исследуя технологические возможности машинного обучения и алгоритмические процессы, студенты разработали проекты городских планировок через столетие, основанные на тенденциях развития градостроительства и анализе реальных данных. Выставка представляет собой спектакль, призванный стимулировать обсуждения о том, как высокие технологии, включая искусственный интеллект, могут изменить концепции городской среды и градостроительства. Кураторы проекта Федор Малков и Виктор Павлов подчеркнули, что каждый проект имеет концептуальные основы и позволяет глянуть в будущее, в котором технологии будут неотъемлемой частью человеческой жизни. Посетители выставки имели возможность задуматься о том, как современные технологии, включая искусственный интеллект, будут влиять на развитие городов, изменяя их функциональную сторону, дизайн и уклад жизни. Проанализируем работу студентки магистратуры «Цифровое искусство» «Ростов-на-Дону» (рис. 2). В ней также видны артефакты работы ИИ: некоторые элементы невозможно реализовать в реальной жизни (стыки архитектуры), есть смазанные объекты, которые тяжело различить, не угадываются силуэты некоторых деревьев. Рис. 2. Работа Фоминой Иоанны «Ростов-на-Дону», выставка Код города (фото автора) Сгенерированные изображения могут содержать артефакты из-за ограничений алгоритмов, использующихся для их создания [6, c. 53]. Эти алгоритмы иногда не способны Наукосфера. №11 (1), 2025 Культурология ISSN 2542-0402 30 http://nauko-sfera.ru/ адекватно интерпретировать сложные визуальные элементы, что приводит к неправильным комбинациям форм, цветов и текстур. Кроме того, искусственный интеллект часто обучается на больших наборах данных, которые могут не фиксировать все нюансы реалистичных объектов, что, в свою очередь, вызывает трудности в создании реалистичных стыков архитектуры и освещения. Также ошибки в обучении могут сыграть ключевую роль. Если в тренировочных данных отсутствуют определённые примеры, то модель склонна к генерации артефактов, связанных с этими недостающими элементами. Сложные изображения усложняют задачу для алгоритмов, и в результате объекты могут выглядеть размазанными или нечеткими [9, c. 58]. Другая работа студентов ДВФУ, созданная с помощью технологии искусственного интеллекта, это выставка под названием «ЯблокиИИ», представленная в Художественном музее ДВФУ (2022 г.). Особенность данной выставки заключается в том, что все работы, показанные в музее, были сгенерированы с помощью различных генеративных моделей искусственного интеллекта. Все работы объединяла одна центральная тема — яблоко. Каждый художник использовал свой взгляд на яблоко, свою тему и ассоциации. У кого-то ассоциация была связана с технологическим процессом и компанией «Apple» под руководством Стива Джобса. У других яблоко имело библейскую интерпретацию, представляя собой яблоко раздора и соблазна. В работе использовались различные генеративные нейросети, такие как «Midjourney», «Stable Diffusion», «Leonardo» и другие. Все эти нейросети были изучены студентами в ходе проведенного эксперимента с промтами. Концепция выставки состояла в том, что яблоко является одним из наиболее узнаваемых объектов, пронизанного символикой и смыслом в разных культурах и эпохах. Оно ассоциируется с различными идеями, такими как искушение, познание, знание, смерть и возрождение. Выставка «ЯблокиИИ» использует это знакомое и простое яблоко как отправную точку для исследования границ искусства и технологии. Каждое произведение искусства на выставке создано с помощью нейросетей, таких как «DALL-E», «Kandinsky», «Midjourney» и «Stable Diffusion». Эти алгоритмы обладают удивительной способностью интерпретировать исходные наброски (драфты) нейрохудожника, а также его тексты (промпты) и синтезировать из этого целостный, законченный образ. Нейросеть, обученная на изображениях визуальной культуры прошлого и настоящего, в процессе диалога с нейрохудожником генерирует новые захватывающие формы. Условием участия в проекте было сохранение сущности яблока. Оно выступило как отправная точка, рамка, границы. Это ни в коем случае не ограничивало творческие порывы. Картины на выставке отображают процесс эволюции яблока, представляя различные этапы и стили, которые художники использовали для достижения окончательной формы. Выставка «ЯблокиИИ» предлагает зрителям уникальный опыт взаимодействия с искусством и технологией, используя простое яблоко в качестве отправной точки для творческих исследований. Каждая работа на выставке показывает потенциал нейросетей в создании новых форм и переосмыслении объектов, а также обращает внимание на роль символов и их значений в современном искусстве. Выставка «ЯблокиИИ» открывает дверь в фантастический и удивительный мир, где искусство и технологии переплетаются воедино. На данной выставке нейросети использовались как авторы и инструменты в руках цифровых художников. Каждый из художников подходил к работе так, будто бы это кисть в руках живописца, поскольку они полностью настраивали исходные данные в соответствии с концепцией своих работ. Все произведения были напечатаны в формате 50 на 70 см и вывешены в музее. Размещение работ соответствовало историям студентов и их концептуальным замыслам. Наукосфера. №11 (1), 2025 Культурология ISSN 2542-0402 31 http://nauko-sfera.ru/ Рис. 3. Посетители на выставке «ЯблокиИИ» (фото автора) Многие из произведений, выставленных на мероприятии, были тепло восприняты зрителями. Они отмечали, что большинство работ выглядели неожиданно, и многие из них даже не могли бы предположить, что эти произведения были сгенерированы нейросетью. У некоторых работ отсутствовали характерные для нейросетей недостатки, такие как «сшитые» пальцы или странные искажения, поскольку студенты дорабатывали те моменты, которые им не нравились. Многие моменты неудачной генерации были использованы при использовании программного обеспечения для редактирования изображений. В процессе работы был создан ряд вариаций, из которых были выбраны только самые удачные, наиболее отражающие выставку каждого художника. В выставке участвовали 17 художников, и каждый из них представил по одной работе, в то время как в виртуальной версии выставки были выставлены триптихи. Рассмотрим подробнее работу «Crabapples, 13» художницы Екатерины Тарасовой (рис. 4). Промт к нейросети: «a feeling of individuality, importance, weight conveyed through action, involving apple imagery, abstract, striking colors, thick impasto, painting in the style of symbolism». Концепция данной работы: как выделить сложные, абстрактные эмоции из общечеловеческого бессознательного и выразить их визуально через плод, определяющий несовершенство человеческой природы, если не через нейросети, работающие с гигантским пластом изобразительной информации, созданной человеком. Яблоко в символическом значении в одном из множества смыслов является отображением здорового образа жизни человека. «know himself» — изображение связи между психологическим и физическим здоровьем. Яблоко изображено на берегу моря, где море — это пространство размышлений о бесконечности жизни и времени, о том, что все проходит и меняется, и о том, что важно сохранять спокойствие и не беспокоиться о мелочах. Наукосфера. №11 (1), 2025 Культурология ISSN 2542-0402 32 http://nauko-sfera.ru/ Рис. 4. Crabapples, 13., художник Греча // Екатерина Тарасова (фото автора) В данной работе сложнее говорить о присутствующих артефактах. «Crabapples, 13» выполнена в стиле абстракционизма, это подчёркивает и промт. В данных образах, сделанных широкими мазками, уже труднее увидеть резкие окончания, искажения. Изображение довольно легко угадывается, ощущается целостно. Чем дольше мы работаем с нейросетями, тем более глубокое понимание мы получаем об их возможностях и способах применения. С увеличением времени и усилий, которые мы вкладываем в изучение и использование этих технологий, результаты становятся все более впечатляющими и насыщенными. Нейросети уже не воспринимаются как угроза или «уничтожитель» художника, а, напротив, оказываются мощным инструментом для расширения творческих горизонтов. Они предлагают новые подходы к созданию искусства и могут вдохновить на неожиданные идеи. Многие современные художники используют нейросети для того, чтобы «посмотреть глазами» алгоритмов на этот мир. Это позволяет им увидеть предметы, идеи или эмоции под другим углом, что обогащает их восприятие и самовыражение [4, с. 59]. Результаты такого взаимодействия часто становятся основой их работ и помогают создавать уникальные произведения искусства, которые были бы невозможны без помощи технологий. Проведенный анализ студенческих проектов позволяет выделить ключевые художественные методы работы с искусственным интеллектом, которые определяют, как процесс создания, так и конечное высказывание произведения. Было выявлено, что художники занимают различную позицию по отношению к технологическим артефактам генерации: одни стремятся к их минимизации и преодолению для достижения реалистичного или чистого изображения (как в работе «Ростов-на-Дону»), в то время как другие интегрируют их в свою эстетику, превращая технические погрешности в символы цифровой эпохи, несовершенства и бессознательного (что прослеживается в интерпретации «Водяного»).