Гончаров Михаил Владимирович – канд. техн. наук, доцент, ведущий научный сотрудник, руководитель группы перспективных исследований и аналитического прогнозирования
Москва
Mikhail V. Goncharov – Cand. Sc. (Engineering), Associate Professor, Leading Researcher, Head, Perspective Studies and Analytical Forecasts Group
Moscow
Соколинский Кирилл Евгеньевич – канд. техн. наук, программист, директор Объединения «ИРБИС-Сервис»
Санкт-Петербург
Kirill E. Sokolinsky – Cand. Sc. (Engineering), Programmer, Director IRBIS-Service Inc.
St. Petersburg
Шрайберг Яков Леонидович – доктор техн. наук, проф., член-корреспондент Российской академии образования, научный руководитель ГПНТБ России, главный редактор журнала «Научные и технические библиотеки», заведующий кафедрой электронных библиотек и наукометрических исследований Московского государственного лингвистического университета, заслуженный работник культуры РФ, заслуженный деятель науки РФ
Москва
Yakov L. Shrayberg – Dr. Sc. (Engineering), Professor, Corresponding Member of Russian Academy of Education; Director of Research, Russian National Public Library for Science and Technology, Editor-in-Chief, “Scientific and Technical Libraries” Journal; Head, Department for Electronic Libraries and Scientometric Studies, Moscow State Linguistic University
Moscow
Статья представляет результаты комплексного исследования применения больших языковых моделей (LLM) и технологий искусственного интеллекта в отечественной библиотечно-информационной деятельности. Проведён сравнительный анализ эффективности российских (GigaChat, YaGPT) и зарубежных (ChatGPT, Claude, LLaMA, Mistral, DeepSeek) языковых моделей для решения трёх ключевых библиотечных задач: семантической деконструкции пользовательских запросов, распознавания рукописных каталожных карточек и автоматической коррекции ошибок в текстовых данных.Методология исследования включала систематическое тестирование через программные интерфейсы API на репрезентативных выборках запросов, образов рукописных карточек и полнотекстовых документов. Выявлены принципиально значимые ограничения существующих решений: нестабильность и деградация моделей, избыточная цензура с высоким процентом ложных срабатываний, генерация несуществующих данных (галлюцинации), непредсказуемость структурированного вывода, культурно-лингвистические барьеры.На основе полученных результатов разработана специализированная система ИРБИС AI с архитектурой Mixture of Experts, обеспечивающая стабильную и быструю обработку библиографических данных. Представлена практическая реализация в модуле J-ИРБИС 2.0 с тремя режимами ИИ-поддержки: справочное обслуживание, семантическая обработка запросов и интеллектуальный подбор литературы. Обозначены перспективы развития: создание библиотечного портала с полностью ИИ-управляемым интерфейсом, автоматизация каталогизации через мультимодальные модели, комплексная обработка неструктурированных данных и преобразование имидж-каталогов.
The paper comprises the findings of the integrated study of using large language models (LLMs) artificial intelligence (AI) technologies in the national library information practice. The comparative analysis is accomplished for Russian (GigaChat, YaGPT) and foreign (ChatGPT, Claude, LLaMA, Mistral, DeepSeek) LLM applications for three key library tasks, i. e. semantic deconstruction of user queries, recognition of handwritten catalog cards, and automated correction of text errors.The system testing on representative query selection, handwritten cards and fulltext document images via APIs was accomplished. The critical limitations of existing solutions are revealed: instability and degradation of models, excessive censorship with high percentage of false triggering, inexistent data generation (hallucinations), and unpredictability of structured inference, or cultural and linguistic barriers.Based on the study findings, the specialized IRBIS AI system based on the Mixture of Experts architecture was designed to ensure prompt and stable processing of bibliographic data. The authors discuss the practical implementation in J-IRBIS 2.0 module with three modes of AI-support: reference services, query semantic processing, and intellectual literature selection. The prospects for building the library portal with AI-controlled interface, cataloguing automation through multimodal models, integrated processing of unstructured data, and image catalogs transformation, are outlined.
The authors declare that there are no conflicts of interest present.