Применение искусственного интеллекта в практике научно-технических библиотек: исследование потенциала, опыт использования, оценка перспектив

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.

1. Daruvuri V. Understanding Mixture of Experts (MoE): A Deep Dive into Scalable AI Architecture // International Journal of Scientific Research in Computer Science, Engineering and Information Technology. University of Cincinnati, USA, 2025. URL: https://ijsrcseit.com/index.php/home/article/view/CSEIT251112164/CSEIT251112164 (accessed: 27.10.2025).

2. RuGPT3 demo // russiannlp.github.io. URL: https://russiannlp.github.io/rugpt-demo/ (accessed: 28.09.2025).

3. Sahoo P., Meharia P., Ghosh A., Saha S. Comprehensive Survey of Hallucination in Large Language, Image, Video and Audio Foundation Models / P. Sahoo, P. Meharia, A. Ghosh, S. Saha, V. Jain, A. Chadha // arXiv.org. 2024. URL: https://arxiv.org/abs/2405.09589 (accessed: 03.11.2025).

4. Соколинский К. Е. Новая технология создания сводных каталогов и корпоративных электронных библиотек в J-ИРБИС 2.0 / К. Е. Соколинский // Научные и технические библиотеки. 2015. № 11. С. 83–100.

5. Тестируем YandexGPT-5-Pro. Когда хотелось быть ChatGPT, но в душе всё ещё Алиса // Хабр : блог компании BotHub. 2025. URL: https://habr.com/ru/companies/bothub/articles/893128/ (дата обращения: 28.09.2025).

6. Шрайберг Я. Л., Волкова К. Ю. Вопросы авторского права в отношении произведений, созданных при помощи генеративного искусственного интеллекта // Научные и технические библиотеки. 2025. № 2. С. 115–130.