STRATEGIC DIRECTIONS FOR THE APPLICATION OF ARTIFICIALINTELLIGENCE IN MICROBIOLOGICAL MONITORING OF WATERBODIES: EXPLANABLE MODELS AND MULTI-MODE INTEGRATION
В статье проведён критический анализ современных подходов к применению искусственного интеллекта в микробиологическом мониторинге водных объектов. Показано, что высокая точность моделей глубокого обучения, обученных на общепринятых наборах данных (например, DIBaS), часто является следствием методологически некорректного разделения данных и приводит к переоценке реальных возможностей моделей. При использовании более строгих стратегий валидации, имитирующих реальные условия работы (strain-wise splitting), точность классификации значительно снижается, что свидетельствует о наличии кризиса обобщения.Обоснована необходимость перехода от традиционных сверточных нейронных сетей к объяснимым архитектурам и мультимодальным моделям, интегрирующим изображения с геномными данными (k-меры). Такой подход позволяет повысить интерпретируемость, устранить фенотипическую неоднозначность и улучшить способность моделей корректно классифицировать новые бактериальные штаммы. Предложены два стратегических направления: внедрение самообъяснимого ИИ для верификации морфологических признаков и разработка мультимодальных систем для прогнозирования функциональных характеристик микроорганизмов. Полученные результаты формируют основу для создания надёжных инструментов экомониторинга новогопоколения.
Сведения
- Опубликовано
- 2025 · Т. 1, № 3, С. 32-43
- Язык
- Английский
- ISSN
- 1561-4212 · 2789-8210 · 3134-8009 · 3134-8017
- Издатель
- D. Serikbayev East Kazakhstan Technical University
- Аффилиации
- Северо-Казахстанский университет имени М.Козыбаева