Intellectual Technologies on Transport Intellectual Technologies on Transport Интеллектуальные технологии на транспорте 2413-2527 98551 10.20295/2413-2527-2025-242-42-49 epsgeq ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ ARTIFICIAL INTELLIGENCE AND TRANSPORT SYSTEMS ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ Digital Transformation of Media: Machine Learning in Communication Development and Content Creation Цифровая трансформация медиапространства: машинное обучение в развитии коммуникаций и формировании контента Петрушичева Анастасия Юрьевна Petrushicheva Anastasiya Yurievna nastyapetrushicheva@gmail.com Дьяченко Никита Иванович Dyachenko Nikita Ivanovich dacenkonikita439@gmail.com Ермаков Сергей Геннадьевич Ermakov Sergey Gennad'evich ermakov@pgups.ru

доктор технических наук;

doctor of technical sciences;

 Петербургский государственный университет путей сообщения Императора Александра I Россия Emperor Alexander I St. Petersburg State Transport University Russian Federation Петербургский государственный университет путей сообщения Императора Александра I Санкт-Петербург Россия Emperor Alexander I St. Petersburg State Transport University Saint Petersburg Russian Federation Петербургский государственный университет путей сообщения Императора Александра I Санкт-Петербург Россия Emperor Alexander I St. Petersburg State Transport University Saint Petersburg Russian Federation 26 06 2025 26 06 2025 2 42 49 15 05 2025 24 05 2025 https://atjournal.ru/en/nauka/article/98551/view

Исследуется влияние цифровой трансформации на медиаиндустрию с акцентом на использование технологий искусственного интеллекта. Рассматриваются изменения в подходах к созданию, обработке и персонализации контента, которые включают автоматизацию модерации, улучшение качества визуальных материалов, генерации новых форматов медиа и защиту от фальсификаций. Цель: анализ того, как внедрение технологий искусственного интеллекта трансформирует процессы создания, обработки и персонализации контента. Результаты: показывают, что использование искусственного интеллекта способствует автоматизации модерации, улучшает качество визуальных материалов, упрощает генерацию новых медиаформатов и усиливает защиту контента от фальсификаций. Практическая значимость: заключается в выявлении перспектив применения ИИ-технологий для повышения эффективности и качества медиапроизводства, а также в обозначении направлений их интеграции в различные этапы медиацикла.

This paper explores the impact of digital transformation on the media industry, focusing on the use of artificial intelligence technologies. The authors examine changes in approaches to content creation, processing, and personalization, including automated moderation, enhancement of visual content quality, generation of new media formats, and protection against falsifications. Purpose: to analyze how the implementation of AI technologies transforms the processes of content creation, processing, and personalization. Results: AI technology contributes to the automation of moderation, improves the quality of visual materials, facilitates the generation of new media formats, and enhances content protection against falsification. Practical significance: the potential of AI technologies lies in enhancing the efficiency and quality of media production, as well as in outlining directions for their integration into various stages of the media cycle.

 цифровая журналистика цифровизация машинное обучение сверточные нейронные сети генеративно-состязательные сети digital journalism digitalization machine learning convolutional neural networks generative adversarial networks

Червонящий В. В. Цифровая трансформация журналистики: роль креатива и диджитал-технологий // Практический маркетинг. 2023. № 5 (311). С. 40–48. DOI: 10.24412/2071-3762-2023-5311-40-48. Chervonyashchy V. V. Tsifrovaya transformatsiya zhurnalistiki: rol kreativa i didzhital-tekhnologiy [Digital Transformation of Journalism: The Role of Creativity and Digital Technologies], Prakticheskiy marketing [Practical Marketing], 2023, No. 5 (311), Pp. 40–48. DOI: 10.24412/2071-3762-2023-5311-40-48. (In Russian) Половнева М. В. Анализ развития и применения технологии чат-бот // Теория и практика современной науки. 2018. № 6 (36). С. 917–920. Polovneva M. V. Analiz razvitiya i primeneniya tekhnologii chat-bot [Analysis of Development and Application of Chat-Bot Technology], Teoriya i praktika sovremennoy nauki, 2018, No. 6 (36), Pp. 917–920. (In Russian) Морозова А. А., Арсентьева А. Д. Проблемы и перспективы использования искусственного интеллекта в сфере массмедиа: мнение российской аудитории // Знак: проблемное поле медиаобразования. 2022. № 2 (44). С. 150–158. DOI: 10.47475/2070-0695-2022-10219. Morozova A. A., Arsentieva A. D. Problemy i perspektivy ispolzovaniya iskusstvennogo intellekta v sfere massmedia: mnenie rossiyskoy auditorii [Problems and Prospects of the Use of Artificial Intelligence in the Sphere of Mass Media: Opinion of the Russian Audience], Znak: problemnoe pole mediaobrazovaniya, 2022, No. 2 (44), Pp. 150–158. DOI: 10.47475/2070-0695-2022-10219. (In Russian) Что такое обучение с учителем в машинном обучении // Skypro Wiki. URL: http://sky.pro/wiki/python/chto-takoe-obuchenie-s-uchitelem-v-mashinnom-obuchenii (дата обращения: 18.12.2024). Chto takoe obuchenie s uchitelem v mashinnom obuchenii [What is Supervised Learning in Machine Learning], Skypro Wiki. Available at: http://sky.pro/wiki/python/chto-takoe-obuchenie-s-uchitelem-v-mashinnom-obuchenii (accessed: December 18, 2024). (In Russian) Маршалко Д. А., Кубанских О. В. Архитектура сверточных нейронных сетей // Ученые записки Брянского государственного университета. 2019. № 4 (16). С. 10–13. Marshalko D. A., Kubanskih O. V. Arkhitektura svertochnykh neyronnykh setey [Convolutional Neural Network Architecture], Uchenye zapiski Bryanskogo gosudarstvennogo universiteta [Scentific Notes of the Bryansk State University], 2019, No. 4 (16), Pp. 10–13. (In Russian) Сайфутдинов А. В. Сверточные нейронные сети для решения задач компьютерного зрения // Universum: технические науки. 2023. № 10 (115), Ч. 1. С. 42–44. DOI: 10.32743/UniTech.2023.115.10.16127. Sayfutdinov A. V. Svertochnye neyronnye seti dlya resheniya zadach kompyuternogo zreniya [Convolutional Neural Networks for Solving Computer Vision Problems], Universum: Tekhnicheskie Nauki, 2023, No. 10 (115), Part 1, Pp. 42–44. DOI: 10.32743/UniTech.2023.115.10.16127. (In Russian) Что такое обучение без учителя в машинном обучении // Skypro Wiki. URL: http://sky.pro/wiki/python/chto-takoe-obuchenie-bez-uchitelya-v-mashinnom-obuchenii (дата обращения: 20.12.2024). Chto takoe obuchenie bez uchitelya v mashinnom obuchenii [What is unsupervised learning in machine learning], Skypro Wiki. Available at: http://sky.pro/wiki/python/chto-takoe-obuchenie-bez-uchitelya-v-mashinnom-obuchenii (accessed: December 20, 2024). (In Russian) Левин А. О., Белов Ю. С. Использование генеративно-состязательных сетей для генерации изображений по тексту // Научное обозрение. Технические науки. 2023. № 2. С. 11–15. DOI: 10.17513/srts.1427. Levin A. O., Belov Yu. S. Ispolzovanie generativno-sostyazatelnykh setey dlya generatsii izobrazheniy po tekstu [Application of Generative-Adversarial Networks to Text to Image Generation], Nauchnoe obozrenie. Tekhnicheskie nauki [Scientific Review. Technical Science], 2023, No. 2, Pp. 11–15. DOI: 10.17513/srts.1427. (In Russian) Аверченков А. В., Андросов А. А., Малахов Ю. А. Анализ и применение генеративно-состязательных сетей для получения изображений высокого качества // Эргодизайн. 2020. № 4 (10). С. 167–176. DOI: 10.30987/2658-4026-2020-4-167-176. Averchenkov A. V., Androsov A. A., Malakhov Y. A. Analiz i primenenie generativno-sostyazatelnykh setey dlya polucheniya izobrazheniy vysokogo kachestva [Analysis and Application of Generative-Adeversarial Networks for Producing High Quality Images], Ergodizayn [Ergodesign], 2020, No. 4 (10), Pp. 167–176. DOI: 10.30987/2658-4026-2020-4-167-176. (In Russian) Применение генеративно-состязательных нейросетей для генерации изображений / Е. В. Ильинская, Е. Н. Голышева, А. А. Медведев, Н. С. Масалитин // Научный результат. Информационные технологии. 2024. Т. 9, № 1. С. 73–78. DOI: 10.18413/2518-1092-2024-9-1-0-8. Ilyinskaya E. V., Golysheva E. N., Medvedev A. A., Masalitin N. S. Primenenie generativno-sostyazatelnykh neyrosetey dlya generatsii izobrazheniy [The Use of Generative-Adversarial Neural Networks for Image Generation], Nauchnyy rezultat. Informatsionnye tekhnologii [Research Result. Information Technologies], 2024, Vol. 9, No. 1, Pp. 73–78. DOI: 10.18413/2518-1092-2024-9-1-0-8. (In Russian)