phmathВестник Государственного университета просвещения. Серия: Физика-МатематикаBulletin of Federal State University of Education. Series: Physics and Mathematics2949-50832949-5067Federal State University of Education10.18384/2310-7251-2020-1-37-49phmath-40Research ArticleРАЗДЕЛ I. МАТЕМАТИКАSECTION I. MATHEMATICSМОДЕЛИРОВАНИЕ ВЛИЯНИЯ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ НА АДЕКВАТНОСТЬ ВОСПРИЯТИЯ ДЕЙСТВИТЕЛЬНОСТИ НЕРВНОЙ СИСТЕМОЙ ЧЕЛОВЕКАMODELING THE INFLUENCE OF VIRTUAL REALITY ON THE ADEQUACY OF PERCEPTION OF REALITY BY THE HUMAN NERVOUS SYSTEMКириченкоА. К.KirichenkoA. K.tema@kirichenko.ruКалашниковЕ. В.KalashnikovE. V.ekevkalashnikov1@gmail.comМосковский государственный областной университетРоссияMoscow Region State UniversityRussian Federation202015022022013749Copyright © Кириченко А.К., Калашников Е.В., 20222022Кириченко А.К., Калашников Е.В.Kirichenko A.K., Kalashnikov E.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.physmathmgou.ru/jour/article/view/40

Цель статьи выявить влияние воздействия виртуальной действительности (искажённой или ложной информации) на нервную систему человека. Процедура и методы исследования. Используется математическая модель искусственной нейронной системы (ИНС), построенной по образу и подобию нервной системы человека. Для проведения корректного компьютерного эксперимента были выбраны: (1) воздействие игровой системы на ИНС, обеспечивающей большое количество виртуальной информации и (2) ИНС настраивалась только на визуальное восприятие. На вход ИНС с предварительным обучением подаётся искажённая (виртуальная) информация, и ИНС переучивается с учётом искажённой информации. После нескольких сеансов в условиях виртуальной реальности ИНС изучается реакция ИНС на исходную действительную реальность. Для управления ИНС разработана программа на Python. Результаты проведённого исследования. Показано, что проведённый модельный эксперимент по воздействию виртуальной реальности на ИНС, предварительно обученной на традиционных объектах окружающей действительности, приводит к затруднённому их узнаванию или, вообще, неузнаванию. Теоретическая/практическая значимость заключается в том, что впервые была построена подходящая компьютерная модель, позволяющая изучить влияние виртуальной действительности на нервную систему человека; впервые показано количественно и качественно, как воздействует виртуальная реальность на ИНС и, соответственно, на нервную систему человека.

Purpose. We have identified the impact of virtual reality (distorted or false information) on the human nervous system. Methodology and Approach. We use a mathematical model of an artificial neural network (ANN), built in the image and likeness of the human nervous system. To conduct a correct computer experiment, we selected: (1) the impact of the game system on the ANN, which provides a large amount of virtual information, and (2) the ANN was configured only for visual perception. Distorted (virtual) information is sent to the input of the pre-trained ANN, and the ANS is retrained taking into account the distorted information. After several sessions in the virtual reality environment of the ANN, the response of the ANN to the original actual reality is studied. A Python program has been developed to manage the ANS. Results. It is shown that the conducted model experiment on the effect of virtual reality on the ANN, previously trained on traditional objects of the surrounding reality, makes these objects either difficult to recognize or, in general, unrecognizable. Theoretical and Practical implications. A suitable computer model was built for the first time that allows one to study the effect of virtual reality on the human nervous system; it is shown for the first time quantitatively and qualitatively how virtual reality affects the ANN and, consequently, the human nervous system.

виртуальная реальностьискусственная нейронная сетьобучениераспознаваниеvirtual realityartificial neural networklearningrecognitionReferencesИскусственный интеллект в решении актуальных социальных и экономических проблем ХХI века: сборник статей по материалам Третьей всероссийской научно-практической конференции (г. Пермь, 14-18 мая 2018 г.). Пермь: ПГНИУ, 2018. 294 с.Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века: сборник статей по материалам Третьей всероссийской научно-практической конференции (г. Пермь, 14-18 мая 2018 г.). Пермь: ПГНИУ, 2018. 294 с.Artificial Intelligence in Society. OECD (2019). Paris: OECD Publishing, 2019. 148 p.Artificial Intelligence in Society. OECD (2019). Paris: OECD Publishing, 2019. 148 p.Hussein B. R. Social, Economic and Ethical Consequences of AI(Preprint). Brunei: University Brunei Darussalam, 2018. 10 p.Hussein B. R. Social, Economic and Ethical Consequences of AI(Preprint). Brunei: University Brunei Darussalam, 2018. 10 p.Хайкин С. Нейронные сети. М.: Вильямс, 2006. 1104 с.Хайкин С. Нейронные сети. М.: Вильямс, 2006. 1104 с.Круг П. Г. Нейронные сети и нейрокомпьютеры. М.: Изд-во МЭИ, 2002.177 с.Круг П. Г. Нейронные сети и нейрокомпьютеры. М.: Изд-во МЭИ, 2002.177 с.Information Technology Essentials for Behavioral Health Clinicians / edited by N. A. Dewan, J. S. Luo, N. M. Lorenzi. London: Springer-Verlag, 2011. 213 p.Information Technology Essentials for Behavioral Health Clinicians / edited by N. A. Dewan, J. S. Luo, N. M. Lorenzi. London: Springer-Verlag, 2011. 213 p.Дружилов С. А. Негативные воздействия современной информационной среды на человека: психологические аспекты// Психологические исследования: электронный научный журнал. 2018. T. 11. № 59. URL: http://psystudy.ru/index.php/num/2018v11n59/1572-druzhilov59.html (дата обращения: 14.12.2019)Дружилов С. А. Негативные воздействия современной информационной среды на человека: психологические аспекты// Психологические исследования: электронный научный журнал. 2018. T. 11. № 59. URL: http://psystudy.ru/index.php/num/2018v11n59/1572-druzhilov59.html (дата обращения: 14.12.2019)Diehl P. U., Cook M. Unsupervised learning of digit recognition spike-timing-dependent plasticity// Frontiers in Computational Neuroscience. 2015. Vol. 9. Article 99 [Электронный ресурс]. URL: https://www.frontiersin.org/articles/10.3389/fncom.2015.00099/full (дата обращения: 14.12.2019).Diehl P. U., Cook M. Unsupervised learning of digit recognition spike-timing-dependent plasticity// Frontiers in Computational Neuroscience. 2015. Vol. 9. Article 99 [Электронный ресурс]. URL: https://www.frontiersin.org/articles/10.3389/fncom.2015.00099/full (дата обращения: 14.12.2019).Sharma D., Kumar N. A Review on Machine Learning Algorithms, Tasks and Applications // International Journal of Advanced Research in Computer Engineering & Technology (IJARCET). 2017. Vol. 6. Iss. 10. P. 2278-1323 [Электронный ресурс]. URL: http://ijarcet.org/wp-content/uploads/IJARCET-VOL-6-ISSUE-10-1548-1552.pdf (дата обращения: 14.12.2019).Sharma D., Kumar N. A Review on Machine Learning Algorithms, Tasks and Applications // International Journal of Advanced Research in Computer Engineering & Technology (IJARCET). 2017. Vol. 6. Iss. 10. P. 2278-1323 [Электронный ресурс]. URL: http://ijarcet.org/wp-content/uploads/IJARCET-VOL-6-ISSUE-10-1548-1552.pdf (дата обращения: 14.12.2019).

The authors declare that there are no conflicts of interest present.