В статье рассмотрено влияние искусственного интеллекта на ключевые отрасли российской экономики и социальной сферы, включая здравоохранение, сельское хозяйство, транспорт, промышленность и строительство. Данные сферы определены как приоритетные отрасли для внедрения ИИ до 2024 года Министерством экономического развития РФ и Национальным центром развития искусственного интеллекта при Правительстве РФ. Целями исследования являются анализ текущего состояния внедрения ИИ в выбранных отраслях, оценка потенциала и перспектив использования ИИ в этих сферах, выявление основных барьеров и вызовов, связанных с внедрением ИИ, а также изучение успешных примеров применения ИИ в российской экономике. Проведен анализ нормативных документов, регулирующих развитие ИИ в России, с акцентом на Указ Президента Российской Федерации от 10 октября 2019 г. № 490, а также теоретических и эмпирических источников. Особое внимание уделено современным версиям ИИ, таким как GPT-4o, и их роли в модернизации и оптимизации различных процессов. В статье исследуются гипотезы о возможных негативных последствиях стремительного внедрения ИИ, включая опасения, высказываемые такими известными критиками ИИ, как Элиезер Юдковский, Илон Маск и Стив Возняк, и рассматриваются вызовы, с которыми сталкиваются предприятия. При этом учитываются данные о текущем уровне внедрения ИИ в России, который, по оценкам экспертов, составляет около 32% в среднем по отраслям экономики. Описаны примеры успешного применения ИИ, а также выявлены основные препятствия и перспективы его использования в российской промышленности и других секторах. Особое внимание уделяется наиболее востребованным технологиям ИИ, таким как интеллектуальные системы поддержки принятия решений и компьютерное зрение, которые, согласно данным Национального центра развития искусственного интеллекта, используются в 71% и 69% случаев соответственно.
Идентификаторы и классификаторы
Искусственный интеллект (далее – ИИ) сегодня играет ключевую роль в трансформации мировых экономических и социальных структур. Быстрое развитие технологий ИИ, таких как машинное обучение, нейронные сети, компьютерное зрение и обработка естественного языка, оказывает значительное влияние на множество отраслей, от медицины и образования до промышленности и сельского хозяйства. В глобальном масштабе многие страны признают стратегическую важность ИИ и активно внедряют его для повышения конкурентоспособности и улучшения качества жизни. В России, развитие ИИ также стало приоритетом государственной политики, что подтверждается Указом Президента Российской Федерации от 10 октября 2019 г. No 490 «О развитии искусственного интеллекта в Российской Федерации» [30]. Этот указ стал основой для создания федерального проекта “Искусственный интеллект”, который входит в национальную программу “Цифровая экономика” и направлен на ускоренное внедрение технологий ИИ в различные сферы экономики и социальной жизни страны.
Список литературы
1. Андреева Е.А., Глущенко А.Г., Муртазина Д., Примакова Е.Е. Этические аспекты внедрения роботизированного образовательного процесса // Современное образование: содержание, технологии, качество. СПб., 2023. С. 98-100. EDN: MNUTAC
2. Белов В.С., Самаркин А.И. Концептуальная модель интероперабельной региональной мобильной системы охраны здоровья жителей малых и удаленных населенных пунктов // Журнал радиоэлектроники. 2016, № 7. EDN: WNDAVP
3. Болонин А.И., Алиев М.М., Исмаилов К.М. Технологии Big Data на финансовых рынках: практические аспекты // Экономическая безопасность. 2024, Т. 7, № 5. С. 1093-1114. DOI: 10.18334/ecsec.7.5.121032 EDN: NGOBCJ
4. Выходцев Н.А. Использование искусственного интеллекта для оценки стоимости недвижимого имущества // Доклады Томского государственного университета систем управления и радиоэлектроники. 2021, № 1. С. 68-72. EDN: IEZZKE
5. Гаджимагомедова Ш.С., Гусейнов А.М., ГаджимагомедоваК. К. Правовые аспекты использования искусственного интеллекта в медицине // Право и управление. 2023, № 11. С. 517-522. DOI: 10.24412/2224-9133-2023-11-517-522 EDN: WGDDCG
6. Гусев А.В., Зарубина Т.В. Поддержка принятия врачебных решений в медицинских информационных системах медицинской организации // Врач и информационные технологии. 2017, № 2. С. 60-72. EDN: YSZMEL
7. Забайкин Ю.В., Лунькин Д.А. Правовая регламентация использования систем искусственного интеллекта // Вопросы российского и международного права. 2023, Т. 13, № 4-1. С. 315-321. DOI: 10.34670/AR.2023.26.34.057 EDN: JVRMAJ
8. Зайцева И.Н. Информационные технологии в сельском хозяйстве // Инновационные технологии в машиностроении, образовании и экономике. 2017, Т. 6, № 3.
9. Ивановский, Б. Г. Экономические эффекты от внедрения технологий “искусственного интеллекта” // Социальные новации и социальные науки. 2021, № 2 (4) URL: https://cyberleninka.ru/article/n/ekonomicheskie-effekty-ot-vnedreniya-tehnologiy-iskusstvennogo-intellekta. EDN: VISNBS
10. ИИ в недвижимости: почему искусственный интеллект не заменит эмоциональный // URL: https://rb.ru/opinion/AI-in-property.
11. Индекс готовности приоритетных отраслей экономики Российской Федерации к внедрению искусственного интеллекта / Национальный центр развития искусственного интеллекта при Правительстве Российской Федерации. // AI.GOV.RU URL:https://ai.gov.ru/knowledgebase/vnedrenie-ii/2024_indeks_gotovnosti_prioritetnyh_otrasley_ekonomiki_rossiyskoy_federacii_k_vnedreniyu_iskusstvennogo_intellekta_ncrii.
12. Информационно-аналитическая справка по результатам мониторинга внедрения решений в сфере искусственного интеллекта в приоритетных отраслях экономики Российской Федерации по итогам 1-го полугодия 2024 года / Национальный центр развития искусственного интеллекта при Правительстве Российской Федерации. - Текст: электронный // AI.GOV.RU URL: https://ai.gov.ru/knowledgebase/vnedrenie-ii/2024_informacionno-analiticheskaya_spravka_po_rezulytatam_monitoringa_vnedreniya_resheniy_v_sfere_iskusstvennogo_intellekta_v_prioritetnyh_otraslyah_ekonomiki_rossiyskoy_federacii_po_itogam_1-go_polugodiya_2024_goda_ncrii.
13. Канарейко Д.А. Трансформация культуры в цифровой среде // Эргодизайн. 2022, № 2(16). С. 108-113. DOI: 10.30987/2658-4026-2022-2-108-113 EDN: WDCMNA
14. Левина Ю.В. Правовое регулирование использования искусственного интеллекта в России и за рубежом // Наука и образование: хозяйство и экономика; предпринимательство; право и управление. 2024, № 5(168). С. 46-49. EDN: PTRDWY
15. Липчанская М.А., Заметина Т.В. Социальные права граждан в условиях использования искусственного интеллекта: правовые основы и пробелы законодательного регулирования в России // Журнал российского права. 2020, № 11. С. 77-96. DOI: 10.12737/jrl.2020.134 EDN: WBIPPE
16. Миловидов С.В. Художественные особенности произведений компьютерного искусства, созданных с использованием технологий машинного обучения // Артикульт. 2022, №4 (48). EDN: ITGPPJ
17. Морковкин Е.А., Новичихина А.А., Замулин И.С. Искусственный интеллект как инструмент современного искусства // Вестник ХГУ им. Н. Ф. Катанова. 2021, № 1 (35). URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-kak-instrument-sovremennogo-iskusstva.
18. Морозов И.О., Пахомов А.А., Гаев Л.В. Искусственный интеллект в финансах: особенности использования и практика регулирования в России // Сила знаний: объединение умов и ресурсов: Сборник статей по итогам Международной научно-практической конференции, Иркутск, 15 мая 2024 года. - Стерлитамак: Общество с ограниченной ответственностью “Агентство международных исследований”, 2024. - С. 177-180. EDN: DPMXGG
19. Морозов И.О., Пахомов А.А., Гаев Л.В. Проблемы авторского права при использовании искусственного интеллекта: мнения по регулированию в России // Междисциплинарные исследования и практическое применение результатов в контексте глобальной интеграции: Сборник статей по итогам Международной научно-практической конференции, Стерлитамак, 15 июня 2024 года. - Стерлитамак: ООО “Агентство международных исследований”, 2024. - С. 91-95. EDN: GLCFVH
20. МЭР назвало приоритетные отрасли экономики РФ для внедрения ИИ до 2024 года // Национальный центр развития искусственного интеллекта при Правительстве Российской Федерации. URL: https://ai.gov.ru/mediacenter/mer-nazvalo-prioritetnye-otrasli-ekonomiki-rf-dlya-vnedreniya-ii-do-2024-goda/?pageStart=131.
21. Распоряжение Правительства РФ от 23.11.2023 N 3309-р “Об утверждении стратегического направления в области цифровой трансформации отраслей агропромышленного и рыбохозяйственного комплексов Российской Федерации на период до 2030 года” // URL: https://www.garant.ru/products/ipo/prime/doc/408020499.
22. Реброва, О. Ю. Жизненный цикл систем поддержки принятия врачебных решений как медицинских технологий // Врач и информационные технологии. 2020, № 1. URL: https://cyberleninka.ru/article/n/zhiznennyy-tsikl-sistem-podderzhki-prinyatiya-vrachebnyh-resheniy-kak-meditsinskih-tehnologiy. EDN: CVANJA
23. Реброва О.Ю. Эффективность систем поддержки принятия врачебных решений: способы и результаты оценки // Клиническая и экспериментальная тиреоидология. 2019, Т. 15, № 4. С. 148-155. DOI: 10.14341/ket12377 EDN: XFSSOM
24. Резаев А.В., Трегубова Н.Д. “Искусственный интеллект”, “онлайн-культура”, “искусственная социальность”: определение понятий // Мониторинг общественного мнения: экономические и социальные перемены“. 2019, № 6. С. 43-51. EDN: DEAUGI
25. Росенко М.И., Скребец Е.В. Проблемы совершенствования правового регулирования искусственного интеллекта и его использования в гражданском праве России // Право и государство: теория и практика. 2024, № 2(230). С. 78-81. DOI: 10.47643/1815-1337_2024_2_78
26. Селина Е.П. Проблемы правового регулирования использования искусственного интеллекта в системе МВД России // Безопасность личности, общества и государства: теоретико-правовые аспекты: Сборник научных статей XVII международной научной конференции обучающихся образовательных организаций высшего образования, проводимой в рамках IV Санкт-Петербургского международного молодежного научного форума “Северная Пальмира: территория возможностей”, Санкт-Петербург, 30 мая 2024 года. - Санкт-Петербург: Санкт-Петербургский университет МВД РФ, 2024. - С. 227-233. EDN: CVSPJB
27. Сирота А.А., Митрофанова Е.Ю., Милованова А.И. Анализ алгоритмов поиска объектов на изображениях с использованием различных модификаций сверточных нейронных сетей // Вестник ВГУ. Серия: Системный анализ и информационные технологии. 2019, №3. С. 123-137. EDN: BXVPQP
28. Соловьев В., Макрушин C. Какой искусственный интеллект нам нужен? // Открытые системы. СУБД. 2023, № 3. С. 31-33. DOI: 10.51793/OS.2023.85.69.002 EDN: EHQGUS
29. Стратегия развития искусственного интеллекта в Российской Федерации до 2030 года: утв. Указом Президента РФ от 10.10.2019 № 490 // Официальный интернет-портал правовой информации. URL: http://www.pravo.gov.ru.
30. Указ Президента РФ от 10.10.2019 N 490 (ред. от 15.02.2024) “О развитии искусственного интеллекта в Российской Федерации” (вместе с “Национальной стратегией развития искусственного интеллекта на период до 2030 года”) // URL: https://www.consultant.ru/document/cons_doc_LAW_335184.
31. Хомидов М.Э., Гоипов Э.А. Методы обработки биомедицинских сигналов и изображений // Universum: технические науки: электрон. научн. журн. 2020, № 8(77). EDN: CGXOXI
32. Хусанов У. А., Кудратиллаев М.Б.У., Сиддиков Б.Н.У., Довлетова С.Б. Искусственный интеллект в медицине // Science and Education. 2023, № 5. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-meditsine-4.
33. Цифровая трансформация отраслей: стартовые условия и приоритеты: докл. к XXII Апр. междунар, науч. конф, по проблемам развития экономики и общества, Москва, 13-30 апр. 2021 г. / Г. И. Абдрахманова, К. Б. Быховский, Н. Н. Веселитская, К. О. Вишневский, Л. М. Гохберг и др.; рук. авт. кол. П. Б. Рудник; науч. ред. Л. Гохберг М., Рудник П.Б., Вишневский К.О., Зинина Т. С. Нац. исслед. ун-т “Высшая школа экономики”. - М.: Изд. дом Высшей школы экономики, 2021. - 239, [1] с. (e-book). ISBN: 978-5-7598-2270-7
34. Furman J., Seamans R. AI and the Economy // Innovation Policy and the Economy. 2019, № 19, pp. 161-191.
35. Legg S., Hutter M. Universal Intelligence: A Definition of Machine Intelligence // Minds and Machines. 2007. Vol. 17, № 4. Р. 391-444. EDN: CTHJLC
36. OpenAI представила новую модель o1: нейросеть, которая думает и решает в 6 раз лучше GPT-4o // URL: https://www.it-world.ru/tech/9fpmsusqq1c8os8sc00oocwss00occ.html.
37. Russell S., Norvig P. Artificial intelligence: International version: A modern approach // URL: https://scholar.google.com/citations?user=2oy3OXYAAAAJ&hl=ru&oi=sra.
38. Srivastava S., Divekar A.V., Anilkumar C. et al. Comparative analysis of deep learning image detection algorithms // J Big Data. 2021, Vol. 8, Article 66.
39. Trabelsi M.A. The impact of artificial intelligence on economic development // Journal of Electronic Business & Digital Economics. 2024, Vol. 3 No. 2, pp. 142-155. DOI: 10.1108/JEBDE-10-2023-0022 EDN: FZHPCO
Выпуск
Другие статьи выпуска
В статье рассматривается опыт Китая в применении фискальных контрактов для стимулирования экономического роста своих провинций и анализируется их потенциал для стимулирования регионального развития в России. С помощью агент-ориентированного моделирования, реализованного в цифровой среде NetLogo, рассматриваются различные фискальные схемы, их воздействие на налоговые доходы и бюджетные обязательства регионов. Несмотря на то, что сама модель носит имитационный характер, используемый в ней агент-ориентированный подход позволяет оценить влияние этих схем на налоговые доходы и бюджетные обязательства регионов. По результатам эмуляционных экспериментов выявляются оптимальные схемы для максимизации доходов региональных бюджетов, при этом поддерживая определенную долю доходов центрального бюджета в доходах консолидированного бюджета. Работа подчеркивает важность балансирования интересов центрального и региональных правительств и предлагает рекомендации для разработки фискальных стратегий в России, направленных на стимулирование экономического роста и устойчивого развития.
В статье представлен анализ материалов круглого стола «Киборгизация: новые вызовы для современной системы управления», проведенного Олегом Гуровым в МГИМО в октябре 2024 года. В мероприятии приняли участие ведущие российские и зарубежные эксперты из различных областей науки и практики для междисциплинарного обсуждения процессов слияния человеческого и технологического. Рассмотрены ключевые аспекты киборгизации в контексте медицины, образования, кибербезопасности, психотерапии и социальной роботехники. Особое внимание уделено этическим вопросам внедрения технологий, проблемам регулирования процессов киборгизации и определению допустимых границ технологической модификации человека. Представлены результаты практического опыта применения нейротехнологий, бионического протезирования и систем искусственного интеллекта. Проанализированы культурно-специфические особенности восприятия новых технологий в разных странах. Сформулирована необходимость выработать сбалансированный подход к определению границ технологической трансформации человека и степени признания субъектности киборгизированных сущностей.
В работе, развивающей методологию создания искусственного общества, представлена концепция большой агент-ориентированной модели России, которая включает когнитивных агентов разных типов, обладающих памятью и системой установок (ценностей). Основным типом агентов является агент-человек, а другие типы агентов представляют в модели различных социальных акторов - группы агентов-людей, связанных по территориальному, производственному, семейному признакам или же по каким-либо интересам. В последнем случае один агент-человек может одновременно принадлежать к нескольким группам. Разработаны механизмы имитации в модели влияния групп, в которые входит агент-человек, на его установки, восприятие действительности и в процессе формирования им программы действий. Поведение агентов-людей конструируется на основе применения теории функциональных систем П. К. Анохина, которую он определял как логическую модель искусственного интеллекта. Концепция предназначена для реализации модели для запуска на суперкомпьютерах.
В работе представлен инновационный подход к прогнозированию регионального развития в открытой экономике на основе синтеза динамических стохастических моделей общего равновесия и агентных моделей. С целью повышения точности прогнозирования поведенческие характеристики домохозяйств, принимающих решения на основе индивидуальных предпочтений, были интегрированы в динамические стохастические модели общего равновесия. В результате реализации региональной DSGE-модели для открытой экономики в пакете прикладных программ Matlab с использованием байесовского метода получены прогнозные оценки параметров модели для российской экономики и показана реакция экономики на шок государственных расходов на социальную сферу. Байесовское оценивание параметров проводилось с использованием пакета Dynare. Оценены уровни чувствительности функций отклика, учитывающих параметры экономик конкретных регионов и их зависимость друг от друга по интенсивности торговли, мобильности капитала и рабочей силы. При моделировании показателя трудовой миграции, отражающего склонность к смене места жительства, учитывались индивидуальные предпочтения агентов. Для этого результаты калибровки параметра эластичности миграции, полученные в ходе обработки статистической информации в программном продукте AnyLogic, интегрированы в расширенную версию региональной DSGE-модели для открытой экономики и спрогнозированы различные варианты развития.
Данная работа задает два вопроса: 1. Может ли художник внедрить свои знания в большую языковую модель? 2. Может ли большая языковая модель генерировать изображения по запросу неквалифицированного пользователя на уровне, который бы удовлетворил художника? Для получения ответов на поставленные вопросы автор работы - художник - создает “креативного ИИ-агента” и проводит эксперимент под названием “Тест Гутенберга”. В широком смысле, “Тест Гутенберга” представляет собой новый методологический подход к тестированию и оценке творческих способностей искусственного интеллекта. В практическом плане “Тест Гутенберга” предоставляет методологический каркас, который заставляет художника оценивать художественные артефакты, созданные ИИ-агентом, которого разработал сам художник. В отличие от других тестов на творчество ИИ, “Тест Гутенберга” ориентирован не только на анализ артефактов (output), но в большей степени на гибкость взаимодействия с моделями на входе (input). Таким образом, “Тест Гутенберга” предоставляет возможность наблюдать за внедрением творческих процессов в нейросетевую модель в более широком контексте. Методологическая новизна и научная ценность “Теста Гутенберга” заключаются в подходе к оценке творческой способности ИИ, основанном не на объективных недостижимых критериях, а на субъективном суждений самого художника - автора ИИ агента. Первая часть работы посвящена исследованию процесса создания инструкций и базы знаний, а также рассмотрению широкого спектра вопросов, связанных с внедрением творческих знаний и реалиями больших языковых моделей. Вторая часть работы сосредоточена на тестировании агента и анализе полученных результатов.
В статье рассматриваются проблемы поддержания процессов ресурсоснабжения как основы жизнеобеспечения регионов России и Белоруссии в критических условиях. Выход из строя центров управления (в т. ч. информационных систем и систем связи) экономикой региона и крупного муниципального образования (областного центра) ставит задачу формирования организационно-информационного механизма замещения выбывших управленческих функционалов. Предлагается формирование параллельного или защищенного контура управления, который на основе алгоритмов информационно-аналитической и вычислительной поддержки обеспечит замещение выбывших управленческих функционалов с готовностью работы в условиях с существенной компонентой неопределенности, недостатка или некорректности данных о ситуационной обстановке. Сформулирован адаптированный к рассматриваемым ситуациям - в условиях с существенной компонентой неопределенности развития военно-политической ситуации - аппарат стохастического моделирования. Использование в рамках «цифрового двойника» экономико-математического моделирования процессов ресурсоснабжения позволяет на базе ранее накопленных статистических данных формировать плановые цифры (финансирования, запасов, плановых заданий и пр.) с корректировкой на поправочные коэффициенты военной атаки или стихийного бедствия. Постоянная верификация модели в автоматическом режиме позволит максимально приблизить эффективность плановой деятельности к реалиям.
Цель исследования - прогнозирование динамики показателей уровня удовлетворённости и трудового потенциала населения регионов РФ. Эти показатели в том числе необходимы для мониторинга состояния суверенитета и национальной безопасности страны, особенно в условиях санкций и санкционного противостояния. Исследование проводится на базе агент-ориентированного похода. Этот метод подходит для имитации комплексной системы (в данном случае региона РФ) путём симуляции поведения её компонентов (агентов-людей). То есть уровень удовлетворённости и трудовой потенциал каждого человека меняется в зависимости от его поведения и состояния окружающей среды, что приводит к изменению показателей всего региона. Технически разрабатываемая для данного исследования агент-ориентированная модель реализована в среде разработки Microsoft Visual Studio на языке программирования C#. Первый раздел статьи приводит обзор на актуальные исследования за рубежом и в РФ с применением агент-ориентированного моделирования рамках прогнозирования социально-экономических процессов. Второй раздел предоставляет краткое описание применяемого метода и описание разрабатываемой агент-ориентированной модели. Третий раздел описывает полученные на основе модели результаты на примере одного из субъектов РФ (Калужской области).
24 сентября 2024 г. на базе Центрального экономико-математического института РАН состоялась международная конференция «Искусственные общества и информационные технологии». 25 сентября был проведен круглый стол «Суперкомпьютерные технологии и искусственные общества»
Статья лежит в русле исследований межбюджетных отношений в Китае между центральным правительством и провинциями в начальный период экономических реформ, их влияния на темпы экономического развития этой страны. В данной статье обсуждаются вопросы формализации стимулов, создаваемых китайскими фискальными контрактами на основе словесного описания механизма действия самих контрактов, имеющегося в зарубежных источниках. В наших исследованиях мы строим агентные компьютерные модели, в которых имитируется экономический рост страны под влиянием фискальных стимулов, создаваемых центральным правительством своим субнациональным правительствами (регионам, провинциям). Результат зависит от корректности формализации (описания математическими формулами) фискальных стимулов, а это, в свою очередь, зависит от адекватности понимания нами, исследователями, как субнациональное правительство «прочитывает» фискальный контракт, заключенный с центром, как субъективно воспринимает стимул развивать экономику своей территории, вытекающий из этого контракта. Обсуждению методологических трудностей этой формализации и посвящена эта статья на примере одного из шести видов фискальных контрактов, фактически применявшихся в Китае в ходе реформ начала 1980-х гг. Предлагается два понимания восприятия региональными властями этого стимула, и соответственно, две его формализации в целях компьютерного моделирования.
Статья представляет собой исследование потенциальных сценариев влияния киборгианских технологий на общественные отношения и социальную структуру будущего общества. Авторы прогнозируют несколько сценариев общественного развития в условиях развития киборгизации, то есть массового внедрения технологических модификаций человеческой телесности и когнитивной системы. Для этого анализируются возможные варианты создания новых социальных иерархий в условиях технологического улучшения человека. В работе особое внимание уделяется проблеме фрагментации общества и возможных конфликтов в результате неравномерного распределения технологий. Обращая внимание на «футурошок» - возможную общественную реакцию на радикальные технологические трансформации, авторы в качестве стратегических направлений, направленных на адаптацию общества к новым условиям, предлагают развитие этических принципов и разработку технологической эмпатии для достижения и поддержания консенсуса в обществе будущего.
В настоящее время энергетическая бедность в Африке, обладающей значительными ресурсами ископаемого топлива, сохраняется на самом высоком уровне среди регионов мира. Полная ликвидация энергетической бедности и индустриализация в Африке возможна только при сбалансированном сочетании ископаемых и неископаемых видов топлива с приоритетом локальных источников энергии. Авторы статьи разработали модель экономики и энергетики Африки, с использованием которой был сформирован прогноз потребления различных видов источников энергии, который обеспечил бы значительное снижение уровня энергетической бедности на континенте и развитие экономики африканских стран. По прогнозу авторов, справедливый энергопереход в Африке предполагает, что к 2050 г. почти 57% потребляемой первичной энергии должно обеспечиваться за счет нефти, газа и угля, добываемых преимущественно на континенте. Авторы делают вывод, что, реализуя справедливый энергопереход, Африка, с одной стороны, сможет максимально реализовать свой ресурсный потенциал, а с другой - открыть новые возможности для международного сотрудничества, в том числе с российскими компаниями, обладающими ключевыми технологиями и компетенциями в энергетической сфере.
Рассматривается динамика медленных переменных в развитии человечества. На эту динамику принципиальное влияние может оказать развитие и тотальное внедрение систем искусственного интеллекта (ИИ). Этот процесс может сыграть роль «черного лебедя», пользуясь терминологией Нассима Талеба, в развитии мировой цивилизации. Внедрение ИИ можно сравнить с распространением книгопечатания в Средневековье. Но если последнее произошло в традиционной фазе истории человечества, то первое реализуется в постиндустриальной фазе и может иметь совершенно другие последствия. Управление рисками природных катастроф, техногенных аварий и социальных нестабильностей предполагает анализ всего набора возможных ситуаций, включая самые неблагоприятные. Одна из них на основе системного анализа, математического моделирования и теории самоорганизации рассматривается в настоящей работе. Показывается, что развитие ряда существующих тенденций может привести к кризису техносферы, неспособности следующих поколений удержать достигнутый уровень технологий и культуры. Использование ИИ может оказаться «подарком Люцифера» для человечества. Дьявол дарит желаемое, но при этом меняет реальность так, что этот дар обесценивается, а другие сущности, которыми он снабдил, делают жизнь людей гораздо хуже, чем до этой сделки. В работе предлагаются изменения в культурной, образовательной, научной стратегии, которые могут переломить опасные тенденции и изменить сценарий развития и использования ИИ.
Каждый год в том или ином регионе мира происходят стихийные бедствия (сильные разливы рек, прорывы дамб и плотин, землетрясения, бури и ураганы, лесные и торфяные пожары). В данной статье проведена систематизация подходов к оценке возможности применения искусственного интеллекта (ИИ) при стихийных бедствиях. Авторами впервые дана систематизация рисков применения данной технологии для управления при стихийных бедствиях. Кластеризация рисков проведена на основе предложенной Международным союзом электросвязи методологии по выделению четырех этапов в рамках цикла управления стихийными бедствиями (предупреждение (mitigation), готовность (preparedness), реагирование на стихийное бедствие (response), восстановление (recovery)). В работе показано как использование ИИ при управлении в рамках стихийных бедствий позволяет, с одной стороны, повышать эффективность деятельности специалистов на всех четырех выделенных этапах. С другой стороны, кластеризация рисков применения ИИ в рамках данной предметной области с точки зрения этапов управления позволяет выделить три основные направления дальнейшей работы связанных с качеством данных, оптимальным оснащением ИКТ инфраструктурой.
Статистика статьи
Статистика просмотров за 2025 год.
Издательство
- Издательство
- ГАУГН
- Регион
- Россия, Москва
- Почтовый адрес
- 119049, г Москва, р-н Якиманка, Мароновский пер, д 26
- Юр. адрес
- 119049, г Москва, р-н Якиманка, Мароновский пер, д 26
- ФИО
- Промыслов Николай Владимирович (ИСПОЛНЯЮЩИЙ ОБЯЗАННОСТИ РЕКТОРА)
- Контактный телефон
- +7 (___) _______