Всеобщая цифровизация и искусственный интеллект в системе управления стратегическим развитием России в условиях перехода в Индустрию 4.0
Невмывако В.П.1
1 Институт проблем рынка РАН, Россия, Москва
Скачать PDF | Загрузок: 26 | Цитирований: 1
Статья в журнале
Экономика и социум: современные модели развития (РИНЦ)
опубликовать статью
Том 10, Номер 4 (Октябрь-декабрь 2020)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=45713585
Цитирований: 1 по состоянию на 07.08.2023
Аннотация:
Человечество XXI века все чаще обращается к информационным технологиям как средству реализации рутинных операций и освобождение человеческого мышления для творческих и уникальных задач по созданию новых продуктов или удовлетворению актуальных потребностей. Идея партнерства человека и машины жила в том или ином виде многие столетия: так, первым исторически зафиксированными фактами применения машинных механизмов, которые реагировали на определенные действия со стороны человека был Древний Египет: именно здесь жрецы практиковали открытие дверей храмов с помощью магнитов, которые они держали в руках, и которые, создавая магнитное поле, приводили в движение механизм открытия дверей, создавая иллюзию открытия храма по воле богов.
Вторым примером уже военно-фортификационного применения причинно-следственной связи в машинном выражении были изобретения Архимеда, который использовал специальную систему связей по информированию о приобретении вражеского флота к островам и формировании с помощью системы зеркал мощных линз, которые воспламеняли корабли, когда те пересекали морскую границу и система из-за подводного натяжения канатов приводила в движение фортификационные объекты.
Результаты исследования. В статье описаны ключевые черты развития цифровой экономики в России, приведены статистические данные по динамике развития рынка ИИ (искусственного интеллекта), а также дан критический обзор актуальных вызовов и угроз, обоснован состав и структура инвестиций в развитие продуктов ИИ в РФ. В заключение рассмотрены основные препятствия при принятии решения о внедрении ИИ.
Выводы. По мере развития и совершенствования ИИ как нового самостоятельного инструмента принятия управленческих решений и роста качества его «умственных» способностей, растет и сложность решаемых задач, которые ему готовы доверить реальные люди - менеджеры с целью ускорения и без того очень быстрого делового мира.
Ключевые слова: искусственный интеллект, стратегическое управление, устойчивое развитие, вызовы и угрозы, машинное мышление, цифровая экономика
Введение
Этап непосредственно машинного обучения и попыток создания относительно автономных машинных систем начался в XIX веке вместе с работами таких ученых-математиков, как Ч. Бэббидж, А. Лавлейс, Фридрих фон Кнаус, Алленом Ньюэллом, Дж. К. Шоу и Гербертом А. Саймоном. Именно отсюда начинается стремительное развитие искусственного интеллекта как новой, альтернативной формы мышления, способной решать как типовые, так и максимально сложные задачи с множеством переменных и неизвестных, что недостижимо для ума человека ввиду необходимости единовременной обработки множества цепей данных. Однако, несмотря на очевидный потенциал искусственного интеллекта как инструмента решения считавшихся ранее нерешаемых математических задач и предсказания будущей траектории развития социально-экономической системы, у искусственного интеллекта есть и обратная, темная сторона, выражающаяся в накоплении колоссального объема данных обо всем, с чем он взаимодействует, и экспоненциальный рост машинного IQ становится все более сложно предсказать с позиции возможного применения знаний [2, 3, 4] (Godlevskaya, Markosyan, Pidyashova, 2020; Goncharenko, 2019; Zorin, 2020).
Основная часть
Искусственный интеллект (ИИ) является достаточно молодым понятием в научной и деловой литературе и обороте. Впервые он был упомянут в работе Дж. Макарти «Создание языка Лисп (LISP,List Processinglanguage)»в 1958 г. [1] В его работе были положены базовые понятия ИИ, которыми сегодня оперируют практически все специалисты в области изучения, разработки и применения ИИ:
- логическое рассуждение – ИИ может считаться таковым, если он умеет строить алгоритмы дедуктивного рассуждения и установления причинно-следственных связей между объектами, явлениями, событиями, которые происходят как на одном, так и на разных временных горизонтах;
- самообучение способом накопления и качественной структуризации знаний – ИИ должен не просто накапливать знания и информацию, но качественно ее перерабатывать, формируя новые алгоритмы понимания причин и последствий тех или иных действий;
- умение применять полученные знания для изменения окружающей среды – ИИ должен быть активным участником коммуникаций с окружающей средой и осуществлять определенные действия, исходя из сформировавшихся у него алгоритмов принятия решений или порядка действий;
- адаптивность – ИИ должен понимать наличие динамики в социальной и экономической среде и пересматривать уже сформировавшиеся алгоритмы действий, качественно развивая и трансформируя их с учетом новых вводных данных или анализа ошибочных действий.
Критический обзор научных публикаций по теме ИИ и мнений практикующих специалистов в области ИИ показал, что в настоящее время нет достаточной уверенности в части суждений о технической возможности реализации содержательной стороны понятия «искусственный интеллект», вместо этого и ученый, и деловой мир склоняется к использованию компромиссного понятия ArtificialEffect, или «AI-Effect» (эффект искусственного мышления). Такое сознательное отступление от понятия ИИ имеет достаточно весомые аргументы технического, юридического, экономического и социально-этического характеров:
- во-первых, чтобы считать продут, обладающим ИИ, необходимо, чтобы он был практически полностью автономен в своем поведении и функционировании (технической жизнедеятельности) машины. Сегодня так называемые «умные машины» все также практически не способны автономно продержаться сколь-нибудь долгое время без технической поддержки со стороны разработчика – человека;
- во-вторых, достижение машинами уровня обладания ИИ означает, что они способны действительно понимать происходящее и строить собственные сценарии поведения с учетом множества разнонаправленных факторов влияния. Сегодня же максимальным достижением, по мнению ведущего аналитика и специалиста по машинному обучению компании «Учи.Ру» Дениса Власова, является «извлечение закономерностей из данных и их структуризация по заданным критериям» [2];
- в-третьих, юридически признание ИИ самостоятельной формой мышления означает грандиозный парадокс для гражданского законодательства – необходимость включения в субъектный состав машины или комплекса машин как реального участника отношений, ведь согласно определению, ИИ должен «имитировать когнитивные функции человека и получать результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека» [3]. В таком случае речь идет о киберфизических отношениях и необходимости создания новой отрасли права – цифрового права;
- в-четвертых, с позиции реализации экономических отношений ИИ означает развитие нового сегмента финансового рынка, который будет де-факто контролироваться и организовываться по правилам «умных машин», а это не просто очередная ступень эволюции мировой финансовой системы, а кардинальная реформа архитектуры с крайне слабо прогнозируемыми последствиями и эффектами для «человеческого» сегмента рынка.
Для целей исследования рассмотрим основные точки зрения отечественных и зарубежных ученых в части сущностно-функционального определения понятия «искусственный интеллект» (несмотря на все указанные выше аргументы, понятие ИИ применяется в научной среде в качестве самостоятельного понятийного конструкта) (табл. 1).
Таблица 1
Определение понятия «искусственный интеллект» в отечественной и зарубежной научной литературе
|
Автор (-ы)
|
Определение понятия
«искусственный интеллект»
|
|
I. Отечественные авторы
| |
|
1. Архипов В.В., Наумов В.Б. [1] (Arkhipov, Naumov, 2017)
|
ИИ – комплекс физических и цифровых
компонентов, объединенных в устройство, которое способно выполнять действия и
оценивать их последствия на основе информации, поступающей из внешней среды,
без полного контроля со стороны человека
|
|
2. Осипов Г.С. [6] (Osipov, 2011)
|
ИИ – информационные технологии,
способные к совершению разумных действий на основе имитации мыслительных
процессов индивида и формирования устойчивых алгоритмов понимания
причинно-следственной связи
|
|
3.
П.М. Морхат [5] (Morkhat, 2017)
|
ИИ – киберфизическая или
биокибернетическая система, которая имеет способности к квазимышлению и
самоорганизации на основе накапливаемых знаний и компетенций в процессе взаимодействия
с внешней средой
|
|
4.
п. 3.17. ГОСТ Р 43.0.5-2009 «Информационное обеспечение техники и
операторской деятельности. Процессы информационно-обменные в технической
деятельности. Общие положения»
|
ИИ – моделируемая (искусственно
воспроизводимая) интеллектуальная деятельность мышления человека
|
|
II. Зарубежные
авторы
| |
|
1. Хари Манкуде [4]
|
ИИ – это алгоритм управления большим
объемом и детализацией данных, для защиты и анализа которых предприятиям
действительно нелегко в других условиях»
|
|
2. Эд Бишоп [5]
|
ИИ – компьютерные системы, способные
получать данные и принимать относительно эффективные решения на основе этих
данных
|
|
3. Джон Гикопулос [6]
|
ИИ – комплекс передовых технологий,
включающий предиктивную аналитику, обработку естественного языка (NLP),
автоматическое управление роботизированными процессами (RPA)
|
Сегодня ИИ развивается тремя научными школами:
1. Конвенционная школа ИИ – основополагающим тезисом данной школы является идея управляемого обучения машины путем загрузки в нее профильных данных по конкретной проблеме или сфере деятельности, то есть фактически речь идет о классическом обучении от простого к сложному (практически 100%-ая аналогия с научением человека в школе).
В рамках данной школы реализуются следующие подходы:
А. Экспертный подход. Характеристика подхода: систему ИИ учат определять и анализировать отклонения от некоторого заданного эталона путем реализации рассуждений на основе аналогичных случаев (Case-basedreasoning). Преимущества: быстрота обучения; сравнительная дешевизна реализации; относительно низкий уровень ошибочности суждений. Недостатки: отсутствие предиктивности действий; границы познания ИИ заданы экспертом извне.
Б. Поведенческий подход. Характеристика подхода: ИИ обучают путем загрузки ряда сценариев с разными доминирующими факторами, которые определяются через систему критериальных оценок машиной по заданной шкале и затем выбирается определенный алгоритм действий. Преимущества: ИИ частично получает самостоятельность в формировании суждения о правильности/ошибочности действий путем анализа доминирующих факторов; способность незначительного развития и выхода за рамки заложенных алгоритмов. Недостатки: выбор доминирующих факторов фиксирован экспертом; уровень значимости неизменен без внешнего разрешения, длительность процесса поиска сценария [7].
2. Вычислительная школа ИИ – основополагающим тезисом данной школы является идея самообучения машины путем итеративного анализа данных и формирования самостоятельных цепей суждений с последующим тестированием на ошибочность. Данный подход в человеческом мире реализуется на стадии взрослого обучения, например, университетское обучение, аспирантура. Но здесь речь идет о проактивном развитии машины путем формирования ею самостоятельной картины мира.
В рамках вычислительной школы реализуются следующие подходы, опишем их преимущества и недостатки с позиции реализации поставленных целей и задач.
А. Подход, основанный на механизме нейронных сетей. Характеристика подхода: ИИ строится по подобию мозга человека через формирование сети нейронов и распределение загружаемой информации на множество точечных анализаторов, каждый из которых формирует собственное суждение, а затем сводится в единый ответ. Преимущества: нейросети позволяют обрабатывать очень большие объемы информации (от 500 Гб до 10 Тб/час); быстрота ответа с высоким качеством анализа (задействуются как количественные, так и качественные критерии оценки). Недостатки: нейросети являются дорогим инструментом построения ИИ; необходимость мощного вычислительного блока; зависимость от качества загружаемой информации (если в ней есть ошибки, то нейросеть может обучаться неверно).
Б. Эволюционные вычисления. Характеристика подхода: ИИ применяет биологические механизмы построения анализа информации и принятия решений, например, методы роевого интеллекта пчел и муравьев, эволюционные алгоритмы (генетические мутации). Преимущества: ИИ приобретает черты квазиживого организма с интеллектуальной памятью (синоним эмоциональной памяти человека), то есть принятие решения уже базируется не только на простом анализе ситуации, но и включении квазиэмоциональных аспектов. Недостатки: понятие чувственности чуждо ИИ, поэтому его решения базируются на анализе восприятия решения человеком (простые эмоции); многократное усложнение алгоритма анализа за счет необходимости оценки качественных характеристик с множеством оттенков (анализ эмоций человека) [8].
Завершив критический обзор научно-понятийного аппарата, перейдем к изучению рынка ИИ в мире и России. Согласно исследованию ReportCruxMarketResearch, совокупный объем рынка программного обеспечения для ИИ вырос с 10,1 млрд долларов США до 20,4 млрд долл. в 2019 г. Согласно прогнозам рост, емкости рынка к 2025 г. составит более 126 млрд долл. (рис. 1), причем следует разделять прямые и косвенные доходы от продуктов ИИ:
- прямые доходы – подразумевают непосредственно цифровые и (или) инфраструктурно-технологические решения в области ИИ, например, приложения, программы, электронные вычислительные комплексы;
- косвенные доходы – доходы от R&D проектов, реализуемых крупнейшими игроками мира на рынке ИИ (Google, Facebook, AliExpress, Amazon).
Рисунок 1. Динамика емкости рынка продуктов ИИ за 2018–2020 гг. и прогноз до 2025 г.
Источник: составлено автором по данным [https://www.cfo-russia.ru/issledovaniya/index.php?article=43353]
Основными игроками в области искусственного интеллекта на рынке IoT являются Google, (США), Anagog (Израиль), Oracle (США), Salesforce (США), Hitachi (Япония), AutoplantSystemsPvt. Ltd. (Индия), Kairos (США), SAP (Германия), IBM (США) и Microsoft (США) [9].
Для РФ развитие систем ИИ является более директивным и идет сверху вниз. Так, распоряжением Правительства РФ от 19 августа 2020 г. № 2129-р была утверждена Концепция регулирования технологий Искусственного интеллекта и робототехники до 2024 г. [10], а протоколом Правительственной комиссии по цифровому развитию от 27 августа 2020 г. № 17 был утвержден федеральный проект «Искусственный интеллект» [11], цель которого – проактивное развитие сегмента рынка ИИ в РФ. Совокупный бюджет проекта составляет 29,4 млрд руб., в том числе внебюджетное финансирование – 6,9 млрд руб.
Опираясь на данные аналитического отчета IDC «Рынок искусственного интеллекта в России [12], было установлено, что в 2019 г. рынок продуктов в области ИИ составил более 139,3 млн долл. США, что на 48,2 % выше показателя 2018 г. (рис. 2).
Рисунок 2. Динамика развития рынка ИИ в РФ за 2018–2020 гг. и прогноз до 2025 г., млн долл. США
Источник: составлено автором по данным [https://www.cfo-russia.ru/issledovaniya/index.php?article=43353]
Распределение инвестиций в разработку и применение ИИ в РФ имеет также определенные особенности (табл. 2).
Таблица 2
Состав и структура инвестиций в развитие продуктов ИИ в РФ за 2018–2020 гг. и прогноз до 2025 г., %
|
Показатели
|
Фактические данные
|
Прогнозные данные
| ||||||
|
2018 г.
|
2019 г.
|
2020 г.
|
2021 г.
|
2022 г.
|
2023 г.
|
2024 г.
|
2025 г.
| |
|
1.
Инвестиции в инфраструктуру и обеспечение вычислительных мощностей
|
45,7
|
43,2
|
39,7
|
36,2
|
33,9
|
25,2
|
16,9
|
12,3
|
|
2.
Бизнес- и ИТ-услуги с использованием продуктов ИИ
|
50,4
|
51,2
|
44,8
|
51,6
|
49,5
|
55,6
|
60,7
|
62
|
|
3. Инвестиции в R&D проекты по
разработке продуктов ИИ
|
3,9
|
5,6
|
15,5
|
12,2
|
16,6
|
19,2
|
22,4
|
25,7
|
|
4. ИТОГО
|
100,0
|
100,0
|
100,0
|
100,0
|
100,0
|
100,0
|
100,0
|
100,0
|
Согласно данным аналитического отчета IDC «Рынок искусственного интеллекта в России», преобладают инвестиции в инфраструктурные решения в части обработки больших объемов информации – 49 % (по данным за 2019 г.); на втором месте – бизнес и ИТ-услуги в сфере применения ИИ (23 %); на третьем месте – затраты по проектам R&D в сфере разработки ИИ (28 %). По оценке аналитиков, прогнозные данные роста инвестиций в целом будут составлять 30–35 % в год. По данным TAdviser, на конец 2020 года более 85 % крупных российских организаций используют в том или ином объеме ИИ-решения для оптимизации внутренних бизнес-процессов [13], при этом костяк представлен бизнесами в финансовом секторе, телекоммуникациях, ритейле, ИТ и нефтегазовой промышленности.
На следующем этапе рассмотрим основные примеры использования ИИ в системе стратегического развития и управления безопасностью бизнеса в РФ и дадим их краткую характеристику (табл. 3).
Таблица 3
Основные примеры использования ИИ в системе стратегического развития и управления безопасностью бизнеса в РФ и их характеристика
|
Наименование
категории AI-продуктов
|
Характеристика
применения AI-продукта
|
|
1. Голосовые
ассистенты и идентификаторы
|
Наименование AI-продукта: Smart-Talker.
Инициатор внедрения /срок внедрения: Раффайзенбанк, 2018 г. Характеристика продукта: Smart-Talker – продукт, построенный на принципах NLP-анализа, позволяет по голосу идентифицировать клиента и предоставить ему доступ к личному кабинету в банке. Также данный продукт выполняет функции голосового помощника и навигатора по банковскому кабинету, отвечает на наиболее распространенные вопросы клиента по расчетно-кассовому обслуживанию. Сфера применения: кибербезопасность, решение рутинных задач. Экономический эффект: сокращение операционных расходов на содержание колл-центра на 145,5 млн руб./год |
|
2. Продвинутая аналитика для моделирования
промышленных процессов
|
Наименование AI-продукта: Сибур-Digitial.
Инициатор внедрения /срок внедрения: ПАО «СИБУР» (нефтегазовая компания), 2018–2019 гг. Характеристика продукта: использование платформы ИИ для моделирования сценариев поведения оборудования при разных критических параметрах состояния буровой платформы и месторождения, что позволяет более точно подобрать режим работы техники, спланировать сроки поставки запчастей и оценить готовность ремонтных команд. Сфера применения: промышленный моделлинг, сценарное планирование и риск-менеджмент. Экономический эффект: сокращение внеплановых простоев на 37,5 – 40 %, сокращение внеплановых ремонтных расходов на 25–27 %%, увеличение добычи нефти в среднем на 7–9% в сутки |
|
3.
Умная логистика
|
Наименование AI-продукта: FastRails.
Инициатор внедрения /срок внедрения: ПАО «Первая грузовая компания», 2019–2020 гг. Характеристика продукта: модель машинного обучения, построенная на методологии GBDT (GradientBoostedDecisionTrees), позволяет в онлайнрежиме регулировать распределение грузовых составов по терминалам с учетом специфики их организации, что позволяет максимально быстро производить перевалку грузов, минимизируя простои и порожние рейсы. Также в систему ИИ включен анализ параметров грузовых вагонов, который отслеживает температуру, датчики открытия, технические неполадки в режиме онлайн. Сфера применения: железнодорожная и мультимодальная логистика, управление логистическими терминалами. Экономический эффект: сокращение технического простоя одного вагона в среднем на 25–30 %, эффективность использования подвижного состава – 80,0–85 % (прирост в среднем 5–7%). |
|
4. Рекомендательные системы на основе ИИ
|
Наименование AI-продукта: E-Analyst.
Инициатор внедрения /срок внедрения: ПАО «Банк ВТБ», 2018–2020 гг. Характеристика продукта: скорринговая модель анализа кредитных рисков корпоративных клиентов с нестандартными условиями кредитования, например, проектное финансирование, факторинг и т.п. AI позволяет с точностью до 85 % оценить риски возникновения неплатежеспособности или несостыковок в документации заемщика и определить его класс надежности. Сфера применения: банковское кредитование, инвестиционный анализ, риск-менеджмент. Экономический эффект: благодаря внедрению системы AI банк смог сократить резервы под сомнительные кредиты на 16 % и увеличить кредитный портфель на 19 %, а показатель ROI по кредитам вырос с 6,2 до 11,3 %. |
В заключение рассмотрим основные препятствия, которые отмечают респонденты при принятии решения о внедрении ИИ (в анкете можно было выбрать более одного ответа). Так, на 1-ом месте находится вопрос высокой стоимости продуктов с ИИ – 56 %; на 2-ом – отсутствие требуемых навыков у персонала и необходимость его переучивания – 49 %; отсутствие прозрачной системы защиты прав пользователя при пользовании ИИ – 46 %; сопротивление сотрудников развертыванию системы ИИ – 42 %, страх ответственности за ошибочные решения при использовании ИИ – 39 %, непонимание потенциальных выгод от внедрения ИИ – 31 % [14].
Несмотря на явные проблемы с развитием рынка ИИ в РФ, прогресс спроса на решения, содержащие ИИ, объективно увеличивает темпы роста. Для подтверждения данного тезиса сравним данные опроса консалтинговой компании PWC «Прогнозы развития технологии искусственного интеллекта» в 2019 и 2020 гг. [15] (рис. 3).
Рисунок 3. Приоритеты внедрения ИИ в российский бизнес в 2019 г. и 2020 г., %
Источник: составлено автором по данным [https://ac.gov.ru/news/page/cifrovaa-transformacia-v-rossii-itogi-2020-goda-i-perspektivy-razvitia-26801]
Заключение
По мере развития и совершенствования ИИ как нового самостоятельного инструмента принятия управленческих решений и роста качества его «умственных» способностей растет и сложность решаемых задач, которые ему готовы доверить живые менеджеры с целью ускорения и без того очень быстрого делового мира. С одной стороны, ИИ действительно способен разгрузить менеджмент на решение более сложных и креативных задач, а с другой – он означает новую смену парадигм конкурирования и этики делового поведения, где необходимо будет учитывать этику машинного мышления [7, 8] (Sysoeva, Chekalina, 2020; Tkachenko, 2020).
[1]История развития искусственного интеллекта – https://intuit.ru/studies/courses/593/449/lecture/10011? page=2.
[2]Почему ИИ всех путает, а разработчики вообще не пользуются этим термином – https://vc.ru/future/ 112846-pochemu-ii-vseh-putaet-a-razrabotchiki-voobshche-ne-polzuyutsya-etim-terminom.
[3] Указ Президента Российской Федерации от 10.10.2019 № 490 "О развитии искусственного интеллекта в Российской Федерации" – http://publication.pravo.gov.ru/Document/View/0001201910110003
[4]Что такое искусственный интеллект? Определение этого понятия в бизнесе– https://vc.ru/future/91895-chto-takoe-iskusstvennyy-intellekt-opredelenie-etogo-ponyatiya-v-biznese.
[5]Там же.
[6]Там же.
[7]Источник: составлено автором по данным [https://zen.yandex.ru/media/aiqcnt/obzor-podhodov-i-metodov-iskusstvennogo-intellekta-5bd0b24713f8c600a999f7fd].
[8]Источник: составлено автором по данным [https://zen.yandex.ru/media/aiqcnt/obzor-podhodov-i-metodov-iskusstvennogo-intellekta-5bd0b24713f8c600a999f7fd].
[9]Искусственный интеллект (мировой рынок) – https://www.tadviser.ru/index.php/Статья:Искусственный_ интеллект_(мировой_рынок).
[10]Центр научно-технической, инновационной и информационной политики ИСИЭЗ НИУ ВШЭ – https://issek.hse.ru/mirror/pubs/share/399520370.pdf.
[11]Там же.
[12]Рынок искусственного интеллекта в России – https://investfuture.ru/news/id/obem-rossiyskogo-rynka-iskusstvennogo-intellekta-po-itogam-goda-dostignet-1393-mln.
[13]Проникновение решений на базе искусственного интеллекта в российских компаниях – https://www.tadviser.ru/index.php/Статья:Исследование:_Проникновение_решений_на_базе_искусственного_интеллекта_в_российских_компаниях.
[14]Рынок искусственного интеллекта в России – https://media.rbcdn.ru/media/reports/ABBYY_IDC_Research. pdf.
[15]Прогнозы развития технологии искусственного интеллекта на 2020 год – https://www.pwc.ru/ru/publications/pwc-ai-predictions-2020.pdf.
Источники:
2. Годлевская Д.В., Маркосян О.Р., Пидяшова А.А. Расширение применения систем искусственного интеллекта в банковской сфере // Тенденции развития науки и образования. – 2020. – № 63-3. – c. 60-63. – doi: 10.18411/lj-07-2020-71 .
3. Гончаренко Л.С. Цифровая экономика как фактор социально-экономической трансформации России // Вестник Челябинского государственного университета. – 2019. – № 3(425). – c. 43-49. – doi: 10.24411/1994-2796-2019-10305 .
4. Зорин Г.Е. Искусственный интеллект и его применение в банковской сфере // Вестник Российского университета кооперации. – 2020. – № 1(39). – c. 31-36.
5. Морхат П.М. Искусственный интеллект: правовой взгляд. / Монография. - Москва: Буки Веди, 2017. – 258 c.
6. Осипов Г.С. Методы искусственного интеллекта. - Москва: Физматлит, 2011. – 295 c.
7. Сысоева П.А., Чекалина В.Д. Перспективы применения искусственного интеллекта в российской банковской сфере // Via scientiarum – Дорога знаний. – 2020. – № 1. – c. 83-88.
8. Ткаченко И.Н. Цифровая экономика: основные тренды и задачи развития // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. – 2020. – № 3. – c. 244-255. – doi: 10.18500/1994-2540-2020-20-3-244-255 .
Подробнее об авторе:
Невмывако Валерия Павловна
Россия, Москва
соискатель
Институт проблем рынка РАН
Страница обновлена: 26.11.2024 в 12:59:39