Проблемы внедрения искусственного интеллекта в агропромышленной сфере регионов России

Зинчук Г.М.1, Ефимова М.В.1
1 Российский экономический университет

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 17, Номер 12 (Декабрь 2023)

Цитировать:
Зинчук Г.М., Ефимова М.В. Проблемы внедрения искусственного интеллекта в агропромышленной сфере регионов России // Креативная экономика. – 2023. – Том 17. – № 12. – С. 4899-4912. – doi: 10.18334/ce.17.12.119930.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=59997331

Аннотация:
В статье рассмотрены направления использования искусственного интеллекта в агропромышленной сфере регионов. Описаны функции министерств федерального уровня, отвечающих за внедрение и реализацию проектов с использованием искусственного интеллекта в агропромышленной сфере. Раскрыта сущность наиболее активно используемых технологий искусственного интеллекта («компьютерное зрение» и «интеллектуальная система поддержки принятия решений»). Представлен рейтинг субъектов Российской Федерации по уровню развития экспортного потенциала АПК. В результате анализа изменений возрастной структуры сельского населения за последние 10 лет установлено, что при общем сокращении его численности уменьшается и доля населения в самом трудоспособном возрасте от 20 до 34 лет и увеличилась численность населения предпенсионного и пенсионного возраста. Для повышения интенсивности процессов цифровизации агропродовольственного сектора, находящихся в сильной зависимости от уровня компьютерной грамотности и технической оснащенности населения, предложены мероприятия, направленные на повышение привлекательности сельских территорий для проживания.

Ключевые слова: продовольственная безопасность, технологии искусственного интеллекта, агропромышленная сфера, аграрный экспортный потенциал регионов, цифровизация сельского хозяйства, сельское население

JEL-классификация: Q13, Q17, Q18, O31, O33



Введение

Вопрос продовольственной безопасности с каждым годом только набирает свою значимость. Объясняется это и объективными причинами роста численности населения Земли, и совокупностью последствий от реализуемых решений (климатические изменения, экологические проблемы, ускоряющаяся урбанизация, политические конфликты и т.д.). По данным Группы Всемирного Банка (THE WORLD BANK) в 2021 г. в мире более 800 млн. человек не доедали [1]. С каждым годом эта цифра только увеличивается, а последствия геополитической напряженности способствуют не только формированию сегодняшнего дисбаланса, но и закладывают возможные сокращения активности сельхозпроизводителей в регионах конфликта в будущем из-за растущих рисков. Политическая нестабильность на мировом уровне подпитывает рост цен на сельскохозяйственные продовольственные ресурсы. Вводимые странами ограничения и запреты на ввоз-вывоз продовольственных ресурсов подогревают глобальный продовольственный кризис [2].

Развитие агропромышленной сферы сегодня не представляется возможным без поиска новых решений. Интенсификация и оптимизация агропромышленной сферы предопределяют необходимость использования высокотехнологичных достижений. Несмотря на то, что внедрение высоких технологий чаще ассоциируется с промышленными отраслями, в аграрной сфере их применение тоже возможно и практически становится неизбежным.

Актуальность исследования обусловлена необходимостью поиска новых решений по развитию агропромышленной сферы регионов России с учетом влияния новых технологий, связанных с искусственным интеллектом и цифровизацией. Важность этой проблемы подтверждается особым вниманием к ней со стороны органов государственной власти, что наблюдается в главных документах стратегического планирования, таких как Указ Президента России от 21.07.2020 года № 474 «О национальных целях развития России до 2030 года», Стратегия пространственного развития Российской Федерации на период до 2025 года.

Теоретические аспекты использования искусственного интеллекта и цифровых технологий в агропромышленной сфере имеют весьма широкое освещение в трудах российских и зарубежных ученых. Например, в работе Петуховой М.С. и Агафоновой О.В. определены базовые понятия и этапы цифровой трансформации сельского хозяйства России (спецификация – информатизация - автоматизация/роботизация – оцифровка -цифровизация - цифровая экосистема) [3, 80-81].

В научной статье Алтухова А.И., Дудина М.Н. и Анищенко А.Н. «Глобальная цифровизация как организационно-экономическая основа инновационного развития агропромышленного комплекса РФ» [4, 18] обоснована сущность цифровизации для развития сельского хозяйства и определены «перспективные направления научно-технического развития сельского хозяйства и продовольственного сектора (секвенирование следующего поколения и другие передовые биотехнологии; технологии устойчивого, кругового и органического сельского хозяйства; передовые технологии точного земледелия (беспилотные летательные аппараты, сенсорные сети, роевая робототехника, искусственный интеллект); оборудование для городского сельского хозяйства (рециркуляционная аквакультура, вертикальные фермы); передовые технологии утилизации отходов, включая биоэнергию следующего поколения; Smart agro-logistics, роботизированные системы хранения и транспортировки; технологии производства персонализированных и функциональных продуктов питания; технологии производства синтетических и тканеинженерных продуктов)».

Несмотря на усилившийся научный интерес к вопросам использования искусственного интеллекта и цифровых технологий в агропромышленной сфере, сегодня нельзя еще констатировать факт наличия сформированных научных школ в этой сфере. Вопрос пока является относительно новым и требует глубоких, комплексных, междисциплинарных, систематизированных исследований для формирования научно обоснованных рекомендаций практического использования возможностей искусственного интеллекта в агропромышленной сфере. Недостаточно исследований, учитывающих отраслевые и региональные особенности.

Целью настоящего исследования является выявление факторов, сдерживающих процессы цифровизации агропродовольственного сектора в регионах Российской Федерации.

Научная новизна исследования заключается в выявлении и оценке факторов дифференциации субъектов Российской Федерации, влияющих на интенсивность внедрения технологий искусственного интеллекта.

Авторская гипотеза заключается в том, что интенсивность процессов цифровизации агропродовольственного сектора в регионах нашей страны находится в зависимости от численности и возрастной структуры населения, уровня его компьютерной грамотности и технической оснащенности.

Методология исследования основана на диалектическом и системном подходе с использованием методов анализа и синтеза, сравнения, систематизации, агрегирования и обобщения данных,

Основная часть

Технологии искусственного интеллекта уже широко применяются в АПК зарубежных стран. Самыми активными в этом направлении являются США, Китай, Индия, Канада, Израиль [5]. В этих странах в ближайшие годы прогнозируется рост рынка высокотехнологичной продукции в агропродовольственной сфере в несколько раз. Технологии искусственного интеллекта широко используются при мониторинге и оценке качества почв, продуктивности скота, в посевных и уборочных работах, в борьбе с сорняками, в прогнозировании урожайности зерновых и плодово-овощных культур и др. Технологические разработки становятся основой прогресса в этой сфере. Нейронные сети и работа с большими данными позволяют смоделировать возможное наступление тех или иных событий или состояний, определить наиболее закономерные и оптимальные соотношения.

В свою очередь, технологии искусственного интеллекта в сельском хозяйстве предопределяют возможные изменения в ближайшем будущем в структуре хозяйств, так как основаны на более точном подходе с малогабаритными единицами. Следовательно, в структуре хозяйств может начаться движение к увеличению доли средних и мелких производителей из-за более рентабельного сельскохозяйственного производства на относительно небольших территориях.

Сегодня в России внедрение искусственного интеллекта в агропромышленную сферу является одним из приоритетных направлений. При некоторых отставаниях от передовых стран в развитии технологий искусственного интеллекта в агропромышленной сфере в нашей стране уже имеются успешные примеры использования. Вопрос находится под особым вниманием руководства страны. В настоящее время три министерства на федеральном уровне являются ответственными за внедрение и реализацию проектов с использованием искусственного интеллекта в агропромышленной сфере: Министерство сельского хозяйства, Министерство экономического развития и Министерство цифрового развития, связи и массовых коммуникаций.

Являясь основным регулятором в сфере сельского хозяйства, Министерство сельского хозяйства РФ отвечает за координацию реализации Стратегического направления в области цифровой трансформации отраслей агропромышленного и рыбохозяйственного комплексов.

Министерство экономического развития РФ, отвечая за развитие высокотехнологичного направления «Искусственный интеллект» в целом, является руководителем федеральных проектов «Искусственный интеллект» и «Нормативное регулирование» национальной программы «Цифровая экономика Российской Федерации». Оно является уполномоченным органом по экспериментально-правовым режимам для пилотирования цифровых технологий.

Министерство цифрового развития, связи и массовых коммуникаций РФ выступает куратором национальной программы «Цифровая экономика Российской Федерации» и руководителем федерального проекта «Цифровые технологии». Это министерство разрабатывает меры поддержки для IT – компаний, курирует деятельность по импортозамещению в приоритетных отраслях экономики и общесистемном программном обеспечении, регулирует сферу оборота данных [6].

В последние годы наблюдается интенсивность развития агропромышленного комплекса в Российской Федерации. Производство в секторе «Сельское, лесное хозяйство, охота, рыболовство и рыбоводство» увеличилось за период с 2016 г. по 2021 г. на 12,6%. [7] (рис.1). Наибольший рост зафиксирован в Центральном федеральном округе (+20%), а отрицательная динамика (-8%) в сопоставимый период отмечена в Уральском федеральном округе.

Рисунок 1 - Динамика сектора «Сельское, лесное хозяйство, охота, рыболовство и рыбоводство», 2016-2021 г., млн. руб.

В период с 2016 по 2021 год доля АПК в экономике России составляла около 5%. Безусловно, эта величина имеет разные значения для разных регионов и федеральных округов (рис. 2). Наибольшие показатели демонстрируют регионы Южного федерального округа (11 %) и Северо-Кавказского федерального округа (14-15 %). При этом доля АПК за исследуемый период практически не изменилась нигде, кроме СКФО.

Рисунок 2 - Доля сектора «сельское, лесное хозяйство, охота, рыболовство и рыбоводство» валового регионального продукта а разрезе федеральных округов Российской Федерации, 2016-2021 гг. [8]

Согласно рейтингу субъектов Российской Федерации по уровню развития экспортного потенциала АПК, составленный Федеральным центром развития экспорта продукции АПК Минсельхоза России в 2022 году, лидерами являются Ростовская область, Белгородская область, Приморский край, Краснодарский край, город Москва, Тамбовская область, Воронежская область, Московская область, Курская область, Ставропольский край [9].

В настоящее время среди технологий искусственного интеллекта, наиболее активно используемыми в агропромышленной сфере нашей страны, отмечаются «компьютерное зрение» и «интеллектуальная система поддержки принятия решений».

К примерам «компьютерного зрения» относятся спутниковый мониторинг сельскохозяйственных земель, на основе которого проводится анализ с помощью специальных программ обработки данных, позволяющий осуществлять более точное земледелие. С помощью разработки Video Analytics Core сельхозпроизводители могут использовать более достоверную информацию для принятия решений. В отличии от обычного видеонаблюдения, системы компьютерного зрения с помощью программного обеспечения преобразуют изображения с камер в аналитическую информацию. Одним из инструментов «компьютерного зрения» выступает обработка изображений сельскохозяйственных объектов с помощью беспилотных летательных аппаратов.

Важным направлением использования искусственного интеллекта в агропромышленной сфере выступает интеллектуальная поддержка принятия решений, позволяющая не только собирать и обрабатывать большие массивы данных, но и принимать решения на основе компьютерного моделирования (прогноз заболеваний растений и животных, планирование расходов кормов, определение оптимального времени посевных работ, внесения удобрений и сбора урожая, мониторинг и управление поливом и др.). Эти технологии основаны на отечественном программном обеспечении с сервером собственной разработки и независимы от санкционного давления [6]. Весь массив наращиваемой информации позволяет делать более точные прогнозы и принимать более оправданные решения. Движение по этой траектории позволит в будущем перейти к полной автоматизации всех видов сельскохозяйственных работ, создать модели управления аграрным производством, способным адаптировать весь цикл к изменениям, включая климатические.

При наличии значимых результатов в цифровой трансформации агропродовольственного сектора пока нельзя сказать о ее повсеместном внедрении. Высокотехнологичные направления в АПК нашей страны пока не носят массового характера. Далеко не все регионы имеют развитую техническую инфраструктуру и могут позволить внедрение технологий искусственного интеллекта из-за ряда факторов: ограниченные финансовые ресурсы у органов региональной и муниципальной власти; неоднородная обеспеченность Интернетом сельских территорий; недостаточный уровень оснащенности населения компьютерной техникой, низкий уровень компьютерной грамотности сельского населения, высокий уровень оттока молодого населения с сельских территорий и др.

Одной из острых проблем, стоящих на пути цифровизации агропродовольственного сектора в нашей стране является не только сокращение численности населения сельских территорий, но и изменение его поло-возрастной структуры. В целом по Российской Федерации доля сельского населения сократилась с 25,7 % в 2017 г. до 25,1 % в 2023 г. и составила 36792 тыс. человек [10]. В отдельных регионах это сокращение оказалось более существенным. Например, за рассматриваемый период в Республике Ингушетия численность сельского населения сократилась с 58,2 % до 45,2 %, в Чеченской Республике – с 65,3 % до 61,9 %, в Новгородской области - с 29,2 % до 26,9 %, в Республике Марий Эл – с 34,2 % до 31,2 %.

Изменение возрастной структуры сельского населения нашей страны за последние 10 лет представлено на рисунке 3.

Рисунок 3 – Структура сельского населения России по возрастным группам, в процентах [1]

В последние годы сокращается доля сельского населения старше 70 лет при общем сокращении численности сельского населения с 37229 тыс. человек до 36792 тыс. человек (1,2%). Выросла численность и доля населения в возрасте от 5 до 19 лет, что позволяет надеяться на повышение трудового потенциала сельских территорий в ближайшем будущем. Однако сократилась численность населения в возрасте 20 – 34 лет, являющегося наиболее активным трудовым потенциалом. На 36 процентов увеличилась численность сельского населения пенсионного и предпенсионного возраста (60 – 64 лет) и в 2,4 раза – в возрасте 65-69 лет.

Интенсивность процессов цифровизации агропродовольственного сектора находится в сильной зависимости от уровня компьютерной грамотности и технической оснащенности населения. В целом по стране в 2022 году уровень цифровой грамотности у россиян вырос и составил 71% (в 2018 г. 52 %) [11]. Однако по данным исследования Аналитического центра НАФИ доля россиян с продвинутым уровнем цифровых компетенций составляет только 29% [12]. При этом цифровая грамотность населения находится в зависимости от типа населенного пункта и имеет в сельских территориях показатели ниже, чем в городских. Менее развитая инфраструктура сельских территорий, проблемы с обеспеченностью квалифицированными учителями сельских школ, низкая оснащенность компьютерной техникой и другие факторы негативно влияют на образовательный уровень.

Согласно результатам исследования «Индикаторы цифровой экономики 2022» [13, 220.эээээээээээээээ проводимого национальным исследовательским университетом «Высшая школа экономики», только 21,5 % предприятий сельского хозяйства использовали облачные технологии в 2021 году (для сравнения, в оптовой и розничной торговле – 39,8 %), технологии сбора, обработки и анализа больших данных – 23,3 % (в финансовом секторе – 45,5 %), цифровые платформы только 9,8 % предприятий отрасли.

Как показывает зарубежный опыт, затраты на внедрение цифровых технологий в агропромышленный сектор окупаются за 1-2 года. Их эффективность подтверждена как в крупных хозяйствах, так и у мелких производителей сельскохозяйственной продукции [5, 381-385].

Кадровый дефицит в аграрном секторе наблюдается не только по специалистам сферы IT. Проблемы существуют и с квалифицированными менеджерами, инженерами, технологами, маркетологами, логистами и др. Вопрос заключается и в низкой привлекательности проживания в сельской местности из-за разного уровня развития инфраструктуры, разного уровня доходов городского и сельского населения, сложившихся стереотипов о непрестижности проживания на селе. Обновление образовательных программ подготовки специалистов для аграрной сферы не всегда синхронизируется с обновлением технологий. В свою очередь, искусственный интеллект позволит сократить потребность в специалистах для аграрной сферы.

Решение проблемы видится на государственном уровне с комплексным поэтапным подходом формирования и развития новых моделей в агропромышленной сфере, разработкой и реализацией новых технологий, ориентированных не только на повышение привлекательности сельских территорий, но и на возможность реализации аграрного производства в городах. Очевидна необходимость перехода от модели догоняющего игрока, с использованием уже отработанных в зарубежных странах технологий, к модели равнозначного участника с прорывными технологиями. Появление принципиально новых технологий требует от органов государственной власти разработки и утверждения новых стандартов и технических условий.

Заключение

Технологии искусственного интеллекта находят широкое применение в агропромышленной сфере. На государственном уровне вопрос курируется Министерством сельского хозяйства РФ, Министерством экономического развития РФ и Министерством цифрового развития, связи и массовых коммуникаций РФ. Наиболее активно используемыми технологиями искусственного интеллекта в агропромышленной сфере нашей страны считаются «компьютерное зрение» и «интеллектуальная система поддержки принятия решений». Однако практика показывает, что еще отсутствует повсеместное внедрение технологий искусственного интеллекта в агропромышленной сфере нашей страны. Характерна существенная региональная дифференциация по уровню развития технической инфраструктуры, трудовым и финансовым возможностям внедрения технологий искусственного интеллекта. Существенной остается проблема сокращения численности населения сельских территорий, а также изменение его половозрастной структуры в сторону увеличения доли населения пенсионного и предпенсионного возраста. Уровень цифровой грамотности населения в сельских территориях ниже, чем в городских. Низкой остается доля предприятий сельского хозяйства, использующих цифровые технологии. Решение проблем внедрения технологий искусственного интеллекта в агропромышленной сфере предполагает разработку и реализацию альтернативных стратегий аграрной политики.

[1] Составлено автором по материалам Росстата


Источники:

1. Food Security Update. World Bank Response to Rising Food Insecurity. [Электронный ресурс]. URL: https://www.worldbank.org/en/topic/agriculture/brief/food-security-update (дата обращения: 22.08.2023).
2. The State of Food Security and Nutrition in the World 2023. Urbanization, agrifood systems transformation and healthy diets across the rural–urban continuum. [Электронный ресурс]. URL: https://www.fao.org/documents/card/en/c/cc3017en (дата обращения: 22.08.2023).
3. Петухова М. С., Агафонова О. В. Теоретико-методологический фундамент цифровой трансформации сельского хозяйства России: базовые понятия и этапы // Аграрный вестник Урала. – 2023. – № 04 (233). – c. 79‒89. – doi: 10.32417/1997-4868-2023-233-04-79-89.
4. Алтухов А.И., Дудин М.Н., Анищенко А.Н. Глобальная цифровизация как организационно-экономическая основа инновационного развития агропромышленного комплекса РФ // Проблемы рыночной экономики. – 2019. – № 2. – c. 17-27. – doi: 10.33051/2500-2325-2019-2-17-27.
5. Мишуров Н.П., Кондратьева О.В., Гольтяпин В.Я., Федоренко В.Ф., Федоров А.Д., Слинько О.В., Войтюк В.А., Моторин О.А., Труфляк Е.В., Алексеева С.А. Зарубежный опыт цифровизации сельского хозяйства. / аналит. обзор. - М.: ФГБНУ «Росинформагротех», 2022. – 224 c.
6. Искусственный интеллект в сельском хозяйстве России. [Электронный ресурс]. URL: https://files.data-economy.ru/Docs/Infografika_AI_s_h_Russia.pdf (дата обращения: 22.08.2023).
7. Официальная статистика. Сельское, лесное хозяйство, охота, рыболовство и рыбоводство. [Электронный ресурс]. URL: https://rosstat.gov.ru/folder/12781 (дата обращения: 21.08.2023).
8. Официальная статистика. Валовый региональный продукт. [Электронный ресурс]. URL: https://rosstat.gov.ru/statistics/accounts (дата обращения: 22.08.2023).
9. Рейтинг субъектов Российской Федерации по уровню развития экспортного потенциала АПК. 2022 год. Агроэкспорт. [Электронный ресурс]. URL: https://aemcx.ru/services-and-statistics/regions-rating/ (дата обращения: 21.08.2023).
10. Официальная статистика. Наседение. Демография. Численность и состав населения. [Электронный ресурс]. URL: https://rosstat.gov.ru/folder/12781 (дата обращения: 21.08.2023).
11. Уровень цифровой грамотности у россиян в 2022 году вырос до 71%. [Электронный ресурс]. URL: https://tass.ru/obschestvo/17403315 (дата обращения: 21.08.2023).
12. В России выросла доля людей с продвинутым уровнем цифровой грамотности. [Электронный ресурс]. URL: https://nafi.ru/analytics/v-rossii-vyrosla-dolya-lyudey-s-prodvinutym-urovnem-tsifrovoy-gramotnosti/ (дата обращения: 21.08.2023).
13. Индикаторы цифровой экономики: 2022: статистический сборник. / Г. И. Абдрахманова, С. А. Васильковский, К. О. Вишневский, Л. М. Гохберг и др.; Нац. исслед. ун-т «Высшая школа экономики». - М. : НИУ ВШЭ, 2023. – 332 c.

Страница обновлена: 06.02.2024 в 12:43:55