Фундаментальная проблема рассогласования темпов развития платформенных решений в системе таможенного администрирования

Любкина Е.О.1, Макрусев В.В.1
1 Российская таможенная академия

Статья в журнале

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

Том 17, Номер 12 (Декабрь 2023)

Цитировать:
Любкина Е.О., Макрусев В.В. Фундаментальная проблема рассогласования темпов развития платформенных решений в системе таможенного администрирования // Креативная экономика. – 2023. – Том 17. – № 12. – С. 5063-5080. – doi: 10.18334/ce.17.12.119952.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=59997341

Аннотация:
Авторами проведено исследование эволюции формирования теории гибридного интеллекта и выдвинута гипотеза о существовании концептуального противоречия в развитии социально-экономических систем, которое обуславливает проблему несогласованности динамик технологических и управленческих процессов и не позволяет решать задачу развития в полном объеме. На примере системы таможенного администрирования и задач интеллектуализации авторами предложена модель институционализации. Идея модели раскрывается в выработке единого подхода к решению задачи развития на основе поэтапного преобразования системы таможенного администрирования синхронно с качественными изменения процесса управления.

Ключевые слова: интеллектуализация, искусственный интеллект, гибридный интеллект, парадигмы управления, сервисный подход, когнитивный подход, таможенное администрирование, институционализация

JEL-классификация: F13, M11, O31, O32, O33



Введение.

Позитивная перспектива стихийно накапливаемого современной цивилизацией информационного стратегического ресурса, его целенаправленной системной структуризации и эффективного использования, или, собственно, перспектива интенсивной информатизации общества, связана с формированием когнитивной парадигмы и адекватной технологической платформы для ее реализации.

Прежде всего речь идет о развитии теории формирования знаний (когнитивной теории), о совершенствовании методологии системного проектирования интеллектуальных технологий (технологий проектирования, ведения и обработки знаний), а также о существенном прорыве в создании практических приложений и систем искусственного интеллекта на базе единой теоретико-методологической платформы.

С применением интеллектуальных технологий связывают возможность повышения эффективности решения следующих актуальных и широко распространенных практических задач:

¾ создание, научное обоснование и оценка системных концепций, программ и проектов модернизации и развития социально-экономических, производственных и информационно-технических систем, их эффективный информационный мониторинг и контроллинг;

¾ проектирование и эксплуатация информационных систем, систем поддержки принятия решений, высокоэффективных систем автоматизированного управления и логистических систем в различных областях деятельности;

¾ интеллектуальное взаимодействие человека и компьютерных знаний, включая технологии web-доступа, в различных сферах социальной активности;

¾ эффективное накопление и использование интеллектуального ресурса в виде открытых хранилищ данных и знаний, а также различных электронных обучающих средств (справочников, пособий, учебников).

Применение интеллектуальных технологий для решения задач такого класса в настоящее время значительно ограничивают два обстоятельства. Во-первых, сложность и недостаточная системная разработка самих прикладных задач, а во-вторых, необходимость в адаптации средств программно-технического комплекса — методов, методик, компьютерных и программных средств — в процессе решения конкретной задачи и интегрирования их с учетом ее специфики. При такой постановке, по сути, речь идет о проектировании интеллектуальной технологии под каждую конкретную задачу. Последствия такого подхода достаточно очевидны.

Перспективные цифровые технологии должны содержать в себе интеллектуальные средства не только для эффективного анализа и решения прикладных задач, но и для формирования знаний о себе, своем окружении для самоадаптации и для саморазвития. Это возможно только при соблюдении следующих основных условий:

¾ процесс накопления знаний (интеллектуализации) должен адекватно отражать процессы эволюции изучаемого объекта, инструментов исследования и исследователя-аналитика как систем;

¾ должны быть обеспечены эффективные обратные связи интеллектуального взаимодействия человека и технологии;

¾ должно быть обеспечено системное решение проблем проектирования, модернизации и развития сложных автоматизируемых объектов в процессе их интеллектуализации.

Основные цели настоящего исследования рассмотреть общую постановка проблемы и ключевые теории интеллектуализации как интегративной теоретико-методологической основы развития современных государственных и коммерческих институтов, определить системообразующие парадигмы и метрические параметры развития таможенных институтов, а также научно-прикладные проблемы десинхронизации темпов развития платформенных решений в системе таможенного администрирования.

Интеллектуализация - общая постановка проблемы и ключевые теории реализации.

Решение проблемы эффективной информатизации, в частности, автоматизации, компьютеризации и других процессов информационного обеспечения анализа и управления, заведомо достигается, если совокупность вовлеченных в процесс информационных потоков обеспечивается средствами работы со знанием.

Этот процесс наделения информатизации свойствами, присущими мозгу человека: сбор информации далеко за пределами сиюминутных потребностей, структуризация информации, формирование знаний и организация накапливаемых знаний так, чтобы они могли быть использованы в иных ситуациях, — называют интеллектуализацией. При этом наиболее характерной особенностью таких интеллектуальных средств является не только накопление знаний, но и их использование с целью решения тех или иных задач, характерных для творческой (мыслительной) деятельности человека. Последнее предполагает технологичность средств интеллектуализации, то есть их реализацию в виде комплексной информационно-вычислительной системы (программной или программно-аппаратной) — интеллектуальной технологии, характеризуемой сложным составом процедур и различными этапами их выполнения.

Используемые далее термины «интеллектуальность», «интеллектуализация» не предполагают законченного определения понятия «интеллект технологии», «интеллект системы», «искусственный интеллект», а только подчеркивают, с одной стороны, нетривиальность функций, выполняемых в интеллектуальных средах, а с другой — то, что эти функции до последнего времени являлись прерогативой человека. В связи с этим представляет интерес традиционная трактовка роли субъекта в информационной технологии.

Две ключевые теории определяют направления и глубину решения проблемы интеллектуализации производственных систем и систем управления:

¾ теория искусственного (англ. Artificial Intelligence);

¾ теория гибридного интеллекта.

Ученные и специалисты в области ИИ дают им разные приоритеты. Мы же в целях дальнейшего изложения материала, дадим краткую характеристику соответствующих теорий, подразумевая при этом, что в конечном итоге они, несомненно, взаимосвязаны.

Теория искусственного интеллекта. Хронология основных событий развития искусственного интеллекта (ИИ) представлена в таблице 1. Рассмотрим некоторые из них. Термин ИИ был впервые использован информатиком Джоном Маккарти на Дартмутской конференции по ИИ в 1956 году. Информатики из разных стран обсуждали и прорабатывали технологию программирования компьютеров для игры в шахматы, которые, по задумке ученых, должны были показывать лучшие результаты, чем человек. Так была впервые реализована технология машинного обучения.

К 1966 году немецко-американский информатик Массачусетского технологического института Джозеф Вайзенбаум создал первый чат-бот «ELIZA» с искусственным интеллектом, который имитировал работу психотерапевта, но в условиях ограничений алгоритмов общения с пациентами.

В 1968 году российский математик Алексей Ивахненкко опубликовал статью под названием «Групповой метод обработки данных», в которой предложил новый подход к программированию ИИ, который мы теперь знаем как «глубокое обучение» (англ. deep learning). Ученым был представлен новый метод обработки данных и уровневой алгоритмикой обработки информации, который позволил реализовать «углубленное» статистическое обучение и научил машины идентифицировать объекты, явления, события, динамики и т.д. С этого времени и по настоящее время исследования в области ИИ стали активно популяризироваться, но перечень направления исследования был и остается крайне ограничен, поскольку технологический потенциал ИИ сводится к техническим параметрам и свойствам информационной системы.

Таблица 1

Этапы развития искусственного интеллекта (фрагмент) [7]

Год
Основное изобретение
1950
Клод Шеннон [1], основатель теории информатики, опубликовал «Программирование компьютера для игры в шахматы», в которой представлены идеи разработки компьютерной программы для игры в шахматы.
Алан Тьюринг [2] опубликовал книгу «Вычислительная техника и интеллект», в которой предложил идею игры в имитацию и одним из первых сформулировал ключевой вопрос ИИ «могут ли машины мыслить?». Так был разработан тестом Тьюринга, позволявший оценить машинный (искусственный) интеллект.
1955
Аллен Ньюэлл (когнитивист), Герберт Саймон (экономист) и Клифф Шоу (программист) в соавторстве создали Logic Theorist, первую компьютерную программу с искусственным интеллектом.
1959
Артур Сэмюэль ввел термин «машинное обучение», представляя такую технику программирования, при которой компьютер играет в шахматы лучше, чем человек, написавший его программу.
1964
Дэниел Боброу, специалист по информатике, создал STUDENT, раннюю программу ИИ, написанную на Lisp, которая решала словесные задачи алгебры. STUDENT является ранней версией естественного языка ИИ.
1965
Джозеф Вайценбаум [3], специалист по информатике и профессор, разработал ELIZA, интерактивную компьютерную программу, которая могла функционально общаться с человеком на английском языке.
1995
Информатик Ричард Уоллес разработал чат-бота A.L.I.C.E (Искусственный лингвистический компьютерный объект Интернета), A.L.I.C.E. от ELIZA отличала функция сбора выборочных данных на естественном языке.
1997
Информатики Зепп Хохрайтер и Юрген Шмидхубер разработали долговременную и кратковременную память (LSTM), тип архитектуры рекуррентной нейронной сети (RNN), используемой для распознавания рукописного ввода и речи.
2007
Профессор информатики Фей Фей Ли создал ImageNet, базу данных аннотированных изображений, которая использовалась для разработки программного обеспечения по распознаванию образов.
2011
Apple выпустила Siri - первого виртуального помощника. Siri использует пользовательский интерфейс на естественном языке пользователя и адаптируется к голосовым командам, формирует «индивидуальный опыт» работы с пользователем.
… по настоящее время
Перспективные разработки:
- чат-боты и виртуальные помощники: усовершенствованный чат-бот и автоматизация виртуальных помощников для расширения функционала пользования;
- обработка естественного языка (NLP): расширенные возможности NLP для приложений с искусственным интеллектом;
- машинное обучение и автоматизированное машинное обучение: развития алгоритмики программирования до уровня решения проблемы без создания конкретных моделей.

Теория гибридного интеллекта. Обоснование идеи развития гибридного интеллекта заключается в том, что люди и машины обладают взаимодополняющими возможностями, которые могут быть объединены для усиления друг друга. Задачи, которые могут быть легко выполнены искусственным и человеческим интеллектом, весьма различны. Этот факт известен как Парадокс Моравеца [4], в котором говорится, что сравнительно легко заставить компьютеры демонстрировать результаты на уровне взрослых в тестах на интеллект или игре в шашки, и трудно или невозможно дать им навыки годовалого ребенка, когда дело доходит до восприятия и мобильности.

Разницу интеллектуальных возможностей человека и машины можно объяснить разделением типов когнитивных процедур [5]. Первая процедура является быстрой, автоматической, аффективной, эмоциональной, стереотипной, подсознательной. Такую когнитивную процедуру можно назвать интуицией и свойственна она человеку.

Вторая - довольно трудоемка, логична и осознанна, следует строгим рациональным правилам теории вероятностей – это рациональное мышление, когнитивная процедура, которая свойственна человеку, но ее можно алгоритмизировать и тогда она будет составлять машинный интеллект.

Человеческий интеллект, основанный на интуиции, гибок, креативен, способен к сопереживанию и может адаптироваться к различным условиям. Однако, он ограничен рациональностью.

Машинный интеллект успешно применяется в решении повторяющихся задач, требующих быстрой обработки больших объемов данных, в распознавании сложных закономерностей или взвешивании множества факторов в соответствии с последовательными правилами теории вероятностей.

В таблице 2 представлены типы мышления и преимущества каждого когнитивного процесса, которые взаимодополняют друг друга и становятся третьей формой мышления – гибридным интеллектом.

Таблица 2

Сопоставительный анализ человеческого и машинного интеллектов [6]

Человеческий интеллект
Машинный интеллект
Гибкость и коммуникативность
Распознавание образов
Эмпатия и креативность
Вероятностный
Обработка произвольных (неструктурированных) данных
Согласованность
Практичность
Быстрый и эффективный
Тип мышления: интуитивный
Тип мышления: рациональный (аналитический)
Гибридный интеллект – это информационная система, в которой ИИ интегрирован в человеческий интеллект, улучшая решения путем предоставления прогнозов, а человеческий интеллект интегрирован в ИИ и обеспечивает непрерывное обучение моделей решения задач.

В теории информатизации выделяют два варианта формирования гибридного интеллекта:

1) дополненный человеческий интеллект: в такой информационной системе обучается человек, поскольку ИИ обладает базовыми функциями решения поставленных задач или проблем. Например, работа аналитика при составлении отчета или плана сопровождается вычислениями, которые проводит ИИ самостоятельно.

2) дополненный ИИ: в данной информационной системе обучается «машина». Например, при решении задачи проектирование пользователь задает параметры дизайна и архитектуры будущего проекта, машинный интеллект способен запомнить и повторить такой проект в случае решения аналогичной задачи или соблюдения подобных требований к результату.

Одним из направлений развития гибридных систем является интеллектуальная кооперация: интеграция искусственного и человеческого интеллектов. Идея интеллектуальной кооперации заключается в расширении сферы применения ИИ в рамках одного программного продукта с помощью адаптивных способностей человеческого интеллекта. ИИ - это сложное технологическое решение, которое разрабатывается под ограниченный перечень задач, но с применением гибридного интеллекта и возможностей обучать ИИ, потенциал «машины» увеличивается и позволяет решать новые задачи, не ограничиваясь одним пользователем или одной организацией.

Одна из особенностей гибридного интеллекта заключается в возможности реализовать технологию непрерывного обучения в полном объеме: и в срезе ИИ – это непрерывная модернизация; и в срезе человеческого интеллекта – это непрерывное развитие.

Современные парадигмы и метрические параметры развития таможенных институтов.

Парадигмы развития таможенных институтов. На современном этапе развитие таможенных институтов представляется в виде смены регулятивных и управленческих парадигм [1], [2] и соответствующих моделей. На обозримом горизонте эволюции основное их содержание можно определить следующими парадигмами, характеризуемыми соответствующими качественными параметрами среды деятельности таможенных органов, и моделями системы управления [7, 8]:

- функциональная парадигма: среда деятельности таможенного органа функциональная, модель управления функционально-ориентированная;

- процессная парадигма: среда деятельности - процессная, модель управления процессно-ориентированная;

- сервисная парадигма: среда деятельности - сервис (услуги), модель управления маркетинговая;

- цифровая парадигма: среда деятельности - цифровая, модель управления информационно-логистическая;

- когнитивная парадигма: среда деятельности - интеллектуальная, модель управления когнитивно-продуктивная (на основе элементов искусственного (гибридного) интеллекта).

Дадим краткую характеристику каждой из парадигм.

Функциональная парадигма и соответствующая функционально-ориентированная модель управления реализуют принципы рациональной бюрократии, разделения и специализации труда; в соответствии с этими принципами выстраиваются традиционные для современной практики стратегии и методы таможенного администрирования.

В процессной парадигме исходные концепция деятельности и метатехнология решения управленческих проблем основаны на выделении и согласовании бизнес-процессов, каждый из которых протекает во взаимосвязи с другими бизнес-процессами в самой организации и (или) во внешней среде. Рациональный (оптимальный) набор бизнес-процессов таможенной структуры представляет собой иерархическую сетевую структуру, которая охватывает все процессы организации: процессы управления, процессы производственного цикла, процессы обеспечения ресурсами. [7]

Концепция сервисно-ориентированного администрирования предлагает инновационные решения для достижения качественно нового уровня таможенного контроля/ Наиболее актуальные цели концепции – обеспечение безопасности и содействие торговле таможенными методами и средствами. Именно ее широкомасштабная реализация ее позиционирует перспективную таможню как сервисную, выдвигает таможню в кластер основных регуляторов (контроллеров) товарных потоков в сфере ВЭД.

Цифровая парадигма (парадигма цифровой экономики) – концептуальная платформа, позволяющая создавать качественно новые модели бизнеса, торговли, логистики, производства, изменять формат государственного управления, информационных коммуникаций и инфраструктур, определять новую модель развития государства, экономики, внешнеторговой деятельности. Институт таможенного регулирования в свою очередь должен быть адаптирован под новые реалии экономики, должен содержать соответствующие технологии и инструментальные средства таможенного администрирования и контроля товаров, производимых и перемещаемых в среде цифровой экономики [7].

В стратегической перспективе фундаментальную основу качественных интегративных изменений таможенного института составляет так называемый когнитивный (познавательный) подход. В таможенных органах такая тенденция наиболее отчетливо проявляется в поиске технологий формирования знаний (когнитивная составляющая таможенного регулирования и управления) и их использования (продуктивная составляющая) с учетом специфики таможенной деятельности. [9; 10]

Можно утверждать, что в целом развитие института таможни является многовекторным, при этом наибольший успех достигается в процессе создания и развития инновационной для таможенного дела системы известной под названием «цифровая таможня».

Метрические параметры институциональных изменений в таможенном деле. В целом можно заключить, что основу институциональных изменений в таможенном деле определяют и структурируют следующие основные параметры системных изменений:

¾ парадигмы институциональных изменений;

¾ процессы институциональных изменений;

¾ модели институциональных изменений и модели институциональной трансформации;

¾ глубина институциональных изменений.

Взаимосвязь и взаимозависимость таких параметров представим в форме графоаналитической интерпретации.

Как уже было отмечено, основные парадигмы институциональных изменений в таможенном деле, следующие:

¾ функциональная парадигма (Ф);

¾ процессная парадигма (П);

¾ сервисная парадигма (С);

¾ цифровая парадигма (Ц);

¾ когнитивная парадигма (ИИ с внешним обучением – гибридный интеллект) – КУ;

¾ когнитивная парадигма (ИИ, реализующий функцию саморазвития)) – КС.

Определяющие процессы институциональных изменений (этапы институциональных преобразований):

¾ адаптация института (АИ);

¾ модернизация института (МИ);

¾ развитие института (РИ).

Модели институциональных изменений зависят от содержания парадигмы, реализуемой на определенном этапе институциональных преобразований, например, модель функциональной адаптации – МФАИ. Полный перечень моделей институциональных изменений представлен в виде матрицы (см. табл.3).

Модели институциональной трансформации определяются составом моделей институциональных изменений, реализуемых на выбранном этапе эволюции института. Пример модели институциональной трансформации электронной таможни и ЦЭД, реализованной в рамках стратегии 2020 представлен в таблице 4. На основании данного примера можно говорить и о глубине институциональных изменений.

В частности, размерность институциональных изменений, заложенная в Стратегии 2030, может быть определена параметрами, представленными в таблице 5.

Таблица 3

Модели институциональных изменений [7;11]

Парадигмы институциональных изменений
Этапы институциональных преобразований
Адаптация института (АИ)
Модернизация института (МИ)
Развитие
института (РИ)
Функциональная парадигма (Ф)
МФАИ
МФМИ
МФРИ
Процессная парадигма (П)
МПАИ
МПМИ
МПРИ
Сервисная парадигма (С)
МСАИ
МСМИ
МСРИ
Когнитивная парадигма (КУ)
МКУАИ
МКУМИ
МКУМИ
Когнитивная парадигма (КС)
МКСАИ
МКСМИ
МКСРИ
Таблица 4

Модель институциональной трансформации электронной таможни

и ЦЭД, реализованная в рамках стратегии 2020 [7;11]

Парадигмы институциональных изменений
Этапы институциональных преобразований
Адаптация института (АИ)
Модернизация института (МИ)
Развитие
института (РИ)
Функциональная парадигма (Ф)
МФАИ
МФМИ
МФРИ
Процессная парадигма (П)
МПАИ
МПМИ
МПРИ
Сервисная парадигма (С)
МСАИ
МСМИ
МСРИ
Когнитивная парадигма (КУ)
МКУАИ
МКУМИ
МКУМИ
Когнитивная парадигма (КС)
МКСАИ
МКСМИ
МКСРИ
Таблица 5

Модель институциональной трансформации таможенных органов России, планируемая по отдельным направлениям развития [7;11]

Парадигмы институциональных изменений
Этапы институциональных преобразований
Адаптация института (АИ)
Модернизация института (МИ)
Развитие
института (РИ)
Функциональная парадигма (Ф)
МФАИ
МФМИ
МФРИ
Процессная парадигма (П)
МПАИ
МПМИ
МПРИ
Сервисная парадигма (С)
МСАИ
МСМИ
МСРИ
Когнитивная парадигма (КУ)
МКУАИ
МКУМИ
МКУМИ
Когнитивная парадигма (КС)
МКСАИ
МКСМИ
МКСРИ

В данном, как и в предыдущем примере, речь не идет о завершенной или полной трансформации таможенного института. Речь идет о появлении качественно новых институциональных возможностей, присущих действующей (на уровне ее структурных подразделений – табл.3) или развиваемой (например, по отдельным направлениям развития – табл.4) таможенной службе.

Парадигмальный разрыв – как фундаментальная проблема развития платформенных решений в системе таможенного администрирования

Актуальность представленного исследования во многом связана с возрастающей ролью технологических факторов в развитии деятельности таможенных органов. Смена парадигм управления [11] и формирование адаптивной гибкой системы производства для государственных структур имеют важное значение в связи с существенным экономическим эффектом, достигаемым в процессе такого развития, о чем подробно представлено в исследовании [12].

Если обратиться к статистическим данным и проанализировать влияние новых технологий на результативность функционирования производственной системы ожидаемый эффект от качественных преобразований в основном будет связан с временными параметрами процессов. Ускорение является ключевым условием научно-технологического прогресса и развития современных технологий (от автоматических до интеллектуальных), которые в срезе производственных процессов определяют повышение скорости обработки информации и снижение временных издержек.

Такие изменения происходят, поскольку производственная система (как и любая другая) динамична, и согласно первому закону динамики ускорение процессов связано с влияем на нее системы управления организации. Однако, система производства и система управления не одинаково инертны, поскольку обладают различными организационными и ресурсными характеристиками. Поэтому ускорение их темпа развития отличается: производственная система быстрей изменяется, а система управления – имеет меньшую скорость. Объяснить такое явление можно на примере парадигм, реализуемых первой и второй системами в электронных таможнях и ЦЭД [13]:

¾ структура первой – производственной системы реализует процессную парадигму и представляет технологию действий должностных лиц таможенных органов через горизонтальные связи (они могут быть линейные или логические);

¾ структура второй – системы управления реализует функциональную парадигму, она иерархична, а технология действий руководителей каждого уровня, аналогичная первой структуре, дополняется вертикальными связями (прямыми и обратными) и соответствующими процедурами.

Различный темп развития систем производства и управления проявился как на этапе реализации стратегии 2020, так и представляет собой проблему органически присущую Стратегии 2030.

Другими словами, в процессе развития таможенных институтов наблюдается парадигмальный разрыв, который по своей сути представляет собой фундаментальную проблему десинхронизации (рассогласования) темпов развития платформенных решений производственно-технологической и управленческой деятельности в системе таможенного администрирования.

Десинхронизация – неравномерность, рассогласование развития отдельных возможностей и качеств сложных процессов и систем. Синхронизация (от греч. συνχρόνος — одновременный) - динамический режим, который характеризуется синхронной (одновременной) активацией взаимосвязанных, «параллельно» развиваемых систем как единой целостной совокупности. В нашем случае – производственной и управленческой систем таможенного администрирования.

На рисунке 1 представлена проблемы десинхронизации парадигм развития производственных и управленческих систем таможенного администрирования. В матричном виде установлены связи между основными периодами технологической эволюции (информатизация, цифровизация и интеллектуализация) и этапами развития парадигм управления (функциональная, процессная, сервисная, цифровая, когнитивная). Комплексно парадигмы управления представлены на третьем этапе эволюции – интеллектуализации, поскольку для ее реализации требуется полный объем знаний о развивающейся системе (от функций до способностей к самообучению).

Рис.1. Матрица десинхронизации темпов развития производственной и управленческой систем [7;11]

Именно парадигмы управления определяют необходимость и возможность перехода между этапами эволюции, так рассогласование темпов развития может быть обусловлено следующим образом:

¾ производственная система на сегодняшний день находится на этапе перехода от цифровой к интеллектуальной технологии, при этом наблюдается тенденция перехода в условиях реализации сервисной парадигмы управления, что во многом связано с качественными преобразования производственных процессов с целью удовлетворения потребностей потребителей услуг или продукции организации;

¾ система управления – изменяется на основе информатизации отдельных функций управления, в том числе планирования, мониторинга и контроля, но переход реализован только на следующий этап – цифровизации в объеме программно-технического сопровождения процессов управления, которые также представляются этапами планирования и мониторинга деятельности структурных подразделений организации.

Таким образом, разные условия эволюции производственной системы и системы управления обуславливают разницу в динамических характеристиках и их темпах развития. Интерес к исследованию вопросов становления теорий интеллектуализации и, в частности, гибридного интеллекта, позволяет разработать механизмы синхронизации темпов и выработать целостный подход к развитию систем таможенного администрирования и их ключевых компонентов на основе принципов согласованной эволюции процессов их интеллектуализации.

Заключение.

В процессе развития таможенных институтов наблюдается парадигмальный разрыв, который по своей сути представляет собой фундаментальную проблему десинхронизации (рассогласования) темпов развития платформенных решений производственно-технологической и управленческой деятельности в системе таможенного администрирования

По нашему мнению, дальнейшее развитие теорий интеллектуализации и, в частности, гибридного интеллекта, позволяет разработать механизмы синхронизации темпов и выработать целостный подход к развитию систем таможенного администрирования и их ключевых компонентов на основе принципов согласованной эволюции процессов их интеллектуализации.

Научно-технических и технологический прогресс в современной науке только подчеркивает необходимость методологического развития, поскольку ускорение внутренней и внешней динамик организации требует своевременного принятия решений, которое возможно при оптимальном соучастии компетентного специалиста в области управления и надежного технологического ресурса.

[1] Под парадигмой будем понимать признанные всеми научные достижения, которые в течение определённого времени дают научному сообществу, специалистам прикладной сферы деятельности модель постановки проблем и инструментарий для их решения.

[2] Регулятивная парадигма проявляется в деятельности таможенных органов, во взаимодействии с участниками ВЭД, с бизнес-сообществом, во взаимодействии с государственными и сотрудничестве с международными таможенными институтами.


Источники:

1. Шеннон К. Работы по теории информации и кибернетике. - М.: Издательство иностранной литературы, 1963. – 830 c.
2. Turing A.M. Computing Machinery and Intelligence // Mind. – 1950. – p. 433–460.
3. Вейценбаум Дж. Возможности вычислительных машин и человеческий разум: От суждений к вычислениям. / Пер. с англ. И.Б. Гуревича. - М.: Радио и связь, 1982. – 368 c.
4. Moravec H. Mind children: The future of robot a. human intelligence. - Cambridge (Mass.): Harvard univ. press, 1988. – 214 p.
5. Kahneman D. Thinking, fast and slow. - Macmillan, London: Farrar, Straus and Giroux, 2011. – 499 p.
6. Букатова И.Л., Макрусев В.В. Целостно-эволюционная интеллектуализация взаимодействия человека с компьютером. / Социальная информатика - 96. Сборник научных трудов. Под редакцией Б А. Суслакова. - Москва, 1996. – 60-64 c.
7. Любкина Е.О., Макрусев В.В. Искусственный интеллект в системе таможенного администрирования: теоретико-методологические положения и модели // Экономика. Информатика. – 2023. – № 2. – c. 257-275. – doi: 10.52575/2687-0932-2023-50-2-257-275.
8. Макрусев В.В. Проблемы интеллектуализации ГИВС. / Эволюционная информатика и моделирование. - М.: Гос.ИФТП РАН, 1994. – 24 c.
9. Макрусев В.В. Целостно-эволюционная интеллектуализация глобальных информационно-вычислительных систем. / XXIII международная конференция. Новые информационные технологии в науке, образовании и бизнесе. - Украина, Гурзуф, 1996. – 321-325 c.
10. Макрусев В.В. Целостно-эволюционная автоматизация научных, проектных и экспериментальных исследований интеллектуальных информационно-вычислительных систем. / дис. … доктора физико-математических наук: 01.04.01 / Ин-т радиотехники и электроники РАН. - Москва, 1997.
11. Макрусев В.В. Парадигма моделирования социально-экономических систем в условиях глобализации в мировую экономику // Вопросы экономики и управления. – 2017. – № 1. – c. 128-134.
12. Бойкова М.В. Развитие теории и методологии сервисно-ориентированного таможенного администрирования. / автореферат дис. …доктора экономических наук: 08.00.05 / Бойкова Майя Владимировна; [Место защиты: Рос. таможен. акад.]. - Москва, 2021. – 46 c.
13. Бондаренко А.О. Совершенствование организационной структуры таможенных органов Российской Федерации в условиях стратегических изменений. / автореферат дис. …кандидата экономических наук: 08.00.05 / Бондаренко Андрей Олегович; [Место защиты: Рос. таможен. акад.]. - Москва, 2022. – 25 c.

Страница обновлена: 06.02.2024 в 12:43:55