Considering global trends associated with the acceleration of technological progress and the importance of innovations for ensuring the economic security of regions, enhancing the level of innovative development is one of the key goals of the country's development. The article presents the main methodologies used to assess the level of innovative development in Russian regions. The article analyzes factors influencing the level of regional innovation development and examines their statistical characteristics, such as mean values, mode, median, skewness, and kurtosis. Artificial intelligence was employed to cluster the regions of the Russian Federation according to their innovation performance indicators. In this study, Self-Organizing Kohonen Maps (SOM) were utilized as an AI tool. Regions were divided into four clusters; and their composition and characteristics reflecting the level of innovative development are presented. The research showed that six regions, including Moscow, Saint Petersburg, and Nizhny Novgorod Oblast, possess a high level of innovative development, making these regions leaders and benchmarks compared to those from other clusters. Based on the obtained distribution of regions across clusters, the authors developed proposals aimed at increasing the level of innovative development and reducing the innovation gap between leading and lagging regions. The results of this study can be used to refine regional strategies concerning innovative development, taking into account their cluster affiliation.
С учетом глобальных тенденций, связанных с ускорением технологического прогресса и значимости инноваций для обеспечения экономической безопасности регионов, повышение уровня инновационного развития является одной из ключевых целей развития страны. В статье представлены основные методики, используемые для оценки уровня инновационного развития в российских регионах. Анализируются факторы, оказывающие влияние на уровень инновационного развития в регионах, рассматриваются статистические характеристики этих факторов, такие как: средние значения, мода, медиана, асимметрия и эксцесс. С помощью технологий искусственного интеллекта проведена кластеризация субъектов Российской Федерации по показателям инновационного развития. В рамках данного исследования использовались самоорганизующиеся карты Кохонена (СОК) в качестве инструмента искусственного интеллекта. Регионы были разделены на четыре кластера, представлены их состав и характеристики, отражающие уровень инновационного развития. Исследование показало, что шесть регионов, среди которых г. Москва, г. Санкт-Петербург и Нижегородская область, обладают высоким уровнем инновационного развития, что делает эти регионы лидерами и эталонами по сравнению с регионами из других кластеров. На основе полученного распределения регионов по кластерам авторы разработали предложения по повышению уровня инновационного развития и уменьшения инновационного неравенства между регионами-лидерами и отстающими регионами. Результаты данного исследования могут быть использованы при совершенствовании стратегии региона в части инновационного развития с учетом их кластерной принадлежности