Научный архив: статьи

Функционирование транспорта и всей необходимой для него инфраструктуры порождает феномен транспортной экосистемы. Природа транспортных и иных возникающих в рамках транспортной экосистемы правоотношений в значительной мере обусловлена процессом технологического развития общества. Цель исследования: на основе достижений правовой герменевтики, применения системно-правового анализа проанализировать правовой режим транспортных экосистем, основанных на принципах функционирования искусственного интеллекта. На основе применения методов сравнительно-правового и формально-догматического анализа получены научные результаты в сфере транспортно-правовой науки. В частности, осуществлено научное обоснование гипотезы о том, что имплементация высокотехнологичного элемента в виде искусственного интеллекта влечет кардинальные изменения в методологической основе функционирования транспортных экосистем, трансформирует концепт управленческого воздействия на происходящие в них процессы и влечет изменение природы и содержания правового регулирования транспортных и смежных им общественных отношений. Полученные выводы направлены на формирование нового научно обоснованного представления о правовом режиме транспортных экосистем, основанных на принципах функционирования искусственного интеллекта. Полный текст статьи в переводе на английский язык публикуется во второй части данного выпуска.

В статье приводятся результаты применения методов машинного обучения для исследования данных специальной анкеты, учитывающей общие характеристики авиарейсов, характеристики пассажиров и их мнения о различных аспектах авиарейса. Цель исследования - выявление в экспериментальных данных факторов, негативно влияющих на отношение пассажиров к услугам авиакомпании. При проведении исследования были использованы популярные алгоритмы, входящие в состав свободного программного обеспечения для анализа данных и машинного обучения, университета Вайкато (Новая Зеландия) WEKA, распространяемого по лицензии GNU GPL: наивный байесовский классификатор; многослойный перцептрон, использующий алгоритм обратного распространения ошибки; метод ближайших соседей (KNN) с адаптивным подбором параметров; деревья решений - алгоритм J48, который является аналогом на Java известного алгоритма C4.5; случайный лес; логистическая регрессия; алгоритм адаптивного бустинга (AdaBoost); машина опорных векторов - алгоритм SMO (Sequential Minimal Optimization), являющийся одной из возможных реализаций алгоритма машины опорных векторов. Показано, что наилучшие по точности модели, отражающие удовлетворенность пассажиров услугами авиакомпании, получаются с помощью алгоритмов «случайный лес» (погрешность на тестовой выборке - 3,9 %) и нейросетевого подхода (погрешность на тестовой выборке - 3,7 %). Вместе с тем, указанные алгоритмы не позволяют явным образом выделить факторы, характерные для авиапассажиров, не удовлетворенных качеством обслуживания. Этот пробел восполняет алгоритм на основе метода структурного резонанса в многомерных данных SRMD, позволивший выявить в данных точные логические правила, обладающие высокой полнотой. Полученные логические правила являются хорошо интерпретируемыми паттернами пассажиров, которые либо отрицательно, либо нейтрально оценивают услуги авиакомпании в целом. Полный текст статьи в переводе на английский язык публикуется во второй части данного выпуска.

Рост числа киберугроз делает актуальным внедрение биометрических технологий в финансовом секторе России как инструмента повышения безопасности и доверия пользователей. В особенности значима интеграция таких решений в банковскую инфраструктуру в условиях активной цифровизации. Цель исследования - провести всесторонний анализ динамики применения биометрической идентификации в банковской системе Российской Федерации с учетом технологических перспектив и выявлением основных вызовов, сопровождающих внедрение таких решений. В исследовании были использованы методы монографического анализа, оценки и рефлексивного подхода, а также нормативные правовые акты и актуальные научные публикации, позволяющие оценить влияние биометрических систем на снижение операционных рисков и совершенствование процессов аутентификации. Установлено, что технологии искусственного интеллекта, внедренные в биометрические системы, позволяют повысить точность идентификации и адаптировать системы к изменениям биометрических характеристик пользователей. Выявлены преимущества мультимодальных подходов и обозначены проблемы, связанные с правовым регулированием, рисками утечки данных и низким уровнем доверия населения. Анализ Единой биометрической системы показал наличие значительных технологических и социальных барьеров для масштабного внедрения. Исследование подтверждает перспективность применения биометрии с элементами искусственного интеллекта как инструмента повышения информационной безопасности. Успешная реализация требует комплексного подхода: технологического совершенствования, нормативной базы и повышения доверия граждан к механизмам идентификации.

В статье проанализированы современные экспертные технологии выявления и исследования следов преступлений в сложных следственных ситуациях. Целесообразность разработки темы определяется тем, что указанные многими авторами современные экспертные технологии распространены недостаточно, и не внедрен системный подход к выявлению и исследованию следов. Необходимо ознакомить научных работников и практиков с широким спектром возможностей современного подхода к работе со следами с использованием инноваций и технологий мирового уровня.

Научная новизна исследования обусловлена тем, что на основе эмпирического подхода выявлены новейшие технические и теоретические разработки в области экспертных технологий, которые пока не используются широко ни в теоретических рекомендациях, ни в практической деятельности следователей. Методология и методика исследования базируются на дедуктивной модели научного метода и состоят в наблюдении, синтезе, анализе, систематизации и дедукции с последующей формализацией в рамках практической деятельности.

В работе рассмотрено соотношение «искусственного интеллекта» (ИИ) и «искусственной нейронной сети» в контексте судебной экспертологии. В последние годы наблюдается активный научный интерес к применению этих технологических новшеств в судебной экспертизе, что делает актуальным вопрос влияния этих явлений на судебно-экспертную деятельность в текущий момент и в долгосрочной перспективе. Выявление этих особенностей, как предполагается, будет способствовать более эффективной интеграции ИИ и нейросетей в данный вид деятельности на методическом, правовом и организационных уровнях. Чтобы продемонстрировать, как в целом связаны между собой искусственный интеллект и нейронные сети, а также чем они отличаются друг от друга, приведена краткая историческая справка по развитию идей ИИ-технологий и принципы работы некоторых из ИИ-систем, в частности – искусственных нейронных сетей. Предложены пути интеграции ИИ и нейросетей в судебно-экспертную деятельность на теоретическом и практическом уровнях.

В связи с масштабной цифровизацией современного общества и быстрого внедрения технологий искусственного интеллекта (ИИ) возникла потребность криминалистического и судебно-экспертного обеспечения судопроизводства по делам, в которых фигурирует ИИ. Наиболее актуальными задачами, решаемыми судебными компьютерно-техническими экспертными подразделениями, являются исследование фактов неправомерного (главным образом криминального) использования искусственного интеллекта, использование ИИ для создания новых и совершенствования существующих методик компьютерно-технической экспертизы, судебно-экспертное исследование продуктов, использующих технологии ИИ с целью установления соответствия готового продукта техническому заданию на его создание, а также комплексное судебно-экспертное исследование с целью определения стоимости IT-продукта.

В зависимости от свойств подлежащего исследованию объекта экспертиза проводится либо в рамках судебной компьютерно-технической экспертизы, либо комплексно, с привлечением специалистов в области судебной лингвистической, судебной фоноскопической и других видов судебных экспертиз. Показательным примером совершенствования судебно-экспертных методик анализа цифровых изображений является выявление искажений в метаданных.

В статье исследуется международная конкурентоспособность автомобильной промышленности Китая, Германии, Японии и США в условиях влияния искусственного интеллекта и связанных технологий. Основная цель – выявление ключевых факторов конкурентоспособности в эпоху цифровизации и оценка их влияния на стратегию автомобильных корпораций. Использовались статистический анализ и модель корреляционного измерения. В этой новой парадигме успех диктует не размер корпорации либо ее историческое наследие, а способность быстро адаптироваться и применять технологические решения, формирующие будущее мобильности. Установлено, что внедрение искусственного интеллекта в производство и продукцию признается важнейшим факторным аспектом, повышающим конкурентоспособность товаров и услуг. Среди других факторов – инновационность, адаптивность к изменениям рынка, интеграция устойчивых практик и цифровой трансформации. На основе сравнительного анализа лидирующих корпораций предложены рекомендации для укрепления позиций на мировом рыночном сегменте. Результаты исследования полезны для автомобильных корпораций, а также государственных и некоммерческих организаций, поддерживающих отрасль. Новизна работы заключается в комплексном подходе к анализу конкурентоспособности с учетом технологий искусственного интеллекта, предлагающих новые перспективы для стратегического развития мировых автопроизводителей.

В статье рассматриваются множественные взаимосвязи между финансированием стартапов в сфере ИИ и определяется влияние инвесторов, технологических изменений и типов финансирования внутри экосистемы стартапов. Исследование, охватывающее период с 2019 по 2024 год, позволило выявить более 500 многообещающих стартапов, работающих в сфере искусственного интеллекта. Анализ проводился с учетом региональной специфики и динамики развития во времени. Исследование посвящено финансированию ИИ-компаний, включая роль венчурных и корпоративных инвесторов, государственную поддержку и различные модели финансирования. Для изучения моделей финансирования стартапов в этом исследовании применяется комплексный подход, сочетающий описательную статистику, машинное обучение и качественные данные. Анализ включает в себя использование R, Python и Tableau для обработки финансовых и операционных данных, а также субъективных оценок, полученных от основателей, инвесторов и политиков. Вторичные данные из баз данных венчурного капитала и финансовых отчетов используются для подтверждения и расширения результатов. Финансирование экосистем играет ключевую роль в определении траектории развития стартапов, занимающихся искусственным интеллектом. Исследование демонстрирует, что именно финансирование влияет на то, насколько компании уделяют внимание этике ИИ, соблюдению нормативных требований и внедрению инноваций. Для обеспечения устойчивого роста необходимо учитывать интересы инвесторов, создавать благоприятные условия для инновационных центров и развивать международное сотрудничество. В работе также анализируются риски, связанные с предвзятостью алгоритмов и защитой конфиденциальных данных, и предлагаются рекомендации по формированию более эффективной политики финансирования. Исследование предлагает практическое руководство для стартапов в сфере ИИ, инвесторов и политиков. Оно представляет собой комплексную модель финансирования, объясняет мотивы инвесторов и предоставляет инструменты для предпринимателей, стремящихся привлечь капитал. Кроме того, исследование указывает политикам на приоритетные направления для создания благоприятной среды, способствующей развитию и поддержке ИИ, тем самым заполняя пробелы в знаниях и обеспечивая устойчивый рост отрасли.

Банковская сфера - одна из самых быстроразвивающихся отраслей финансового рынка. Банки регулярно внедряют в бизнес-процессы новейшие технологии, которые меняют облик всей экономики. Целью данного исследования стало выявление ключевых направлений внедрения искусственного интеллекта в банковской сфере, определение его преимуществ и потенциальных рисков. В статье представлены области использования искусственного интеллекта, включая обслуживание клиентов, управление финансовыми рисками, обнаружение мошенничества и соблюдение нормативных требований. Особое внимание уделено влиянию искусственного интеллекта на автоматизацию процессов, персонализацию услуг и повышение операционной эффективности. Методологическая основа исследования включает анализ научных источников, сравнительный метод и обобщение практических примеров. В ходе исследования установлено, что использование искусственного интеллекта позволяет снизить операционные издержки, повысить точность прогнозирования и сократить финансовые риски. Результаты анализа демонстрируют, что потенциал искусственного интеллекта в банковском секторе высок, однако его успешное внедрение требует комплексного подхода, включающего технологическую трансформацию, совершенствование нормативного регулирования и решение некоторых этических вопросов. В заключение подчеркивается необходимость баланса между технологическими инновациями и ответственным использованием искусственного интеллекта для достижения максимальной эффективности банковских процессов.

В современных условиях цифровые инновации способствуют рациональной интеграции услуг традиционных финансовых институтов и широкого использования доступных и надежных цифровых технологий в системе оказания финансовых услуг. Целью работы является исследование влияния цифровых инноваций на финансовые услуги, выявление рисков, возможностей и тенденций развития в контексте эффективного функционирования финансовой системы. На основе системного подхода проводится изучение влияния цифровых инноваций на качество и доступность финансовых услуг. В работе выделены этапы развития цифровых финансов. Сделан акцент на том, что цифровые финансы включают в себя широкий спектр услуг и продуктов. Дана характеристика основных технологий в трансформации финансовых услуг: искусственный интеллект, большие данные и блокчейн. Раскрывается влияние цифровых инноваций на приемлемость финансовых услуг, включающих: улучшение качества обслуживания потребителей; рациональную организацию процессов; снижение времени обработки операций; снижение рисков; обеспечение прозрачности проводимых операций; снижение операционных издержек; повышение доступности финансовых услуг. На основе проведенного анализа обозначены основные тенденции развития цифровой экономики в финансовой сфере: рост электронных платежей; широкое распространение онлайн-банкинга и финансовых платформ; развитие финансовых технологий (финтех); улучшение финансовой аналитики. Комплексный подход позволяет всесторонне оценить текущие и потенциальные изменения в финансовом секторе под воздействием цифровых инноваций.

В статье проанализировано современное состояние, результативность и устойчивость российских банков в условиях турбулентности экономики. Цель исследования - сформировать прогноз прибыли для обеспечения устойчивого развития российских банков, а также выявить закономерности их развития в условиях нарастания рыночной неопределенности. Сформирована модель глубокого обучения «Случайный лес». В ходе исследования были использованы такие методы, как технический анализ акций банков с использованием библиотек pandas, yfinance, numpy, matplotlib на языке Python на сервисе Colab, а также модель глубокого обучения «Случайный лес» для прогнозирования чистой прибыли банков. Научная новизна состоит в том, что выдвинута и доказана гипотеза, что на основе использования модели машинного обучения «Случайный лес» может быть получен прогноз чистой прибыли, как важнейшего фактора устойчивости банка. В ходе исследования были рассчитаны направление и сила связи между факториальными и результативным признаками. Так, например, связь между результативным признаком (Прибыль, млрд руб.) - “target” и факториальными выражается следующими коэффициентами: Активы, млрд руб. + 0,974; Доля активов, в % + 0,974; Рентабельность активов, % 0,159; Adj акций (логарифмическая доходность) -0,266; Волатильность (сигма) -0,219. На основании полученных результатов можно утверждать, что все рассмотренные банки работают устойчиво, ошибка прогноза на ноябрь 2024 г. варьируется от 0,78 до 31,4 %. При этом ошибка возрастает по мере уменьшения размера банков. По итогам 2023 г. все крупнейшие банки работали прибыльно, что свидетельствует об их устойчивости. Полученные прогнозные значения прибыли отражают позитивный тренд в развитии рассмотренных банков, что позволяет сделать вывод об устойчивости банковской системы в целом. Практическая значимость в том, что результаты исследования могут быть рекомендованы к использованию на практике.

Аннотация. В работе представлен обзор метода геометрического моделирования в разработке цифровых двойников, дан анализ теоретических основ, его роли в создании цифровых двойников, методологии разработки цифрового двойника с его использованием, проблем и вызовов при использовании метода, а также рассмотрены перспективы развития данной технологии.