CC BY
173технологии и средства таможенного контроля
technologies and means of customs control
Ю. И. Сомов, С. Н. Аникин, Р. А. Нажимов, К. Е. Позднякова
актуальные вопросы применения искусственного интеллекта в деятельности таможенных органов
В статье представлен анализ возможностей технологий искусственного интеллекта, производимого на основе нейронных сетей. Показан основной принцип действия нейронных сетей на основе применения персептрона. Предложена обобщенная схема применения искусственного интеллекта в деятельности таможенных органов. Обозначены проблемы, связанные с применением искусственного интеллекта, намечены направления их решения.
Ключевые слова: искусственный интеллект; персептрон; нейронные сети; возможности искусственного интеллекта; возможности применения искусственного интеллекта в деятельности таможенных органов.
Yu. I. Somov, S. N. Anikin, R. A. Nazhimov, K. E. Pozdnyakova
current issues of the use of artificial intellegence in the activities of customs authorities
The analysis of capabilities of artificial intellegence technologies based on neural networks is presented in the article. The basic principle of operation of neural networks based on the use of perceptron is shown. A generalized scheme for the use of artificial intelligence in the activities of customs is proposed. The problems associated with the use of artificial intelligence are identified and the directions for their solution based on the use of perceptron are outlined.
Keywords: artificial intelligence; perceptron; neural networks; capabilities of artificial intelligence; possibilities of using artificial intelligence in the activities of customs authorities.
Многочисленные современные источники информации свидетельствуют о том, что мир стоит на пороге кардинальных изменений практически во всех сферах жизни и деятельности человечества, связанных прежде всего с техническим прорывом в области информационно-коммуникационных (цифровых) технологий. Модернизируются действующие и появляются новые отрасли промышленности, связанные с нанотехнологиями, биотехнологиями, роботизацией и др. Развитие технологий искусственного интеллекта (ИИ) в этом процессе занимает важное место. Сферы применения ИИ практически не ограничены, а дальнейшее
Технологии и средства таможенного контроля
его развитие предполагает даже превышение возможностей над человеческим интеллектом.
На международной арене между государствами, глобальными корпорациями ведется конкурентная борьба за выход в группу субъектов, которые будут самостоятельно определять свое будущее. Для этого им необходимо развивать экономику по-новому, опираясь на современные достижения науки, техники и технологий. Ведущая роль в этом процессе отводится информационно-коммуникационным (цифровым) технологиям. Поэтому в России принята «Национальная стратегия развития искусственного интеллекта до 2030 года», утвержденная указом Президента Российской Федерации (РФ) от 10.10.2019 № 490 [1].
Согласно государственному направлению развития в Федеральной таможенной службе (ФТС России) принята «Стратегия развития таможенной службы Российской Федерации до 2030 года», утвержденная распоряжением Правительства РФ от 23.05.2020 № 1388-р [2]. Руководитель ФТС России отметил, что в 2030 г. скорость, удобство и простота таможенного оформления достигнут более высокого уровня благодаря использованию цифровых технологий и искусственного интеллекта [3].
В этих условиях актуальной задачей является проведение исследований технологий ИИ на предмет их возможного применения в деятельности таможенных органов.
В связи с тем, что областей применения ИИ очень много и они разные, определений ИИ также множество. Представляется, что для анализа возможностей применения ИИ в деятельности таможенных органов наиболее подходят следующие определения ИИ:
- направление в информатике и информационных технологиях, задачей которого является воссоздание с помощью вычислительных систем и иных искусственных устройств разумных рассуждений и действий [4];
- комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений [1].
К технологиям ИИ можно отнести следующие:
- аналитическую обработку информации и последующий придикативный анализ и вывод результатов и предложений на основе полученных знаний;
- распознавание зрительных образов и анализ изображений, представляя возможность последующего определения того, что может быть изображено, и выявления атипичных фрагментов изображения;
- распознавание речи техническими устройствами;
- распознавание текстов, перевод рукописных текстов в электронные форматы;
- автоматический перевод текстов с одного языка на другой;
- информационную безопасность;
- робототехнику и др.
output
Отметим, что эти возможности ИИ могут быть применены также и в таможенной деятельности. Для того чтобы лучше понимать способы применения ИИ, рассмотрим некоторые его технические особенности.
Одним из используемых видов машинного обучения являются так называемые нейронные сети, обладающие способностью к обучению.
Основной элемент такой сети - персептрон -устройство, которое имеет несколько двоичных входов х1, х2, ... и производит один двоичный выход (рис. 1) [5].
Каждый вход имеет весовой коэффициент w1, w2, ..., представляющий вещественное число, выражающее важность соответствующего входа для определения значения выхода. Выход персептрона равен 0 или 1 и определяется тем, является ли взвешенная сумма ^ w]x] меньшей или большей некоторого порогового значения - вещественного i
числа (threshold), которое является параметром персептрона. Алгебраически эта функция описывается следующим образом:
Рис. 1. Схема персептрона
выход = -
0, если ^ wjxj < порог
1
1, если ^ wjxj > порог
или
Г0, если wx + b < 0
где b - смещение (порог).
выход = -- ,
11, если wx + b > 0
Следовательно, персептрон является устройством, которое принимает решения, взвешивая поступающие предложения.
Для принятия более обоснованных решений персептроны объединяют в сложную сеть, состоящую из нескольких слоев (рис. 2).
С помощью персептронов вычисляется любая логическая функция [5].
На основе нейронных сетей можно разработать алгоритмы их обучения, которые могут автоматически настраивать веса и смещения персептронов без вмешательства программиста.
Большую роль в создании искусственных нейронных сетей сыграла разработка так называемого алгоритма обратного распространения ошибки [6], на основе которого создан метод обучения многослойных искусственных нейронных сетей.
Алгоритм машинного обучения нейронной сети (ML, Machine Learning - машинное обучение) в общем виде включает следующие действия [7]:
- анализ массива информации;
- выявление закономерностей;
- формирование непосредственного опыта ИИ;
- составление инструкций на основе полученного опыта.
Рис. 2. Пример многослойной нейронной сети
Исходя из этого, можно сказать, что машинное обучение заключается в том, что компьютер может самостоятельно принимать решения на основе полученного опыта. При этом он сможет также проводить предварительную обработку сведений, переобучение, оценку и прогнозирование.
Следовательно, можно представить обобщенную схему применения ИИ, которую можно будет применять в таможенной деятельности (рис. 3).
Действие предложенной схемы следующее.
Входной поток данных, которым может быть, например, поток деклараций на товары в электронном виде, поступает в модуль формирования входного образа контролируемого (проверяемого на соответствие заданным требованиям) документа. В случае отсутствия некоторых сведений в документе этот модуль запрашивает недостающие данные из определенных достоверных источников. При этом может быть использована система роботизированной автоматизации процессов - RPA (Robotic Process Automation - метод автоматизации, при котором роботы симулируют действия человека в различных компьютерных системах, программах и приложениях) [8]. Примеры подлежащих автоматизации процессов: заполнение и копирование форм документов, эмулирование нажатия кнопок компьютера, загрузка и выгрузка файлов, сбор данных из электронных таблиц, электронных писем, сканирование документов, составление отчетов, перемещение данных из устаревших систем и приложений и т. д.).
Сформированный текущий образ контролируемого документа поступает в модуль ИИ по принятию решений, который проводит многокритериальный анализ образа входящего документа и относит его к одному из классов (проводит классификацию по нескольким признакам), которые определяются, исходя из решаемых ИИ (системой принятия решений) задач.
Сам же модуль ИИ по принятию решений предварительно настраивается на требуемые верные решения (например, по какому документу можно принять тот
или иной вариант решения, вырабатываемый ИИ, а какое нужно направить на решение оператору-человеку). Такие настройки можно получить в результате обучения обучающегося модуля ИИ. В системе контроля правильности выбора решений ИИ участвует человек-оператор. Сведения в обучающийся модуль поступают из базы данных ранее полученных документов.
Сохранить настройки
Рис. 3. Обобщенная схема применения искусственного интеллекта
Решения ИИ применяются на практике. При этом ведется анализ их результатов, на основе которого выявляются возможные допущенные ошибки ИИ или ситуации, требующие новых решений ИИ. Это служит основой проведения коррекции настроек ИИ по результатам практики его применения.
Предлагаемая схема позволит реализовать следующие возможности применения ИИ в таможенной деятельности:
- при документальном контроле;
- при фактическом контроле;
- при определении таможенной стоимости;
- при обеспечении информационной безопасности, в том числе при противоборстве ИИ нападающей и защищающейся сторон в виртуальном пространстве.
Внедрение технологий ИИ потребует решения ряда технических, социальных и юридических проблем. Покажем ниже видимые направления их решения.
технологии и средства таможенного контроля
Отметим, что в качестве экономически обоснованного решения реализации функций ИИ с применением современной электронно-вычислительной техники принимается схема, в которой основной компьютер не решает весь комплекс задач ИИ, а только управляет оконечными компьютерами (процессоры для таких компьютеров специально создаются для решения узкой задачи) (рис. 4). Такое решение требует меньших затрат на создание элементной базы и программных продуктов.
Рис. 4. Техническое решение применения искусственного интеллекта
Социальные проблемы будут связаны с невостребованностью некоторых существующих специальностей, повышением требований к подготовке специалистов-таможенников в области информационных технологий, с необходимостью быстрой адаптации к динамично развивающимся технологиям. Выход здесь видится в организации системы подготовки и переподготовки кадров на базе учебных заведений, и в первую очередь на базе Российской таможенной академии. Ввиду распространения применения технологий ИИ возрастает потребность в аналитических компетенциях должностных лиц таможенных органов.
В связи с тем, что человека еще долго не смогут заменить автоматические системы, в том числе ИИ, особенно в критических ситуациях, нужно в первую очередь создавать и совершенствовать автоматизированные системы на основе ИИ, работающие совместно с человеком и помогающие ему эффективно реализовы-вать требуемые функции.
Правовые проблемы, связанные, прежде всего, с правами и обязанностями должностных лиц в условиях применения ИИ, должны будут четко разграничивать ответственность должностных лиц и решаться в более короткие сроки. При этом каждое должностное лицо должно отвечать за выполнение своих обязанностей, а ошибки ИИ необходимо принимать как неизбежные и отрабатывать технические решения, которые их снижают до приемлемого уровня.
В заключение отметим, что применение ИИ в таможенной деятельности позволит:
- повысить скорость выполнения поставленных перед таможенными органами задач за счет увеличения производительности, причем без привлечения дополнительного персонала;
- исключить ошибки, возникающие по причине «человеческого фактора» (усталости, невнимательности и т. п.);
- освободить персонал от рутинных задач и перевести его на решение в основном аналитических задач;
- обеспечить многозадачность процессов и гибкое их перестраивание под условия складывающейся обстановки.
Использованные источники
1. Указ Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» [Электронный ресурс] // Официальный интернет-портал правовой информации. URL: pravo.gov.ru.
2. Стратегия развития таможенной службы Российской Федерации до 2030 года (утверждена распоряжением Правительства РФ от 23.05.2020 № 1388-р) [Электронный ресурс] // Официальный сайт ФТС России. URL: https://customs.gov.ru/storage/document/document_ file/2020-06/03/2030.pdf (дата обращения: 01.03.2021).
3. Булавин В. Таможня: десять лет спустя // Российская газета - Федеральный выпуск. 2020. 2 авг. [Электронный ресурс]. URL: https://rg.ru/2020/08/02/bulavin-k-2030-godu-vsia-rabota-fts-budet-perevedena-v-cifrovuiu-sredu.html (дата обращения: 12.03.2021).
4. Осипов Г. Искусственный интеллект: состояние исследований и взгляд в будущее [Электронный ресурс]. URL: http://www.raai.org/about/persons/osipov/pages/ai/ai.html (дата обращения: 12.03.2021).
5. Нейронные сети и глубокое обучение [Электронный ресурс]. URL: http:// neuralnetworksanddeeplearning.com/ (дата обращения: 12.03.2021).
6. Процедура обратного распространения (описание алгоритма) [Электронный ресурс] // Сайт ИНТуИТ. Национальный открытый университет. URL: https://intuit.ru/studies/ courses/88/88/lecture/20533?page= 1_(дата обращения: 19.03.2021).
7. Что такое машинное обучение простыми словами? [Электронный ресурс] // Сайт ZEL-Услуги. URL: https://www.zeluslugi.ru/info-czentr/it-glossary/term-mashinnoe-obuchenie#:~:text=Машинное%20обучение%20(ML%2C%20Machine%20Learning),осно-ве%20опыта%20без%20явного%20программирования (дата обращения: 19.03.2021).
8. Олефиренко Б. RPA: программные роботы работы не боятся [Электронный ресурс]. URL: https://infostart.ru/1c/articles/1145339/ (дата обращения: 19.03.2021).
