CC BY
0
ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРОГНОЗИРОВАНИЯ МАКРОЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ
А.Е. Курбанов, студент
А.Ю. Аджиева, канд. экон. наук, доцент
Кубанский государственный аграрный университет имени И.Т. Трубилина (Россия, г. Краснодар)
DOI:10.24412/2411-0450-2024-5-1-252-255
Аннотация. В статье исследуются инновации в сфере больших данных, анализа и прогнозирования экономических показателей с использованием искусственного интеллекта. Показана история становления прогнозирования экономических показателей. Большое место в работе занимает рассмотрение сущности и преимуществ искусственного интеллекта. В статье даётся характеристика методов прогнозирования, используемая для обучения искусственного интеллекта. Главное внимание обращается на то, какую пользу может принести искусственный интеллект органам, которые производят прогнозы экономических показателей.
Ключевые слова: искусственный интеллект, денежно-кредитная политика, прогноз, макроэкономика, инновации, автоматизация.
С развитием интернета увеличились и объемы получаемой информации. Так государственные органы с каждым годом вынуждены собирать и анализировать все больший объем информации с целью построения более качественных моделей развития государства. С этой целью повышается информатизация источников сбора информации путем создания более продвинутых систем, инструментов и методик. Так с каждым годом увеличивается бюджет на развитие отрасли информационных технологий и повышается востребованность специалистов данной отрасли. Все эти действия направлены на повышение качества и количества собранной информации. Так как на основе собранной информации о жизнедеятельности государства строят свои прогнозы такие органы как: Центральный Банк РФ, Правительство РФ, Министерство экономического развития и другие, то необходимо не только правильно собирать информацию, но и ее обрабатывать.
Обработка информации - это очень важная стадия анализа, так, ее можно совершать несколькими путями:
- ручная;
- полуавтоматизированная;
- автоматизированная.
Данные виды обработки информации могут иметь свои плюсы и минусы, поэтому остановимся на каждой категории, чтобы понять необходимость того или иного способа и историю развития данной сферы.
Ручная обработка стала первой в виду того, что в древние времена это был единственный возможный способ. Такая обработка данных осуществлялась путем взращивания квалифицированных кадров, которые разрабатывали инновационные методики анализа, с каждым разом повышая его качество. Однако, чем больше становилось информации, тем больше требовалось специалистов, а с увеличением специалистов появлялось все больше разногласий и различных трактовок полученной информации. Данный способ хорошо себя проявлял и оставался единственным вплоть до XX века, когда появились компьютеры и программное обеспечение, которое позволяло ускорить и повысить качество анализа и прогнозов.
Так человечество плавно перешло на следующий этап - полуавтоматизированная обработка информации. Благодаря компьютерам люди делегировали процесс вычислений сложных формул и выражений, так государственные органы по всему миру стали замечать новые тенденции и
процессы. С развитием данного метода все чаще стали необходимы все более и более быстрые вычислительные машины. Так человечество изобрело суперкомпьютеры. Благодаря этой инновации еще больше вычислений делегировалось на технику и прогнозы стали носить более вероятный характер. Так, например, в сфере прогнозирования погодных условий вероятность прогноза погоды на неделю стала доходить до 95%, что повысило урожайность сельского хозяйства и снизило количество аварий и инцидентов из-за неожиданного изменения погодных условий. Так как вычислениями занимались машины, то людям приходится брать на себя вторую часть работы - интерпретация результата. С развитием данного подхода появилась необходимость во все большей квалификации специалистов и в разрешении конфликтов различных интерпретаций. Для снижения стоимости и сложности прогнозирования специалисты сферы информационных технологий трудились над созданием возможности машины "думать" и принимать решения на основе этой информации.
Таким образом постепенно на смену полу автоматизированной обработке информации приходит автоматизированная, где ключевую роль играет искусственный интеллект. Сам же искусственный интеллект - это не новшество, первые упоминания о нем относятся к 1943 году, когда ученые У. Мак-Каллок и У. Питтс опубликовали статью «Логическое исчисление идей, относящихся к нервной активности», в которой определили понятие искусственная нейронная сеть (далее ИИ). Однако воплотить в жизнь данную идею не было так просто, и сфера нейронных сетей развивалась медленными темпами до того момента, как вычислительная способность компьютера не стала достигать необходимого для инноваций размера и с начала XXI века фокус и программ сместился в сторону ИИ. Особенностью работы ИИ является его возможность симулировать умственную деятельность. Таким образом компьютер научился не только вычислять, но и интерпретировать результат. Однако на этом пути встала сложность в понима-
нии того, как мыслит человек, чтобы научить мыслить и машину.
В настоящий момент множество специалистов трудятся над решением данной проблемы и передовой технологий стал генеративный ИИ. Его особенностью является то, что он обучается на максимально возможном объеме информации и после выдает ответы, собранные из разных источников воедино. Такой ИИ не может создать новое, он может только комбинировать доступную ему информацию.
Такой ИИ в настоящий момент используется во многих системах и находится, в том числе, на вооружении у организаций занимающимся экономикой. Далее стоит обсудить роль ИИ в прогнозировании экономики.
Как было сказано выше, ИИ может интерпретировать результат своей деятельности. Таким образом ИИ обученный на огромном наборе экономической информации может не только проводить вычисления и возвращать результат своей деятельности, который будет на уровне среднего по образованию и опыту специалиста. Так, ИИ может существенно сэкономить ресурсы на легкую и среднюю по сложности деятельность.
Преимущества и недостатки ИИ над специалистами в сфере экономики:
- Преимущества:
1. Можно переобучить на новом наборе информации;
2. Работает без усталости и с одинаковой эффективностью;
3. Имеет одинаково высокую точность исследований независимо от условий;
4. С каждым годом ИИ становится умнее за счет труда специалистов со всего мира;
5. Возможность обрабатывать в реальном времени огромное количество информации и обновлять прогнозы в соответствии с этим.
- Недостатки:
1. Необходима команда высококвалифицированных специалистов для поддержки работы ИИ и его развития;
2. В настоящий момент качество ответов недостаточно высоко, чтобы прини-
мать решения на основе такого ИИ без проверки его ответа;
3. Высокая изменчивость технологий данной сферы.
Таким образом, можно сказать, что ИИ уже в настоящий момент может приносить пользу и им заинтересованы большое количество организаций по всему миру.
Далее стоит перейти непосредственно к методам, благодаря которым ИИ может прогнозировать экономические тенденции.
Регрессионный анализ позволяет установить связь между зависимой переменной (ВВП, инвестиции и т.п.) и независимыми переменными (инфляция, безработица и т.п.) на основе исторических данных. Таким образом регрессионный анализ является одним из основных методов машинного обучения для экономического прогнозирования.
Существует несколько видов и способов регрессионного анализа, некоторые из них:
- Модель простой линейной регрессии. Метод, в рамках которого зависимая переменная предсказывается на основе одной независимой. Такой подход обычно используются для определения зависимости между двумя показателями, например ВВП и инфляция.
- Мультипликативная и аддитивная модели временных рядов. В данной модели анализируется зависимость между несколькими переменными на протяжении временного ряда. Данный подход позволяет ИИ делать прогнозы экономического развития.
- Кратко- и долгосрочные модели. Позволяют при прогнозировании учитывать необходимые факторы.
- Дополнительные показатели и данные. Благодаря регрессионному анализу можно включить дополнительные факторы в расчеты, такие как политические факторы, торговые соглашения и т.д.
Помимо регрессионного анализа широко распространен метод ансамбля, в рамках которого комбинируется несколько алгоритмов. Данный подход позволяет извлечь пользу из разных алгоритмов и избежать минусов данных алгоритмов, так как алгоритмы могут исправлять ошибки
друг друга. Существует несколько способов применения метода ансамбля:
- Совокупное голосование, когда происходит анализ результатов нескольких моделей. Такой подход позволяет учесть различные точки зрения и улучшить качество прогноза.
- Бэггинг - когда несколько моделей обучаются на разных данных, а после их прогнозы комбинируются. Такой подход позволяет повысить стабильность прогнозов и снизить дисперсию.
- Бустинг - процесс создания последовательности слабых моделей, каждая из которых исправляет ошибки предыдущей.
- Случайные леса. Подход, когда происходит строительство каждого дерева на разной выборке данных, а после прогнозы каждого дерева объединяются и получается окончательный результат. Данный подход позволяет учесть взаимосвязи между различными факторами.
Таким образом оба вышеперечисленных подхода позволяют создавать высокоточные и надежные прогнозы и замечать взаимодействие различных факторов. Данные подходы являются наиболее инновационными и позволяют экономическим институтам значительно увеличить скорость и качество прогнозирования.
Подводя итог вышесказанному, можно отметить, что долгое время человечество использовало ручной труд для анализа экономики, однако в современном мире смещается фокус с ручного на машинный анализ. Благодаря алгоритмам и моделям, которые придумали экономисты и математики ИИ научился проводить моделирование экономики и экономических процессов, что повысило его значимость не только для организаций, но и для государственных органов. Так, в настоящий момент весь мир занимается развитием нового направления повышая качество и скорость работы ИИ. Рассматривая полезность ИИ для государства, можно отметить, что с наличием большой выборки данных и высококвалифицированных специалистов государство может значительно сокращать ресурсы на прогнозирование и повысить оперативность прогнозов. Рассматривая же перспективы внедрения ИИ
во все сферы жизнедеятельности, то мож- и снизить издержки. Таким образом пер-но отметить, что все организации и госу- спективы внедрения и развития ИИ в эко-дарства инвестируют большие средства в номическом прогнозировании велики и данную сферу, так как ИИ может дать уже сейчас становятся обыденной реаль-большое преимущество над конкурентами ностью.
Библиографический список
1. Применение искусственного интеллекта на финансовом рынке / Доклад для общественных консультаций. - Москва, 2023.
2. Драгуленко, В.В. Применение искусственного интеллекта в прогнозировании экономического роста / В.В. Драгуленко, В.А. Иванников, В.С. Унанян // Вестник Тихоокеанского государственного университета. - 2023. - № 4(71). - С. 79-90. - ББК БУЬЬУ1.
3. Бабаева, А.В. Применение методов искусственного интеллекта в прогнозировании финансового состояния кредитных организаций / А.В. Бабаева, В.Л. Литвинов // Актуальные проблемы инфотелекоммуникаций в науке и образовании: сборник научных статей: в 4х томах, Санкт-Петербург, 24-25 февраля 2021 года. Том 2. - Санкт-Петербург: Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, 2021. - С. 55-59. - ББК ^ИИРТ.
4. Белых Т.И. Использование способа реализации искусственного интеллекта в прогнозировании / Т.И. Белых, А.В. Бурдуковская // Известия БГУ. - 2018. - №3. - С. 500-507.
USING ARTIFICIAL INTELLIGENCE TO PREDICT MACROECONOMIC
INDICATORS
A.E. Kurbanov, Student
A.Y. Adzhieva, Candidate of Economic Sciences, Associate Professor Kuban State Agrarian University named after I.T. Trubilin (Russia, Krasnodar)
Abstract. The article explores innovations in the field of big data, analysis and forecasting of economic indicators using artificial intelligence. The history of the formation of forecasting economic indicators is shown. A large place in the work is occupied by the consideration of the essence and advantages of artificial intelligence. The article describes the forecasting methods used to train artificial intelligence. The main attention is drawn to the benefits that artificial intelligence can bring to the bodies that make forecasts of economic indicators.
Keywords: artificial intelligence, monetary policy, forecast, macroeconomics, innovation, automation.
