CC BY
10Образование. Наука. Научные кадры. 2024. № 1. С. 298 — 303. Education. Science. Scientific personnel. 2024;(1):298 — 303.
МЕНЕДЖМЕНТ
Научная статья УДК 330
https://doi.org/10.24412/2073-3305-2024-1-298-303 NIION: 2007-0062-1/24-047
EDN: https://elibrary.ru/TCXKPB MOSURED: 77/27-004-2024-01-247
Мета-анализ проблем широкого внедрения
W VI
искусственных нейронных сетей в инфраструктуру электронного правительства Российской Федерации
Кирилл Сергеевич Мищенков
Славяно-Греко-Латинская Академия, Москва,
Россия, mishchenkov@list.ru
Аннотация. В статье рассматриваются вопросы, сопряженные с масштабным внедрением искусственных нейронных сетей (ИНС) в инфраструктуру электронного правительства Российской Федерации. Автор предпринял попытку комплексного анализа многогранных проблем и рисков, связанных с данной технологической интеграцией, затрагивая технические, правовые, этические, а также экономические и ресурсные аспекты в их естественной взаимозависимости. В статье рассматривается текущий уровень нормативно-правовой базы применительно к системам искусственного интеллекта (ИИ), подчеркивается необходимость соблюдения национальных законов и международных стандартов, а также приводятся этические аспекты, связанные с прозрачностью и доверием общества к ИИ. Автор также обращает внимание на технические проблемы, которые связаны с интеграцией ИНС в существующие электронные системы, трудности обеспечения масштабируемости и качества обслуживания, сложность выявления принципов принятия нейросетями решений, а также проблемы обеспечения безопасности и конфиденциальности данных. Комплексное понимание вышеуказанных сложностей, вызовов и рисков необходимо для своевременной и тщательной подготовки системы мер на различном уровне для исключения (либо сведения их к минимуму) проблем и опасностей в ходе широкомасштабного внедрения ИНС в государственном управлении. При этом для устранения некоторых сложностей видится достаточным заблаговременно предпринять конкретные действия, другие же требуют от государства и общества принятия определенного курса развития со специфическим компромиссным решением.
Ключевые слова: искусственные нейронные сети, электронное правительство, цифровое государственное управление, технологическая интеграция, Российская Федерация
Для цитирования: Мищенков К.С. Мета-анализ проблем широкого внедрения искусственных нейронных сетей в инфраструктуру электронного правительства Российской Федерации // Образование. Наука. Научные кадры. 2024. № 1. С. 298 — 303. https://doi.org/10.24412/2073-3305-2024-1-298-303. EDN: https://elibrary.ru/TCXKPB.
MANAGEMENT
Original article
Meta-analysis of the problems of artificial neural networks widespread implementation in the Russian Federation e-government infrastructure
Kirill S. Mishchenkov
Slavic Greek Latin Academy, Moscow, Russia, mishchenkov@list.ru
Abstract. This article deals with issues related to the large-scale implementation of artificial neural networks (ANN) in the e-government infrastructure of the Russian Federation. The author has conducted a comprehensive analysis of the multifaceted problems and risks associated with this technological integration, covering technical, legal, ethical as well as economic and resource aspects considered in their natural interdependence. The article discusses the current level of the legal and regulatory framework applicable to the artificial intelligence (AI) systems, emphasizing the need to comply with national laws and international standards, as well as ethical aspects related to transparency and public trust to AI. The author also considers the technical challenges associated with the ANNs
© Мищенков К.С., 2024
interface with the existing electronic systems, challenges in ensuring scalability and quality of service, difficulties related to understanding of the ANN decision-making principles and data security and privacy issues. A comprehensive understanding of the listed above difficulties, challenges and risks is necessary for timely and thorough preparation at various levels to eliminate (or minimize) problems and dangers associated with ANNs widespread implementation in public administration. Meanwhile, some difficulties may be overcome by the specific actions taken in advance, while others require the state and society to adopt a certain course of development with some compromise solution.
Keywords: artificial neural networks, e-government, digital public administration, technological integration, Russian Federation
For citation: Mishchenkov K.S. Meta-analysis of the problems of artificial neural networks widespread implementation in the Russian Federation e-government infrastructure // Obrazovaniye. Nauka. Nauchnyye kadry = Education. Science. Scientific personnel. 2024;(1):298-303. (In Russ.). https://doi.org/10.24412/2073-3305-2024-1-298-303. EDN: https://elibrary.ru/TCXKPB.
Введение. В 2019 г. Президент России В.В. Путин утвердил Национальную стратегию развития искусственного интеллекта на период до 2030 года1, в которой формулируются ключевые научные задачи, направленные на стимулирование развития искусственного интеллекта (ИИ) в России. В ней также подчеркивается важность проведения масштабных исследований в сфере ИИ, увеличения доступности информационных и вычислительных ресурсов для пользователей, а также совершенствования образовательной базы для подготовки специалистов в рассматриваемой области.
Современные эксперты отмечают, что одним из самых мощных и полезных подходов к разработке ИИ в настоящее время является теория нейронных сетей [15, с. 12].
Искусственные нейронные сети (ИНС, ней-росети) построены на принципах функционирования мозга в биологических системах. Признанный ученый в области нейросетей Саймон Хай-кин использует для ИНС следующее определение: «Нейронная сеть — это громадный распределенный параллельный процессор, состоящий из элементарных частиц обработки информации, накапливающих экспериментальные знания и предоставляющих их для последующей обработки. Нейронная сеть сходна с мозгом с двух точек зрения:
■ знания поступают в нейронную сеть из окружающей среды и используются в процессе обучения;
■ для накопления знаний применяются связи между нейронами, называемые синап-тическими весами» [12, с. 32].
1 Указ Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года») // URL: http://www.kremlin.ru/acts/bank/44731
На сегодняшний день нейросети доказали свою эффективность в самых разных областях. В сфере электронного правительства ИНС применяются с целью преобразования государственных услуг, например, они используются в различных приложениях, включая обнаружение мошеннических схем в программах социального обеспечения, предиктивную аналитику в городском планировании и персонализированные услуги для граждан [14, с. 395]. Чат-боты на основе ИНС все чаще предоставляют автоматизированные персонализированные ответы на запросы граждан.
Эволюция систем государственного управления (ГУ) сегодня все больше зависит от интеграции цифровых технологий. Можно сказать, что в цифровую эпоху технологии не просто способствуют изменению моделей ГУ, они определяют ход этих преобразований [3, с. 12].
В контексте инициатив электронного правительства РФ интеграция ИНС в инфраструктуру электронного правительства является не просто технологическим обновлением, а стратегическим направлением. В программе Правительства РФ «Цифровая экономика Российской Федерации», запущенной в 2017 г., отмечена важность внедрения цифровых технологий, включая ИИ, с целью повышения эффективности и прозрачности ГУ [13, с. 216]. Применение ИНС в российских инициативах по созданию электронного правительства может трансформировать процесс предоставления государственных услуг, сделав его более эффективным, доступным, прозрачным и отвечающим потребностям граждан. Например, нейронные сети могут улучшить систему сбора налогов, оптимизировать распределение ресурсов в здравоохранении и усовершенствовать модель работы полиции [10, с. 56].
Целью статьи является критический анализ трудностей и рисков, связанных с широкомасштабным применением ИНС в инфраструктуре электронного правительства Российской Федерации.
Исследуя технические, правовые, этические и экономические аспекты, автор сделал попытку комплексного анализа проблематики внедрения передовых технологий ИИ на основе нейросетей в ГУ. Предполагается, что материалы данного исследования могут послужить основой для дальнейшего поиска наилучших путей разрешения выявленных сложностей.
Технический аспект. Интеграция ИНС в существующую инфраструктуру российского электронного правительства сопряжена со значительными техническими трудностями. Существующие системы, составляющие основу многих современных сервисов электронного правительства, часто характеризуются устаревшими технологиями, которые плохо совместимы с современными решениями на основе ИИ [8, с. 87]. Эти системы, создававшиеся десятилетиями, используют различные языки программирования, форматы данных и протоколы, что усложняет технологический процесс интерфейса.
Процесс интеграции должен учитывать несколько ключевых аспектов: необходимо произвести тщательную гармонизацию данных, а также обеспечить совместимость систем. Соблюдение данных требований критично для того, чтобы ИНС могли эффективно взаимодействовать с различными существующими системами и обрабатывать данные из них.
Масштабирование ИНС для общенациональных приложений электронного правительства таит в себе уникальный набор вызовов. Одной из очевидных основных проблем является потребность в вычислениях — необходима надежная и масштабируемая инфраструктура, способная оперативно обрабатывать огромные объемы данных.
Говоря о масштабном применении ИНС, нельзя забывать о недостатке, являющемся следствием самой структуры нейросети, а именно о трудности анализа того, как и почему она сделала тот или иной выбор. Сложность декомпозиции внутренней структуры ИНС с целью понимания алгоритмических взаимосвязей возрастает экспоненциально — таким образом, обученная нейронная сеть придерживается сформулированного алгоритма (который в процессе дальнейшего обучения может корректироваться), но узнать его, с возрастанием сложности структуры нейросети, становится крайне сложно, а чаще даже нереально. Данная важная особенность не несет в себе проблем в случае простоты решаемых нейросетью задач, однако при применении ИИ в электронном правительстве может стоять цель получения более глубокого понимания ос-
новных процессов проблемы, и в таком случае использование нейросетей как «черного ящика» не принесет пользы [6, с. 268].
Наконец, первостепенное значение имеет обеспечение безопасности и целостности основанных на ИНС систем, особенно если они работают с конфиденциальными публичными данными. Это требует регулярного обновления и поддержки систем для обеспечения кибербезопасности в условиях постоянной эволюции цифровых угроз.
Правовой аспект. Внедрение ИНС требует строгого соблюдения национального законодательства, в частности касающегося защиты данных и использования технологий ИИ. Российское законодательство в данной области постоянно дополняется и совершенствуется, отражая как непрерывное развитие информационных технологий, так и растущую важность и сложность этих технологий в ГУ.
Одним из ключевых законодательных актов является Федеральный закон «О персональных данных»2, который устанавливает принципы обработки персональных данных, в том числе для любой системы ИИ, работающей с данными граждан. Он предъявляет требования к обеспечению конфиденциальности и безопасности персональных данных, что, однако, на практике особенно трудновыполнимо при использовании ИНС ввиду объема обрабатываемых данных [5, с. 158].
Кроме того, российское правительство работает над специальными нормативными документами, которые должны определить и регламентировать разработку, внедрение и использование ИИ в различных отраслях, включая ГУ. Предполагается, что законодательная база затронет такие вопросы, как этичность использования ИИ, ответственность за решения, принимаемые системами ИИ, и защита прав граждан в контексте автоматизированного принятия решений. На нормативно-правовом уровне необходимо закрепить понятие ИНС, правовой статус их субъектов, принципы, ограничения и пределы регулирования, сферы, в которых запрещено использование нейросетей, пределы в обучении [1, с. 236].
Стоит отметить, что российская правовая система адаптируется к международным стандартам и практике в области ИИ и защиты данных, что включает в себя согласование с глобальными тенденциями в управлении ИИ, такими как обеспечение прозрачности и подотчетности систем ИИ, которые все чаще оказываются в центре внимания международных регуляторов [11, с. 79].
2 Федеральный закон от 27 июля 2006 г. № 152-ФЗ «О персональных данных» (в ред. от 6 февраля 2023 г.).
Этический аспект. Применение нейросетей в электронных государственных услугах выдвигает на первый план вопрос о предвзятости и справедливости. ИНС обучаются на основе данных, и если эти данные содержат предубеждения, то решения, принимаемые ИНС, могут привести к несправедливым результатам в государственных услугах. Например, предвзятая система ИИ в сфере социального обеспечения может привести к несправедливому распределению ресурсов или дискриминационным практикам [9, с. 208]. С учетом вышесказанного необходимо подчеркнуть особую важность как подготовки исходных данных для обучения нейросети, так и последующего контроля за ее самообучением и границами подобного самообучения.
При рассмотрении широкомасштабного внедрения нейросетей нельзя игнорировать возможность возникновения конкуренции человека с И И-технологиями. Очевидно, внедрение систем на основе ИИ без принятия соответствующих комплексных мер по переквалификации персонала приведет к сокращению колоссального количества сотрудников. Это принесет экономические выгоды, однако обострит неравенство в обществе и выведет на первый план проблему острой нехватки рабочих мест [4].
Экономический и ресурсный аспекты. Финансовые инвестиции, необходимые для внедрения нейронных сетей в электронное правительство, включают как первоначальные затраты, такие как расходы на разработку и развертывание систем ИИ, так и расходы на инфраструктуру для их поддержки: современное вычислительное оборудование и безопасные решения для хранения данных [2, с. 48].
Отметим, что внедрение ИНС — дорогостоящий процесс еще и в силу того, что процесс обучения нейросети требует большого числа итераций и производится в основном вручную, с привлечением высококвалифицированных специалистов в данной области [7, с. 1325]. Как пояснялось выше, при рассмотрении технических аспектов применения нейросетей в инфраструктуре электронного правительства РФ ИНС представляют собой «черный ящик», однако принципы их работы нужно выявлять и понимать для улучшения качества функционирования нейросетей. А это требует привлечения к вопросу обучения и обслуживания ИНС не только высококвалифицированных специалистов по ИИ, но и экспертов в предметной области.
Кроме того, необходимо проводить постоянное обучение и повышение квалификации, чтобы сотрудники могли использовать системы и
управлять ими. Это требует дополнительных инвестиций в человеческий капитал для устойчивого и эффективного использования ИИ в ГУ.
Заключение. Исследование вопроса масштабного применения ИНС в российской инфраструктуре электронного правительства позволило сформулировать ряд основных проблем и рисков.
К ним относятся трудности технического характера, такие как интеграция ИНС с существующими системами, обеспечение масштабируемости и обслуживания, сложность понимания принципов принимаемых нейросетями решений, обеспечение безопасности и конфиденциальности данных.
Дополнительные сложности создают правовые и нормативные аспекты, в частности соответствие национальному законодательству и международным стандартам, а также пока еще недостаточное покрытие законодательством всего спектра ситуаций, возникновение и развитие которых возможно при использовании ИИ.
С этической точки зрения первостепенное значение имеют вопросы прозрачности и общественного доверия. Необходимо подчеркнуть особую важность корректной подготовки исходных данных для обучения нейросетей и последующего контроля за их самообучением для соблюдения принципов этики. Кроме того, со всей возможной ответственностью требуется подойти к вопросу максимально возможного снижения рисков возникновения конкуренции между ИИ и человеком.
Внедрение ИНС является дорогостоящим. С экономической точки зрения важными факторами являются инфраструктурные затраты и потребности в людских ресурсах.
Комплексное понимание вышеуказанных сложностей, вызовов и рисков необходимо для своевременной и тщательной подготовки системы мер на различном уровне для исключения (либо сведения к минимуму) проблем и опасностей в ходе широкомасштабного внедрения ИНС. При этом для устранения некоторых сложностей видится достаточным заблаговременно предпринять конкретные действия, другие же требуют от государства и общества принятия определенного курса развития со специфическим компромиссным решением.
Список источников
1. Бойченко И.С. Модели правового регулирования нейросетей // Образование и право. 2019. № 1. С. 235—237.
2. Демидова С.Е. Финансовая система в условиях цифровой трансформации экономики //
Научный вестник Южного института менеджмента. 2020. № 1. С. 47—53.
3. Добролюбова Е.И., Южаков В.Н., Ефремов АА. и др. Цифровое будущее государственного управления по результатам. М.: ИД «Дело»: РАНХиГС, 2019. 114 с.
4. Иванько А.Ф., Иванько М.А., Бутырская Д.В. Искусственный интеллект и государственное управление / / Научное обозрение. Фундаментальные и прикладные исследования. 2019. № 3. URL: https://scientificreview.ru/ru/article/ view?id=66
5. Калашников ЛО. и др. Влияние новых технологий на информационную безопасность критической информационной инфраструктуры / / Информация и безопасность. 2019. Т. 22, № 2. С. 156—169.
6. Ляшенко Н.К., Верховцев Л.Р. Трудности реализации нейросетей // Научно-техническое и экономическое сотрудничество стран АТР в XXI веке. 2017. № 2. С. 266—269.
7. Онофрюк Т.И. Нейросети: практика, перспективы и проблемы применения / / Молодежь третьего тысячелетия: сборник научных статей. Омск: Изд-во Омского государственного университета. 2019. С. 1322—1327.
8. Соколов ИЛ., Дрожжинов В.И., Райков АН. и др. Искусственный интеллект как стратегический инструмент экономического развития страны и совершенствования ее государственного управления. Часть 2. Перспективы применения искусственного интеллекта в России для государственного управления / / International Journal of Open Information Technologies. 2017. Т. 5, № 9. С. 76—101.
9. Степаненко ДЛ., Бахтеев Д.В., Евстра-това Ю.А. Использование систем искусственного интеллекта в правоохранительной деятельности // Всероссийский криминологический журнал. 2020. Т. 14. № 2. С. 206—214.
10. Фирсова С.В., Данилина О.М. Цифровая трансформация в государственном управлении // Муниципальная академия. 2021. № 1. С. 54—61.
11. Швецов А.Н. К сопоставительному анализу процессов цифровизации госуправления в России и в других странах // Российский экономический журнал. 2020. № 5. С. 75—117.
12. Хайкин С. Нейронные сети. Полный курс: пер. с англ. М.: ИД «Вильямс», 2006. 1104 c.
13. Kruchinina V.M., Ryzhkova S.M. Consumer Cooperation in Russia in the Digital Economy / / Complex Systems: Innovation and Sustainability in the Digital Age. 2020. Vol. 1. Р. 215—224.
14. Meijer A., Bolnvar M. P.R. Governing the smart city: a review of the literature on smart urban governance / / International review of administrative sciences. 2016. T. 82. № 2. P. 392—408.
15. Рашид Т. Создаем нейронную сеть: пер. с англ. СПб: ООО «Диалектика», 2019. 272 с.
References
1. Boychenko I.S. Models of legal regulation of neural networks // Education and law. 2019. No. 1. pp. 235—237.
2. Demidova S.E. The financial system in the context of digital transformation of the economy / / Scientific Bulletin of the Southern Institute of Management. 2020. No. 1. pp. 47—53.
3. Dobrolyubova EI., Yuzhakov V.N., Efremov AA. et al. The digital future of public administration by results. M.: Publishing house "Delo": RANEPA, 2019.114 p.
4. Ivanko A.F., Ivanko MA, Butyrskaya D.V. Artificial intelligence and public administration // Scientific review. Fundamental and applied research. 2019. № 3. URL: https://scientifi-creview.ru/ru/article/view?id=66
5. Kalashnikov A.O. et al. The impact of new technologies on information security of critical information infrastructure // Information and Security. 2019. Vol. 22, No. 2. pp. 156—169.
6. Lyashenko N.K., Verkhovtsev L.R. Difficulties in implementing neural networks // Scientific, technical and economic cooperation of the APR countries in the XXI century. 2017. No. 2. pp. 266—269.
7. Onofryuk T.I. Neural networks: practice, prospects and problems of application / / Youth of the third millennium: collection of scientific articles. Omsk: Publishing House of Omsk State University. 2019. pp. 1322—1327.
8. Sokolov IA, Drozhzhinov V.I., Raikov A.N. et al. Artificial intelligence as a strategic tool for the economic development of the country and the improvement of its public administration. Part 2. Prospects for the use of artificial intelligence in Russia for public administration // International Journal of Open Information Technologies. 2017. Vol. 5, No. 9. pp. 76—101.
9. Stepanenko DA, Bakhteev D.V., Evstratova YuA The use of artificial intelligence systems in law enforcement / / All-Russian Journal of Criminology. 2020. Vol. 14. No. 2. pp. 206—214.
10. Firsova S.V., Danilina O.M. Digital transformation in public administration // Municipal Academy. 2021. No. 1. pp. 54—61.
11. Shvetsov A.N. Towards a comparative analysis of the processes of digitalization of public
administration in Russia and in other countries // Russian Economic Journal. 2020. No. 5. pp. 75—117.
12. Khaykin S. Neural networks. The full course: translated from English. M.: Williams Publishing House, 2006. 1104 p.
13. Kruchinina V.M., Ryzhkova S.M. Consumer Cooperation in Russia in the Digital Economy // Complex Systems: Innovation and Sustainability in the Digital Age. 2020. Vol. 1. pp. 215—224.
14. Meijer A., Bolnvar M. P.R. Governing the smart city: a review of the literature on smart urban governance / / International review of administrative sciences. 2016. Vol. 82. No. 2. Pp. 392—408.
15. Rashid T. Make your own neural network: translated from English. St. Petersburg: Dialectics LLC, 2019. 272 p.
Информация об авторе
К.С. Мищенков — аспирант кафедры «Государственное управление и отраслевые политики» АНО ВО «Славяно-Греко-Латинская Академия».
Information about the author K.S. Mishchenkov — Post-Graduate Student of the Department of Public Administration and Sectoral Policies of the Slavic-Greek-Latin Academy.
Статья поступила в редакцию 1 2.01.2024; одобрена после рецензирования 1 2.02.2024; принята к публикации 12.03.2024.
The article was submitted 12.01.2024; approved after reviewing 12.02.2024; accepted for publication 12.03.2024.
ИЗДАТЕЛЬСТВО «ЮНИТИ-ДАНА» ПРЕДСТАВЛЯЕТ
Методы анализа воспроизводства и здоровья населения России
Тихомирова Т.М., Тихомиров Н.П. Методы анализа воспроизводства и здоровья населения России: монография. М.: ЮНИТИ-ДАНА, 2022. 361 с.
ISBN 978-5-238-03657-1
В монографии изложены подходы и методы оценки и управления состоянием здоровья и режимом воспроизводства населения в России и ее регионах, использующие достоверную информацию о погодовых значениях уровней заболеваемости, смертности и рождаемости по пятилетним возрастным группам мужчин и женщин. Предложены варианты показателей-индикаторов, характеризующих агрегированные значения этих явлений в стране и регионах в каждом году.
Рассмотрены постановки и методы решения задач регулирования состояния здоровья и режима воспроизводства населения, позволяющие выявить наиболее значимые для снижения заболеваемости и смертности, повышения рождаемости его группы.
Разработаны варианты эконометрических моделей, выражающих зависимости этих явлений от условий жизнедеятельности в стране и ее регионах, на базе которых обоснованы рекомендации по формированию мер социально-экономической политики, направленной на укрепление здоровья и выход на режим устойчивого расширенного воспроизводства ее населения.
