CC BY
11714. Кузьмина Н. Е., Моисеев С. В., Северинова Е. Ю., Лутцева А. И. Применение метода диф-фузно-упорядоченной спектроскопии ЯМР для анализа полисахаридов // Ведомости научного центра экспертизы средств медицинского применения, регуляторные исследования и экспертиза лекарственных средств. 2022. № 1. Т. 12. С. 24-40.
15. Авилова И. А., Бузник В. М., Волков В. И., Железина Г. Ф., Морозов Е. В., Раскутин А. Е., Фалалеев О. В. Исследования взаимодействия воды с полимерными композиционными материалами методом ядерного магнитного резонанса // Авиационные материалы и технологии. 2014. № 1. С. 30-36.
16. Калабин Г. А., Каницкая Л. В., Кушнарев Д. Ф. Количественная спектроскопия ЯМР природного органического сырья и продуктов его переработки. М.: Химия, 2000. 407 с.
информация об авторе
Ивахненко Татьяна Евгеньевна - кандидат химических наук, доцент кафедры товароведения и таможенной экспертизы, доцент, Ростовский филиал Российской таможенной академии, Российская Федерация, 344002, Ростов-на-Дону, Буденновский проспект, 20, тел.: 8 (928) 908-64-29, e-mail: [email protected].
конфликт интересов
Автор заявляет об отсутствии конфликта интересов. для цитирования
Ивахненко Т. Е. Современные технологии в таможенной экспертизе полимеров // Вестник Российской таможенной академии. 2022. № 4. С. 63-76.
УДК 342.951
DOI 10.54048/20727240_2022_04_76
перспективы использования в таможенной деятельности передовых информационных технологий
н. М. Кожуханов1, А. Э. Петросян1, А. в. Ефимов1
1 Российская таможенная академия, Люберцы, Московская область, Российская Федерация
Аннотация. В статье анализируются направления таможенной деятельности, повышение результативности которых зависит от использования передовых (инновационных) технологий. В работе определена сущность таможенной деятельности через призму задач, стоящих перед таможенной службой и реализуемых ими функций. Представлены современные информационные технологии (сервисы), внедряемые в деятельность таможенных органов, такие как сервис КПС «Семантика»; сервис анализа на основе искусственного интеллекта рентгеноскопических изображений, полученных с использованием инспекционно-досмотро-вых комплексов; централизованная версия автоматизированной информационной системы таможни (АИС «АИСТ-М») и другие. Определены перспективы использования в таможенной деятельности передовых информационных технологий.
© Кожуханов Н. М., Петросян А. Э., Ефимов А. В., 2022
Ключевые слова: задачи, информационные технологии, перспектива, правовое регулирование, современное состояние, таможенная деятельность, таможенные органы.
prospects for the use of advanced information technologies
N. M. Kozhukhanov1, A. E. Petrosyan1, A. v. Efimov1
1 Russian Customs Academy, Lyubertsy, Moscow region, Russian Federation
Abstract. The article analyzes the areas of customs activity, the improvement of the effectiveness of which depends on the use of advanced (innovative) technologies. The paper defines the essence of customs activity through the prism of the tasks facing the customs service and the functions they implement. The author presents modern information technologies (services) introduced into the activities of the customs authorities, such as: service CPS "Semantics"; analysis service based on artificial intelligence of fluoroscopic images obtained using inspection and screening systems; a centralized version of the automated information system of customs (AIS "AIST-M") and others. The publication defines the prospects for the use of advanced information technologies in customs activities.
Keywords: tasks, information technology, perspective, legal regulation, state of the art, customs activity, Customs.
ббедение
В середине XX в. общество переосмыслило роль информации. Она стала важнейшим стратегическим ресурсом, который позволяет развиваться коммерческим и некоммерческим организациям, государству и обществу в целом. Работа с большими массивами информации в настоящее время является неотъемлемой частью функционирования современного социума. Для обработки информации используются различные информационные технологии.
В настоящее время наиболее востребованными являются: «облачные» технологии, технологии анализа больших данных, искусственный интеллект (ИИ), технологии блокчейн, безбумажные технологии, мобильные технологии, технологии идентификации, технологии использования встроенных программно-аппаратных средств защиты информации и многие другие.
Таможенные органы Российской Федерации (РФ) активно развиваются и внедряют в свою работу современные информационные технологии, которые не просто изменяют облик таможни, а существенным образом трансформируют процесс таможенного контроля.
«Одним из приоритетов деятельности Федеральной таможенной службы (ФТС России) является трансформация таможенного администрирования в быстрый и высокотехнологичный процесс, основанный на применении передовых информационных технологий, в перспективе предусмотрено создание максимально благоприятных условий перемещения товаров через таможенную границу за счет автоматизации совершаемых операций» [1]. В основе алгоритма работы большинства современных информационных технологий лежит машинный или искусственный интеллект, который позволяет многократно повысить результативность
деятельности должностных лиц таможенных органов. Однако применение ИИ требует решения ряда концептуальных прогностических научно-практических задач, которые позволят системно внедрять прогрессивные достижения в повседневную работу таможни.
В рамках данной публикации изложены результаты проведенных научных исследований по следующим направлениям: «Исследование перспектив применения искусственного интеллекта при осуществлении таможенного контроля по направлению соблюдения запретов и ограничений», «Цифровая трансформация деятельности таможенных органов от автоматизации к «интеллектуальной» таможне».
исследование типов искусственного интеллекта
Базовым концептуальным правовым источником, регулирующим вопросы развития технологии ИИ, является Указ Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации». Он устанавливает «Национальную стратегию развития искусственного интеллекта на период до 2030 года» (Стратегия ИИ). В рамках данного нормативного правового акта систематизированы представления об ИИ, определены принципы и основные направления его развития [2].
Вместе с тем следует отметить, что сейчас отсутствует единое для всех отраслей нормативно закрепленное определение термина «искусственный интеллект». Это обусловлено прикладным характером применения ИИ в различных областях, что требует использования определения, актуального для конкретной сферы деятельности (п. 6 «Концепции развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники до 2024 г.») [3].
В связи с этим существует множество подходов к пониманию сущности ИИ. Рассмотрим определения, установленные в основных нормативных правовых актах (табл. 1).
Отсутствие единообразия в понимании того, что считать ИИ, порождает полемику по данному вопросу и в научных кругах [4, 5, 6, 7]. По мнению ряда исследователей, идентичные определения, используемые в Стратегии ИИ и ГОСТ Р 59277-2020, невозможно в достаточной степени применить к российской правовой системе, так как они не указывают на специфику ИИ как технологии с высоким уровнем риска, а рассматривают его исключительно как имитацию когнитивных способностей человека, что создает трудности на стадии правоприменения [8], а также не раскрывает юридическую сторону ИИ, так как имеет преимущественно технический характер [9].
Кроме того, слово «имитация», используемое в определении ИИ согласно Стратегии ИИ, означает «подражание, воспроизводство и даже подделку, неполно характеризует ИИ, изначально ориентированный не столько на подражание, сколько на замещение наших когнитивных функций... «Имитация» характеризует многие технологии ИИ», а «замещение» ориентировано на то, чтобы сделать что-либо вместо человека и лучше его [10].
Таблица 1
Определения термина «искусственный интеллект», регламентированные в основных нормативных правовых актах
Нормативный правовой акт Определение термина
Стандарт ISO/IEC 22989 Information technology - Artificial intelligence - Artificial intelligence concepts and terminology (международный стандарт) Созданная система, т. е. набор методов или автоматизированных объектов, которые в совокупности создают, оптимизируют и применяют модель, чтобы система была способна для заданного набора определенных задач делать прогнозы и предлагать рекомендации или решения
Дисциплина, т. е. изучение теорий, механизмов и разработок, связанных с искусственным интеллектом как созданной системой
«Национальная стратегия развития искусственного интеллекта на период до 2030 года» (Указ Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации») 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: 1. Информационно-коммуникационная инфраструктура. 2. Программное обеспечение (в том числе в котором используются методы машинного обучения). 3. Процессы и сервисы по обработке данных и поиску решений
Технологическое решение - это технология, программа для электронно-вычислительных машин, база данных или их совокупность, а также сведения о наиболее эффективных способах их использования
ГОСТ 33707-2016 «Информационные технологии. Словарь» Способность функционального блока выполнять функции, обычно ассоциирующиеся с интеллектом человека, такие как, например, рассуждения и обучение
ГОСТ Р 59276-2020 «Системы искусственного интеллекта. Способы обеспечения доверия. Общие положения» (ГОСТ Р 59276-2020) Способность технической системы имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных практически значимых задач обработки данных результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека
ГОСТ Р 59277-2020 «Системы искусственного интеллекта. Классификация систем искусственного интеллекта» (ГОСТ Р 59277-2020) Определение, идентичное определению, установленному в Стратегии ИИ
Определение, указанное в ГОСТ Р 59276-2020, отличается от определения, указанного в Стратегии ИИ, использованием формулировки «способность технической системы» вместо «комплекс технологических решений», сужая тем самым виды объектов, которые могут являться (считаться) ИИ.
В большей степени сущность и инструменты ИИ рассматривают с юридической или философской точки зрения. Для решения более частных задач направления применения ИИ исследуются в строительстве, лингвистике, образовании и других сферах.
Таблица 2
Подходы исследователей к пониманию сущности ИИ
Наименование подхода Автор(ы) подхода, область Определение искусственного интеллекта
- Д. Маккарти (автор термина «ИИ») Наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ, не ограничиваясь существующими методами, с целью использования компьютеров для понимания процессов функционирования человеческого интеллекта
- Н. Ф. Гусарова Цифровое воспроизведение процессов сознательной активности человека
- Толковый словарь по искусственному интеллекту (А. Н. Аверкин, М. Г. Гаазе-Рапопорт, Д. А. Поспелов) Научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными
Свойство интеллектуальных систем выполнять функции (творческие), которые традиционно считаются прерогативой человека
Технический В. А. Шестак, А. Г. Волеводз Автоматическое программное управление, при котором алгоритмы не задаются оператором заранее, а создаются внутри системы самостоятельно на основе кодированных описаний различного вида целей, представлений о действиях и информационной базы о внешнем окружении
«Архитектурный» (используемые инструменты и методы) Р. Сасскинд (в области юриспруденции) Развитие искусственного интеллекта: «первая волна» -построение явных программных алгоритмов; «вторая волна» - нейронные сети и машинное обучение
«Функциональный» Использование программных систем для выполнения тех задач, которые традиционно требовали применения человеческого мышления, независимо от технологии
«Закрытый» вариант определения ИИ В. В. Архипов, А. В. Грачева, В. Б. Наумов, Т. А. Полякова, А.В. Минбалеев (в области юриспруденции) Информационная технология, которая включает в себя искусственную нейронную сеть
«Открытый» вариант определения ИИ Информационная система, которая обеспечивает функцию формирования алгоритмов решения задач, отличных от заложенных разработчиками системы, в том числе с помощью искусственной нейронной сети
- В. Я. Дмитриев, И. А. Игнатьева, В. П. Пилявский Комплекс компьютерных программ, которые дублируют функции человеческого мозга, открывая возможность неформального обучения на основе обработки больших данных, позволяя решать задачи распознавания образов (текста, изображения, речи) и формирования управленческих решений
ИИ как наука Н. Н. Самылкина, А. А. Са-лахова Наука о проектировании сознания, изучении и моделировании человеческого мышления, вычислимом поиске смысла в данных
ИИ как технология Проектирование систем, позволяющих обрабатывать данные интеллектуально (включая самообучение, получение нетривиальных данных, построение теорий с помощью математической логики и т. д.), а также интеллектуальные алгоритмы
В результате анализа таблицы можно сделать вывод, что в большей степени авторы подходов, говоря об ИИ, считают, что он связан с изучением, пониманием, воспроизведением, дублированием и моделированием процессов функционирования человеческого мозга, мышления и сознания. Такое видение проистекает из Стратегии ИИ. Кроме того, одним из доминирующих выступает подход, рассматривающий ИИ сугубо с технической точки зрения, как научное направление или как технологию (систему), которая состоит из элементов и выполняет определенные функции.
ИИ часто рассматривают через определенную систему (техническую систему, в которой используются технологии ИИ) [11]. Классификация систем ИИ является достаточно обширной и содержит существенное количество признаков классификации. Наибольший интерес в рамках проводимого исследования представляют следующие системы ИИ:
1) по виду деятельности (государственное управление, безопасность, общеотраслевое регулирование, промышленность, здравоохранение, торговля, финансы и банки, транспорт (логистика), сельское хозяйство, «умный город», экология, образование и наука, нефть и газ, прочее);
2) по степени автономности (автономные системы, встроенные системы и гибридные системы);
3) по степени автоматизации (автоматизированные системы и автоматические системы);
4) по архитектуре (централизованные системы и распределительные системы);
5) по функциям контура управления (системы идентификации и диагностики, системы поддержки принятия решений, системы обработки измерений и др.);
6) по методам обработки информации (кластеризация, «дерево решений», нейросети и др.).
Следует отметить, что в настоящее время широко распространена классификация ИИ по типу ИИ:
1) слабый ИИ (решает узкоспециализированные задачи);
2) универсальный (сильный) ИИ (решает различные задачи, «мыслит» и приспосабливается к изменяющимся условиям).
Слабый ИИ (Narrow AI, Weak AI) нацелен на выполнение одной конкретной задачи и не обладает «человеческим сознанием». Данный тип ИИ функционирует при наличии определенного набора данных, который должен быть репрезентативным, релевантным и корректно размеченным. При этом алгоритм работы ИИ является сложным для интерпретации. Следовательно, результаты работы ИИ могут быть подвергнуты сомнению человеком. Тем не менее, слабый ИИ является существенным результатом технологического прорыва и служит основой для разработки будущих решений в области создания и использования ИИ.
В отличие от повсеместной эксплуатации слабого ИИ создание универсального (сильного) ИИ (Strong AI, Super AI) представляет сложную научно-техническую проблему, решение которой располагается на пересечении различных сфер
научного знания (технической, естественно-научной и социально-гуманитарной). Создание такого ИИ «может повлечь за собой как положительные, так и отрицательные изменения в жизнедеятельности человека (социальные, политические, экономические, технологические, экологические)» [2].
Важно отметить, что в основе всех исследований в области ИИ заложена идея моделирования процессов человеческого мышления с помощью электронно-вычислительных машин. Кроме того, в современном мире стремительно повышается автономность интеллектуальных систем. В связи с этим развитие ИИ выступает одной из первостепенных задач государственной политики стран мира. Механизмы развития ИИ в РФ представлены на рис. 1.
Механизмы развития ИИ в РФ
Обеспечение роста конкурентоспособных в мире российских продуктов (услуг), созданных (оказываемых) с использованием технологий ИИ
Обеспечение роста спроса со стороны российских граждан, организаций и государственных органов на продукты (услуги), созданные (оказываемые) с использованием технологий ИИ
Источник: составлено авторами на основе Стратегии ИИ.
Рис. 1. Механизмы развития ИИ в РФ
Проведенный анализ позволяет сделать вывод, что основными сферами применения ИИ, который в настоящее время способен решать узкоспециализированные задачи, являются:
1) государственное управление (анализ изображений с камер, формирование документов, управление дорожным движением, подготовка стенограмм и заседаний судов, анализ социальных сетей, формирование прогнозов доходов федерального бюджета, использование чат-ботов);
2) промышленность (автоматизированная оценка поставщиков, анализ требований к запчастям и деталям, совершенствование процесса исполнения задач, автоматизация сборочных линий);
3) финансы и банки (автоматизированная оценка рисков, прогнозирование востребованности банковских продуктов, автоматизация одобрения кредитов, автоматическое регулирование процентных ставок в зависимости от истории клиента, использование чат-ботов);
4) электроэнергетика (оценка надежности оборудования, автоматизированное обслуживание клиентов, динамическая тарификация);
5) транспорт (планирование маршрута транспортных средств, управление и оплата парковок, помощь водителю транспортного средства);
6) логистика (управление запасами, интеллектуальная сортировка, использование самоориентирующихся роботов, применение модуля распознавания речи для управления складом);
7) образование и наука (контроль успеваемости, целевая помощь в планировании образования и трудовой карьеры, онлайн-образование);
8) торговля (предсказание изменений спроса, управление ассортиментом, актуализация отображения товаров в интернет-магазинах в режиме реального времени, автоматическое обслуживание в магазинах);
9) здравоохранение (выявление групп пациентов с высоким риском заболеваний, автоматизация и повышение точности диагностики, адаптация терапии и состава лекарств для каждого пациента):
10) оборонно-промышленный комплекс (распознавание лиц в темноте через стены, управление истребителями и системами прицеливания).
Оценивая позитивные решения использования технологии ИИ среди государственных органов, необходимо отметить опыт использования технологий ИИ ФНС России (например, внедрение чат-бота в личный кабинет физических лиц с целью оказания помощи по вопросам налогового администрирования) и Рос-имущества (например, использование ИИ для формирования прогнозов доходов федерального бюджета и плана приватизации) и др.
цифровизация таможенной деятельности
«Таможенная деятельность представляет собой самостоятельную сферу жизнедеятельности государства и общества, в которой взаимодействуют и реализуют свои целевые установки таможенные органы как субъект, являющийся уполномоченным государственным органом, а также иные физические и юридические лица (участники внешнеэкономической деятельности; лица, оказывающие им посреднические услуги, физические лица, пересекающие таможенную границу) как субъекты таможенных правоотношений» [12]. Ключевым субъектом таможенной деятельности выступают таможенные органы. Задачи, стоящие перед данным органом исполнительной власти, определяют основные направления его деятельности (закрепленные за ним функции).
В соответствии со ст. 351 Таможенного кодекса Евразийского экономического союза «таможенные органы в пределах своей компетенции обеспечивают на таможенной территории Союза выполнение следующих задач:
1) защита национальной безопасности государств-членов, жизни и здоровья человека, животного и растительного мира, окружающей среды;
2) создание условий для ускорения и упрощения перемещения товаров через таможенную границу Союза;
3) обеспечение исполнения международных договоров и актов в сфере таможенного регулирования, иных международных договоров и актов, составляющих право Союза, законодательства государств-членов о таможенном регулировании, а также законодательства государств-членов, контроль за соблюдением которого возложен на таможенные органы» [13].
Одним из приоритетов деятельности ФТС России является трансформация таможенного администрирования в быстрый и высокотехнологичный процесс, основанный на применении перспективных информационных технологий. «Стратегией развития таможенной службы Российской Федерации до 2030 года»
предусмотрено создание максимально благоприятных условий перемещения товаров через таможенную границу за счет автоматизации совершаемых операций с использованием информационных технологий с применением элементов ИИ. В настоящее время разработан сервис анализа на основе ИИ рентгеноскопических изображений, полученных с использованием инспекционно-досмотровых комплексов [1].
В 2021 г. основной вектор преобразований в части применения технологий ИИ в деятельности таможенных органов был направлен на сбор, хранение и обработку информации о результатах таможенных осмотров товаров и транспортных средств, проведенных с использованием ИДК (инструмент реализации - АИС «АИСТ-М»), регистрацию объектов интеллектуальной собственности в таможенном реестре (инструменты реализации - АПС «Личный кабинет» и ИАС «Тари-фы-1») и семантический анализ информационных массивов Единой автоматизированной информационной системы таможенных органов (инструмент реализации - КПС «Семантика») [14].
Рассмотрим подробно субтехнологии СЦТ, которые представляют наибольший интерес для таможенных органов в ближайшие несколько лет:
1) рекомендательные системы и интеллектуальные системы поддержки принятия решений;
2) компьютерное зрение;
3) обработка естественного языка.
Рекомендательные системы и интеллектуальные системы поддержки принятия решений представляют определенный класс решений, позволяющих выполнять различные процессы без участия человека и осуществляющих поддержку в выборе решений и предсказание объектов, которые могут быть интересны пользователю [15].
Технологии принятия решений в режиме реального времени, выступающие наиболее распространенным элементом субтехнологии СЦТ «рекомендательные системы и интеллектуальные системы поддержки принятий решений» в таможенных органах, успешно апробированы, например, в процессах регистрации и выпуска декларации на товары и транзитной декларации, форматно-логического контроля декларации на товары, проверки категории уровня риска участника внешнеэкономической деятельности, начисления и списания таможенных платежей, сверки разрешительных документов со сведениями, заявленными в декларации на товары.
Семантика, отражающая систему правил определения поведения языковых конструкций и определяющая смысловое значение предложений алгоритмического языка, представляет интерес для таможенных органов в части анализа как декларационного массива, так и иных процессов таможенного оформления с использованием КПС «Семантика» [14]. Применение семантического анализа таможенными органами предусматривает развитие как элементов субтехнологии СЦТ «рекомендательные системы и интеллектуальные системы поддержки принятия решений» (систем принятия решений в режиме реального времени, технологий
принятия решений на основе неструктурированной информации), так и элементов субтехнологии СЦТ «обработка естественного языка» (группировка и классификация информации при распознавании текста, распознавание ошибок и аббревиатур), которая подразумевает наличие класса решений, направленных на понимание языка и генерацию текста, несущего смысл, а также общение на естественном языке при взаимодействии компьютера и человека [15].
По аналогии с семантическим анализом создание «интеллектуального» пункта пропуска не предусматривает внедрение систем одной конкретной субтехнологии СЦТ. Данные системы в обязательном порядке должны сочетать различные субтехнологии СЦТ, в том числе компьютерное зрение (класс решений, которые находят, отслеживают и классифицируют объекты, а также синтезируют видео/изображения) [15].
Модель «интеллектуального» пункта пропуска предполагает автоматическую обработку рентгеновских изображений, основанную на применении технологий ИИ, которые связаны с исходными данными, накопленными в большом объеме и систематизированными в базы данных (дата-сеты), т. е. наборы размеченных данных, пригодных для применения в алгоритмах машинного обучения. Данный подход подразумевает исследование возможностей применения сверточных нейронных сетей (Спп) для обработки рентгеновских изображений. Сверточные нейронные сети (Спп) работают согласно следующему алгоритму:
1) выделение из исходного изображения малых частей, содержащих характерные элементарные признаки объектов (контуры, дуги, грани);
2) выделение из элементарных признаков фрагментов текстур (треугольник, квадрат, окружность);
3) обработка фрагментов текстур и формирование более сложных текстур (лицо человека, деталь транспорта), что в конечном итоге позволяет распознать сам объект (человек, автомобиль, животное) с использованием классификации, детекции и сегментации (рис. 2) [16].
Оригинал Разметка Результат сегментации
Рис. 2. Пример выходных данных сверточной нейронной сети [17]
Задачами применения сверточных нейронных сетей в таможенном контроле является оценка наличия товарной партии с соответствующими рисками и определение на изображении объектов в целях сравнения с заявленными характеристиками товаров оператором ИДК и, как следствие, принятия по данной товарной партии соответствующего решения.
К существенным препятствиям внедрения данной технологии можно отнести отсутствие открытых наборов данных, сложность работы с теневым изображением, высокую вероятность ложноположительных результатов [17].
В настоящее время проделана существенная работа по сбору, хранению и обработке информации о результатах таможенных осмотров товаров и транспортных средств, проведенных с использованием ИДК. Ключевым инструментом реализации данной технологической операции выступила АИС «АИСТ-М». На сегодняшний день тестируется система поддержки принятия решений, способствующая выявлению в автоматическом режиме подозрительных объектов или областей на снимках ИДК. Ожидаемыми результатами применения данной технологии являются:
1) 800 тыс. снимков в год;
2) максимальное количество снимков на одного оператора в смену - 90 снимков;
3) анализ одного снимка - в течение 8 мин [14].
заключение
Выводы о типах ИИ применительно к таможенной деятельности показали, что разработку и применение технологий ИИ в работе таможенных органов в настоящее время целесообразно рассматривать через использование слабого ИИ (Narrow AI, Weak AI), который способен решать узкоспециализированные задачи и повышать эффективность работы таможенных органов.
Результаты проведенного исследования позволяют выделить направления деятельности таможенных органов, в которых могут быть применены элементы взаимосвязанных субтехнологий СЦТ (рекомендательные системы и интеллектуальные системы поддержки принятия решений, компьютерное зрение и обработка естественного языка) в 2022-2024 гг.:
1) контроль лицензируемых товаров;
2) сверка сведений о (из) разрешительных документах(ов) (графа 44 декларации на товары), получаемых посредством системы межведомственного электронного взаимодействия с использованием методов семантического анализа и самообучающихся систем;
3) предоставление сведений о выявлении признаков незаконного перемещения через Государственную границу РФ делящихся радиоактивных материалов и товаров с повышенным уровнем ионизирующих излучений;
4) автоматизация контроля правильности классификации товаров (алгоритмы семантического анализа неструктурированной информации, представленной в графе 31 декларации на товары);
5) применение чат-ботов для оперативного доступа граждан к общедоступным данным и подачи жалоб;
6) процессы фактического контроля в рамках «интеллектуального» пункта пропуска (анализ снимков ИДК, интеграция информационных систем с системами обнаружения радиоактивных материалов и с иными техническими средствами таможенного контроля).
ИСПОЛЬЗОВАННЫЕ ИСТОЧНИКИ
1. Таможенная служба Российской Федерации в 2021 году [Электронный ресурс] // Официальный сайт ФТС России. URL: https://customs.gov.ru (дата обращения: 16.11.2022).
2. Указ Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года») [Электронный ресурс] // Официальный интернет-портал правовой информации. URL: http://www.pravo.gov.ru.
3. Распоряжение Правительства РФ от 19.08.2020 № 2129-р «Об утверждении Концепции развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники на период до 2024 года» [Электронный ресурс] // Официальный интернет-портал правовой информации. URL: http://www.pravo.gov.ru.
4. Бушманов Р. В., Накусова Ф. А. Современные подходы к нормативному определению понятия искусственного интеллекта в российском праве // Наука и образование: хозяйство и экономика; предпринимательство; право и управление. 2021. № 10 (137). С. 39-42.
5. Толковый словарь по искусственному интеллекту / А. Н. Аверкин, М. Г. Гаазе-Рапопорт, Д. А. Поспелов. М.: Радио и связь, 1992. 256 с.
6. Дмитриев В. Я., Игнатьева И. А., Пилявский В. П. Развитие искусственного интеллекта и перспективы его применения // Экономика и управление. 2021. № 2. Т. 27. С. 132-138.
7. Самылкина Н. Н., Салахова А. А. Обучение основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования: монография. М.: МПГУ, 2022. 242 с.
8. Arkhipov V. V., Gracheva A. V., Naumov V. B., Polyakova T. A., Minbaleev A. V. Definition of Artificial Intelligence in the Context of the Russian LEGAL System: a Critical Approach // Государство и право. 2022. № 1. С. 168-178.
9. Гринь Е. С., Королева А. Г. Правовая природа объектов, создаваемых с помощью технологий искусственного интеллекта // Законы России: опыт, анализ, практика. 2021. № 5. С. 15-19.
10. Лексин В. Н. Искусственный интеллект в экономике и политике нашего времени. Статья 1. Искусственный интеллект как новая экономическая и политическая реальность // Российский экономический журнал. 2020. № 4. С. 3-30.
11. ГОСТ Р 59277-2020. Национальный стандарт Российской Федерации. Системы искусственного интеллекта. Классификация систем искусственного интеллекта (утвержден и введен в действие приказом Росстандарта от 23.12.2020 № 1372-ст). М.: Стандартинформ, 2021.
12. Кожуханов Н. М. Теоретическая основа правовой категории «таможенная деятельность» // Современная система высшего образования: опыт прошлого - взгляд в будущее: сборник материалов и докладов второй Международной научно-практической конференции, Вос-кресенск, 5 декабря 2012 г. Воскресенск: Российский Новый университет - Воскресенский филиал, 2013. С. 258-282.
13. Таможенный кодекс Евразийского экономического союза (приложение № 1 к Договору о Таможенном кодексе Евразийского экономического союза) [Электронный ресурс] //
Официальный сайт Евразийского экономического союза. URL: http://www.eaeunion.org/, 12.04.2017.
14. Скиба В. Ю. От автоматизации таможенных операций к интеллектуальной таможне [Электронный ресурс]. URL: https://www.alta.ru/expert_opinion/85937/ ?ysclid=l5apw3543e921964511 (дата обращения: 05.07.2022).
15. Дорожная карта развития «сквозной» цифровой технологии «Нейротехнологии и искусственный интеллект» [Электронный ресурс]. URL: https://xn--h1apajh.xn--p1ai/media/ documents/%D0%94%D0%9A_%D0%A1%D0%A6%D0%A2_%D0%98%D0%98.pdf (дата обращения: 05.07.2022).
16. Башлы П. Н., Вербов В. Ф. Применение машинного обучения для автоматического анализа снимков инспекционно-досмотровых комплексов // Вестник Российской таможенной академии. 2022. № 2. С. 123-132.
17. Образовательный курс ННГУ им. Н. И. Лобачевского при поддержке компании Intel «Сверточные нейронные сети. Глубокие остаточные сети» [Электронный ресурс]. URL: https://hpc-education.unn.ru/files/courses/intel-neon-course/Rus/Lectures/Presentations/4_ CNN.pdf (дата обращения: 07.07.2022).
информация об авторах
Кожуханов Николай Михайлович - кандидат юридических наук, доцент, начальник отдела исследования проблем в теории и практике таможенного контроля, товарной номенклатуры, экспертизы и торговых ограничений научно-исследовательского института, Российская таможенная академия, Российская Федерация, Московская область, 140015, Люберцы, Комсомольский проспект, 4, e-mail: [email protected];
Петросян Анна Эдиковна - младший научный сотрудник отдела исследования проблем в теории и практике таможенного контроля, товарной номенклатуры, экспертизы и торговых ограничений научно-исследовательского института, Российская таможенная академия, Российская Федерация, Московская область, 140015, Люберцы, Комсомольский проспект, 4, e-mail: [email protected];
Ефимов Александр Витальевич - младший научный сотрудник отдела исследования таможенных проблем развития евразийской интеграции научно-исследовательского института, Российская таможенная академия, Российская Федерация, Московская область, 140015, Люберцы, Комсомольский проспект, 4, e-mail: [email protected].
конфликт интересов
Авторы заявляют об отсутствии конфликта интересов. для цитирования
Кожуханов Н. М., Петросян А. Э., Ефимов А. В. Перспективы использования в таможенной деятельности передовых информационных технологий // Вестник Российской таможенной академии. 2022. № 4. С. 76-88.
