CC BY
175
References
1. Federal Law No. 127-FZ of 26.10.2002 «On Insolvency (Bankruptcy)» [adopted by the State Duma on 27.09.2002; approved by the Federation Council on 16.10.2002] // ConsultantPlus.
2. Atantaev, I. A. The causes of the crisis at enterprises / I. A. Atantaev // Izvestiya Kyrgyz State Technical University named after I. Razzakov. - 2019. - № 2-2 (50). - pp. 331-336.
3. Glazov, M. M. Improving the solvency of the enterprise / M. M. Glazov, I. K. Sidenko, A. A. S. A. H. Zaid // Science and business: ways of development. - 2021. - № 2 (116). - pp. 107-109.
4. Kostenkova, T. A. Problems of anti-crisis management of the enterprise / T. A. Kostenkova // Modern Science. - 2020. -No. 11-3. - pp. 120-123.
5. Korch, E. A. Modern concept of anti-crisis management / E. A. Korch, S. A. Dyakov // Anti-crisis management: modern realities, trends and forecast. - Krasnodar: Federal State Budgetary Institution «Russian Energy Agency» of the Ministry of Energy of Russia Krasnodar Central Research Institute - branch of the Federal State Budgetary Institution «REA» of the Ministry of Energy of Russia, 2020. - pp. 73-78.
6. Official website of Fedresurs [Electronic source]. - URL: https://fedresurs.ru/, free.
7. Official website of the Federal State Statistics Service [Electronic source]. - URL: https://rosstat.gov.ru/, free.
EDN: TWZMDB
М.А. Мирошниченко - к.э.н., доцент кафедры общего, стратегического, информационного менеджмента и бизнес-процессов, Кубанский государственный университет, Краснодар, Россия, marina_kgu@mail.ru,
M.A. Miroshnichenko - candidate of economic sciences, associate professor of general, strategic, information management and business processes, Kuban state university, Krasnodar, Russia;
А.А. Абдуллаева - обучающаяся факультета управления и психологии, Кубанский государственный университет, Краснодар, Россия, abdullaevaaika2005@gmail.com,
A.A. Abdullaeva - student of the faculty of management and psychology, Kuban state university, Krasnodar, Russia;
К.К. Сивинцева - обучающаяся факультета управления и психологии, Кубанский государственный университет, Краснодар, Россия, kristinasivintseva@mail.ru,
K.K. Sivintseva - student of the faculty of management and psychology, Kuban state university, Krasnodar, Russia.
ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА - СОВРЕМЕННОЕ ТЕХНОЛОГИЧЕСКОЕ РЕШЕНИЕ
В УСЛОВИЯХ ЦИФРОВОЙ ЭКОНОМИКИ РОССИИ APPLICATION OF ARTIFICIAL INTELLIGENCE - A MODERN TECHNOLOGICAL SOLUTION IN THE CONDITIONS OF THE DIGITAL ECONOMY OF RUSSIA
Аннотация. В статье аргументировано, что искусственный интеллект является одной из сквозных технологий, которые заложены в национальную программу «Цифровая экономика». Исследовано применение искусственного интеллекта и нейронных сетей для анализа данных. Применение нейросетей позволяет государству по-новому принимать решения, управлять территорией, помогать гражданам, при этом уменьшая объем рутинных задач. Обосновано, что использование информационных технологий, имитирующих когнитивные функции человека, позволило их пользователям создавать новые цифровые объекты авторского права. В статье проанализированы изменения нормативной правовой системы обеспечения прав на цифровые результаты интеллектуальной деятельности, происходящие под воздействием цифровых технологий. Отмечается, что цифровая трансформация сформировала социальный запрос на создание сегмента цифровых услуг как разновидности интеллектуальной деятельности, поиск новых способов правовой охраны прав на цифровые результаты интеллектуальной деятельности, расширение перечня охраноспособных объектов интеллектуальных прав, признание прав на виртуальные объекты цифровой экосистемы.
Abstract. The article argues that artificial intelligence is one of the end-to-end technologies that are included in the national program "Digital Economy". The use of artificial intelligence and neural networks for data analysis has been studied. The use of neural networks allows the state to make decisions in a new way, manage the territory, help citizens, while reducing the volume of routine tasks. It is substantiated that the use of information technologies that imitate human cognitive functions allowed their users to create new digital objects of copyright. The article analyzes the changes in the regulatory legal system for ensuring the rights to digital results of intellectual activity occurring under the influence of digital technologies. It is noted that digital transformation has formed a social demand for the creation of a segment of digital services as a kind of intellectual activity, the search for new ways of legal protection of rights to digital results of intellectual activity, the expansion of the list of protectable objects of intellectual property rights, the recognition of rights to virtual objects of the digital ecosystem.
Ключевые слова: большие данные, искусственный интеллект, нейронные сети, цифровые объекты интеллектуальных прав, цифровые технологии.
Keywords: big data, artificial intelligence, neural networks, digital objects of intellectual rights, digital technologies.
Введение
Инновационное развитие компании сегодня предполагает ориентацию на трансформацию традиционных механизмов управления, планирования, документационного обеспечения, на модель цифровых платформ и технологий искусственного интеллекта.
Сегодня 85 % крупных предприятий используют искусственный интеллект (ИИ), происходит активное внедрение гиперконвергентных инфраструктур в компании. Лидерами в цифровизации выступают такие компании, как ПАО «Ростелеком», ПАО «Газпром», ОАО «РЖД», Госкорпорация «Росатом» и другие [4].
Искусственный интеллект - одна из наиболее перспективных технологий, применение которой открывает много новых возможностей. При помощи ИИ можно переложить на «компьютеры» не только механические, но и творческие задачи, которые раньше мог выполнять только человек [1].
Искусственный интеллект является одной из сквозных технологий, которые заложены в национальную программу «Цифровая экономика». Сквозные технологии - это перспективные технологии, способные радикально изменить ситуацию на существующих рынках и обеспечить поддержку формирования современных прорывных технологий на новых рынках.
Простыми словами, речь идет о технологиях, которые «проходят сквозь» разные отрасли и применяются в разных областях экономики, бизнеса и в жизни в целом.
1. Задачи и принципы искусственного интеллекта
Работа с большими данными востребована во всех сферах деятельности - это сквозная технология. В самом широком смысле под искусственным интеллектом понимают способность компьютера решать те же интеллектуальные задачи, которые способен решать человек, пример - рисунок 1.
Воспринимать и понимать мир через сенсоры (например, анализ изображений и звука);
Придумывать и создавать новые объекты (например, изображения, видео и тексты):
Решать интеллектуальные задачи (например, играть в шахматы);
упочаться между задачами и творчески решать сложные интеллектуальные задачи
Рисунок 1 - Задачи искусственного интеллекта
С помощью искусственного интеллекта можно реализовать следующие действия: машина сможет заменить помощника целиком, то есть будет выполнять различного рода поручения, планировать расписание, отвечать на звонки и так далее, а также сможет самостоятельно обучаться новым задачам. Существующие сегодня помощники, реализуют технологии гораздо проще: машина может записывать текст по речевому вводу, предлагать короткие ответы на входящие вопросы или устанавливать напоминания по текстовому или речевому описанию, причем за каждую перечисленную функцию отвечает отдельный алгоритм.
На сегодняшний день технологии искусственного интеллекта и обработки больших объемов данных активно используются в бизнесе и не только.
Широкое понятие, означающее извлечение знаний из данных. Очень часто под Data Mining подразумевают методологию и процесс обнаружения новых данных в больших массивах данных, которые накопились в информационных системах какой-либо организации, были ранее неизвестны. Эти данные должны быть нетривиальны, практически полезны и доступны для интерпретации, чтобы быть полезными при принятии решений.
Тем не менее множество современных интеллектуальных систем основано именно на обучении на основе данных: машинный перевод, распознавание изображений и речи, прогнозирование поведения клиентов и другие [1].
Во время обучения на основе данных алгоритм «изучает» большое количество реальных случаев (например, поведения клиентов или переводов текстов) и благодаря этому делает качественные предсказания для новых случаев.
Исторически понятие искусственного интеллекта много раз трансформировалось, и сегодня технологии искусственного интеллекта во многом основываются на обучении больших объемов данных, однако помимо этого они также включают сложные вычисления, экспертные системы и другие алгоритмы.
Современные технологии искусственного интеллекта практически целиком основываются на работе с данными, и кроме того, использование данных и аналитика данных сами по себе являются мощным драйвером развития в современном мире. При этом речь идет об огромных массивах данных, обработать которые на персональном компьютере не представляется возможным [4].
Успешное достижение этих целей предполагает широкое применение научно обоснованных методов анализа проблемных ситуаций и выработки системных рекомендаций по управлению [3].
Для хранения и обработки больших данных создают специальные дата-центры или арендуют мощности на облачных сервисах, таких как Amazon Web Services, Microsoft Azure, VK Cloud Solutions, SberCloud, Yandex.Cloud.
Содержание кодекса ИИ базируется на семи принципах, положенных в основу детальных рекомендаций (рисунок 2).
Рисунок 2 - Принципы искусственного интеллекта
Вместо последовательной обработки данных о клиентах (в некоторых случаях их число доходит до миллиардов) используют распределенное хранение данных, то есть хранение данных на нескольких узлах сети (на разных устройствах, в разных дата-центрах). Также используется параллельная обработка, то есть части нужных данных обрабатываются параллельно.
На данном этапе развития общества построение системы управления процессами по технологии искусственного интеллекта позволит автоматизировать процессы анализа больших объемов информации и управлять бизнес-процессами [2].
Этические принципы создания и применения ИИ в России затрагиваются в следующих документах:
1) Национальная стратегия развития искусственного интеллекта до 2030 года;
2) федеральный проект «Искусственный интеллект» национальной программы «Цифровая экономика Российской Федерации»;
3) Концепция регулирования технологий ИИ и робототехники до 2024 года.
В настоящее время ведется работа над российским универсальным кодексом ИИ.
2. Примеры применения искусственного интеллекта и нейронных сетей для анализа данных
Имеет место быть применение ИИ для организации хранения документов и для их обработки. В эту же группу можно отнести чат-боты, заменяющие сотрудников контакт-центра, отвечающих на обращения клиентов в контакт-центре.
Для решения задач о прогнозировании приходится нанимать опытных специалистов, но человеку нужно много времени, чтобы проанализировать большие объемы информации. ИИ справляется быстрее и качественнее, потому что быстрее выполняет вычисления, «запоминает» больше зависимостей в данных, кроме того, ИИ оценивает ситуацию объективно и беспристрастно.
ИИ может спрогнозировать на основе исторических данных. Например, предоставление государственных услуг в проактивном режиме, когда алгоритм, проанализировав нужные данные о гражданине, понимает, что ему уже скоро будет необходима конкретная услуга или выплата.
Другой пример, юристам приходиться заниматься вычиткой документов, и они тратят на рутинный процесс большое количество времени. Алгоритмы машинного обучения находят в тексте имена, адреса, число голосов, наименование юридического лица и связывают эти фрагменты информации друг с другом. Например, робот способен «прочесть» протокол собрания акционеров и понять, какому акционеру какая доля акций принадлежит и набирается ли кворум для каждого вопроса, вынесенного на голосование. Благодаря такому скрупулезному извлечению значимой информации достигается высокая точность работы робота-юриста. В течение 2020 года с помощью «Робота-юриста» было подготовлено свыше 2,5 млн юридических заключений; причем точность сервиса распознавания в «Роботе-юристе» составляет 97 %.
Решение другой проблемы: ежемесячно в контакт-центр МФЦ поступает 32 тысячи звонков. Из них 25 тысяч обращений требуют консультации специалиста. Операторы успевают ответить только на половину звонков. 40 % абонентов обращаются по типовым вопросам (список документов, перечень услуг, порядок их получения) и 42 % - для проверки статуса готовности дела. Для решение этих задач разработана диалоговая нейросетевая система, которая распознает суть обращения, ищет подходящие ответы и поддерживает диалог с человеком. Голосовой ассистент отвечает одновременно на 100 звонков в режиме 24/7. Следовательно, значительная доля типовых вопросов обрабатывается автоматически, освобождая специалистов контакт-центра для решения сложных вопросов. В результате в два раза увеличилось количество обработанных сообщений; 91% положительных оценок работы виртуального консультанта.
Государство может с помощью ИИ классифицировать запросы граждан по темам, проблемы -по категориям, запросы - по ответственным, чтобы эффективнее маршрутизировать обращения или предсказывать, где и как может возникнуть проблема.
Система государственного управления может использовать методы ИИ, чтобы лучше узнать своих граждан и на основе аналитики предлагать им те сервисы и продукты, те решения, которые действительно будут делать их жизнь комфортнее.
Благодаря своей гибкости нейросети очень хорошо справляются с анализом сложных данных: изображений, видео, текстов, звука. Нейросети позволили решить множество задач по автоматизации работы человека в разных сферах деятельности.
Разберем применение нейронных сетей для анализа изображений.
Как и все методы машинного обучения, нейронные сети работают с числовыми данными. Изображение - это тоже набор чисел: оно состоит из пикселей, и цвет пикселя задается набором чисел. Если изображение черно-белое, то каждый пиксель задается одним числом от 0 до 255: 0 - черный цвет, 255 - белый цвет, посередине - серый цвет. В цветных изображениях цвет пикселя задается несколькими числами, например в цветовой схеме RGB (red, green, blue) - три числа, отвечающих за интенсивность красного, зеленого и синего цветов.
Самая популярная задача анализа изображений - задача классификации. В этой задаче на вход нейронной сети подается изображение, а выход - это метка класса. В качестве примеров можно привести:
- идентификацию владельца смартфона по фотографии (классы: владелец или не владелец);
- распознавание эмоций клиента при посещении офиса (классы: доволен, возмущен, нейтрален и т. д.);
- распознавание дорожных знаков в беспилотных автомобилях (классы: знаки).
Для обучения классифицирующей нейронной сети потребуется большой набор данных (десятки или сотни тысяч объектов), состоящий из пар «изображение - класс». Например, для распознавания эмоций необходимо множество фотографий, для которых известна настоящая эмоция клиента.
Современные нейронные сети умеют хорошо понимать содержание изображения и анализировать его детали.
Разберем применение нейронных сетей для анализа еще одного типа данных - текстов. В качестве простого примера задачи анализа текстов можно привести классификацию текстов, например, определение темы документа или эмоционального окраса отзыва клиента.
Технологии обработки и распознавания естественного языка используются для анализа текстовых документов, нормативно-правовых актов для проведения первичной экспертизы содержания, выявления уровня риска. Это помогает сократить трудозатраты на итоговую экспертизу, которая проводится человеком. Также эти технологии применяются для мониторинга изменения настроений в обществе, для чего обрабатываются сообщения в социальных сетях.
Перед тем как обучать алгоритм на данных, эти данные необходимо подготовить к обработке -очистить и собрать словарь, который нейросеть потом будет использовать для перевода текста на «машинный» язык.
Данные, скачанные из социальных сетей, могут содержать ссылки, хештеги, упоминания других пользователей, а тексты, скачанные из интернета, - остатки разметки. Все это удаляется в процессе очистки. Иногда также удаляют пунктуацию и приводят все слова к нижнему регистру, однако последнее может быть полезно не во всех задачах. Так, в задаче определения эмоциональной окраски отзыва использование большого количества заглавных букв может указывать на недовольство клиента.
После очистки текстов выполняется сборка словаря: вычисляется, сколько раз каждое слово встретилось в текстах, и словарь составляется из наиболее часто встречающихся слов. Объем словаря обычно 50 или 100 тысяч слов. Редкие слова заменяются на слово «пропуск»: если слово встретилось всего несколько раз во всем наборе данных, нейросеть не сможет хорошо выучить, что оно означает. В результате предобработки каждый текст представляется в виде последовательности номеров слов в словаре.
Нейронные сети позволили справиться со множеством интеллектуальных задач анализа текстов, которые не удавалось решить классическими методами. Эти задачи связаны с пониманием смысла или структуры текста и написанием новых текстов.
Более простыми считаются задачи, в которых текст выступает в качестве входных данных, - такие задачи называют дискриминативными. Классические примеры - задача классификации текстов или задача регрессии.
Сказать, что нейросети достигли полного понимания текстов, написанных людьми, и способны генерировать абсолютно качественные тексты самостоятельно, пока нельзя, однако существенный прорыв в этой области уже произошел. Собрать и обработать текстовые данные, как правило, проще, чем, например, данные изображений, и нейросети, анализирующие тексты, сегодня активно применяются в различных областях бизнеса (юриспруденции, журналистике, маркетинге), науки, культуры.
Как и с нейросетями для изображения, важно понимать, что каждая нейросеть для анализа текстов решает ровно одну задачу. Сложные же системы собираются из отдельных нейронных сетей и программных блоков. Например, нейронные сети положены в основу современных голосовых помощников.
Нейросети - мощные алгоритмы, создающие возможности, которых у нас раньше не было. Вы можете анализировать изображения, звук, видео, текст в больших объемах и получать выводы, которые человеку или даже группе людей сделать сложно. Нейросети уже могут создать изображение или пообщаться с клиентом по телефону или в чате. Все эти возможности позволяют государству по-новому принимать решения, управлять территорией, помогать гражданам, при этом уменьшая объем рутинных задач.
3. Цифровая трансформация в сфере интеллектуальной собственности: вызовы правовому регулированию в условиях технологических изменений
Цифровая трансформация затрагивает все сферы общественных отношений, не осталась в стороне и система обеспечения прав на результаты интеллектуальной деятельности (РИД). В гражданский оборот вводятся объекты интеллектуальных прав, созданные сугубо информационными технологиями.
Обсуждаются вопросы признания правомерности новых способов оформления таких отношений, и прав на цифровые РИД. Можно выделить следующие направления развития системы прав на результаты интеллектуальной деятельности, связанные с:
- появлением новых цифровых и виртуальных объектов интеллектуальных прав, в которых неочевидно творческое участие человека;
- формированием цифровой инфраструктуры, позволяющей минимизировать участие человека при заключении лицензионных соглашений, запрограммировав все необходимые согласования между участниками договора; наиболее надежно зафиксировать авторство на РИД; обеспечить большую прозрачность цикла разработки РИД.
Система охраны исключительных прав в авторском праве претерпевает изменения под воздействием цифровизации. Появляются новые объекты авторского права - коллажи, невзаимозаменяемые токены - NFT (onfungible token), например, NFT-токен картины Михаила Врубеля «Демон (сидящий)» был подарен Третьяковской галереей Джастину Биберу, выставки NFT проводятся в цифровом мире [1], создаются цифровые миры и их составляющие, графические изображения на стенах домов, графические интерфейсы. Разработка которых поднимает вопросы их охраноспособности, отечественная наука пока еще не уделяла достаточного внимания вопросам защиты графических интерфейсов.
Использование информационных технологий, имитирующих когнитивные функции человека, позволило их пользователям создавать новые цифровые объекты авторского права. Например, искусственный интеллект способен написать картины, стихотворения ничем не уступающие творениям человека. Однако можем ли мы в таком случае считать такие произведения объектами авторского права? Чья творческая деятельность - разработчика системы искусственного интеллекта или его пользователя, привела к созданию данного произведения?
Решение данных вопросов формирует социальный запрос на создание сегмента цифровых услуг как разновидности объектов интеллектуальной собственности, изменение способов правовой охраны в цифровом пространстве, расширение перечня охраноспособных объектов интеллектуальной собственности, признание прав на виртуальные объекты цифровой экосистемы [1].
В системе объектов права промышленной собственности также формируются новые цифровые объекты. В частности, стало использоваться понятие «биопатент», в основном в зарубежной практике, появляются новые формы традиционных средств индивидуализации товаров, работ и услуг представленные в виде 3D товарных знаков и знаков обслуживания. Системы распределенного реестра стали применяться в целях обеспечения защиты авторских прав. Применение технологии блокчейн, позволяет зафиксировать авторство, дату создания РИД, построить связь РИД с автором произведения. Хотя применение блокчейн в целях фиксации авторства нельзя признать универсальным инструментом, поскольку блокчейн, как и любая другая информационная технология имеет свои уязвимости.
Например, в блокчейн существует состояние, описываемое как задача византийских генералов, используя которое можно перезаписать уже зафиксированную в системе информацию на других лиц. Кроме того, не всегда экономически эффективно ее применение для хранения РИД, поскольку стоимость этой услуги достаточно высока.
Цифровизация подняла проблему идентификации лица, нарушившего права правообладателя в Интернете, в связи с чем, законодатели и ученые занялись разработкой эффективной системы предотвращения и прекращения происходящих нарушений интеллектуальных прав на РИД в информационной-телекоммуникационной системе. Сложность выявления источника распространения информации, побудила к формированию системы премодерации контента администраторами информационных ресурсов, а также к разработке системы юридической ответственности определенных видов провайдеров и информационных посредников за контент, размещенный третьими лицами в сети Интернет.
Цифровая трансформация подняла также вопросы ответственности поисковых и рекламных сервисов при применении ключевых поисковых сочетаний слов, фраз, которые выдаются при введении пользователем в поисковую строку. Развитие социальных сетей привело к заинтересованности государственных структур, коммерческих и некоммерческих организаций в распространении рекламы, информации некоммерческого характера среди пользователей, подписчиков социальных сетей посредством хештегов.
Под хештегом понимают «использование специальных символов в запросе: «?» - один любой символ, кроме пробела; «*» - любая последовательность символов, кроме пробела». В настоящее время это наиболее распространенная информационная технология для целей распространения рекламы в сети Интернет. Хештеги могут содержать как объекты авторского права, например, словосо-
четания или рисунки, так и объекты права промышленной собственности - товарные знаки и знаки обслуживания.
Однако российское законодательство пока еще не откликнулось на регулирование отношений, связанных с использованием в хештегах объектов интеллектуальных прав. Кроме того, на данный момент не существует никаких разъяснений от уполномоченных органов. Цифровая трансформация также оказала действие и на сближение права интеллектуальной собственности и информационного права, вызванное необходимостью решения перечня проблем, связанных с применением цифровых технологий, которое возможно только в тесном взаимодействии данных отраслей права.
Информационная безопасность пользователя, например, программного обеспечения, напрямую связана с надежностью информационных моделей, разработанных и реализованных программистом в программном обеспечении. Все больше пересечений при регулировании общественных отношений возникает между системой норм о защите интеллектуальных прав и об обеспечении информационной безопасности, поскольку за каждой информационной технологией стоят ее разработчики. В зарубежных странах вопрос надзора за применяемыми алгоритмами при разработке информационных технологий решается на уровне закона. В законодательстве закрепляются требования к применению строго тех алгоритмов обработки информации, надежность и безопасность которых подтверждена.
Под воздействием цифровизации подверглись изменению и методы работы юриста в сфере интеллектуальной собственности. Например, технологии анализа больших данных позволили ускорить проведение патентного поиска или выявление недобросовестных заимствований в объектах авторского или смежного права. Заключение
Таким образом, применение искусственного интеллекта - современное технологическое решение в условиях цифровой экономики России. В ходе исследования аргументировано, что искусственный интеллект является одной из сквозных технологий, которые заложены в национальную программу «Цифровая экономика». Приведены примеры использование искусственного интеллекта и нейронных сетей для анализа данных. Доказано, что применение нейросетей позволяет государству по-новому принимать решения, управлять территорией, помогать гражданам, при этом уменьшать объем рутинных задач. Обосновано, что использование информационных технологий, имитирующих когнитивные функции человека, позволило их пользователям создавать новые цифровые объекты авторского права. Изменения нормативной правовой системы обеспечения прав на цифровые результаты интеллектуальной деятельности происходят под воздействием цифровых технологий. Приведены новые цифровые объекты интеллектуальных прав и их место среди других объектов интеллектуальных прав; направления развития системы формирования прав на результаты интеллектуальной деятельности, связанные с цифровыми технологиями. Аргументировано, что цифровая трансформация сформировала социальный запрос на создание сегмента цифровых услуг как разновидности интеллектуальной деятельности, поиск новых способов правовой охраны прав на цифровые результаты интеллектуальной деятельности, расширение перечня охраноспособных объектов интеллектуальных прав, признание прав на виртуальные объекты цифровой экосистемы.
Источники:
1. Анохин К.В. Искусственный интеллект для науки и наука для искусственного интеллекта / К.В. Анохин, К.С. Новоселов, С.К. Смирнов, А.Р. Ефимов, Ф.М. Матвеев // Вопросы философии. 2022. №3. С. 93-205.
2. Мирошниченко М.А. Документационное обеспечение бережливого производства в рамках повышения качества в условиях цифровой экономики / М.А. Мирошниченко, К.А. Кузнецова, А.А. Шиянова // Вестник Академии знаний. 2018. № 5(28). С. 258-266.
3. Мирошниченко М.А. Методология эффективного управления на основе принципов бережливого производства / М.А. Мирошниченко, Е.О. Голобородько, И.Н. Сарычева // Вестник Академии знаний. 2020. № 2(37). С. 178-183.
4. Философова Т.Г. Искусственный интеллект и стратегические задачи повышения международной конкурентоспособности в современных условиях / Т.Г Философова, Матюшина Е.А. // Государственное и муниципальное управление. Ученые записки. 2022. №4. С. 240-246.
References:
1. K. Anokhina.V. Artificial intelligence for science and science for artificial intelligence / K.V. Anokhin, K.S. Novoselov, S.K. Smirnov, A.R. Efimov, F.M. Matveev // Questions of Philosophy. 2022. No.3. pp. 93-205.
2. M. Miroshnichenko.A. Documentation support of lean production in the framework of quality improvement in the digital economy / M.A. Miroshnichenko, K.A. Kuznetsova, A.A. Shiyanova / / Bulletin of the Academy of Knowledge. 2018. No. 5(28). pp. 258-266.
3. M. Miroshnichenko.A. Methodology of effective management based on the principles of lean production / M.A. Miroshnichenko, E.O. Goloborodko, I.N. Sarycheva / / Bulletin of the Academy of Knowledge. 2020. No. 2(37). pp. 178-183.
4. Filosofova T.G. Artificial intelligence and strategic objectives of increasing international competitiveness in modern conditions / T.G. Filosofova, Matyushina E.A. // / State and municipal management. Scientific notes. 2022. No. 4. pp. 240-246.
