ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПРОГНОЗИРОВАНИИ ЭКОНОМИЧЕСКОГО РОСТА Текст научной статьи по специальности «Экономика и бизнес»

ЭКОНОМИКА И УПРАВЛЕНИЕ

ВЕСТНИК ТОГУ. 2023. № 4 (71)

УДК 338.1:004.8

В. В. Драгуленко, В. А. Иванников, В. С. Унанян

ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПРОГНОЗИРОВАНИИ ЭКОНОМИЧЕСКОГО РОСТА

Драгуленко В. В. - канд. техн. наук, доцент кафедры «Тракторов, автомобилей и технической механики», e-mail: vlad400@mail.ru; Иванников В. А. - студент 3-го курса факультета «Прикладной информатики», e-mail: vlad.iv4nni-kov@yandex.ru; Унанян В.С. - студент 3-го курса факультета «Прикладной информатики», e-mail: nixxxx.08@mail.ru;

В статье рассматривается применение искусственного интеллекта (ИИ) в прогнозировании экономического роста. Исследователи и экономисты все чаще обращаются к методам ИИ для прогнозирования роста экономики с целью достичь более точных и надежных результатов. Статья раскрывает термин экономического роста и его составляющих, а также обозревает различные подходы и методы, используемые в прогнозировании экономического роста с помощью ИИ. Обсуждаются преимущества и ограничения использования ИИ в прогнозировании экономического роста, а также перспективы развития этой области. В заключение, статья подчеркивает важность постоянного развития и применения ИИ в прогнозировании экономического роста и его потенциальную значимость для принятия обоснованных экономических решений.

Ключевые слова: искусственный интеллект, прогнозирование, экономический рост, машинное обучение, алгоритмы, данные, модели прогнозирования, экономика, анализ данных, нейронные сети, глубокое обучение, цифровая экономика, автоматизация.

Введение в искусственный интеллект и экономический рост

В свете быстрого развития и расширения областей применения искусственного интеллекта (AI), его использование в экономическом прогнозировании становится все более актуальным. Искусственный интеллект, оснащенный способностью обрабатывать огромные объемы данных и принимать решения

© Драгуленко В. В., Иванников В. А., Унанян В. С., 2023

ВЕСТНИК ТОГУ. 2023. № 4 (71)

на основе сложных алгоритмов, предлагает новые возможности для прогнозирования экономического роста. Он может значительно повысить точность прогнозов, учитывая сложные взаимосвязи между различными экономическими факторами, которые часто упускаются из виду при использовании традиционных методов. В этой статье мы рассмотрим, как искусственный интеллект применяется для прогнозирования экономического роста, и какие преимущества и вызовы это представляет.

Концепция искусственного интеллекта существует с древних времен, но только в 1950 году она получила свое название. ИИ - это интеллектуальные машины, которые способны действовать и думать, как люди. Авторство термина приписывают Джону Маккарти, американскому информатику, основоположнику программирования и изобретателю первого языка для искусственного интеллекта LISP (Lots of Irritating Superfluous Parentheses («Много раздражающих лишних скобок»). Данный язык программирования позволил повысить гибкость машинного обучения.

В своей работе Утегенов Н.Б. описывает этапы развития искусственного интеллекта. С 1960 по 1970 большое количество ученых доказало, что компьютеры способны распознавать естественный язык на хорошем уровне. Были разработаны экспертные системы, нейронные сети и алгоритмы планирования, разработанные специально для робототехнических приложений, таких как самоуправляемые автомобили или беспилотные летательные аппараты.

80-е и 90-е годы был бурный рост развития технологий, который привёл к появлению множества новых приложений для искусственного интеллекта -от виртуальных агентов, способных общаться с клиентами по телефону или в онлайн-чатах, автоматизированной торговли акциями до таких продуктов, как голосовой ассистент, который понимает запросы пользователей на естественном языке с помощью голосовых команд.

В настоящее время применение новых технологий в различных областях имеет тенденцию к увеличению. Особенно это проявляется в использовании умных систем, которые имеют положительное влияние.

Как уже было сказано выше, искусственный интеллект в целом является наукой и технологией создания интеллектуальных машин и алгоритмов для решения каких-либо задач и принятия наилучших решений. Государство активно способствует развитию искусственного интеллекта: с 2021 года в России стартовал федеральный проект «Искусственный интеллект», который является частью национального проекта «Цифровая экономика». В его рамках предусмотрены меры по развитию кадрового состава, стимулированию научных исследований и финансовой поддержке создания новых и внедрения уже существующих ИИ-решений. Достаточно большое количество организаций уже ис-

ВЕСТНИК ТСГУ. 2023. № 4 (71)

пользуют одну или более технологий искусственного интеллекта для различных целей. Предполагается, что к 2024 году правительство России инвестирует в развитие искусственного интеллекта до 28 млрд рублей. Это позволит увеличить ВВП страны на 12% к 2025 году, как заявил Алексей Сидорюк, директор направления «Цифровая трансформация областей» в АНС «Цифровая экономика», на конференции AI IN 2023 в Иннополисе.

Рассмотрим подробно положительные стороны внедрения искусственного интеллекта в экономику:

1. Увеличение производительности и эффективности. ИИ позволяет автоматизировать рутинные и повторяющиеся задачи, освобождая время работников для более сложных и творческих задач. Это увеличивает общую производительность и эффективность организации [2].

2. Помощь в принятии решений. С помощью машинного обучения и аналитики данных ИИ помогает организациям принимать более обоснованные решения. Это позволяет повысить эффективность различных бизнес-процессов, в следствие чего улучшить показатели развития организации.

3. Создание новых работ и отраслей. Технологии ИИ открывают новые возможности для бизнеса, включая создание новых отраслей и рабочих мест. Например, секторы, такие как автономный транспорт, робототехника и здравоохранение, активно используют ИИ.

4. Персонализация продуктов и услуг. ИИ может помочь компаниям предоставлять более персонализированные продукты и услуги, анализируя поведение потребителей и их предпочтения. Это дает возможность увеличить удовлетворенность клиентов и лояльность к бренду.

5. Улучшение устойчивости. ИИ может помочь организациям стать более устойчивыми, используя прогностическую аналитику для предотвращения проблем, прежде чем они произойдут, и оптимизируя использование ресурсов.

6. Увеличение конкурентоспособности. В современной экономике биз-несы, которые активно интегрируют и используют ИИ, имеют конкурентное преимущество. ИИ позволяет компаниям быть более гибкими, адаптивными и реагировать на изменения рынка быстрее.

Но нельзя забывать и об отрицательных результатах от внедрения искусственного интеллекта в экономику. Если неэффективно развивать и внедрять технологии искусственного интеллекта, то произойдет усугубление ситуации в неравенстве междунациональными экономика, компаниями и работниками на рынке труда. Происходит это по тем причинам, что на рынке существуют лидеры по внедрению ИИ технологий в бизнес-процессы своей организации, и те, кто помедлил с внедрением или же вовсе еще не приступил к этому.

В нашей работе мы будем рассматривать способы применения технологий искусственного интеллекта при прогнозировании экономического роста. В

ВЕСТНИК ТОГУ. 2023. № 4 (71)

своем исследовании Абдыганы А. и Аттокуровна А.А. определили, что экономический рост является условием решения главной задачи экономической системы - повышения уровня и улучшения качества жизни населения. Также они утверждают, что экономический рост в любом производстве, в частной или в государственной собственности в прямом смысле слов связано с применением отдельных конкретных достижений научно-технического прогресса. Растущая экономика обладает большей способностью удовлетворять новые потребности и решать социально-экономические проблем как внутри страны, так и на международном уровне. Она характеризуется приростом годового реального продукта, который может использоваться для более эффективного удовлетворения существующих потребностей. Под экономическим ростом обычно понимают увеличение объемов созданных за определенный период товаров и услуг. Он наблюдается в условиях расширенного воспроизводства, когда происходит систематический рост объемов производства.

Принято выделять экстенсивный и интенсивный типы экономического роста. В случае экстенсивного типа, задача заключается в увеличение объемов производства происходит за счет трех факторов: основного капитала (фондов), рабочей силы, материальных затрат (природного сырья, материалов, энергоносителей) [3]. Он является самым простым путем расширенного воспроизводства. Экстенсивный тип имеет свои достоинства: является наиболее легким путем повышения темпов хозяйственного развития; с его помощью происходит быстрое освоение природных ресурсов, а также удается сравнительно быстро сократить или ликвидировать безработицу, обеспечив при этом большую занятость рабочей силы. Экстенсивный путь увеличения производства имеет и серьезные недостатки. Ему свойствен технический застой, при котором количественное увеличение выпуска продукции не сопровождается технико-экономическим прогрессом.

Интенсивный тип экономического роста достигается путем повышения эффективности использования ресурсов и увеличения производительности труда и капитала. Вместо увеличения объемов производства и расходов, интенсивный рост направлен на улучшение качества и результативности производственных процессов [5].

Общества, которые достигают стабильного и устойчивого экономического роста, обычно имеют более высокий уровень жизни, больше возможностей для людей и более справедливое распределение ресурсов. Поэтому, добиваться экономического роста и развивать экономику являются важными целями для государств и общества в целом.

ВЕСТНИК ТСТУ. 2023. № 4 (71)

Взаимосвязь между искусственным интеллектом и экономическим ростом существует и является важным фактором в современной экономике. Искусственный интеллект может оказывать значительное влияние на экономический рост следующим образом:

1. Автоматизация и повышение эффективности. ИИ может автоматизировать повторяемые задачи и процессы, освобождая ресурсы для более креативной и инициативной работы. Это может приводить к повышению производительности и эффективности, что является важным фактором экономического роста.

2. Улучшение принятия решений. Искусственный интеллект может предоставлять точные и обоснованные аналитические выводы на основе обширных данных и алгоритмов обучения. Это помогает более эффективно принимать решения в различных областях экономики, таких как финансы, инвестиции и управление ресурсами.

3. Инновации и технологический прогресс. ИИ является одной из важнейших технологий, которая способствует технологическому прогрессу и инновациям в различных секторах экономики. Применение ИИ позволяет разрабатывать новые продукты и услуги, оптимизировать процессы и создавать новые рынки, что способствует экономическому росту.

4. Создание новых возможностей и индустрий. ИИ может создавать новые возможности и индустрии, которые могут способствовать развитию экономики. Примеры включают разработку автономных транспортных систем, развитие облачных вычислений и Интернета вещей, а также интеграцию ИИ в сферу здравоохранения и образования.

5. Прогнозирование и планирование. ИИ может помочь в прогнозировании экономических показателей и трендов, что позволяет лучше планировать экономическую деятельность и приспосабливаться к изменениям в окружающей среде. Более точные прогнозы способствуют принятию обоснованных решений и разработке стратегий роста.

Искусственный интеллект играет важную роль в поддержке экономического роста за счет повышения эффективности, развития новых возможностей и принятия обоснованных решений. Применение ИИ будет продолжать иметь все большее значение для развития экономики в будущем.

Методы искусственного интеллекта в прогнозировании экономического роста

Прогнозирование экономического роста является сложным процессом, требующим анализа больших объемов данных и учета множества факторов. Искусственный интеллект предоставляет инструменты и методы, которые могут помочь в объективном и точном прогнозировании экономического роста

ВЕСТНИК ТОГУ. 2023. № 4 (71)

[1]. Рассмотрим методы ИИ, используемые для прогнозирования экономического роста.

Машинное обучения является одной из отраслей искусственного интеллекта и представляет из себя имитацию процесса обучения человеком. Каким образом это происходит? К примеру, возможно прописать алгоритм, который будет способен к самообучению, классификации и оценки данных, к выбору наиболее подходящих решений при классифицировании писем на электронной почте. Заполните алгоритм большим количеством данных, в электронной почте укажите письма, которые являются спамом и таким образом дайте ему понять, как распознавать письма с мошеннической информацией [4].

Существуют методы и подходы машинного обучения, которые применяются при прогнозировании экономического роста. Рассмотрим некоторые из них.

Регрессионный анализ является одним из основных методов машинного обучения, используемых при прогнозировании экономического роста. Он позволяет установить связь между зависимой переменной (например, ВВП, инвестиции, потребление и т. д.) и независимыми переменными (экономические факторы, такие как инфляция, безработица, уровень производства и т. д.), на основе исторических данных. Вот несколько способов использования регрессивного анализа при прогнозировании экономического роста:

1. Модель простой линейной регрессии. Это основной метод регрессионного анализа, где зависимая переменная предсказывается на основе одной независимой переменной. Например, можно использовать линейную регрессию, чтобы определить зависимость между ВВП и инфляцией, где инфляция служит независимым фактором для прогнозирования изменения ВВП [9].

2. Мультипликативная и аддитивная модели временных рядов. Регрессионный анализ может быть применен к временным рядам экономических данных, чтобы определить связи между различными переменными и прогнозировать экономический рост. В мультипликативных моделях временных рядов, зависимая переменная выражается умножением независимых переменных. В аддитивных моделях временных рядов, связь между зависимой и независимыми переменными выражается через их сумму.

3. Краткосрочные и долгосрочные модели. Часто при прогнозировании экономического роста используются модели, учитывающие как краткосрочные, так и долгосрочные факторы. Например, долгосрочная модель может учитывать влияние демографических и технологических факторов на экономический рост, в то время как краткосрочная модель может учитывать текущие индикаторы и тренды для прогнозирования ближайших периодов

4. Использование дополнительных факторов. По мимо экономических показателей, можно включить дополнительные факторы, такие как политический

ВЕСТНИК ТСТУ. 2023. № 4 (71)

климат, торговые соглашения, изменение правительственной политики и т. д. в прогнозировании экономического роста. Регрессионный анализ позволяет учесть эти факторы и определить их влияние на экономику.

Метод ансамбля моделей является эффективным инструментом при прогнозировании экономического роста. По названию можно догадаться, что ансамбль - это несколько алгоритмов машинного обучения, собранных в единое целое. Такой подход используют для того, чтобы усилить "положительные качества" отдельно взятых алгоритмов. При использовании ансамблевых методов алгоритмы учатся одновременно и могут исправлять ошибки друг друга. Рассмотрим несколько способов применения метода ансамбля моделей при прогнозировании экономического роста:

1. Совокупное голосование. В этом подходе несколько моделей прогнозируют экономический рост независимо друг от друга, и прогнозы каждой модели взвешиваются и объединяются. Этот метод позволяет учесть различные точки зрения моделей и улучшить точность и надежность прогнозов.

2. Бэггинг - это метод ансамбля моделей, при котором несколько моделей обучаются на разных подмножествах данных и их прогнозы комбинируются для получения окончательного прогноза. Это позволяет снизить дисперсию и повысить стабильность прогнозов.

3. Бустинг также является методом ансамбля моделей, который строит последовательность слабых моделей, каждая из которых исправляет ошибки предыдущих моделей в ансамбле. Его применяют для прогнозирования экономического роста, учитывая взаимосвязи между различными переменными и факторами.

4. Случайные леса являются совокупностью деревьев решений, где каждое дерево строится на основе разных подвыборок и случайных подмножеств признаков. Прогнозы от каждого дерева комбинируются для получения окончательного прогноза. Этот метод позволяет учесть взаимосвязи между различными факторами и определить их важность для прогнозирования экономического роста.

Применение метода ансамбля моделей в прогнозировании экономического роста позволяет улучшить точность, надежность и обобщающую способность прогнозов. Однако важно помнить, что правильный выбор моделей, правильная настройка гиперпараметров и учет особенностей данных являются ключевыми факторами для достижения оптимальных результатов.

Нейронные сети являются алгоритмом машинного обучения, математической моделью, построенной по принципу организации и функционирования биологических нейронных сетей, то есть клеток живого организма. Простейшая нейронная сесть состоит из трех слоев: входного, скрытого и выходного.

ВЕСТНИК ТОГУ. 2023. № 4 (71)

Каждый нейрон имитирует работу реальных биологических нейронов и представляет некоторую нелинейную функцию. Простыми словами, каждый нейрон - это ячейка, который хранит в себе некоторый диапазон значений. Но тремя слоями чаще всего все не ограничивается. В большинстве нейронных сетей существует более одного скрытого слоя, а процесс принятия решений у них довольно неоднозначен. Можно сказать, что это как черный ящик. Такие называют глубокими нейронными сетями. Благодаря своему строению нейросети способны выполнять некоторые операции, которые способен делать человек, но не способны сделать алгоритмы машинного обучения. Например, распознавания человеческого лица, написание картин, создавание текстов и ведение диалогов. Все самые современные прототипы ИИ основаны на нейронных сетях.

Нейронные сети широко используются при прогнозировании экономического роста из-за их способности обрабатывать сложные данные и выявлять скрытые зависимости. Вот несколько способов использования нейронных сетей при прогнозировании экономического роста:

1. Прогнозирование временных рядов. Рекуррентные нейронные сети (RNN) и их варианты, такие как LSTM (долгая краткосрочная память), GRU (Gate Recurrent Unit) и другие, могут использоваться для анализа временных рядов и прогнозирования будущих значений экономических показателей, таких как ВВП, курс валюты или инфляция. RNN способны учитывать зависимости и корреляции в прошлых значениях показателей, что делает их эффективными средствами прогнозирования временных рядов [7].

2. Анализ связей и зависимостей. Нейронные сети также используют для анализа и выявления связей и зависимостей между экономическими переменными. Сети, такие как многослойные персептроны или глубинные нейронные сети, используют для анализа данных и достижения более обоснованных прогнозов экономического роста на основе зависимостей между показателями, такими как инвестиции, потребление или объем производства [8].

Использование нейронных сетей при прогнозировании экономического роста позволяет учитывать сложные зависимости и нелинейности в данных, что может привести к более точным и надежным результатам прогнозирования. Тем не менее, важно учитывать, что использование нейронных сетей требует должной предварительной обработки данных, настройки гиперпараметров и оценки модели для достижения наилучших результатов.

ВЕСТНИК ТОГУ. 2023. № 4 (71)

Преимущества и недостатки применения искусственного интеллекта в прогнозировании экономического роста

Применение искусственного интеллекта в прогнозировании экономического роста имеет ряд преимуществ, которые делают его эффективным и мощным инструментом. Использование ИИ дает возможность обрабатывать и анализировать большие объемы данных, что позволяет учесть множество факторов, влияющих на экономический рост. Это включает данные о производстве, торговле, финансах, демографии, социальных медиа и других источниках. Искусственный интеллект способен моделировать и учитывать нелинейные зависимости и взаимодействия между переменными, что позволяет создавать более сложные и точные модели прогнозирования экономического роста. Это особенно полезно, когда существуют неочевидные связи и сложные взаимодействия факторов. Все чаще прибегают к использованию алгоритмов машинного обучения для выявления сложных зависимостей и паттернов в данных. Это позволяет более точно прогнозировать экономический рост, учитывая взаимосвязи между различными переменными и факторами [6].

Использование искусственного интеллекта в прогнозировании экономического роста позволяет получить более точные, адаптивные и обширные прогнозы, что помогает предсказывать будущие изменения в экономике и принимать интеллектуальные решения в государственном и корпоративном уровнях.

Несмотря на преимущества, применение искусственного интеллекта в прогнозировании экономического роста также имеет свои недостатки. Некоторые алгоритмы машинного обучения и глубокого обучения, используемые в ИИ, могут иметь сложную структуру и являться сложными для интерпретации. Это может затруднить понимание того, как именно прогнозируются значения экономического роста, особенно в случае сложных зависимостей и нелинейных взаимосвязей. Некоторые методы ИИ, особенно глубокое обучение, требуют больших вычислительных мощностей и оборудования для обучения моделей и генерации прогнозов. Это может быть ограничением для многих организаций и индивидуальных исследователей, особенно с ограниченными бюджетами. Применение ИИ в прогнозировании экономического роста вызывает вопросы справедливости, прозрачности и ответственности. Некорректное использование или неправильное интерпретация результатов моделей ИИ может привести к проблемам, связанным с неравенством, дискриминацией и другими этическими и социальными вопросами.

Несмотря на эти недостатки, ИИ по-прежнему является мощным и перспективным инструментом для прогнозирования экономического роста. Важно учитывать эти недостатки и принимать все необходимые меры для их преодоления и использования ИИ с осторожностью и ответственностью.

ВЕСТНИК ТОГУ. 2023. № 4 (71)

Чтобы минимизировать риски и преодолеть проблемы, связанные с использованием искусственного интеллекта в прогнозировании экономического роста, следует предпринять следующие меры:

1. Стоит уделить особое внимание качеству данных, используемых для обучения моделей ИИ. Это включает проверку и очистку данных, исключение выбросов и недостоверных значений, а также подготовку исчерпывающих данных, учитывающих все необходимые факторы.

2. Поскольку экономические условия могут быстро меняться, необходимо регулярно обновлять модели ИИ для учета новых данных и изменений в экономике. Это поможет сохранить актуальность и точность прогнозов.

3. Больший объем данных может улучшить обобщающую способность моделей ИИ и уменьшить риск переобучения. Поэтому важно стремиться к расширению объема данных, используемых для обучения моделей.

4. Когда работа искусственного интеллекта непосредственно связана с экономическими прогнозами, важно выбирать модели, которые могут быть интерпретируемыми и объяснимыми. Это поможет избежать проблем с необъяснимыми результатами и внесет ясность в процесс принятия решений на основе прогнозов.

5. Важно непрерывно мониторить и анализировать результаты прогнозирования, чтобы оценить их точность и понять, насколько они соответствуют реальным данным и трендам в экономике. Это поможет выявить и исправить ошибки, а также дополнительно уточнить модели.

6. Учитывайте этические и социальные вопросы, связанные с использованием ИИ в прогнозировании экономического роста. Разрабатывайте гарантии и механизмы контроля, чтобы прогнозы были объективными, справедливыми и не содержали предвзятость или дискриминацию.

Принятие этих мер поможет улучшить надежность, точность и применимость прогнозов, основанных на искусственном интеллекте, в контексте экономического роста. Однако важно оставаться бдительным и предусмотреть необходимость внесения корректировок и адаптации моделей в зависимости от изменений в экономической среде и доступности данных.

Заключение

Таким образом, методы искусственного интеллекта открывают новые возможности для прогнозирования экономического роста. Алгоритмы машинного обучения, глубокие нейронные сети и анализ больших данных позволяют учесть сложные зависимости и нелинейности в данных, улучшить точность прогнозов и обеспечить более надежные результаты.

Применение ИИ в прогнозировании экономического роста позволяет улучшить качество прогнозов, сократить время и ресурсы, затрачиваемые на

ВЕСТНИК ТОГУ. 2023. № 4 (71)

анализ данных, и обеспечить более точную оценку факторов, влияющих на рост экономики. Кроме того, ИИ позволяет учитывать нестандартные факторы, такие как анализ социальных медиа или новостных источников, что может быть полезно при прогнозировании эффектов настроений потребителей или изменений в экономической политике.

Однако следует отметить, что использование ИИ в прогнозировании экономического роста требует достаточного объема высококачественных данных, а также тщательной настройки моделей и алгоритмов. Кроме того, соблюдение этических и социальных аспектов, таких как безопасность данных, прозрачность и ответственность, является важным аспектом применения ИИ в этой области.

В целом, методы ИИ в прогнозировании экономического роста представляют собой многообещающую область развития, которая может значительно повысить точность и эффективность прогнозов, а также улучшить наши возможности для принятия обоснованных экономических решений.

Библиографический список

1 Кастрицын И. С. Что такое прогнозирование? Определение прогноза // Аллея науки. 2018. Т. 8, № 11. С. 867-672.

2 Влияние искусственного интеллекта на экономику / П. Овезгулыев, С. Аман-непесова, С. Мырадова, С. Пирнепесова // Ceteris Paribus. 2023. № 10. С. 72-74.

3 Тимофеева С. В. Экономический рост и развитие. Показатели экономического роста // Социально-экономические проблемы развития современного общества: взгляд молодых ученых : материалы VIII регион. науч.-практ. студ. конф., Уфа, 25 апр. 2017 г. Уфа : Мир Печати, 2017. С. 182-184.

4 Байбуза И. Прогнозирование инфляции с помощью методов машинного обучения // Деньги и кредит. 2018. № 4. С. 42-59. DOI 10.31477/rjmf.201804.42.

5 Абдыганы А. Экономический рост и некоторые актуальные вопросы экономического роста / А. Абдыганы, А. А. Аттокуровна // Актуальные научные исследования в современном мире. 2021. № 6-2. С. 70-74.

6 Утегенов Н. Б. Искусственный интеллект на сегодняшний день // Universum: технические науки. 2022. № 7-1. С. 27-30.

7 Галушкин А. И. Нейронные сети: основы теории. М. : Горячая линия-Телеком, 2017. 496 с.

8 Москалев Н. С. Виды архитектур нейронных сетей // Молодой ученый. 2016. № 29. С. 30-34.

9 Егорова И. Е. Разработка интеллектуальной системы для решения сложных экономических задач на основе метода Монте-Карло / И. Е. Егорова, Т. Н. Миро-ненко, Т. С. Фролова // Известия Волгоградского государственного технического университета. 2010. № 13. С. 148-152.

BECTHHK TOry. 2023. № 4 (71)

Title: Application of Artificial Intelligence in Forecasting Economic Growth Authors' affiliation:

Ivannikov V.A. - Kuban State Agrarian University named after. I.T. Trubilin, Krasnodar, Russian Federation

Unanyan V.S.- Kuban State Agrarian University named after. I.T. Trubilin, Krasnodar, Russian Federation

Dragulenko V.V. - Kuban State Agrarian University named after. I.T. Trubilin, Krasnodar, Russian Federation

Abstract: In the article, the authors discuss the use of artificial intelligence (AI) in forecasting economic growth. Researchers and economists are increasingly turning to AI methods to forecast economic growth in order to achieve more accurate and reliable results. The article reveals the term of economic growth and its components. In addition, it reviews various approaches and methods used in predicting economic growth using AI. The advantages and limitations of using AI in forecasting economic growth, as well as the prospects for the development of this area, are discussed. In conclusion, the article highlights the importance of the continued development and application of AI in forecasting economic growth and its potential importance for making reasonable economic decisions.

Keywords: artificial intelligence, forecasting, economic growth, machine learning, algorithms, data, forecasting models, economics, data analysis, neural networks, deep learning, digital economy, automation.