Научный архив: статьи

В условиях стремительного прогресса технологий и усложнения глобальных экономических процессов появляются инновационные способы осуществления трансграничных финансовых операций, что влечет за собой порождение ранее неизвестных и не всегда прогнозируемых рисков для национальных экономик принимающих стран. Успешное управление этими вызовами требует от государств непрерывной адаптации к стремительно трансформирующимся тенденциям международного движения капитала посредством внедрения передовых методов мониторинга и контроля, а также разработки высокоточных механизмов идентификации участников финансовых операций. Предметом изучения в данной статье являются новые механизмы контроля за международным движением капитала, имеющие большие перспективы использования. Целью исследования является выявление потенциально эффективных методов контроля за международным движением капитала и обоснование необходимости их использования. Статья ставит своей задачей исследование и систематизацию инновационных механизмов, способствующих более эффективному контролю за движением капитала в современных экономических условиях. Основное внимание уделено разработке подходов, которые обеспечивают прозрачность, минимизацию рисков и устойчивость финансовых потоков в глобальной экономике. Результатами исследования является разработка и обоснование инновационных механизмов, направленных на усиление прозрачности и эффективности контроля за международным движением капитала. Предложенные подходы демонстрируют потенциал для снижения финансовых рисков, усиления регуляторного надзора и адаптации к динамичным условиям глобальных рынков. Значимость статьи заключается в её вкладе в развитие подходов к регулированию международного движения капитала с использованием инновационных механизмов, что способствует повышению стабильности и устойчивости глобальной финансовой системы. Предложенные решения могут быть использованы как практическими регуляторами, так и исследователями для минимизации рисков и улучшения прозрачности транзакций на международных рынках.

В условиях глобального роста политической напряженности и повсеместного учащения протестных выступлений изучение динамики аффективной поляризации становится все более актуальным. Этот феномен, ранее доминировавший в политическом ландшафте США и изучавшийся сквозь призму партийной принадлежности, приобретает значение и в других странах. Распространение аффективной поляризации фиксируется и для России, имеющей богатую историю политических размежеваний. Несмотря на актуальность темы, исследования аффективной поляризации сталкиваются с проблемой разработки объективных и нереактивных методов анализа, свободных от предвзятости традиционных опросов. Кроме того, открытым остается вопрос о связи аффективной поляризации и политической мобилизации - действительно ли эти явления, развивающиеся схожими трендами, усиливают друг друга? Этот вопрос является основной гипотезой исследования. Для ее тестирования предложена методология, основанная на машинном обучении: спектральной кластеризации, тематическом моделировании BERTopic и энтропии Шеннона. В качестве эмпирической базы использованы первичные данные сообщений социальной сети «ВКонтакте», собранные в период летних протестов 2019 г. в Москве и представляющие собой сообщения пользователей, в которых выражен язык ненависти (как основной индикатор аффективной поляризации). Результаты подтвердили выдвинутую гипотезу: обнаружено статистически значимое увеличение энтропии Шеннона и выявление поляризованных тематик в период протестной мобилизации. Это свидетельствует о том, что политическая мобилизация действительно положительно связана с распространением аффективной поляризации. Разработанная методология позволяет проводить объективный анализ политических процессов и может быть использована для мониторинга и оценки рисков, связанных с эскалацией социальной напряженности.

В условиях динамично развивающейся экономики, подверженной влиянию глобальной неопределенности, использование методов искусственного интеллекта позволяет строить продвинутые адаптивные модели, основанные на нелинейном взаимодействии переменных, и разрабатывать на их основе более точные экономические прогнозы и сценарии социально-экономического развития, чем с применением стандартных эконометрических и статистических методов. Исследование посвящено нейросетевому моделированию и прогнозированию валового регионального продукта субъекта Российской Федерации (на примере Нижегородской области). Информационной базой послужили региональные и макроэкономические данные Росстата, Банка России и онлайн портала Investing. com за 2000–2023 гг. Теоретико-методологической основой исследования явились расширенная производственная функция Кобба – Дугласа, базовые концепции региональной экономики и нейросетевого моделирования. Использование информации по регионам со схожей отраслевой структурой и масштабам экономики позволило увеличить массив данных для обучения моделей. В результате исследования построены две модели ВРП Нижегородской области: базовая, основанная на ограниченном количестве входных параметров и данных регионов-бенчмарков, согласно Стратегии развития области; и расширенная, основанная на большем количестве входных параметров и данных регионов одного с Нижегородской областью кластера. На их основе разработаны три прогноза ВРП Нижегородской области на 2025–2027 гг.: реалистический, оптимистический и пессимистический. Результаты по реалистическому сценарию оказались близкими к прогнозу областного правительства. Кроме того, расширенная модель позволила получить более точные прогнозы. Результаты и выводы исследования могут быть полезны при составлении прогнозов и управлении социально-экономическим развитием РФ и ее регионов

В статье рассматриваются теоретико-методологические основы интеграции сценарного анализа и многомерных байесовских моделей машинного обучения. Сценарный анализ представлен как инструмент стратегического планирования в условиях радикальной неопределённости, позволяющий формировать альтернативные траектории развития сложных систем. В свою очередь, байесовские модели в машинном обучении - в том числе Bayesian additive regression trees (BART), байесовские нейронные сети (BNN) и вариационные байесовские методы - обеспечивают формальное представление априорной неопределённости и латентной структуры данных. Особое внимание уделено методам построения условных прогнозов и обобщённых функций импульсного отклика (GIRF), адаптированным для нелинейных и непараметрических моделей. Обоснована практическая значимость данного подхода в макроэкономическом моделировании, энергетическом планировании и оценке инвестиционных рисков.

Наукастинг валового внутреннего продукта (ВВП) представляет собой ключевой инструмент макроэкономического анализа, позволяющий формировать оперативные оценки текущей динамики экономической активности до выхода официальной статистики. Современные вызовы, связанные с высокой волатильностью экономических условий, требуют адаптивных и вычислительно эффективных моделей, способных учитывать как классические макроиндикаторы, так и потоки высокочастотных данных. В настоящей статье рассматриваются теоретические основы и перспективы объединения динамических факторных моделей (DFM) с методами машинного обучения для построения гибридных архитектур наукастинга. Основное внимание уделено аналитическому обзору структуры DFM, методам оценки скрытых факторов при наличии пропусков и смешанных временных частот, а также проблемам интерпретируемости и устойчивости модели к структурным сдвигам. Дополнительно обсуждаются подходы к интеграции высокочастотных источников данных - таких как транзакционная активность, мобильность и поведенческие индикаторы - в рамках наукастинг-моделей.

В работе представлен инновационный метод бизнес-планирования при помощи технологии искусственного интеллекта. В быстро меняющихся условиях возможность надежного прогнозирования и планирования высоко востребована. Внедрение технологии искусственного интеллекта и автоматизация процессов анализа и планирования позволяют создать совершенно новую динамичную мультиагентную модель финансового бизнес-планирования, быстро реагирующую на изменение внешних макроэкономических факторов и снижающую риск влияния человека, что и стало результатом исследования. Поставив целью разработать новый, актуальный, современный и высокоточный технологический подход к бизнес-планированию, авторы изучили ряд современных научных исследований по внедрению искусственного интеллекта в процессы финансового планирования и прогнозирования, систематизировали их и выделили интересные и практически реализуемые идеи. В результате предложен подход, позволяющий проводить довольно гибкое и быстро реализуемое бизнес-планирование, показывающее высоконадежный результат в коротком периоде и реализующий возможность оперативного изменения параметров деятельности компании. Однако его внедрение требует модификации процессов бизнес-планирования и внедрения автономной мультиагентной системы, которые также разработаны и предложены в исследовании. Статья будет интересна практикующим экономистам и представителям бизнеса, занимающимся бизнес-планированием, а также ученым и студентам, вовлеченным в проекты стимулирования предпринимательской деятельности.

В статье рассматривается интеллектуальная трансформация как этап цифровой эволюции, основанный на интеграции искусственного интеллекта, машинного обучения и аналитики данных в производственные процессы для повышения адаптивности и стратегической устойчивости бизнеса. Раскрывается переход к управлению, основанному на когнитивных и алгоритмических моделях, обеспечивающий автономное функционирование организаций за счёт интеллектуальной обработки данных. Выявлено различие между цифровизацией и интеллектуальной трансформацией, создающей новые управленческие модели на основе искусственного интеллекта. Интеллектуальная трансформация обеспечивает переход от цифровой автоматизации к самоуправляемым и адаптивным системам, способным повышать устойчивость и конкурентоспособность в условиях глобальных вызовов. Ключевые компоненты интеллектуальной трансформации, аналитика больших данных, когнитивные алгоритмы, цифровые двойники и адаптивные системы, представлены основой построения интеллектуально активной организации, ориентированной на автоматизацию и предиктивное управление в условиях многопараметрической неопределённости. Интеллектуальная оптимизация бизнес-процессов резюмируется как инструмент повышения операционной эффективности и фактор стратегического развития, способствующий формированию инновационно-активных организационных моделей.

Значительно резвившаяся под управлением крупных девелоперов сфера ЖКХ так же, как и любой другой бизнес, требует четкого планирования финансовых и ресурсов. Качественный прогноз, учитывающий не только ретроспективные данные об объемах продаж услуг, но и размеры коммунальных платежей, цены на услуги ЖКХ и т. п., позволяет эффективно планировать деятельность по управлению бизнесом. Данная статья посвящена проблеме прогнозирования поступлений денежных средств для управляющей компании. На основе анализа публикаций, посвященных вопросам прогнозирования и планирования доходов для управляющих компаний, выявлено, что перечень таких работ ограничен, что указывает на узкую направленность проблематики и ее определенную сложность. В статье предложен вариант алгоритма прогнозирования дохода управляющей компании, занимающейся комплексным обслуживанием в сфере ЖКХ и обеспечением условий проживания жителей многоквартирных домов, который основан на методе машинного обучения

В статье исследуются современные методы применения искусственного интеллекта (ИИ) в системе образования Кыргызстана. Особое внимание уделено потенциалу технологий ИИ, в частности трансферного обучения как одного из наиболее эффективных методов, для персонализации учебного процесса, автоматизации оценки знаний и повышения его общей эффективности. Целью работы является анализ возможностей и разработка практических рекомендаций по интеграции данных технологий. Методы исследования включают сравнительный анализ международного опыта, анкетирование участников образовательного процесса и педагогический эксперимент. Результаты подтверждают, что применение инструментов ИИ способствует повышению качества образования. Делается вывод о необходимости комплексного внедрения инноваций для развития кадрового потенциала страны.

Целью данной статьи является изучение практики зарубежных транснациональных корпораций в области использования искусственного интеллекта и машинного обучения для управления цепочками поставок в условиях глобальных кризисов. Методологическим основанием данной статьи явился комплексный подход, позволивший использовать совокупность методов (анализа, классификации и обобщения), позволивших системно и последовательно исследовать опыт транснациональных корпораций в решении проблемы использования новейших достижений в области машинного обучения и использования искусственного интеллекта в управлении цепочками поставок в условиях глобальных кризисов. В результате исследования автором выделены и систематизированы основные причины, требующие использования машинного обучения искусственного интеллекта в управлении цепочками поставок в условиях глобальных кризисов. Практическая ценность данной статьи определяется возможностью использования полученных результатов в целях дальнейшей разработки проблемы, связанной с использованием искусственного интеллекта и машинного обучения для управления цепочками поставок в условиях глобальных кризисов. Сделан вывод, что система машинного обучения, позволяющая расширять возможности искусственного интеллекта, дает возможность транснациональным компаниям принимать решения на основе исторической и текущей информации о спросе и предложении, формируя точные прогнозы относительно функционирования цепочек поставок в условиях турбулентной внешней среды. Интеллектуальные системы машинного обучения (ИСМО) предоставляет транснациональным корпорациям инструмент, который способствует сокращению расходов и увеличению доходов, позволяет поддержать имидж надежного поставщика.

Актуальность Актуальность разработки платформы для автоматизации собеседований с использованием искусственного интеллекта определяется рядом факторов. Концепция этого продукта затрагивает две важные области: информационные технологии и управление человеческими ресурсами. Во-первых, многие отрасли активно нуждаются в замене устаревших методов организации HR-процессов инновационными решениями с использованием искусственного интеллекта. Во-вторых, в ходе работы затрагивается изучение возможностей интеграции различных методов машинного обучения в процессы подбора персонала, что является актуальной темой на протяжении последних 5 лет. Нынешняя реализация традиционного подхода к подбору персонала часто сталкивается со многими трудностями: от высокой трудоемкости процессов отбора кандидатов до сложности оценки их профессиональных и личных качеств. В связи с этим поиск и внедрение инновационных решений, нацеленных на оптимизацию и улучшение процесса подбора специалистов, выходит на передний план. Цель исследования Разработать веб-платформу для автоматизации процесса подбора персонала с использованием технологий искусственного интеллекта, которая позволит повысить эффективность найма и точность оценки кандидатов. Методы исследования Анализ существующих бизнес-процессов, разработка программного обеспечения с использованием Next. js и Prisma и алгоритмов машинного обучения для генерации тестовых заданий, распознавания лиц и анализа эмоционального фона кандидатов. Результаты Разработана веб-платформа, которая успешно автоматизирует процесс подбора персонала в нефтегазовой отрасли за счет интеграции технологий искусственного интеллекта для генерации тестовых заданий, распознавания лиц и анализа эмоционального фона кандидатов. Платформа обеспечивает высокую производительность и масштабируемость за счет использования современных технологий, таких как Next. js, Prisma, WebSockets и peer-to-peer соединения. Реализованный функционал, включающий создание и публикацию вакансий, регистрацию пользователей и онлайн-собеседования, значительно повышает эффективность и точность оценки кандидатов, что делает платформу конкурентоспособной на рынке.

Цифровая трансформация бизнеса означает перевод многих процессов на предприятии в цифровой вид, т. е. предполагается выполнение процессов с использованием компьютерной техники и ИТ-технологий. При этом важно организовать эффективную интеграцию уже имеющихся на предприятии процессов с современными ИТ-технологиями. Такая интеграция может касаться не только производства, но и других областей человеческой деятельности. Конечно, и раньше многие отрасли в разной мере подвергались автоматизации, но появление искусственного интеллекта (ИИ) может сгладить разницу между отраслями с автоматизацией разной степени и позволит оптимизировать процессы, даже если какие-то из сфер деятельности не предполагают использование ИИ. Тем не менее процесс цифровизации в подавляющем большинстве случаев даст ускорение принятию решений, если использовать системы ИИ, в частности цифрового двойника. Это оптимизирует сбор данных, что позволит использовать их для создания моделей объектов или систем. Модель в дальнейшем будет применяться для анализа и оптимизации работы без физического присутствия объекта. Все вышеизложенное и определяет актуальность темы идентификации места и роли искусственного интеллекта в цифровой трансформации российского бизнеса. В данной статье авторы размышляют над проблемой «Какие шаги необходимо предпринять для развития новых технологий анализа данных в производстве? И как усовершенствовать среду работы с данными?». В статье дается обзор истории использования искусственного интеллекта в бизнесе. Обсуждаются слабые стороны применения технологий искусственного интеллекта. Предпринимается попытка дать ответ на вопрос: что нужно сделать уже сегодня, чтобы предприятие или организация могли занять лидирующие позиции завтра.