Начиная с 2014 года уже несколько систем искусственного интеллекта получили официальные назначения на управленческие позиции в международных компаниях. Таким образом можно говорить о том, что в настоящее время происходит смена парадигмы принятия управленческих решений: от ситуации, когда искусственный интеллект просто служит инструментом поддержки директоров или комитетов совета директоров мы переходим к ситуации, когда искусственный интеллект управляет процессом принятия решений. Один из ключевых вопросов сейчас заключается в том, стоит ли вообще заниматься правом как вычислением. Качественное вычислительное право является жизненно важным условием для успешного развития современной человеческой цивилизации. Необходимость создания алгоритмического законодательства для технических систем уже рассматривалась знаменитыми математиками, в частности Готфридом Лейбницем и Пьером Лапласом. Несмотря на то, что великие мыслители прошлого смогли предвидеть основные принципы, которые могут стать основой для построения рассуждений техническими системами, в свое время они не обладали необходимыми техническими и общественно-социальными инструментами. В статье предлагается методика создания справочника (словаря) по формулированию алгоритмических основ управленческих решений. Рассматриваемая модель справочника (словаря) имеет своей целью предложить справочную основу для формирования политик для автономных систем ИИ, которая позволит всем заинтересованным пользователям выражать информированное согласие или несогласие с принимаемыми системами ИИ решениями. Насколько известно автору, это первая модель справочника (словаря) по моделированию алгоритмических решений автономных систем ИИ для целей корпоративного управления.
Идентификаторы и классификаторы
Начиная с 2014 года уже несколько систем искусственного интеллекта (далее ИИ) получили официальные назначения на управленческие позиции в международных компаниях. Это, например, гуманоидный робот Мика — главный исполнительный директор польской компании Dictador [36], Алисия Т — топ-менеджер шведской компании Tieto [2], VITAL, Spock — ИИ системы гонконгской компании Deep Knowledge Ventures [9], Aiden Insight — наблюдатель без права голоса в совете директоров Международной холдинговой компании (IHC) со штаб-квартирой в Абу-Даби [20]. Некоторые компании идут по пути внедрения не отдельных, персонифицированных систем ИИ, а создают цифровые командные центры, представляющие собой многофункциональные цифровые фабрики [1]. Таким образом можно говорить о том, что в настоящее время происходит смена парадигмы принятия управленческих решений: от ситуации, когда ИИ просто служит инструментом поддержки директоров или комитетов совета директоров мы переходим к ситуации, когда ИИ управляет процессом принятия решений. Рисунок 1. Модель разработки автономных систем ИИ для управления компаниями. Один из вопросов высокого уровня заключается в том, стоит ли вообще заниматься правом как вычислением [24]. Директора — физические лица, и директора — автономные системы ИИ должны соблюдать установленные законодательством, уполномоченными регуляторами, и компаниями требования и стандарты корпоративного управления. Основные нормы корпоративного управления компании обычно излагают во внутренних политиках и процедурах. Принципы корпоративного управления G20/ОЭСР указывают, что качественно сформулированные политики корпоративного управления играют важную роль в достижении широких экономических целей государственной политики [27]. Однако кодексы, политики, и процедуры, разработанные для физических лиц не всегда полностью применимы или в принципе неприменимы для систем ИИ. Как отмечают многочисленные исследователи в области права, в настоящее время “автоматизация правовых норм может существовать только благодаря компромиссам, достигнутым при переводе законов на естественных языках в код (исполняемые файлы) на формальных языках” [26]. Необходимость компромисса вызвана прежде всего тем, что человеческие решения являются социальными конструкциями, а решения, принимаемые системами ИИ — это технические конструкции [17]. Для решения данного противоречия предлагается формулировать основы принятия управленческих решений в двух вариантах: в обычном — для принятия решений человеком, и
Список литературы
1. ADNOC. ADNOCуs Panorama Digital Command Center Generates Over $1 Billion in Value and is Enabling an Agile Response During COVID-19 // URL: https://www.adnoc.ae/en/News-and-Media/Press-Releases/2020/ADNOC-Panorama-Digital-Command-Center-Generates-Over-1-Billion-in-Value.
2. Business Wire. // URL: https://www.businesswire.com/news/home/20161016005092/en/Tieto-the-First-Nordic-Company-to-Appoint-Artificial-Intelligence-to-the-Leadership-Team-of-the-New-Data-Driven-Businesses-Unit.
3. Capital Market Authority, The Kingdom of Saudi Arabia. (2023). Corporate Governance Regulations // URL: https://cma.org.sa/en/RulesRegulations/Regulations/Documents/CorporateGovernanceRegulations1.pdf.
4. Chalmers D. The Singularity: A Philosophical Analysis. Journal of Consciousness Studies. 2010.
5. Cirillo P., Taleb N.N. Expected shortfall estimation for apparently infinite-mean models of operational risk.й// Quantitative Finance.й2016, 16(10), 1485-1494.
6. Cuzzocrea A., Fadda E., Baldo A. Lyapunov Central Limit Theorem: Theoretical Properties and Applications in Big-Data-Populated Smart City Settings. Proceedings of the 2021 5th International Conference on Cloud and Big Data Computing.
7. Dastin J. Insight - Amazon scraps secret AI recruiting tool that showed bias against women // URL: https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/.
8. Daston L.J. Classical Probability in the Enlightenment. (1988).
9. Deep Knowledge Ventures // URL: https://deepknowledgeventures.com.
10. Direitos Fundamentais & Justica,й44, 81. Horizon 2020 Commission Expert Group to advise on specific ethical issues raised by driverless mobility (E03659). Ethics of Connected and Automated Vehicles: recommendations on road safety, privacy, fairness, explainability and responsibility. 2020. Publication Office of the European Union: Luxembourg.
11. Dumitrascu F. From Name to Brand п The Role of Social Connector of the Company Name // SAECULUM. 2021, 52, 26 - 38. EDN: ZJKAGF
12. Dwork C., Hardt M., Pitassi T., Reingold O., Zemel, R.S. Fairness through awareness. 2011 ArXiv, abs/1104.3913.
13. Galdon-Clavell G. AI Auditing Checklist for AI Auditing // 2023 URL: https://www.edpb.europa.eu/system/files/2024-06/ai-auditing_checklist-for-ai-auditing-scores_edpb-spe-programme_en.pdf.
14. Groot R.D., Laer C.J. The Quality of Legal Dictionaries: An Assessment. 2008.
15. Hastie T.J., Tibshirani R., Friedman J.H. The Elements of Statistical Learning. 2001.
16. Hellman D. Sex, Causation, and Algorithms: Equal Protection in the Age of Machine Learning. Discrimination. 2020.
17. Hoffmann-Riem W. Legal technology/computational law: preconditions, opportunities and risks.й2021.
18. Hull J. Risk management and financial institutions,+ Web Siteй(2012, Vol. 733). John Wiley & Sons.
19. Hutchinson B., Mitchel, M. 50 Years of Test (Un)fairness: Lessons for Machine Learning. Proceedings of the Conference on Fairness, Accountability, and Transparency. 2018.
20. IHC. IHCуs Aiden Insight sets a new benchmark for the integration of artificial intelligence in high-level corporate strategy // URL: https://www.ihcuae.com/photo/plugin/article/2024/1715086662_file_1.pdf.
21. Kerentseva N. Changes in Kazakhstan transfer pricing legislation pricing // URL: https://konsugroup.com/en/news/changes-in-kazakhstan-transfer-pricing-legislation-pricing.
22. Leslie D., Rinc?n C., Perini A., Jayadeva S., Borda A. and al. AI Fairness in Practice. The Alan Turing Institute. 2023.
23. Lin P. Why ethics matters for autonomous cars.йAutonomous driving: Technical, legal and social aspects, 2016. 69-85.
24. Livermore M.A. Rule by rules. InйComputational Legal Studiesй(pp. 238-264). Edward Elgar Publishing. 2020.
25. Livermore M.A., Herron F., Rockmore D. Language Model Interpretability and Empirical Legal Studies //йVirginia Public Law and Legal Theory Research Paper. 2023,69.
26. Meessen P.N. On Normative Arrows and Comparing Tax Automation Systems. InйProceedings of the Nineteenth International Conference on Artificial Intelligence and Law. 2023, June. pp. 432-436.
27. OECD, G20/OECD Principles of Corporate Governance 2023, OECD Publishing, Paris,. DOI: 10.1787/ed750b30-en
28. OECD, OECD Transfer Pricing Guidelines for Multinational Enterprises and Tax Administrations 2022, OECD Publishing, Paris,. DOI: 10.1787/0e655865-en
29. Penikis S., Releford J., Hakim D. Uncovering Wrongdoing in the Enron Email Corpus.
30. Romanova A. Elements Of Legislation For Artificial Intelligence Systems //йInternational Journal on Soft Computing, Artificial Intelligence and Applications (IJSCAI). 2024.
31. Hardt M., Narayanan A. Fairness and machine learning: Limitations and opportunities. MIT press. 2023.
32. Scholkopf B., Smola, A. Learning with Kernels: support vector machines, regularization, optimization, and beyond. Adaptive computation and machine learning series. 2001.
33. Taleb N.N. Black Swans and the Domains of Statistics // The American Statistician. 2007, 61. 198 - 200.
34. Taleb N.N., Bar-Yam Y., Cirillo P. On single point forecasts for fat-tailed variables. International Journal of Forecasting. 2020.
35. Team G., Riviere M., Pathak S., Sessa P. G., Hardin C. and al. Gemma 2: Improving open language models at a practical size. 2024.йarXiv preprint arXiv:2408.00118.
36. The Business Standard. // URL: https://www.tbsnews.net/offbeat/polish-company-employs-worlds-first-ever-ai-humanoid-robot-ceo-743622.
37. Trading Economics. World - Population, Female (% Of Total). https://tradingeconomics.com/world/population-female-percent-of-total-wb-data.html.
38. Verma S., Rubin J. Fairness definitions explained. InйProceedings of the international workshop on software fairness. 2018, May. pp. 1-7.
Выпуск
Другие статьи выпуска
В работе ставится и проблема формирования дискретных представлений непрерывных процессов интеллектуальными системами различной природы. Выделяются несколько философских подходов, таких как монизм, сенсуализм, дуализм, физикализм, бихевиоризм, кибернетика и семиотика, которые предлагают разные интерпретации трансформации непрерывных процессов в их дискретные представления интеллектом и сознанием. Обсуждаются недостатки существующих теорий в объяснении механизмов, которые приводят к формированию дискретных представлений. Введение в представления междисциплинарных исследований искусственного интеллекта (ИИ) и когнитивных наук категории дискретизации, заимствованной из цифровой обработки сигналов, позволяет предложить новый взгляд на функции естественного и искусственного интеллекта, в котором дискретизация становится ключевой функцией ИИ, осуществляющей преобразование непрерывных процессов в их дискретные представления. Проводится аналогия между дискретизацией в сознании и механизмами, используемыми в искусственном интеллекте, подчеркивая важность формирования дискретных представлений в процессе восприятия и интеллектуальной обработки информации. Обсуждение принципа неопределенности Гейзенберга в контексте дискретизации показывает, как дискретизация в процессе восприятия может привести к потерям информации и возникновению неопределенности в системах искусственного интеллекта. Концепция дискретизации может существенно углубить наше понимание того, как происходит обработка информации в сознании, как формируются уникальные ощущения и качества воспринимаемого мира, а также как данные процессы связываются с идеями самоорганизации и странных петель, предложенными Дагласом Хофштадтером. Обсуждение понятия квалиа приводит к аргументированию положений о том, что квалиа как совокупность осознанного субъективного опыта необходимо содержит функцию дискретизации как составную часть организации субъективных восприятий. Если это представление верно, то философский зомби в мысленном эксперименте Чалмерса становится принципиально невозможным, а его критика физикализма и материализма предстает неубедительной. Исследование открывает новые возможности в изучении взаимодействия между непрерывным и дискретным, предлагая направления для будущих исследований в философии сознания, искусственном интеллекте и когнитивных науках.
В статье рассматриваются основные факторы экономических кризисов. Факторы проанализированы с помощью моделей машинного обучения. В исследовании применяются два алгоритма машинного обучения, деревья решений и градиентный бустинг. Деревья решений создаются путем разделения данных на подмножества на основе значения входных функций. Бустинг, ансамблевый метод, обучается путём объединения множества небольших моделей для создания финальной, прогнозирующей модели. Проведён детальный анализ научных работ на тему использования машинного обучения для анализа кризисных явлений. Распространённые факторы моделирования дополнены новыми, итоговые факторы включают в себя широкий список макроэкономических показателей, биржевых данных и социально-политических факторов. Данные были проанализированы с помощью статистического анализа временных рядов, далее данные были стандартизированы для применения в моделях машинного обучения. Параметры моделей подобраны на данных, с помощью метода кросс-валидации. Наиболее эффективные модели были использованы для анализа значимости факторов кризисных явлений. Результаты показывают потенциал использования моделей машинного обучения в анализе кризисов, предлагает новые инструменты раннего обнаружения кризисов и использования результатов для стратегического планирования органами государственной власти. Будущие направления исследования включают в себя улучшения статистической интерпретации результатов машинного обучения, применение более сложных моделей и создание систем анализа в реальном времени.
Developing the models of artificial societies with simulation of agents’ joint socio-economic activity a challenging task is to endow the agents with properties allowing them to mutually take into account each other’s intentions and activities. The presence of such properties in agents creates conditions for the emergence of social organization in the modeled system, including processes of coordination and governance. In the proposed study, agents obtain the required properties due to their natural ability to create and use shared (collective) mental models under various modes of communication between them. On this basis, the concept of an agent with a universal coordination instrument (UCI) is substantiated. Agents optimize UCI settings to take full account of each other’s activities and maximize the benefits of joint activities. UCI with settings is a common information environment for participants in joint activities, as well as a means of determining the optimal content of their joint activities. The main components and functions of UCI as a special type of agent-based simulation model are discussed. The necessary conditions for using the UCI are considered. From the results obtained it follows that individuals with UCI have both substantive and procedural rationality, which leads to the emergence of two types of equilibrium in the socio-economic system.
Последствия изменения климата, геополитических конфликтов, пандемий, массовой миграции, гиперинфляции и других кризисов могут усугубить неравенство в доступе к водным ресурсам. Водные ресурсы России распределены неравномерно, поэтому при управлении водными ресурсами крайне важно учитывать возможные социально-экономические реалии, возникающие под воздействием глобальных климатических изменений и ухудшения состояния окружающей среды. Своевременная оценка воздействия на водные ресурсы, совершенствование системы управления способствуют росту экономики. Построение рейтинга регионов Российской Федерации по уровню воздействия на водные ресурсы необходимо для формирования и корректировки государственной политики в сфере сохранности водных ресурсов. В статье обозначены этапы работ при построении рейтинга на основе рэнкинга отдельных показателей, составляющих систему показателей, предложены показатели, характеризующие воздействие на водные ресурсы, которые должны быть включены в информационную базу построения рейтинга. Результаты рейтингования регионов позволяют получить совокупность регионов с низким и высоким уровнем воздействия на водные ресурсы. На первом месте в рейтинге будут располагаться регионы с низким воздействие на водные ресурсы, на последних местах - с высоким. Таким образом, дальнейший анализ системы государственного управления водными ресурсами в регионах лидерах позволят сформировать предложения по корректировки программ регионов-аутсайдеров.
Активное применение имитационных и агент-ориентированных моделей выходит на принципиально новый уровень. Исследование развития этого направления в России с позиции публикационной активности было опубликовано в предыдущей работе. Подход с применением передового инструментария дает преимущества для разработчиков управленческих механизмов. На данный момент приобретают популярность языковые модели, которые способны генерировать ответы и решать задачи на высоком уровне сложности. Подобные разработки уже применяют вместе с агент-ориентированным подходом, что вызывает особый интерес с точки зрения перспектив прикладной значимости. Масштабирование исследований с помощью такого инструмента может быть скорректировано в нужный вектор, и настроено на разный уровень детализации - от отдельных модельных объектов в виде сущностей до параметрических особенностей каждого отдельного государства вместе с глобальными изменениями мировой экономики. Основой статьи является обзор различных моделей, где проанализированы российские и зарубежные разработки, сконструированные с помощью методологии компьютерных имитационных моделей. Данный метод позволяет специалистам внедрять новые подходы в структуру государственного управления за счет анализа и прогнозирования вызовов в различных сферах общественной жизни. Помимо этого, рассмотрены популярные программные обеспечения для работы с моделями подобного класса. В другом блоке приведена подборка прикладных моделей с индивидуальной настройкой под каждую из задач, и демонстрацией результатов, которые передают специфику разных сфер общественной жизни, начиная с демографической оценки населения стран, планирования в системе здравоохранения до военных столкновений и заканчивая программными продуктами для анализа космической обстановки. Примерами стали модели, где изучена демографическая ситуация в России, распространение пандемии. В результатах экспериментов некоторых моделей можно выделить социальную направленность, которая хорошо помогает разобраться в специфике демографических и социальных проблем - сокращение населения, уровень поддержки политической элиты, поведение людей в стрессовой ситуации, меры государственной поддержки, дающие положительный эффект для населения.
Благоприятная демографическая и миграционная ситуация в регионе способствует его экономическому процветанию, поскольку для успешного развития производственного потенциала территории необходимы квалифицированные кадры. Миграционная привлекательность территории обуславливается качеством жизни населения, что подразумевает не только высокие доходы граждан, но и развитость транспортной и социальной инфраструктуры, доступность образовательных и медицинских услуг, благоприятные климат и экологическую обстановку, наличие рабочих мест. В статье описывается математический аппарат для расчета интегрального показателя качества жизни населения. Для поддержки принятия решений по управлению миграционными процессами предложена агент-ориентированная модель, позволяющая прогнозировать интенсивность миграционных потоков в муниципальных районах Республики Башкортостан в зависимости от изменения качества жизни населения. Подробно описываются алгоритмы выбора места проживания и размещения производственных мощностей соответственно для агентов «Житель» и «Предприятие». Выходными данными модели являются прогнозы изменения удовлетворенности жителей территории качеством жизни, численности мигрантов в муниципальном районе, уровня экономического развития предприятий. На основе действующей Федеральной программы «Комплексное развитие моногородов» проведены сценарные эксперименты, которые позволили прогнозировать показатели миграционного прироста территорий Республики Башкортостан, задействованных в реализации программы.
Статистика статьи
Статистика просмотров за 2025 год.
Издательство
- Издательство
- ГАУГН
- Регион
- Россия, Москва
- Почтовый адрес
- 119049, г Москва, р-н Якиманка, Мароновский пер, д 26
- Юр. адрес
- 119049, г Москва, р-н Якиманка, Мароновский пер, д 26
- ФИО
- Промыслов Николай Владимирович (ИСПОЛНЯЮЩИЙ ОБЯЗАННОСТИ РЕКТОРА)
- Контактный телефон
- +7 (___) _______