Архив статей журнала
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.
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.