В статье на конкретных примерах показано, как математика высокого класса иногда помогает решать проблемы в области экономики и информационных технологий, для решения которых она изначально не предназначалась. Особо подчеркивается роль выдающихся отечественных математиков относительно недалекого прошлого.
Идентификаторы и классификаторы
- УДК
- 51. Математика
Эта статья была задумана и написана как продолжение темы цифровизации, заявленной ранее в публикациях [Козырев, 2017, 2024], где много внимания уделено мемам «цифровая экономика» и «экономика данных», истории их появления, а также людям, событиям и коммерческим интересам, стоящим за этими двумя мемами. Такой подход представляется оправданным по ряду причин, одна из которых – очевидное наличие общественного запроса на профессиональное, основанное на фактах, а не мифах и мнениях, разъяснение смысла этих двух словосочетаний, ставших мемам, но не терминами. Разумеется, наивно было бы думать, что написание и публикация статьи в профильном журнале удовлетворит этот запрос. По законам жанра неизбежно образуется «культурный слой» из статей с пересказом авторами мнений друг друга и постепенной утратой какого-либо содержания. Тем не менее, профессиональный ответ на этот запрос должен быть дан, ровно для этого создавался наш журнал, выпускаемый группой энтузиастов. В этом наш профессиональный долг, его надо выполнять и перейти, развивая тему, к более деликатным и сложным вопросам, связанным с развитием технологий и математикой
Список литературы
1. Арнольд В. И. (1957) О функциях трех переменных, ДАН СССР, т. 114, № 4 (1957), 679-681.
2. Арнольд В. И. (1959) О представлении непрерывных функций трех переменных суперпозициями непрерывных функций двух переменных, Матем. сб., 1959, том 90, номер 1, 3-74.
3. Канторович Л.В. (1960) Экономический расчет наилучшего использования ресурсов, М.: Издательство АН СССР, 1960.
4. Воробьев, Н. Н. (1963) Экстремальная алгебра матриц, Докл. АН СССР, 1963, том 152, “ 1, 24-27.
5. Козырев А.Н. (2018), Цифровая экономика и цифровизация в исторической перспективе // Цифровая экономика, № 1, 2018, с.5-19,. DOI: 10.34706/DE-2018-01-01 EDN: VMUSSB
6. Козырев А.Н. (2024) Цифровая экономика и экономика данных // Цифровая экономика № 2(28), 2024 - с. 5-13. DOI: 10.33276/de-2024-02-01 EDN: DDBLOU
7. Колмогоров А.Н. (1965) Три подхода к определению понятия “количество информации” // Проблемы передачи информации. - 1965. - Т.1 - Вып. 1. - с. 3-115.
8. Колмогоров А. Н. (1956), О представлении непрерывных функций нескольких переменных суперпозициями непрерывных функций меньшего числа переменных, ДАН СССР, т. 108, № 2 (1956), 179-182.
9. Колмогоров А.Н. (1957), О представлении непрерывных функций нескольких переменных в виде суперпозиций непрерывных функций одного переменного и сложения, ДАН СССР, т. 114, № 5 (1957), 953-956.).
10. Кормаков, Г. В. (2002) Интерпретация процесса переобучения искусственных нейронных сетей с использованием тропической геометрии / Г. В. Кормаков // Прикладная математика и информатика. - Москва: ООО “МАКС Пресс”, 2022. - С. 86-105. EDN: ZRDXMF
11. Кривулин Н.К. (2009), Методы идемпотентной алгебры в задачах моделирования сложных систем. - СП: Изд-во С.-Петерб. Ун-та, 2009. - 256 с.
12. Маслов В.П., Колокольцев (1994), Идемпотентный анализ и его применение в оптимальном управлении. М.: Физматлит, 1994, 144 с. ISBN: 5-02-014886-5
13. Baldwin E., Klemperer P. (2012): “Tropical Geometry to Analyse Demand”, Working Paper, Nuf eld College, (PDF) Tropical Geometry to Analyse Demand (researchgate.net).
14. Ben-Ishai, G., Dean, J., Manyika, J., Porat, R., Varian, H., Walker, K. (2024), AI and the Opportunity for Shared Prosperity: Lessons from the History of Technology and the Economy arXiv preprint arXiv:2401.09718, 2024, Equal contributions, the authors are affiliated with Google and Alphabet.
15. Bhatia, S., Cao, Y., Lezeau, P., Monod, A. (2024) Tropical Expressivity of Neural Networks, arXiv:2405.20174vl [cs.LG] 30 May 2024.
16. Bresnahan T. F., Trajtenberg, M. (1995) General purpose technologies ‘Engines of growth’? Journal of Econometrics, Volume 65, Issue 1, January 1995, Pages 83-108. EDN: HIMACP
17. Gilmer, J., Metz, L., Faghri, F., Schoenholz, S., Raghu, M., Wattenberg, M. & Goodfellow, I.n (2018) The Relationship Between High-Dimensional Geometry and Adversarial Examples, arXiv: 1801,02774v3 [cs.CV] 10 Sep 2018.
18. Ben-Ishai, G., Dean, J., Manyika, J., Porat, R., Varian, H., Walker, K. (2024), AI and the Opportunity for Shared Prosperity: Lessons from the History of Technology and the Economy arXiv preprint arXiv:2401.09718, 2024, Equal contributions, the authors are affiliated with Google and Alphabet.
19. Dube S. (2018) High Dimensional Spaces, Deep Learning and Adversarial Examples, arXiv:1801.00634v5 [cs.CV] 15 Apr 2018.
20. Dube S. (2021) An Intuitive Exploration of Artificial Intelligence: Theory and Applications of Deep Learning“. Publisher: Springer Nature.
21. Klemperer, P. (2008) A New Auction for Substitutes: Central Bank Liquidity Auctions, the U.S. TARP, and Variable Product-Mix Auctions. http://www.paulklemperer.org.
22. D. Hilbert, Gesammette Abhandlungen Vol. 3, No. 17, Berlin, 1935.
23. Klemperer P. (2010) The product-mix auction: A new auction design for differentiated goods. Journal of the European Economic Association, 8(2-3):526-536, 2010.
24. Ziming Liu, Yixuan Wang, Sachin Vaidya, Fabian Ruehle, James Halverson, Marin Soljacˇic’, Thomas Y. Hou, Max Tegmark, (2024) KAN: Kolmogorov-Arnold Networks, https://arxiv.org/abs/2404.19756.
25. Simon I. (1988), Recognizable sets with multiplicities in the tropical semiring, Mathematical foundations of computer science, 1988 (Carlsbad, 1988), Lecture Notes in Comput.Sci., vol. 324, Springer, Berlin, 1988, pp. 107-120. 1.
26. Varian, H. (2021) Economics at Google: The first ten years. Bus Econ 56, 195-199 (2021). DOI: 10.1057/s11369-021-00243-2 EDN: ZIHGVO
27. Zuboff, Sh. (2019) The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. New York, Public Affairs, 2019, 704 pp.
28. Varian H (2019), Artificial Intelligence, Economics, and Industrial Organization // National Bureau of Economic Research, Volume Title: The Economics of Artificial Intelligence, p. 399 - 419.
29. Varian H (2018), Use and Abuse of Network Effects“. Toward a Just Society: Joseph Stiglitz and Twenty-First Century Economics, edited by Martin Guzman, New York Chichester, West Sussex: Columbia University Press, 2018, pp. 227-239. DOI: 10.7312/guzm18672-013
30. Varian, H. (2013) Beyond Big Data. Bus Econ 49, 27-31 (2014). DOI: 10.1057/be.2014.1
31. Varian, Hal R. (2010). “Computer Mediated Transactions”, American Economic Review, VOL. 100, NO. 2, MAY 2010, pp. 1-10.
Выпуск
Другие статьи выпуска
Работа посвящена анализу структуры затрат на информационно-коммуникационные технологии и оценке факторов, влияющих на их формирование в регионах РФ. Важнейшими потребителями и производителями ИКТ продукции являются высокотехнологические компании, которые постепенно меняют свою финансовую политику, что приводит к формированию и перераспределению затрат. В исследовании показано, что большая часть затрат осуществляется за счет собственных средств предприятий и организаций, причем предприятия сокращают объем использования внешних средств, все больше рассчитывая на свои собственные средства. Для оценки факторов, влияющих на формирование затрат на ИКТ в регионах РФ, рассчитан индекс, показывающий соотношение внутренних и внешних затрат. Регионы проранжированы по значению этого индекса, выделено три группы и произведен регрессионный анализ по данным за 2019 год. Установлено, что наиболее тесная взаимосвязь внутренних затрат на ИКТ в регионах России наблюдается со следующими показателями: ВРП, численность персонала, занятого научными исследованиями, и используемые передовые производственные технологии.
В современной экономической литературе отмечается, что понимание устройства и моделирование работы коллективных ментальных конструкций (моделей) способствует развитию методов анализа процессов выбора и принятия решений, а также лучшему пониманию процессов эволюции экономических систем. Предлагаемое исследование, развивая эту тему, обосновывает идею, что каждый экономический индивид обладает универсальным инструментом координации (УИК), главным элементом которого являются коллективные ментальные конструкции. Индивиды оптимизируют настройки УИК в целях максимально полного учета деятельности друг друга в целях увеличения выгоды от своей совместной деятельности. УИК с настройками является для участников совместной деятельности общей информационной средой, а также средством определения оптимального содержания их совместной деятельности. Обсуждаются основные блоки и функции УИК как особого вида агентной имитационной модели. Рассмотрены необходимые условия для использования УИК. Из полученных результатов вытекает наличие у индивидов с УИК как содержательной, так и процедурной рациональности. Из этого выводится существование в экономических системах двух видов равновесия.
Статья подробно рассматривает применение методов компиляции и интерпретации кода в разработке программного обеспечения, акцентируя внимание на использовании абстрактных синтаксических деревьев (AST) для оптимизации и профилирования кода на примерах языков C++ и Python. Разъясняется процесс создания интерпретирующих профилировщиков на базе AST, которые интегрируют анализ производительности в процесс исполнения программы. Описываются этапы разработки интерпретаторов и применение инструментов, таких как Clang и Python, для работы с AST. В статье также представлены конкретные примеры построения и использования AST, демонстрирующие важность этих методов для улучшения общей эффективности программных решений.
В статье рассматриваются основные тренды, тенденции и перспективы развития розничной торговли в России. Представлен всесторонний анализ эволюции отечественного розничного рынка, обусловленной экономическими, демографическими и технологическими изменениями. В статье выделяются ключевые тренды потребительского поведения, такие как разумный подход к тратам, растущее влияние поколения Z, предпочтительный выбор отечественных товаров, ответственное отношение к здоровью и к окружающей среде. Особое внимание уделяется важности цифровой трансформации в розничной торговле и омниканальному подходу. Авторами была представлена особая группа потребителей - «взломщики цен», которые тщательно ищут лучшие на рынке предложения через доступные каналы продаж. Приведены данные о влиянии инфляции, уровня безработицы, прироста реальной заработной платы и темпов кредитования населения на структуру потребительских расходов. Представлены три авторских прогноза развития розничной торговли в России до 2030 года: оптимистичный, реалистичный и пессимистичный. Оптимистичный прогноз предполагает, что рост доходов населения и повышение покупательской способности, а также адаптация розничной торговли к новым условиям приведут к устойчивому росту отрасли. Реалистичный прогноз основан на постепенной адаптации розничной торговли к текущим вызовам, с умеренным ростом и развитием новых форматов торговли. Пессимистичный прогноз рассматривает самый драматический сценарий развития событий, при котором розничная торговля столкнется со стагнацией под влиянием новых ограничений и вызовов.
В работе дан обзор различных подходов к проблеме выявления подозрительных адресов в публичных блокчейнах с помощью методов машинного обучения, в первую очередь, методов классификации. Эта задача весьма актуальны в связи с тем, что все легальные участники рынка криптоактивов сейчас должны соблюдать достаточно строгие правила по уточнению источников средств, участвующих в любой обрабатываемой транзакции. Несмотря на то, что Bitcoin и подобные ему платежные системы считаются анонимными, алгоритмы, использующие последние достижениях в области машинного обучения и искусственного интеллекта вместе с тщательным подбором признаков, описывающих наблюдения, могут демонстрировать весьма хорошие результаты. Рассмотрение ведется в основном для сети Bitcoin, но отмечено несколько интересных примеров для Ethereum. Насколько можно судить, обзор такого рода публикуется на русском языке впервые.
Статья продолжает работы авторов по изучению влияния искусственного интеллекта на общественное сознание. Целью настоящего исследования является разработка системного инструментария для обеспечения управленческих решений, позволяющего минимизировать риски негативного воздействия ИИ на цивилизационные особенности России. Для ее достижения авторами начато систематизированное экспериментальное исследование смещения, сжатия, манипулятивности ИИ с учетом факторов индивидуализма - коллективизма и макиавеллизма. Сравнивались контрольные группы людей с группами «личностей», сгенерированных ИИ. Результаты получены на основе небольших выборок, характерных для начальной стадии экспериментов. На орте индивидуализм-коллективизм не имеет места смещение оценок, наследованных ИИ, с бесспорным для любых принятых уровней значимости сжатием вариативности. Напротив, при оценке на макиавеллизм (меру манипулятивности) смещение оценок, наследованных ИИ, значимо отличаются от оценок контрольных групп людей. Полученные результаты позволяют сделать вывод о необходимости дальнейших исследований оценок вариативности по параметру макиавеллизма.
Статья продолжает разработки авторов в сфере восприятия искусственного интеллекта (ИИ), поднимая тему употребления антропоморфизмов в отношении ИИ - наделения его человеческими характеристиками, такими как разум, эмоции, намерения. Задача экспериментального выявления связи склонности людей к антропоморфизации ИИ с рядом личностных характеристик решалась с использованием статистических методов. В ходе пилотного исследования статистически значимых различий между группами мужчин и женщин по выбранным характеристикам обнаружено не было. Выявлена тенденция к наличию слабой связи между склонностью к макиавеллизму и коллективизмом, а также обратной связи между индивидуализмом и макиавеллизмом, обратной корреляции между горизонтальным коллективизмом и склонностью к употреблению антропоморфизмов в отношении искусственного интеллекта.
Технологии искусственного интеллекта во многом базируются на больших данных, и, помимо вычислений, которые обеспечивают должную точность и робастность результатов, а также безопасность систем именно вопросы хранения, передачи и обработки больших данных притягивают к себе пристальное внимание исследователей и разработчиков. Причём работу с данными можно рассматривать на математическом уровне, но в данной работе это сделано на уровне архитектуры информационных систем. А именно, рассматривается вопрос о том, какие модули современных информационных систем в финансовой сфере используют технологии искусственного интеллекта и как они соотносятся с хранилищами и процессорами данных. Структурно работа построена так, что за описанием сфер применения искусственного интеллекта следует обзор изобретений по теме, затем анализируются значимые для предметной области стандарты и, наконец, дана общая архитектура информационной системы.
В статье показана фундаментальная роль отраслевых ставок роялти в лицензионных договорах и аналитического метода их расчета. Аналитический метод расчета ставок роялти (RoS - Royalty on Sales price) на основе рентабельности продаж (ROS) и прибыли до вычета процентов и налогов (EBIT - Earnings Before Interest and Taxes) отличается высокой точностью и учитывает специфику отраслей, в которых используется объект интеллектуальной собственности. Этот метод широко применяется как в судебных экспертизах, так и в коммерческих сделках, охватывая расчеты убытков, оценку рыночной стоимости исключительных прав, а также определение размеров компенсации и вознаграждения авторам в различных юрисдикциях. Показано, что ставка роялти является ключевым элементом двухкомпонентного ценообразования в лицензионных сделках, обеспечивая гибкость и эффективность в управлении интеллектуальной собственностью.
Издательство
- Издательство
- ЦЭМИ РАН
- Регион
- Россия, Москва
- Почтовый адрес
- 117418, Москва, Нахимовский пр, 47
- Юр. адрес
- 117418, Москва, Нахимовский пр, 47
- ФИО
- Альберт Рауфович БАХТИЗИН (Директор)
- E-mail адрес
- albert.bakhtizin@gmail.com
- Контактный телефон
- +7 (499) 1290822