SCI Библиотека

В связи с масштабной цифровизацией современного общества и быстрого внедрения технологий искусственного интеллекта (ИИ) возникла потребность криминалистического и судебно-экспертного обеспечения судопроизводства по делам, в которых фигурирует ИИ. Наиболее актуальными задачами, решаемыми судебными компьютерно-техническими экспертными подразделениями, являются исследование фактов неправомерного (главным образом криминального) использования искусственного интеллекта, использование ИИ для создания новых и совершенствования существующих методик компьютерно-технической экспертизы, судебно-экспертное исследование продуктов, использующих технологии ИИ с целью установления соответствия готового продукта техническому заданию на его создание, а также комплексное судебно-экспертное исследование с целью определения стоимости IT-продукта.

В зависимости от свойств подлежащего исследованию объекта экспертиза проводится либо в рамках судебной компьютерно-технической экспертизы, либо комплексно, с привлечением специалистов в области судебной лингвистической, судебной фоноскопической и других видов судебных экспертиз. Показательным примером совершенствования судебно-экспертных методик анализа цифровых изображений является выявление искажений в метаданных.

В статье исследуется международная конкурентоспособность автомобильной промышленности Китая, Германии, Японии и США в условиях влияния искусственного интеллекта и связанных технологий. Основная цель – выявление ключевых факторов конкурентоспособности в эпоху цифровизации и оценка их влияния на стратегию автомобильных корпораций. Использовались статистический анализ и модель корреляционного измерения. В этой новой парадигме успех диктует не размер корпорации либо ее историческое наследие, а способность быстро адаптироваться и применять технологические решения, формирующие будущее мобильности. Установлено, что внедрение искусственного интеллекта в производство и продукцию признается важнейшим факторным аспектом, повышающим конкурентоспособность товаров и услуг. Среди других факторов – инновационность, адаптивность к изменениям рынка, интеграция устойчивых практик и цифровой трансформации. На основе сравнительного анализа лидирующих корпораций предложены рекомендации для укрепления позиций на мировом рыночном сегменте. Результаты исследования полезны для автомобильных корпораций, а также государственных и некоммерческих организаций, поддерживающих отрасль. Новизна работы заключается в комплексном подходе к анализу конкурентоспособности с учетом технологий искусственного интеллекта, предлагающих новые перспективы для стратегического развития мировых автопроизводителей.

В статье рассматриваются множественные взаимосвязи между финансированием стартапов в сфере ИИ и определяется влияние инвесторов, технологических изменений и типов финансирования внутри экосистемы стартапов. Исследование, охватывающее период с 2019 по 2024 год, позволило выявить более 500 многообещающих стартапов, работающих в сфере искусственного интеллекта. Анализ проводился с учетом региональной специфики и динамики развития во времени. Исследование посвящено финансированию ИИ-компаний, включая роль венчурных и корпоративных инвесторов, государственную поддержку и различные модели финансирования. Для изучения моделей финансирования стартапов в этом исследовании применяется комплексный подход, сочетающий описательную статистику, машинное обучение и качественные данные. Анализ включает в себя использование R, Python и Tableau для обработки финансовых и операционных данных, а также субъективных оценок, полученных от основателей, инвесторов и политиков. Вторичные данные из баз данных венчурного капитала и финансовых отчетов используются для подтверждения и расширения результатов. Финансирование экосистем играет ключевую роль в определении траектории развития стартапов, занимающихся искусственным интеллектом. Исследование демонстрирует, что именно финансирование влияет на то, насколько компании уделяют внимание этике ИИ, соблюдению нормативных требований и внедрению инноваций. Для обеспечения устойчивого роста необходимо учитывать интересы инвесторов, создавать благоприятные условия для инновационных центров и развивать международное сотрудничество. В работе также анализируются риски, связанные с предвзятостью алгоритмов и защитой конфиденциальных данных, и предлагаются рекомендации по формированию более эффективной политики финансирования. Исследование предлагает практическое руководство для стартапов в сфере ИИ, инвесторов и политиков. Оно представляет собой комплексную модель финансирования, объясняет мотивы инвесторов и предоставляет инструменты для предпринимателей, стремящихся привлечь капитал. Кроме того, исследование указывает политикам на приоритетные направления для создания благоприятной среды, способствующей развитию и поддержке ИИ, тем самым заполняя пробелы в знаниях и обеспечивая устойчивый рост отрасли.

Банковская сфера - одна из самых быстроразвивающихся отраслей финансового рынка. Банки регулярно внедряют в бизнес-процессы новейшие технологии, которые меняют облик всей экономики. Целью данного исследования стало выявление ключевых направлений внедрения искусственного интеллекта в банковской сфере, определение его преимуществ и потенциальных рисков. В статье представлены области использования искусственного интеллекта, включая обслуживание клиентов, управление финансовыми рисками, обнаружение мошенничества и соблюдение нормативных требований. Особое внимание уделено влиянию искусственного интеллекта на автоматизацию процессов, персонализацию услуг и повышение операционной эффективности. Методологическая основа исследования включает анализ научных источников, сравнительный метод и обобщение практических примеров. В ходе исследования установлено, что использование искусственного интеллекта позволяет снизить операционные издержки, повысить точность прогнозирования и сократить финансовые риски. Результаты анализа демонстрируют, что потенциал искусственного интеллекта в банковском секторе высок, однако его успешное внедрение требует комплексного подхода, включающего технологическую трансформацию, совершенствование нормативного регулирования и решение некоторых этических вопросов. В заключение подчеркивается необходимость баланса между технологическими инновациями и ответственным использованием искусственного интеллекта для достижения максимальной эффективности банковских процессов.

В современных условиях цифровые инновации способствуют рациональной интеграции услуг традиционных финансовых институтов и широкого использования доступных и надежных цифровых технологий в системе оказания финансовых услуг. Целью работы является исследование влияния цифровых инноваций на финансовые услуги, выявление рисков, возможностей и тенденций развития в контексте эффективного функционирования финансовой системы. На основе системного подхода проводится изучение влияния цифровых инноваций на качество и доступность финансовых услуг. В работе выделены этапы развития цифровых финансов. Сделан акцент на том, что цифровые финансы включают в себя широкий спектр услуг и продуктов. Дана характеристика основных технологий в трансформации финансовых услуг: искусственный интеллект, большие данные и блокчейн. Раскрывается влияние цифровых инноваций на приемлемость финансовых услуг, включающих: улучшение качества обслуживания потребителей; рациональную организацию процессов; снижение времени обработки операций; снижение рисков; обеспечение прозрачности проводимых операций; снижение операционных издержек; повышение доступности финансовых услуг. На основе проведенного анализа обозначены основные тенденции развития цифровой экономики в финансовой сфере: рост электронных платежей; широкое распространение онлайн-банкинга и финансовых платформ; развитие финансовых технологий (финтех); улучшение финансовой аналитики. Комплексный подход позволяет всесторонне оценить текущие и потенциальные изменения в финансовом секторе под воздействием цифровых инноваций.

В статье проанализировано современное состояние, результативность и устойчивость российских банков в условиях турбулентности экономики. Цель исследования - сформировать прогноз прибыли для обеспечения устойчивого развития российских банков, а также выявить закономерности их развития в условиях нарастания рыночной неопределенности. Сформирована модель глубокого обучения «Случайный лес». В ходе исследования были использованы такие методы, как технический анализ акций банков с использованием библиотек pandas, yfinance, numpy, matplotlib на языке Python на сервисе Colab, а также модель глубокого обучения «Случайный лес» для прогнозирования чистой прибыли банков. Научная новизна состоит в том, что выдвинута и доказана гипотеза, что на основе использования модели машинного обучения «Случайный лес» может быть получен прогноз чистой прибыли, как важнейшего фактора устойчивости банка. В ходе исследования были рассчитаны направление и сила связи между факториальными и результативным признаками. Так, например, связь между результативным признаком (Прибыль, млрд руб.) - “target” и факториальными выражается следующими коэффициентами: Активы, млрд руб. + 0,974; Доля активов, в % + 0,974; Рентабельность активов, % 0,159; Adj акций (логарифмическая доходность) -0,266; Волатильность (сигма) -0,219. На основании полученных результатов можно утверждать, что все рассмотренные банки работают устойчиво, ошибка прогноза на ноябрь 2024 г. варьируется от 0,78 до 31,4 %. При этом ошибка возрастает по мере уменьшения размера банков. По итогам 2023 г. все крупнейшие банки работали прибыльно, что свидетельствует об их устойчивости. Полученные прогнозные значения прибыли отражают позитивный тренд в развитии рассмотренных банков, что позволяет сделать вывод об устойчивости банковской системы в целом. Практическая значимость в том, что результаты исследования могут быть рекомендованы к использованию на практике.

Аннотация. В работе представлен обзор метода геометрического моделирования в разработке цифровых двойников, дан анализ теоретических основ, его роли в создании цифровых двойников, методологии разработки цифрового двойника с его использованием, проблем и вызовов при использовании метода, а также рассмотрены перспективы развития данной технологии.

Одним из наиболее проработанных и простых в использовании направлений генеративных моделей с точки зрения оперирования функциональностью для конечных пользователей являются большие языковые модели, позволяющие выполнять различные операции с текстовыми данными. Поскольку современная цифровая картография максимально быстро включает в свой инструментарий последние достижения в области информационных технологий, представляется актуальным рассмотреть основные сферы использования больших языковых моделей применительно к типовым задачам обработки пространственных данных в виде описания сводных показателей атрибутивных значений, формирования элементов географического описания, получения последовательностей выполнения определенных задач в геоинформационных системах, построения запросов к данным на языке SQL, написания фрагментов программного кода отдельных скриптов и модулей для ГИС, генерации картографических изображений по описанию. На основе результатов проведенных экспериментов сделан вывод о том, что большинство перечисленных базовых задач хорошо автоматизируются с помощью больших языковых моделей, но с учетом необходимости проверки и корректировки результатов специалистами в области картографии и геоинформатики.

Автомобильные дороги являются стратегически необходимой частью инфраструктуры страны, высокие требования к их состоянию обуславливают регулярный контроль качества дорожного полотна. Большая протяженность автомобильных дорог в России и влияние на них погодно-климатических условий (сезонные колебания температур, осадки) подчеркивают актуальность поиска методов неразрушающего контроля при диагностике дорог, обеспечивающих короткие сроки выполнения диагностических работ и использование минимальных ресурсов. Рассмотрены существующие решения для обнаружения повреждений дорожного полотна: применение георадара, лазерного метода, метода анализа вибровоздействий неровностей дорожной поверхности, детекция повреждений по данным лидар-устройств и системы мобильного картографирования. Целью исследования является разработка алгоритма анализа состояния дорожного полотна, позволяющего осуществлять детекцию дефектов дорожного покрытия по снимкам, полученным в процессе диагностики автомобильных дорог аэродромно-дорожной измерительной передвижной лабораторией КП-514-RDT, в комплекте с программным обеспечением IndorRoad и RDT-Line. Разработка алгоритма для обнаружения дефектов покрытия автодороги осуществлялась с применением методов машинного обучения. Выявленные дефекты имеют точную геопривязку по пикетажу измеряемого участка автодороги. В результате разработки получена обученная модель, позволяющая в автоматическом режиме размечать на снимке дефекты разных классов. Разработанный алгоритм интегрирован в программное обеспечение для управления мониторингом состояния региональных и муниципальных дорог. Полный текст статьи в переводе на английский язык публикуется во второй части данного выпуска.

В статье рассматривается разница терминологий «цифровая экономика» и «цифровизация экономики». Изучив этот вопрос, автор приходит к мнению, что термин «цифровая экономика» не может быть использован при обозначении технических процессов, происходящих в экономике всех стран мира. По его мнению, сейчас во всем мире осуществляется процесс цифровизации экономики. Эра цифровой экономики еще не наступила, поскольку еще не произошел новый технологический скачок в эволюции человечества, в результате которой будет создан искусственный интеллект. Внедрение в экономику, которая уже к тому времени будет цифровизирована, технологии под названием «искусственный интеллект» позволит создать единую цифровую экономику в том смысле, который был заложен в название «цифровая экономика». Без интеграции этих двух явлений использование термина «цифровая экономика», по мнению автора, является ошибочным. Исследовав исторические предпосылки к появлению технического явления «цифровизация экономики», автор приходит к выводу, что единственная страна в мире, которая была на пороге построения государства, в основу которого были заложены технологии цифровизации, – это СССР. Это произошло за 40 лет до появления термина цифровая экономика. В дальнейшем содержание статьи посвящено рассмотрению вопроса о правом регулировании деятельности по созданию искусственного интеллекта в таких странах, как Соединенные Штаты Америки, Англия, Германия, Франция, Италия, Польша, а также в Израиле, Индии, Китае, Южной Корее и Российской Федерации. В статье приведены законодательства различных стран, регулирующие правовое положение разработки искусственного интеллекта, а также представлены различные подходы, которые сложились в указанных странах при разработке технологии «искусственный интеллект». Кроме того, в статье освещаются проблемы и неправового характера, с которыми столкнутся юристы и пользователи при применении технологии «искусственный интеллект». Раскрытие темы происходит черед призму безопасности предпринимательской деятельности. Автор настаивает на необходимости регулирования этой сферы деятельности административно-правовые институтами.