Бесплатный фрагмент - Искусственный интеллект в государственном и муниципальном управлении

Рецензенты:

Салихова Светлана Фидарисовна, кандидат экономических наук, доцент кафедры «Региональная экономика и управление» ФГБОУ ВО УГНТУ

Сизоненко Зарина Лероновна кандидат социологических наук, доцент кафедры «Государственного управления» Института истории и государственного управления ФГБОУ ВО УУНиТ

Учебное пособие предназначено для подготовки бакалавров по направлениям подготовки: 38.03.04 «Государственное и муниципальное управление», а также студентов других специальностей, интересующихся вопросами использования технологий искусственного интеллекта в государственном и муниципальном секторе в рамках дисциплины «Государственная и муниципальная служба».

Введение

В современном мире информационные технологии развиваются с невероятной скоростью, и одной из самых перспективных областей является искусственный интеллект (ИИ). Искусственный интеллект — это комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые с результатами интеллектуальной деятельности человека или превосходящие их. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений [7]. В последние годы мы стали свидетелями значительного прогресса в этой области, и сегодня ИИ находит применение во многих сферах нашей жизни.

Цель учебного пособия — познакомить студентов с возможностями и ограничениями использования искусственного интеллекта в работе государственных и муниципальных служащих, формирование у студентов комплексного понимания того, как искусственный интеллект интегрируется в государственное и муниципальное управление и как это влияет на общество.

Для достижения поставленной цели рассматриваются следующие задачи:

— объяснить, что такое искусственный интеллект и как он работает;

— рассказать о возможностях ИИ в государственном и муниципальном управлении;

— рассмотреть вопросы применения ИИ для автоматизации задач в государственном и муниципальном управлении, для улучшения качества обслуживания граждан на примере нескольких кейсов, для формирования комфортной и безопасной среды обитания;

— рассмотреть риски и недостатки использования ИИ в государственном и муниципальном управлении;

— изучить существующую практику использования ИИ в органах власти;

— в рамках вопросов для самоподготовки научить студентов определять возможность применения ИИ для конкретной задачи и проводить анализ рисков и недостатков использования ИИ в рамках поставленных задач.

Учебное пособие поможет получить необходимые знания и навыки в области взаимодействия государственного или муниципального служащего и ИИ, которые будут полезны для вашей профессиональной деятельности в сфере ГМУ.

Пособие состоит из четырёх глав, каждая из которых посвящена определённой теме. В конце каждой главы представлены контрольные вопросы для закрепления материала. Также в пособии есть практические задания, которые помогут студентам применить полученные знания на практике.

ГЛАВА 1. ЧТО ТАКОЕ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

1.1. Определение искусственного интеллекта

Существует несколько определений искусственного интеллекта. Правовое определение согласно «Национальной стратегии развития искусственного интеллекта на период до 2030 года» дано во введении. Более простым является определение, данное в Рувики: «Искусственный интеллект (англ. artificial intelligence; AI) — свойство искусственных интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека; наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ» [65].

Впервые термин «искусственный интеллект» был введен в доктринально-лексический оборот Джоном Маккарти в 1956 г. на первой научной конференции, посвященной вопросам интеллектуализации электронно-вычислительной техники», согласно мнению которого, он представлял собой «свойство роботов, компьютерных программ и систем решать задачи, формулировать выводы, принимать решения, выполняя творческие и интеллектуальные функции человека» [135].

ИИ является одним из самых перспективных направлений в области информационных технологий. Он может быть использован для создания систем, которые способны решать сложные задачи, требующие человеческого интеллекта, таких как распознавание речи, понимание естественного языка, обучение и планирование. В соответствии с «Национальной стратегией развития искусственного интеллекта на период до 2030 года» технологии искусственного интеллекта — это совокупность технологий, включающая в себя компьютерное зрение, обработку естественного языка, распознавание и синтез речи, интеллектуальную поддержку принятия решений и перспективные методы искусственного интеллекта [7].

Большинство исследователей согласны с тем, что ИИ должен выполнять задачи, которые обычно требуют человеческого интеллекта.

К таким задачам относятся:

— восприятие окружающей среды;

— рассуждение и принятие решений;

— обучение и адаптация.

Таким образом, ИИ представляет собой технологию, позволяющую компьютерам имитировать человеческое поведение и мышление, включая решение задач, обучение, восприятие и взаимодействие с окружающим миром.

Основными характеристиками ИИ являются:

— Способность к обучению. ИИ-системы могут обучаться на основе данных, которые они получают. Это позволяет им улучшать свою производительность и точность со временем.

— Адаптивность. ИИ-системы могут адаптироваться к изменениям в окружающей среде. Это делает их более гибкими и эффективными в решении задач.

— Рассуждения. ИИ-системы могут использовать логические правила и алгоритмы для принятия решений. Это позволяет им решать задачи, которые требуют логического мышления.

— Восприятие. ИИ-системы могут воспринимать информацию из окружающей среды с помощью датчиков и камер. Это позволяет им взаимодействовать с миром вокруг них.

— Взаимодействие. ИИ-системы могут взаимодействовать с людьми и другими системами. Это делает их полезными для автоматизации процессов и повышения эффективности работы.

Эти характеристики делают ИИ мощным инструментом, который может быть использован в различных областях, таких как медицина, юриспруденция, финансы, транспорт, сельское хозяйство и производство.

Существуют различные виды ИИ, которые отличаются по своим характеристикам и возможностям. К ним относятся слабый ИИ, сильный ИИ и супер-ИИ. Слабый ИИ предназначен для выполнения конкретных задач, таких как распознавание изображений или обработка естественного языка. Он не обладает способностью к самообучению или адаптации. Сильный ИИ обладает способностью к мышлению и рассуждению, подобно человеку, он способен решать задачи, требующие творческого подхода и абстрактного мышления. Супер-ИИ — это гипотетический ИИ, который превосходит возможности человека во всех областях. Он обладает способностью к самообучению и адаптации, а также к решению сложных задач.

На данный момент не существует сильного или супер-ИИ. Все существующие ИИ-системы являются слабыми ИИ. Они предназначены для решения конкретных задач и не обладают способностью к мышлению или рассуждению. По словам одного из ведущих мировых специалистов в области искусственного интеллекта, являющегося главой отдела искусственного интеллекта в IT-компании США, Янна Лекуна «мировые модели являются ключом к искусственному интеллекту на уровне человека, но это может произойти через 10 лет» [43].

Базовые классы ИИ-систем группируют на основе следующих принципов:

1) по классам и категориям объектов в управлении;

2) по технологиям построения, приобретения и использования знаний;

3) по функциям, которые выполняет ИИ в контуре управления;

4) по методам и технологиям, используемым в ИИ;

5) по методам и средствам взаимодействия ИИ с другими системами и человеком-оператором.

Эти подходы к классификации являются основными. Каждый из них может иметь иерархическую структуру [40].

В данном учебном пособии будет часто использоваться понятие «модель искусственного интеллекта», под которым будет подразумеваться программа для электронных вычислительных машин (ее составная часть), предназначенная для выполнения интеллектуальных задач на уровне, сопоставимом с результатами интеллектуального труда человека или превосходящем их, использующая алгоритмы и наборы данных для выведения закономерностей, принятия решений или прогнозирования результатов.

1.2. Краткий обзор истории развития ИИ.

История развития искусственного интеллекта начинается задолго до появления первых компьютеров. Ещё в античные времена философы задавались вопросами о природе человеческого разума и возможности создания мыслящих машин. В эпоху Средневековья и Возрождения эти идеи получили новое развитие в работах таких мыслителей, как Рене Декарт и Готфрид Лейбниц, которые заложили основы для будущих исследований в области ИИ.

Первые попытки создания механических устройств, способных выполнять интеллектуальные задачи, относятся к XVII–XVIII векам. В XIX веке появились первые вычислительные машины, такие как разностная машина Чарльза Бэббиджа, которая считается прообразом современного компьютера. Однако эти устройства были далеки от современных представлений об ИИ.

В XX веке исследования в области ИИ перешли на новый уровень благодаря развитию кибернетики, теории алгоритмов и машинного обучения. В 1950-х годах Алан Тьюринг предложил тест, который стал одним из основных критериев оценки уровня развития ИИ. Этот период также ознаменовался созданием первых компьютерных программ, способных решать логические задачи и играть в шахматы.

Таким образом, предыстория и первые шаги в развитии ИИ представляют собой длительный процесс, начавшийся ещё в античности и продолжающийся до наших дней. За это время были созданы различные механические устройства, разработаны новые теории и подходы, что в конечном итоге привело к появлению современных систем ИИ.

Период с 1960 по 1970 год стал временем активного развития и становления искусственного интеллекта как самостоятельной области исследований. В этот период были заложены основы многих современных технологий ИИ, а также сформировались основные направления исследований.

Одним из ключевых событий этого периода стало создание первых экспертных систем, которые представляли собой компьютерные программы, способные решать задачи в определённой предметной области на основе знаний экспертов. Экспертные системы стали важным шагом в развитии ИИ, поскольку они продемонстрировали возможность создания систем, способных обрабатывать большие объёмы данных и принимать решения на основе логических рассуждений.

Другим важным направлением исследований в этот период стало развитие методов машинного обучения, которые позволили компьютерам автоматически улучшать свою производительность на основе опыта. Машинное обучение стало основой для создания многих современных систем ИИ, таких как нейронные сети и глубокое обучение.

Кроме того, в этот период были проведены первые эксперименты по созданию интеллектуальных роботов, которые могли бы взаимодействовать с окружающей средой и выполнять задачи в реальном мире. Эти эксперименты показали потенциал ИИ для создания автономных систем, способных работать в различных условиях.

Таким образом, эпоха становления ИИ в 1960–1970-е годы стала периодом активного развития и формирования основ современных технологий ИИ. Были созданы первые экспертные системы, разработаны методы машинного обучения и проведены эксперименты по созданию интеллектуальных роботов.

После бурного развития в 1960–1970-е годы исследования в области искусственного интеллекта столкнулись с периодом застоя в 1980-х годах. Это было связано с рядом факторов, включая отсутствие прогресса в создании интеллектуальных систем, способных решать сложные задачи, и разочарование в результатах предыдущих исследований.

Однако, несмотря на застой, исследования в области ИИ продолжались. Были разработаны новые методы машинного обучения, такие как обучение с подкреплением, которое позволило компьютерам учиться на основе обратной связи от окружающей среды. Также были проведены исследования в области нейронных сетей, которые стали основой для создания современных систем глубокого обучения.

Тем не менее, период застоя оказал значительное влияние на развитие ИИ. Многие исследователи потеряли интерес к этой области, а финансирование исследований сократилось. Это привело к замедлению темпов развития ИИ и снижению интереса к нему со стороны научного сообщества.

Несмотря на все трудности, период застоя также стал периодом переосмысления целей и задач исследований в области ИИ. Исследователи начали искать новые подходы и методы, которые могли бы привести к созданию более эффективных и универсальных систем ИИ. Это заложило основу для будущего возрождения интереса к ИИ в 1990-х годах.

Возрождение интереса к искусственному интеллекту в 1990-х годах стало результатом ряда факторов, включая развитие новых технологий, таких как Интернет и мобильные устройства, а также успехи в области машинного обучения и нейронных сетей.

Развитие Интернета и мобильных устройств привело к созданию новых платформ и инструментов для разработки и развёртывания систем ИИ. Это позволило исследователям создавать более сложные и эффективные системы ИИ, которые могли работать с большими объёмами данных и решать более сложные задачи.

Успехи в области машинного обучения и нейронных сетей также сыграли важную роль в возрождении интереса к ИИ.

Таким образом, основные этапы развития ИИ можно представить следующим образом:

— 1950–1960-е годы: разработка первых компьютеров и исследований в области ИИ;

— 1970-е годы: замедление развития ИИ из-за отсутствия прогресса;

— 1980-е годы: возрождение интереса к ИИ благодаря развитию экспертных систем и нейронных сетей;

— 1990-е годы: развитие ИИ благодаря Интернету и мобильным устройствам;

— настоящее время: быстрое развитие ИИ благодаря новым технологиям.

1.3. Общие принципы создания и функционирования ИИ-моделей

1. Создание ИИ-моделей

Создание ИИ-модели включает несколько ключевых этапов. Для начала нужно определить цель и задачи модели. Прежде всего, необходимо понять, для чего вы хотите использовать искусственный интеллект. Это может быть:

— распознавание образов — используется для идентификации объектов, лиц, текста и т. д.

— обработка естественного языка (Natural Language Processing, NLP) — позволяет компьютерам понимать и генерировать человеческий язык.

— рекомендательные системы — предлагают пользователям персонализированные рекомендации на основе их предпочтений.

— прогнозирование временных рядов — предсказывает будущие значения временных рядов на основе исторических данных.

— автоматическое планирование — помогает планировать действия для достижения целей в условиях неопределённости.

Существует несколько подходов к созданию ИИ-моделей:

— символьный подход основан на использовании символов и правил для представления знаний и рассуждений. Этот подход используется в экспертных системах, которые помогают врачам ставить диагнозы и юристам давать консультации.

— нейронный подход основан на использовании нейронных сетей, которые представляют собой математические модели, имитирующие работу человеческого мозга. Нейронные сети используются в машинном обучении, которое позволяет компьютерам учиться на основе данных без явного программирования.

— гибридный подход объединяет символьный и нейронный подходы для создания более мощных ИИ-моделей. Гибридные системы используются в робототехнике, где роботы должны взаимодействовать с окружающей средой и людьми.

Методы обучения ИИ-модели тоже могут быть разными. Различают три основных вида:

— машинное обучение (Machine learning, ML) использует алгоритмы для анализа данных и выявления закономерностей. Оно может быть как с учителем (supervised), так и без учителя (unsupervised).

— глубокое обучение (Deep learning, DL) использует многослойные нейронные сети для обработки сложных данных, таких как изображения и текст.

— обучение с подкреплением (Reinforcement Learning, RL), при котором модели учатся принимать решения на основе обратной связи от окружающей среды.

2. Обучение искусственного интеллекта.

Обучение искусственного интеллекта — это процесс, в котором ИИ-модели учатся на основе данных. Существует два основных типа обучения:

— контролируемое обучение; в этом типе обучения ИИ-модель обучается на размеченных данных, то есть данных, для которых известны правильные ответы. Контролируемое обучение используется в задачах классификации, таких как распознавание изображений и речи.

— неконтролируемое обучение; в этом типе обучения ИИ-модель не знает правильных ответов заранее. Неконтролируемое обучение используется в задачах кластеризации, таких как сегментация изображений и анализ текста.

Процесс обучения искусственного интеллекта включает следующие этапы:

2.1. Сбор данных: данные собираются из различных источников, таких как интернет, базы данных и сенсорные устройства. Данные должны быть чистыми и структурированными, чтобы их можно было использовать для обучения.

2.2. Предварительная обработка данных: данные очищаются от шума и ошибок, а также преобразуются в формат, который может быть использован для обучения. Предварительная обработка данных может включать нормализацию, масштабирование и кодирование.

2.3. Выбор модели: модель выбирается на основе типа задачи и доступных данных. Модель представляет собой математическую функцию, которая отображает входные данные в выходные.

2.4. Обучение модели: ИИ-модель обучается на данных с использованием алгоритма обучения. Алгоритм обучения определяет, как модель обновляется на основе обратной связи от данных.

2.5. Оценка модели: ИИ-модель оценивается на тестовых данных, чтобы определить её точность и эффективность. Оценка модели может включать метрики, такие как точность, полнота и F-мера.

2.6. Развёртывание модели: обученная модель развёртывается в производственной среде, где она используется для решения реальных задач. Развёртывание модели может включать интеграцию с существующими системами и обеспечение безопасности.

Обучение искусственного интеллекта является сложным и многогранным процессом, который требует глубоких знаний в области компьютерных наук, математики и статистики. Однако благодаря развитию технологий и методов обучения, искусственный интеллект становится всё более мощным и эффективным инструментом для решения сложных задач.

3. Создание ИИ-модели на примере идентификации лиц.

Создание ИИ-модели, предназначенной для идентификации лиц, состоит из следующих этапов:

3.1. Сбор данных. На этом этапе собирается большой объём данных, содержащих изображения лиц людей (создание датасетов). Эти данные могут быть собраны из открытых источников, таких как социальные сети, или созданы специально для этой цели.

3.2. Предварительная обработка данных. Собранные данные проходят предварительную обработку, которая включает в себя следующие шаги:

— удаление искажений с изображений.

— приведение всех изображений к единому размеру и формату.

— преобразование изображений в числовые векторы, которые могут быть использованы моделью ИИ.

Предварительная обработка данных необходима для того, чтобы сделать данные более однородными и удобными для дальнейшей обработки.

3.3. Выбор модели. Для распознавания лиц используются различные модели ИИ, такие как свёрточные нейронные сети (CNN) и глубокие нейронные сети. Эти модели представляют собой математические функции, которые принимают на вход изображение лица и выдают на выходе вероятность принадлежности этого изображения к определённому человеку.

Выбор модели зависит от конкретных требований и условий задачи. Например, если требуется высокая точность распознавания, то следует использовать более сложные модели. Если же требуется быстрое распознавание, то можно использовать более простые модели.

3.4. Обучение модели. Модель обучается на предварительно обработанных данных с использованием алгоритма обучения. Алгоритм обучения определяет, как модель обновляется на основе обратной связи от данных. В процессе обучения модель «видит» множество изображений лиц и учится распознавать их особенности, такие как форма, размер и расположение глаз, носа и рта. Во время обучения модель сравнивает изображения лиц с эталонными изображениями, хранящимися в базе данных. Если изображение лица соответствует одному из эталонных изображений, то модель присваивает ему соответствующий идентификатор.

Процесс обучения повторяется многократно, пока модель не достигнет требуемой точности распознавания. После обучения модель может распознавать лица на новых изображениях с высокой точностью.

3.5. Тестирование модели. После обучения модель тестируется на новых данных, чтобы проверить её точность и эффективность. Если модель показывает хорошие результаты, она готова к использованию.

3.6. Развёртывание модели. Развёртывание модели — это заключительный этап работы искусственного интеллекта. На этом этапе модель внедряется в реальную систему распознавания лиц. Модель может быть интегрирована с другими системами, такими как системы контроля доступа, видеонаблюдения и т. п.

3.7. Распознавание лиц. Результатом распознавания является список вероятностей принадлежности изображения лица к каждому из лиц, известных модели. Чем выше вероятность, тем больше уверенность модели в том, что лицо принадлежит данному человеку.

4. Создание ИИ-модели на примере GPT.

GPT (Generative Pre-trained Transformer) — это языковая модель, которая используется для генерации текстов на основе заданного запроса.

4.1. Сбор данных. Для обучения модели GPT используются большие объёмы текстовых данных из различных источников, таких как книги, статьи, блоги и другие материалы. Эти данные используются для создания базы знаний, на которой будет основана работа модели.

4.2. Предварительная обработка данных. Собранные данные проходят предварительную обработку, которая включает в себя следующие шаги:

— удаление искажений из текстов;

— приведение всех текстов к единому формату и стилю;

— преобразование текстов в числовые векторы, которые могут быть использованы моделью ИИ.

4.3. Обучение модели. Модель GPT обучается на предварительно обработанных данных с использованием алгоритма обучения. Алгоритм обучения определяет, как модель обновляется на основе обратной связи от данных. В процессе обучения модель «видит» множество текстов и учится распознавать их структуру, стиль и тематику. После обучения модель GPT может использоваться для генерации текстов на заданные темы.

4.4. Получение запроса. Пользователь вводит запрос или тему, на которую он хочет получить текст. Это может быть что угодно: от простого вопроса до сложной задачи.

4.5. Преобразование запроса. Языковая модель преобразует запрос в формат, который она может использовать для генерации текста. Это может включать в себя токенизацию (разбиение текста на отдельные слова или фразы), лемматизацию (приведение слов к их базовой форме) и другие операции.

4.6. Использование контекста. Языковая модель использует контекст, полученный из обучения, чтобы генерировать текст, соответствующий запросу. Она анализирует структуру и стиль запроса, а также учитывает тематику и цель текста.

4.7. Генерация ответа. На основе запроса и контекста языковая модель генерирует текст. Этот текст может быть представлен в виде одного или нескольких предложений, абзацев или даже целых статей.

4.8. Оценка качества. Сгенерированный текст оценивается на соответствие заданной теме, структуре, стилю и другим критериям. Если текст соответствует требованиям, он считается качественным. Если нет, то модель может внести изменения в текст, чтобы улучшить его качество.

4.9. Повторная генерация. После доработки текст снова оценивается, и если он соответствует требованиям, то считается окончательным результатом. Если нет, то процесс повторяется до тех пор, пока не будет достигнут желаемый результат.

4.10. Вывод текста. Готовый текст выводится пользователю. Он может быть использован для различных целей, таких как общение, обучение, создание контента и т. д.

1.4. Примеры использования ИИ в различных областях

Здравоохранение

Искусственный интеллект находит широкое применение в здравоохранении, где он используется для диагностики заболеваний, прогнозирования эпидемий и оптимизации работы медицинских учреждений. Одним из наиболее популярных направлений является использование ИИ для анализа медицинских изображений, таких как рентгеновские снимки, МРТ и КТ-сканы. Алгоритмы машинного обучения позволяют врачам быстро и точно диагностировать заболевания, что особенно полезно в условиях перегруженности медицинских учреждений и нехватки квалифицированных специалистов.

Ещё одним примером использования ИИ в медицине является разработка систем поддержки принятия решений (СППР). Эти системы помогают врачам выбирать оптимальные методы лечения на основе анализа больших объёмов данных о пациентах и их заболеваниях. СППР могут учитывать множество факторов, включая возраст, пол, историю болезни и результаты лабораторных исследований, чтобы предложить наиболее эффективные и безопасные методы лечения.

ИИ также используется для прогнозирования распространения инфекционных заболеваний. Алгоритмы машинного обучения анализируют данные о заболеваемости и смертности от инфекций, а также факторы, влияющие на распространение болезней, такие как погода, плотность населения и уровень вакцинации. Это позволяет медицинским работникам разрабатывать стратегии профилактики и контроля за распространением инфекций.

Таким образом, ИИ играет важную роль в улучшении качества и доступности медицинских услуг, повышении точности диагностики и эффективности лечения, а также в предотвращении распространения инфекционных заболеваний.

Образование.

В сфере образования искусственный интеллект используется для создания персонализированных учебных планов, оценки успеваемости студентов и автоматизации административных задач. Одной из ключевых областей применения ИИ в образовании является создание персонализированных учебных планов. Используя алгоритмы машинного обучения, образовательные платформы могут анализировать данные об успеваемости и интересах каждого студента, чтобы предлагать им индивидуальные учебные планы, которые соответствуют их потребностям и целям.

Другой пример использования ИИ в образовании — это оценка успеваемости студентов. Системы ИИ могут автоматически оценивать тесты и задания, предоставляя студентам мгновенную обратную связь и помогая преподавателям отслеживать прогресс учащихся. Это не только экономит время преподавателей, но и обеспечивает более точную и объективную оценку знаний студентов [123].

Кроме того, ИИ используется для автоматизации административных задач в образовательных учреждениях. Например, системы ИИ могут управлять расписанием занятий, распределять ресурсы и отслеживать посещаемость, освобождая преподавателей и администрацию от рутинной работы и позволяя им сосредоточиться на более важных задачах. Применение ИИ в образовании имеет ряд преимуществ. Во-первых, оно позволяет сделать процесс обучения более эффективным и доступным, предоставляя учащимся персонализированные учебные материалы и поддержку. Во-вторых, оно помогает преподавателям экономить время и ресурсы, автоматизируя рутинные задачи и позволяя им уделять больше внимания индивидуальным потребностям студентов. В-третьих, оно способствует повышению качества образования, обеспечивая более точную оценку успеваемости и своевременное выявление проблем.

Однако на данном этапе системы ИИ не способны самостоятельно принимать решения в области образования, так как они не обладают достаточным для этого экспертным уровнем, на который они выйдут не раньше, чем через 15—20 лет [29].

Промышленность.

В промышленности искусственный интеллект находит широкое применение для оптимизации производственных процессов, повышения качества продукции и снижения затрат. Одним из наиболее популярных направлений является использование ИИ для автоматизации производственных линий. Системы ИИ могут контролировать работу оборудования, отслеживать качество продукции и оптимизировать производственные процессы, что приводит к повышению производительности и снижению брака.

Ещё одним примером использования ИИ в промышленности является прогнозирование отказов оборудования. Алгоритмы машинного обучения могут анализировать данные о работе оборудования и предсказывать возможные отказы до их возникновения, что позволяет проводить профилактическое обслуживание и предотвращать простои. Это не только снижает риск аварий, но и увеличивает срок службы оборудования.

Также ИИ используется в промышленности для оптимизации логистики и управления цепочками поставок. Системы ИИ могут анализировать данные о запасах, заказах и транспортных расходах, чтобы определить наиболее эффективные маршруты доставки и графики производства, что способствует снижению затрат и повышению уровня обслуживания клиентов. Кроме того, ИИ применяется в промышленности для улучшения качества продукции. Алгоритмы компьютерного зрения могут использоваться для контроля качества продукции на производственных линиях, что позволяет быстро обнаруживать дефекты и принимать меры по их устранению. Это помогает повысить качество продукции и снизить количество возвратов от клиентов.

Наконец, ИИ может помочь предприятиям адаптироваться к изменяющимся рыночным условиям. Системы прогнозирования спроса на основе ИИ могут анализировать исторические данные о продажах и текущие тенденции рынка, чтобы предсказать будущий спрос на продукцию предприятия. Это позволяет предприятиям более точно планировать производство и запасы, что помогает им оставаться конкурентоспособными на рынке.

Таким образом, использование ИИ в промышленности имеет множество преимуществ, включая повышение эффективности производства, снижение затрат, улучшение качества продукции и адаптацию к изменяющимся рыночным условиям.

Сельское хозяйство.

Применение искусственного интеллекта в сельском хозяйстве направлено на повышение урожайности, оптимизацию использования ресурсов и улучшение управления сельскохозяйственными угодьями. Одним из основных направлений использования ИИ в сельском хозяйстве является точное земледелие. Системы точного земледелия используют датчики и алгоритмы машинного обучения для сбора данных о состоянии почвы, влажности, температуре и других параметрах на разных участках поля. Эти данные затем анализируются, чтобы определить оптимальные условия для роста растений на каждом участке.

Другим примером использования ИИ в сельском хозяйстве является автоматизация управления ирригационными системами. Системы ИИ могут использовать данные о погодных условиях, влажности почвы и потребностях растений в воде, чтобы автоматически управлять ирригационными насосами и клапанами. Это позволяет оптимизировать использование воды и предотвратить её перерасход.

Также ИИ может быть использован для прогнозирования урожайности на основе исторических данных о погоде, почве и урожаях. Системы прогнозирования урожайности могут помочь фермерам принимать более обоснованные решения о посеве, удобрении и сборе урожая. Преимущества внедрения ИИ в сельское хозяйство включают повышение урожайности за счёт оптимизации условий выращивания, снижение затрат на ресурсы благодаря точному управлению и улучшение качества продукции за счёт более тщательного контроля за процессом выращивания. Кроме того, использование ИИ может сделать сельское хозяйство более устойчивым к изменениям климата и другим внешним факторам.

Примеры успешного применения ИИ в сельском хозяйстве уже существуют в России. Так, например, отечественная компания Cognitive Pilot разработала систему автономного управления комбайнами, тракторами, опрыскивателями на основе искусственного интеллекта. Система Cognitive Agro Pilot анализирует поступающие с видеокамеры изображения и при помощи ИИ глубокого обучения определяет типы и положения объектов по ходу движения, строит траектории движения техники и передает необходимые команды для выполнения маневров. В России работают более 1000 «умных» комбайнов [116].

Управление искусственным интеллектом будет внедрено на крупной молочной ферме в Башкирии с 2025 года, это позволит оптимизировать процессы управления большими поголовьями скота. Каждое животное будет под онлайн-наблюдением камер, а ИИ будет ориентирован на эталон коровы, какой она должна быть. Если зафиксировано отклонение от заданных параметров, программа даст сигнал. Также ИИ будет анализировать поведение животных, обеспечивать их кормом, водой, свежим воздухом посредством системы вентиляции и в некоторых случаях сможет заранее увидеть зарождение заболеваний на примере проблемы с копытами по походке или хромоте и оповестить ветеринара [20].

Транспорт.

Использование искусственного интеллекта в транспортной отрасли направлено на повышение безопасности, эффективности и комфорта пассажиров. Одним из примеров применения ИИ в транспорте является разработка интеллектуальных транспортных систем (ИТС), которые используют алгоритмы машинного обучения для управления транспортными потоками и предотвращения пробок. ИТС могут анализировать данные о загруженности дорог, погодных условиях и авариях, чтобы оптимизировать движение транспорта и обеспечить более плавное движение.

Другим примером использования ИИ в транспортной отрасли является развитие беспилотных транспортных средств (БТС). БТС, оснащённые системами ИИ, могут самостоятельно управлять движением, избегать препятствий и принимать решения в сложных ситуациях. Это может привести к снижению количества аварий и улучшению безопасности дорожного движения.

Так, например, движение беспилотных грузовых автомобилей запустили на протяжении всей трассы М-11 «Нева», об этом в конце сентября 2024 г. сообщило Министерство транспорта России. Открытие первого в стране беспилотного логистического коридора состоялось в рамках форума «Цифровая транспортация». Также подписано постановление, разрешающее проведение беспилотных грузоперевозок на Центральной кольцевой автомобильной дороге (ЦКАД) и трассе М-12 «Москва-Казань» [25].

Также ИИ применяется в транспортной логистике для оптимизации маршрутов доставки грузов и управления складскими операциями. Алгоритмы ИИ могут анализировать данные о местоположении грузов, погодных условиях и дорожной ситуации, чтобы выбрать наиболее оптимальные маршруты и графики доставки. Это помогает сократить время доставки и снизить расходы на транспортировку. Внедрение ИИ в транспортную отрасль имеет ряд преимуществ. Во-первых, оно повышает безопасность дорожного движения за счёт предотвращения аварий и улучшения управления транспортными потоками. Во-вторых, оно способствует снижению затрат на транспортировку за счёт оптимизации маршрутов и графиков доставки. В-третьих, оно улучшает качество обслуживания пассажиров.

Юриспруденция.

Использование ИИ в юриспруденции открывает новые горизонты для анализа правовых норм, прогнозирования судебных решений и автоматизации рутинных юридических процедур. Это позволяет юристам сосредоточиться на сложных задачах, требующих творческого подхода и глубокого понимания правовых принципов.

Примеры применения ИИ в юридической практике включают автоматизацию составления договоров и других юридических документов, анализ больших объёмов данных для выявления тенденций и закономерностей в судебной практике, а также использование машинного обучения для прогнозирования исхода судебных дел.

Так, например, Минюст РФ намерен использовать технологии ИИ в информационной системе «Правовая помощь», которая поможет онлайн разобраться в юридических вопросах в различных жизненных ситуациях. Система работает в десяти пилотных регионах, в 2025 году планируется запустить ее во всех регионах и настроить ее работу с порталом госуслуг. Важная часть этой системы — это портал правового просвещения ВПРАВЕ.РУ. На портале уже размещено 226 жизненных ситуаций, в том числе связанных с вопросами пенсионного обеспечения, оформления наследства, использования средств маткапитала и других, и любой гражданин может зайти на этот портал и получить консультацию [73].

А в департаменте киберпространства Китая зарегистрирована судебная платформа, созданная с помощью ИИ, которая поможет судьям повысить эффективность работы, и упростит доступ людей к юридическим услугам. Платформа представляет собой правовую инфраструктуру ИИ национального уровня, построенную на основе обширных, достоверных и высококачественных судебных данных. На данный момент платформа собрала 320 млн единиц данных и материалов, включая юридические документы, судебные решения, дела и юридические заключения. После обучения платформа будет способна понимать юридические термины, логически рассуждать, искать и генерировать контент [71].

Однако внедрение ИИ в юридическую сферу также вызывает определённые опасения, связанные с конфиденциальностью данных, возможностью ошибок и необходимостью обеспечения прозрачности процесса принятия решений. Поэтому важно тщательно изучить эти аспекты и разработать соответствующие меры для обеспечения безопасности и надёжности использования ИИ в юридической деятельности.

1.5. Нормативно-правовое регулирование развития и использования ИИ-решений в России

В Российской Федерации нормативно-правовое регулирование искусственного интеллекта находится на стадии активного формирования. Важным шагом в этом направлении стало принятие Национальной стратегии развития искусственного интеллекта на период до 2030 года, утверждённой Указом Президента РФ от 10 октября 2019 г. №490. Цель стратегии — обеспечить ускоренное развитие искусственного интеллекта в стране, проведение научных исследований в этой области, а также разработку и использование технологических решений на основе ИИ.

Для достижения этой цели стратегия предусматривает:

— создание инфраструктуры для разработки и использования технологий ИИ. Это включает создание центров обработки данных, обеспечение доступа к ним и развитие сетей связи.

— развитие человеческого капитала. Стратегия предусматривает подготовку специалистов в области ИИ, повышение квалификации государственных служащих и работников организаций.

— разработка и внедрение технологических решений. Стратегия предполагает разработку и внедрение технологий ИИ в различных отраслях экономики и социальной сферы.

— формирование нормативно-правовой базы. Стратегия предусматривает разработку и принятие нормативных правовых актов, регулирующих отношения в сфере ИИ.

— обеспечение безопасности и конфиденциальности данных. Стратегия включает меры по обеспечению защиты данных при использовании технологий ИИ.

Реализация стратегии позволит создать условия для развития и использования технологий искусственного интеллекта в России, что приведёт к повышению конкурентоспособности страны, улучшению качества жизни граждан и обеспечению национальной безопасности.

Национальная стратегия в сфере ИИ была обновлена и конкретизирована в соответствии с Указом Президента Российской Федерации от 15 февраля 2024 г. №124 «О развитии искусственного интеллекта в Российской Федерации». Данный указ определяет основные принципы развития ИИ:

— защита прав и свобод человека;

— безопасность;

— прозрачность;

— технологический суверенитет;

— целостность инновационного цикла;

— подготовка кадров.

Важную роль в нормативно-правовом регулировании ИИ играют государственные программы и проекты. Они направлены на создание условий для развития ИИ, повышение качества жизни граждан, улучшение эффективности государственного управления и т. д. Среди таких программ можно выделить следующие:

— программа «Цифровая экономика Российской Федерации», утверждённую распоряжением Правительства РФ от 28 июля 2017 г. №1632-р [6]. Она включает в себя ряд проектов, связанных с развитием ИИ, таких как создание инфраструктуры для обработки больших объёмов данных, разработка алгоритмов машинного обучения и т. п.;

— паспорт национального проекта Национальная программа «Цифровая экономика Российской Федерации» (утвержден протоколом заседания президиума Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам от 4 июня 2019 г. №7) призван создать условия для эффективного взаимодействия государства, бизнеса и науки в области искусственного интеллекта, а также сформировать инфраструктуру и кадровый потенциал для его развития [1];

— ведомственный проект цифровизации городского хозяйства «Умный город» Минстроя России, паспорт которого утвержден приказом Минстроя России от 27 декабря 2021 г. №1014/пр [4];

— пункт 2 перечня поручений Президента Российской Федерации от 31 декабря 2020 г. № Пр-2242 по итогам конференции «Путешествие в мир искусственного интеллекта», который касается разработки и утверждения стратегии развития искусственного интеллекта на период до 2030 года, а также комплекса мер по её реализации [2];

— Приказ Министерства экономического развития РФ от 29 июня 2021 г. №392 «Об утверждении критериев определения принадлежности проектов к проектам в сфере искусственного интеллекта» [5]. Содержит перечень технологических задач, на реализацию которых может быть направлен проект в сфере искусственного интеллекта.

Одним из ключевых аспектов нормативно-правового регулирования ИИ является обеспечение безопасности и конфиденциальности данных. В связи с этим были разработаны и приняты следующие документы:

— Федеральный закон «О персональных данных» от 27.07.2006 №152-ФЗ [10];

— Федеральный закон «Об информации, информационных технологиях и о защите информации» от 27.07.2006 №149-ФЗ [9];

— Федеральный закон «Об осуществлении идентификации и (или) аутентификации физических лиц с использованием биометрических персональных данных…» от 29.12.2022 №572-ФЗ [11].

Также существуют государственные стандарты (ГОСТ) по направлению «Искусственный интеллект», на сегодняшний день действующих стандартов — 61 и ещё несколько вступают в действие с 1.01.2025. Подробнее об этом в параграфе 4.2.

Кроме того, были созданы специальные организации и структуры, отвечающие за развитие и внедрение ИИ в России. Например, была создана Ассоциация развития финансовых технологий (Ассоциация ФинТех), которая занимается разработкой и внедрением инновационных финансовых технологий с применением ИИ. Также был создан Российский фонд прямых инвестиций (РФПИ), который активно инвестирует в проекты, связанные с развитием ИИ.

На данный момент в России не существует отдельных региональных законов и нормативных актов, которые были бы посвящены исключительно искусственному интеллекту. Однако многие регионы принимают собственные стратегии и программы по развитию цифровых технологий, включая искусственный интеллект.

Например, Москва является одним из лидеров в области внедрения искусственного интеллекта в государственное управление. В городе действует программа «Умный город — 2030», которая включает в себя проекты по использованию ИИ в различных сферах жизни. В Москве созданы специальные организации, такие как Департамент информационных технологий города Москвы, которые занимаются развитием и внедрением цифровых технологий.

Другие регионы также разрабатывают свои стратегии и программы, направленные на развитие искусственного интеллекта. Например, в Татарстане действует программа «Цифровая экономика Республики Татарстан», которая включает в себя проекты по внедрению ИИ.

Таким образом, нормативно-правовое регулирование ИИ в РФ представляет собой сложный и многогранный процесс, направленный на обеспечение безопасности, конфиденциальности и эффективности использования ИИ в различных сферах деятельности.

Контрольные вопросы:

1. Что такое искусственный интеллект?

2. Какие существуют подходы к определению искусственного интеллекта?

3. Назовите основные характеристики искусственного интеллекта.

4. Каковы основные этапы развития технологий искусственного интеллекта?

5. С чем связан перерыв в развитии искусственного интеллекта в 1970-ые годы?

6. С чем связано бурное развитие искусственного интеллекта в настоящее время?

7. В каких областях деятельности человека применяется искусственный интеллект? Назовите несколько реальных примеров.

8. Как искусственный интеллект может быть использован в здравоохранении? Назовите несколько реальных примеров.

9. Как искусственный интеллект может быть использован в образовании? Назовите несколько реальных примеров.

10. Как искусственный интеллект может быть использован в промышленности? Назовите несколько реальных примеров.

11. Как искусственный интеллект может быть использован в сельском хозяйстве? Назовите несколько реальных примеров.

12. Как искусственный интеллект может быть использован в сфере транспорта? Назовите несколько реальных примеров.

13. Как искусственный интеллект может быть использован в юриспруденции? Назовите несколько реальных примеров.

14. Как искусственный интеллект влияет на рынок труда и какие профессии могут быть автоматизированы?

15. Какие перспективы открывает использование искусственного интеллекта для улучшения качества жизни людей?

16. Какие изменения в законодательстве и регулировании могут потребоваться для эффективного использования искусственного интеллекта?

17. Какие навыки и компетенции необходимы специалистам в области государственного и муниципального управления для работы с искусственным интеллектом?

18. Какие нормативно-правовые акты регулируют развитие и использование искусственного интеллекта в Российской Федерации?

19. Каковы основные принципы регулирования искусственного интеллекта, закреплённые в действующем законодательстве РФ?

Практические задания:

Задание 1: ИИ в создании и продвижении культурного контента.

Описание ситуации: представьте, что вы работаете в музее современного искусства. Ваша задача — привлечь больше посетителей и повысить интерес к выставкам. Для этого вам нужно создать уникальный и запоминающийся контент о предстоящих событиях.

Задача: какие инструменты ИИ можно использовать для создания текстов, видео и других материалов?

Задание 2: ИИ как помощник в изучении иностранных языков.

Описание ситуации: предположим, что вы студент-филолог, который изучает несколько иностранных языков. Вы хотите улучшить свои навыки чтения, письма и произношения на этих языках.

Задача: какие технологии искусственного интеллекта могут помочь вам в изучении иностранных языков?

Задание 3: ИИ в анализе и интерпретации исторических данных.

Описание ситуации: допустим, вы занимаетесь исследованиями в области истории. Вашей задачей является анализ большого количества исторических документов и источников. Вам нужно выявить закономерности и тенденции в развитии общества, а также сделать выводы на основе полученных данных.

Задача: какие методы машинного обучения можно применить для выявления закономерностей и тенденций?

Задание 4: Разработка региональной стратегии развития искусственного интеллекта.

Описание ситуации: в рамках национальной стратегии развития искусственного интеллекта перед регионами стоит задача разработать собственные стратегии, учитывающие специфику и потребности каждого региона.

Задача: определите 5 приоритетных направлений развития искусственного интеллекта в Республике Башкортостан с учётом его специфики и потребностей.

ГЛАВА 2. ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ АВТОМАТИЗАЦИИ ЗАДАЧ В ГОСУДАРСТВЕННОМ И МУНИЦИПАЛЬНОМ УПРАВЛЕНИИ

2.1. Направления использования искусственного интеллекта в государственном и муниципальном управлении

Одним из наиболее популярных направлений использования ИИ в ГМУ является автоматизация обработки документов и запросов граждан. Системы ИИ могут анализировать запросы и документы, определять их тип и содержание, а также направлять их в соответствующие органы или службы. Это позволяет ускорить процесс обработки запросов и повысить качество обслуживания граждан. Например, в некоторых муниципалитетах уже используются системы ИИ для обработки заявок на получение государственных услуг. Эти системы могут автоматически проверять заявки на соответствие требованиям и направлять их на рассмотрение соответствующим специалистам. Это не только ускоряет процесс рассмотрения заявок, но и снижает риск ошибок и злоупотреблений.

Кроме того, ИИ может использоваться для автоматизации обработки обращений граждан в органы власти. Системы ИИ могут анализировать обращения, определять их тематику и направленность, а также предлагать меры по их решению. Это помогает органам власти более оперативно реагировать на обращения граждан и повышать качество их обслуживания. Таким образом, использование ИИ для автоматизации обработки документов и запросов граждан имеет ряд преимуществ, включая ускорение процесса обработки, повышение качества обслуживания и снижение риска ошибок.

Ещё одним примером использования ИИ в ГМУ является прогнозирование потребностей граждан в социальных услугах. Системы ИИ могут использовать данные о демографии, экономике, здравоохранении и других факторах, чтобы предсказать, какие социальные услуги будут востребованы в будущем. Это позволяет органам власти планировать развитие социальной инфраструктуры и обеспечивать своевременное предоставление услуг гражданам.

Например, системы ИИ могут использоваться для прогнозирования потребности в медицинских услугах. Анализируя данные о заболеваемости, смертности и доступности медицинских учреждений, системы ИИ могут предсказать, где и когда потребуются новые медицинские учреждения или специалисты. Это помогает органам здравоохранения более эффективно распределять ресурсы и обеспечивать доступное медицинское обслуживание для всех граждан.

Аналогичным образом системы ИИ могут быть использованы для прогнозирования потребностей в образовательных услугах. Анализируя данные об образовании, занятости и рынке труда, системы ИИ могут определить, какие специальности будут востребованы в будущем, и предложить меры по развитию соответствующих образовательных программ.

Использование ИИ для прогнозирования потребностей граждан в социальных услугах имеет ряд преимуществ, включая повышение эффективности распределения ресурсов, обеспечение своевременного предоставления услуг и улучшение качества жизни граждан.

Наконец, ИИ может быть использован для оптимизации рабочих процессов в органах власти. Системы ИИ могут автоматизировать рутинные задачи, такие как обработка документов, составление отчётов и анализ данных. Это освобождает время сотрудников для выполнения более сложных и творческих задач, таких как разработка политики и принятие решений. Например, системы ИИ могут использоваться для автоматизации составления отчётов. Анализируя большие объёмы данных, системы ИИ могут генерировать отчёты о деятельности органов власти, что позволяет сотрудникам сосредоточиться на анализе результатов и принятии мер.

Также системы ИИ могут оптимизировать распределение задач между сотрудниками. Используя алгоритмы машинного обучения, системы ИИ могут определять, кто из сотрудников лучше всего подходит для выполнения конкретной задачи, и автоматически назначать им соответствующие задания. Это повышает эффективность работы органов власти и способствует более рациональному использованию ресурсов. В целом, использование ИИ в ГМУ имеет большой потенциал для повышения эффективности работы органов власти, улучшения качества предоставляемых услуг и повышения уровня удовлетворённости граждан.

2.2. Основные кейсы оптимизации стандартизированных процедур и рутинных задач

Использование искусственного интеллекта для автоматизации рутинных задач государственных и муниципальных служащих может быть осуществлено по следующим направлениям.

1. Обработка обращений граждан

ИИ может анализировать обращения граждан, выявлять наиболее частые проблемы и предлагать решения. Это позволяет сократить время на обработку каждого обращения и повысить эффективность работы государственных и муниципальных органов.

Данному направлению соответствуют следующие практические кейсы:

1.1. Оптимизация работы горячей линии. В этом кейсе ИИ может быть использован для улучшения качества диалогов с гражданами и доведения до обратившихся именно той информации, которую они запрашивают, а также для направления обращения именно тому специалисту, кто наиболее компетентен в этом вопросе.

Так, например, общегородской контакт-центр Москвы (ОКЦ) в тестовом режиме начал проводить цифровой анализ консультаций. Сервис контроля качества на основе искусственного интеллекта изучает каждый этап беседы оператора с жителем столицы на соответствие утвержденным параметрам. В их числе правильность построения фраз и произношения специфических терминов, употребление сленга или слов-паразитов, длительность пауз, интонация и многое другое. Полученные данные позволят улучшить качество коммуникации во время консультаций на горячих линиях, а также определить, нужно ли дополнительно обучать операторов.

Новый сервис речевого анализа, в отличие от цифрового аудитора, проверяет исключительно качество речи. Не вступая в общение со специалистами, он прослушивает диалоги с жителями и сопоставляет этапы разговора с утвержденным сценарием. Обладая более широким по сравнению с цифровым аудитором спектром навыков по распознаванию речи, искусственный интеллект моментально фиксирует отклонения в произношении специальных терминов, употребление сленга, слишком длинные паузы или слишком быструю речь, а также интонацию специалиста. Сервис может одновременно записывать и анализировать несколько десятков диалогов, проверяя, насколько корректно проведена консультация. Для речевого анализа создали и развивают специальную базу знаний с учетом специфики каждой горячей линии. В нее загружают примеры реальных диалогов, которые соответствуют утвержденным правилам. Они используются в качестве эталона для сравнения и оценки. Кроме того, разработана методика оценки по каждому из критериев. ИИ записывает и анализирует ответы специалистов по 10 параметрам [42].

1.2. Анализ обращений граждан на портале государственных услуг. Искусственный интеллект может использоваться для помощи по наиболее частым проблемам, с которыми сталкиваются граждане при обращении на портал государственных услуг.

Сейчас на «Госуслугах» пользователям помогает виртуальный ассистент Макс. Он готов рассказать, как пользоваться сервисом, посоветовать нужные услуги, узнать, есть ли штрафы, и помочь записаться на прием к врачу. За все время работы он уже обработал около 450 млн запросов. Теперь его функционал будет расширен с помощью российской языковой модели, работающей по принципу YandexGPT или GigaChat [54].

В других странах цифровые помощники тоже внедряют в системы оказания государственных услуг. Например, в Сингапуре виртуальный ассистент «Спроси Джейми» помогает гражданам ориентироваться в сервисах, предоставляемых примерно 70 правительственными учреждениями.

1.3. Автоматическое формирование ответов на обращения граждан. ИИ может генерировать стандартные ответы на часто задаваемые вопросы. Это позволяет ускорить процесс обработки обращений и освободить время сотрудников для решения более сложных задач.

Для этого используются различные инструменты, например:

Генератор часто задаваемых вопросов HIX.AI. Инструмент анализирует тему и дополнительные источники текста, после чего генерирует чёткие и часто задаваемые вопросы по теме, а также предоставляет соответствующий ответ на каждый вопрос.

Генератор вопросов и ответов i2Text. Это бесплатный онлайн-инструмент, который извлекает потенциальные вопросы и ответы из заданного текста.

Генератор ответов Mitup AI. Система анализирует заданный вопрос и сопоставляет его с обширной базой данных, извлекая релевантную информацию.

В России создана ИИ-система, которая способна помогать анализировать обращения граждан в госорганы. Такую систему сейчас применяют в Центральном федеральном округе. она призвана улучшить качество работы чиновников с обращениями граждан. По оценкам разработчиков, до 20% российских госслужащих так или иначе заняты обработкой сообщений россиян. Обращения чаще всего касаются органов власти, которые отвечают за решение наиболее близких людям социально-бытовых проблем (к примеру, это региональное министерство ЖКХ и благоустройства). Число чиновников при этом не увеличивается, а время обработки обращений уменьшается за счет оперативного межведомственного взаимодействия.

ИИ-система также призвана обобщить сообщения о тех или иных проблемах конкретного региона. Для этого создана «Тепловая карта» — система, которая в режиме реального времени визуализирует на карте проблемы жителей России из всех электронных источников. Каждый руководитель региона или полномочный представитель президента могут в любой момент времени оценить красные зоны отдельных территорий или отраслей, увидеть актуальный проблематор, а затем дать поручения [30].

1.4. Распознавание эмоций в обращениях граждан. Этот кейс демонстрирует, как ИИ может распознавать эмоции в текстах обращений граждан. Это может помочь сотрудникам государственных и муниципальных учреждений лучше понимать настроение граждан и адаптировать свой ответ соответствующим образом.

Исследователи Лаборатории искусственного интеллекта Сбербанка и учёные Центра искусственного интеллекта НИУ ВШЭ разработали специальную систему, которая с помощью больших языковых моделей сделает искусственный интеллект более эмоциональным при общении с человеком. Синтезом ИИ-эмоций займутся набирающие популярность мультиагентные модели. В основу системы легли разработанные авторами эффективные ИИ-модели компьютерного зрения по распознаванию выражений лиц пользователей, которые можно запускать непосредственно на их устройствах. В ходе диалога с помощью этих моделей в режиме реального времени анализируются эмоции собеседника, в том числе на ответы ИИ, что может помочь в формировании специальных датасетов для обучения и совершенствования системы генерации эмоциональных ответов на запросы пользователей [106].

Ученые из кафедры алгоритмических языков ВМК МГУ разработали методы распознавания эмоций в текстах и аудиозаписях, что особенно актуально в условиях активного использования социальных сетей и мессенджеров. Автоматизация процесса распознавания эмоций позволяет улучшить взаимодействие пользователей в различных областях, в том числе государственном и муниципальном управлении [82].

1.5. Использование ИИ для мониторинга социальных сетей (парсинг соцсетей). Государственные и муниципальные учреждения используют ИИ для мониторинга социальных сетей и выявления проблем, которые волнуют граждан. Это позволяет учреждениям оперативно реагировать на эти проблемы.

Известно, что Роскомнадзор (РКН) использует искусственный интеллект для отслеживания информации в соцсетях, видеоиграх, в содержимом телерадиовещания и для мониторинга аудио- и видеозаписей в интернете. Впервые РКН заявил о привлечении искусственного интеллекта для поиска запрещенного контента в интернете в конце 2020 года. Тогда эти технологии помогали проводить мониторинг именно текстовой информации. В сентябре 2021 года регулятор расширил применение ИИ и привлёк его к контролю за фото- и видеоматериалами. Система находила в сети пропаганду наркотиков, экстремистские материалы, призывы к самоубийству и массовым беспорядкам и прочую противоправную информацию.

Информационно-аналитическая система «Призма» позволяет в реальном времени отслеживать дискуссии в социальных сетях и блогах. Алгоритм позволяет отслеживать общественные настроения на основе 60 млн источников и выявлять те проблемы, которые волнуют граждан, которые влияют на их политические настроения.

Как пример можно также привести работу Центра управления республикой (ЦУР), который начал функционировать в Республике Башкортостан с осени 2020 года. Одно из важных подразделений ЦУРа, блок социальных коммуникаций, обеспечивает работу с обращениями жителей республики, получение обратной связи, выявление проблемных точек и их устранение. Его фундамент — система «Инцидент менеджмент», которая действует в Башкортостане с октября 2018 года. ИИ-система сбора и аналитики обращений, поступающих из социальных сетей, хорошо зарекомендовала себя в оперативном решении вопросов в сферах здравоохранения, жилищно-коммунального хозяйства, благоустройства, транспорта, образования, экологии, строительства [31].

1.6. Применение ИИ для подбора кандидатов на государственную и муниципальную службу. Анализ обращений от граждан с целью их трудоустройства в органы власти с помощью ИИ может помочь руководителям государственных и муниципальных учреждений беспристрастно оценить резюме своих потенциальных сотрудников до их приглашения на собеседование.

Минцифры РФ проводит эксперимент по отбору сотрудников на госслужбу с помощью искусственного интеллекта. Он проходит на рекрутинговой платформе «Государственные кадры», которая позволит автоматизировать процессы отбора, профессионального развития, мотивации, оценки чиновников, формирования профессиональной культуры и противодействия коррупции. С помощью алгоритмов и машинного обучения искусственный интеллект анализирует резюме кандидатов: оценивает образование, опыт работы, качества и навыки, чтобы определить, насколько они соответствуют требованиям конкретной вакансии. ИИ способен проводить автоматизированные интервью с кандидатами на госслужбу и оценивать при этом навыки коммуникации, знания и способность критического мышления, виртуальный ассистент может интервьюировать соискателя на должность, задавать вопросы и анализировать ответы.

Сегодня с помощью нейросетей можно проанализировать гораздо большее количество претендентов на должность, чем с помощью человеческих ресурсов. За счет этого улучшается качество подбора персонала. ИИ помогает обработать гораздо больший поток входящих сообщений и тем самым экономит время на отсеивание нерелевантных кандидатов. При грамотном применении искусственный интеллект способен автоматизировать отбор кандидатов: сортировать резюме, анализировать навыки и опыт откликнувшихся на вакансию, чтобы найти подходящих сотрудников в считанные секунды. При этом ИИ использует большой объём данных, например, находит профили в LinkedIn, портфолио, публикации и рекомендации в других профессиональных соцсетях [55].

2. Автоматизация составления отчётов.

Искусственный интеллект может автоматически собирать данные из различных источников, таких как базы данных, статистические отчёты и другие документы, и составлять на их основе отчёты в формате, требуемом государственными и муниципальными органами власти. Создание отчетов — важный, но часто трудоемкий процесс для большинства учреждений. В условиях стремительных изменений на рынке, когда данные становятся важнейшим ресурсом, органы власти нуждаются в эффективных способах автоматизации этой задачи. Искусственный интеллект предлагает уникальные решения для автоматизации процессов создания отчетов, позволяя значительно сократить время, повысить точность предоставляемой информации, улучшить качество и снизить затраты. При этом обеспечивается быстрая реакция на происходящие изменения.

Сокращение времени — автоматизация позволяет значительно сократить время на сбор, обработку и оформление данных в отчетах.

Увеличение точности — исключение ручного ввода данных снижает вероятность ошибок, что особенно важно для финансовых и аналитических отчетов.

Улучшение качества данных — автоматизация помогает поддерживать актуальность и точность данных, что повышает доверие к отчетам.

Быстрая реакция на изменения — ИИ позволяет оперативно обновлять отчеты на основе новых данных, что помогает принимать более обоснованные решения.

Снижение затрат — автоматизация процессов позволяет сократить затраты на сотрудников и ресурсы, связанные с созданием отчетов.

Как ИИ автоматизирует процесс создания отчетов.

1. Сбор и интеграция данных. Первым шагом к автоматизации создания отчетов является сбор и интеграция данных из различных источников. ИИ может автоматически извлекать данные из баз данных, CRM-систем, ERP-систем и других источников информации. При этом могут использоваться российские аналоги программ Talend или Apache Nifi для автоматического сбора данных из различных источников, являющихся инструментами для ETL (Extract, Transform, Load). ИИ может анализировать данные и преобразовывать их в нужный формат, готовя их для дальнейшего анализа.

2. Обработка и анализ данных

После сбора данных ИИ помогает в их обработке и анализе. Системы на базе машинного обучения могут анализировать социально-экономические показатели и выявлять закономерности, тренды и аномалии в данных, что позволяет создавать более точные и информативные отчеты.

3. Автоматизация формата и визуализации отчетов

ИИ помогает автоматически форматировать и визуализировать данные в отчетах, создавая графики, таблицы и дашборды для более удобного восприятия информации. Инструменты, такие как российские аналоги программ Tableau и Power BI, используют ИИ для автоматической генерации отчетов с визуализацией данных.

4. Создание отчетов в реальном времени

Одним из преимуществ ИИ является возможность автоматического создания отчетов в реальном времени. Это особенно важно для учреждений, которым необходимо постоянно отслеживать ключевые показатели эффективности (KPI). Российские аналоги таких систем, как Google Data Studio, могут подключаться к данным в реальном времени и автоматически обновлять отчеты. Это позволяет учреждениям всегда иметь доступ к актуальной информации и быстро реагировать на изменения.

5. Автоматизированная отчетность и распределение

После создания отчетов ИИ может автоматизировать процесс их распределения среди заинтересованных сторон. Системы могут автоматически отправлять отчеты по электронной почте или загружать их в облачные хранилища. Министерства и ведомства могут настроить автоматическую отправку отчетов на основе расписания. Например, финансовые отчеты могут быть автоматически сформированы и отправлены руководству каждую пятницу в конце рабочего дня.

Приведём несколько примеров успешной автоматизации создания отчетов с помощью ИИ.

СКБ Контур купил сервис аналитики и коммуникаций с клиентами Scena. one. В его основе лежит искусственный интеллект, благодаря которому сервис составляет отчёты, агрегируя данные CRM-систем о предпочтениях действующих и временно неактивных клиентов и позволяя прогнозировать их будущие потребности.

МегаФон для формирования отчётов купил разработчика аналитических ИИ-платформ oneFactor, специализирующегося на разработке аналитических платформ на базе искусственного интеллекта для банковской сферы, страховых компаний, электронной коммерции, ритейла и туризма.

Тинькофф представил ИИ систему для бизнес-аналитики, отчётов и прогнозирования под названием ETNA, с помощью которой можно анализировать и прогнозировать основанные на данных процессы — от количества осадков предстоящей зимой до потребностей компании в найме новых сотрудников.

Автоматизация составления отчётов состоит из нескольких практических кейсов, которые с помощью ИИ-систем можно реализовать в государственных и муниципальных органах власти:

2.1. Автоматизация составления текущих отчётов. ИИ может автоматически собирать данные из различных источников (например, базы данных, электронные таблицы) и составлять на их основе текущие отчёты как по отдельно взятому ведомству или органу власти, так и в рамках межведомственного взаимодействия. Это позволит сократить время на подготовку отчётов и уменьшить вероятность ошибок.

2.2. Генерация отчётов о выполнении государственных программ. Искусственный интеллект может анализировать данные о реализации конкретных государственных программ из различных источников (например, базы данных, электронные таблицы, текущие отчёты ведомств) и автоматически генерировать отчёты о достигнутых результатах в рамках конкретной госпрограммы. Это поможет государственным органам получать актуальную информацию о ходе выполнения программ.

2.3. Составление финансовых отчётов для государственных и муниципальных учреждений. В рамках этого кейса можно разработать модель ИИ, которая будет автоматически составлять финансовые отчёты на основе данных бухгалтерского учёта по исполнению бюджетов. Это упростит процесс бюджетирования, подготовки финансовых отчётов и повысит их точность.

2.4. Применение ИИ для глубокого анализа статистических данных. Глубокий анализ статистических данных с помощью ИИ может помочь государственным и муниципальным учреждениям выявлять медленно формирующиеся скрытые тенденции и неявные закономерности.

2.5. Разработка системы автоматического контроля исполнения законов. Данный кейс предполагает разработку системы ИИ, которая отслеживает исполнение законов и нормативных актов государственными органами и муниципальными учреждениями. Система должна автоматически собирать данные о соблюдении законов и составлять отчёты о выявленных нарушениях.

Разновидностью такой системы должна была стать в 2020 году Государственная автоматизированная система правовой статистики (ГАС ПС) — информационная система, предназначенная для обеспечения автоматизированной поддержки функций Генеральной прокуратуры Российской Федерации по осуществлению государственного единого статистического учета заявлений и сообщений о преступлениях, состояния преступности, раскрываемости преступлений, состояния и результатов следственной работы и прокурорского надзора, а также по формированию и представлению отчетности органов прокуратуры Российской Федерации [3]. Одной из конечных целей ввода в эксплуатацию ГАС ПС являлась возможность отслеживания заявителем результатов рассмотрения его заявления правоохранительными органами в сети «Интернет», в том числе посредством портала «Госуслуги». В декабре 2023 года законопроект о переносе сроков ввода в эксплуатацию ГАС ПС на 01.01.2027 одобрен Федеральным Собранием РФ и подписан Президентом РФ.

3. Прогнозирование потребностей.

С помощью алгоритмов машинного обучения в государственных учреждениях можно анализировать исторические данные о потребностях в ресурсах (например, финансовых, человеческих, материальных) и прогнозировать будущие потребности. Это помогает государственным и муниципальным органам власти более эффективно планировать свою деятельность и распределять ресурсы.

Данному направлению соответствуют следующие практические кейсы:

3.1. Прогнозирование потребностей в социальной сфере и социальной инфраструктуре. Социальные процессы — это динамичные и многоаспектные явления, которые трудно предсказать и объяснить без глубокого анализа больших объемов данных. Применение алгоритмов машинного обучения позволяет не только анализировать текущее состояние социальных систем, но и прогнозировать их изменения в будущем, что является ключевым аспектом в планировании политических, экономических и социальных стратегий на государственном уровне.

ИИ может анализировать данные о заболеваемости населения, чтобы предсказать потребность в медицинских услугах и ресурсах (например, количество коек в больницах, количество врачей и медсестёр), это поможет государственным органам здравоохранения планировать распределение ресурсов и улучшать качество медицинской помощи. Первой в России системой искусственного интеллекта, зарегистрированной Росздравнадзором как программное медицинское изделие, стала платформа прогнозной аналитики и управления рисками в здравоохранении под названием Webiomed [16].

Искусственный интеллект может анализировать данные об учащихся, преподавателях и учебных заведениях, чтобы предсказать потребность в образовательных ресурсах (например, учебные материалы, оборудование, здания), это помогает органам образования планировать развитие образовательной системы и обеспечивать её эффективность. Один из примеров ИИ-системы прогнозирования потребности в учителях в России — платформа Analytics & Insights. Её разработала компания PowerSchool. Платформа помогает отслеживать динамику по разным показателям и составлять аналитические дашборды и прогнозы, исходя из имеющихся данных. Она анализирует успеваемость и посещаемость учеников, а также на основе этих данных составляет прогнозы о перспективах поступления в вуз или, наоборот, не окончить школу вовремя из-за плохих показателей. Руководители учебных заведений могут увидеть информацию не только по отдельным классам, но также по всей образовательной организации и школьному округу. Помимо данных, доступных педагогам, администрация может получить прогноз о будущем числе первоклассников, а также анализировать потребность в кадрах [131].

ИИ может также анализировать данные о социальных потребностях населения (например, потребность в жилье, питании, одежде), чтобы предсказать необходимость в социальных услугах и ресурсах. Так, например, для логичного размещения ритейлерами своих предприятий оффлайн торговли российскими разработчиками выводится на рынок ИИ-продукт под названием GeoSurf, задачами которого является сбор картографических данных об организациях, их анализ и геоаналитика. Также потенциальными клиентами могут быть застройщики (предсказание наиболее перспективных мест и цен для новых домов) и госорганизации (размещение социальных объектов). Модель будет обрабатывать данные компании-клиентов, в том числе данные о выручке и геоданные для существующих точек компании из открытых источников. На этих данных сервис на основе искусственного интеллекта будет подчёркивать нужные зависимости, на основании которых затем алгоритмом будет предлагаться размещение новых локаций [103].

3.2. Прогнозирование развития туристической сферы. Туристическое направление — еще одна сфера, где ИИ и большие данные могут привести к значимым результатам. Это позволяет не только улучшать туристическую инфраструктуру, но и понимать, какие объекты привлекают отечественных туристов, а какие — зарубежных. Так, эффективно применять данные аналитики можно на уровне местных администраций и туристских информационных центров. К примеру, геоаналитика туристического потока поможет властям спланировать, где требуется развивать туристическую инфраструктуру, где целесообразно размещать кемпинги, глемпинги и иные туристические объекты. Она подсветит новые туристические маршруты и точки притяжения туристов и покажет портрет туриста, кому интересны такие локации. Так же геоаналитика турпотока поможет запланировать различные мероприятия и фестивали. А сбор отзывов и рекомендаций путешественников может подсказать властям, в какой точке требуется финансирование — возможно, туристы недовольны состоянием транспортной инфраструктуры, программами, которые предлагает тот или иной музей, жалуются на отсутствие качественных заведений общепита или неухоженные газоны.

Так, например, «Билайн. Геоаналитика» показывает самые популярные регионы, в которые стремятся путешественники, предоставляет детальную информацию по каждому субъекту страны — количественные показатели туристического потока (туристы и экскурсанты), откуда приезжают туристы и на чем они приезжают в регион, средние значения длительности поездок, пол, возраст, семейный статус и уровень дохода туристов [114].

Активно в сфере туризма развиваются и рекомендательные системы, разработанные в том числе на базе технологий искусственного интеллекта. Так, заходя на сайт оператора или даже просто читая ту или иную страницу в интернете, человек может увидеть рекламный баннер, который его заинтересует. Кроме того, информация о количестве бронирований, сезонных тенденциях, инфляции в странах, экономической и политической ситуации позволяет туркомпаниям прогнозировать спрос на билеты и отели — и оптимизировать цены на свои продукты. Это помогает получать максимум дохода в пиковые месяцы и эффективнее выстраивать работу в сезон низкого спроса.

3.3. Прогнозирование потребности в финансовых ресурсах. Государственные и муниципальные учреждения могут использовать ИИ для прогнозирования потребности в бюджетных средствах на различные программы и проекты. На основе этих прогнозов можно составлять бюджеты и планировать расходы.

Так, например, в 2024 году Минфин РФ совместно со Сбербанком запустили пилотный проект по использованию искусственного интеллекта в бюджетном процессе. ИИ-технология помогает в сопоставлении кодов бюджетной классификации (обозначают статьи доходов и расходов казны) и привязанных к ним результатов. ИИ пока работает на уровне 84% точности. В будущем технология позволит повысить эффективность и прозрачность управления госфинансами [83].

Компания «Первый Бит» разработала уникальный инструмент сценарного моделирования — векторную бюджетную модель (VBM). Данное решение является универсальным модулем, который расширяет возможности бюджетирования в 1С. Благодаря технологиям искусственного интеллекта и машинного обучения учреждения смогут оценить риски, повысить скорость и точность бюджетирования. VBM позволяет получать более точные прогнозы и увеличить эффективность бюджетного планирования [134].

4. Оптимизация работы общественного транспорта.

Данному направлению соответствуют следующие практические кейсы:

4.1. Прогнозирование транспортных ресурсов, загруженности городских маршрутов. ИИ может анализировать большие объёмы данных о транспортных потоках, состоянии дорог и других факторах, влияющих на транспортную инфраструктуру, загруженность маршрутов в реальном времени на основе данных о транспортных потоках и погодных условиях, чтобы прогнозировать потребность в транспортных ресурсах (например, автобусы, поезда, автомобили). Это поможет государственным органам планировать развитие транспортной системы, предложить оптимальные маршруты для автобусов, троллейбусов и трамваев.