Применение искусственного интеллекта в цифровой экономике

По сложности и многокомпонентности вещественного состава отходы теплоэлектростанций (ТЭС) соответствуют техногенным месторождениям, которые в настоящее время возможно перерабатывать известными обогатительными методами с извлечением ценных компонентов и использованием полученных продуктов для нужд национальной экономики.

Основная проблема освоения техногенных отвалов теплоэлектростанций (ТЭС) – это отсутствие в России перспективных технологий, позволяющих их перерабатывать безотходным способом, как, например, в Германии все золошлаки на 100% перерабатываются, что не требует дополнительных площадей для их хранения.

В настоящее время в России разработаны, но при этом имеют ограниченное применение такие технологии переработки золошлаков, как мокрая магнитная сепарация и флотация. Указанные технологии позволяют обеспечить эффективное извлечение оксидов алюминия, оксидов железа, а также угольного недожога. Это позволило получить эколого-экономический эффект за счет реализации дополнительной товарной продукции и снижения платы за размещение твердых отходов в размере свыше 72 млн руб. в год.

В России на текущий момент времени на угольном топливе функционирует 172 ТЭС. В их золошлаках находится порядка 1,5 млрд т золошлаковых отходов (ЗШО) [17].

По данным ЗАО «АПБЭ», площадь золоотвалов достигает 28 тыс. га. При этом утилизируется и используется не более 8% (1,5– 2,1 млн т) годового выхода ЗШО (около 30 млн т). Если данная тенденция сохранится, то к 2020 году объем накопленных ЗШО может превысить 1,8 млрд т.

По экспертным оценкам, затраты на содержание 1 т ЗШО составляет от 400 до 700 руб., или 5–7% себестоимости производства электроэнергии и тепла на угольной ТЭС. Объем инвестиций в реконструкцию одного золоотвала может достигать 1 млрд руб. Стоимость строительства 1 золоотвала – 2–4 млрд руб.

В течение 3–5 лет переполнение ЗШО приобретет массовый характер, и данный процесс уже начался.

Возникает риск ограничения мощности угольных генераций и вывода их из энергетического баланса. По данным Росстата, стоимость Экибастузского угля составляет 410 руб. без учета НДС. Его зольность составляет 40–48%, у Кузнецкого угля – 15–40%. Рефтинская ГРЭС имеет замкнутую гидравлическую систему золоудаления. Складирование золы осуществляется на золоотвале № 2, площадью 992 га в 4,5 км от ГРЭС. Годовой выход золошлаков 5 млн т. Золоотвал № 1 площадью 450 га заполнен и выведен из работы, ведутся работы по его рекультивации [11].

В целях решения вышеуказанных проблем в ходе проведения авторских научных исследований был разработан новый способ борьбы с техногенными отходами на основе принципа обогащения минерального сырья, который был запатентован в Российской Федерации [17]. Устройство для осуществления указанного способа использует адаптивные компьютерные программы и алгоритмы нейронных сетей, также является частью патента [17]. Авторами патента были поставлены и решены следующие основные задачи:

–

разработано устройство для обогащения минерального сырья, простого по конструкции и эксплуатации, не предъявляющего жестких требований к чистоте воды;

–

реализована возможность применения программных алгоритмов оценки загрязнения воды;

–

использована теоретическая возможность применения искусственного интеллекта для оценки содержания химических элементов и плотности полезного компонента в водной смеси;

–

доказана высокая эффективность за счет непрерывной работы устройства, поскольку не требуется временных и трудовых затрат на сбор и эвакуацию полезного компонента;

–

осуществлено существенное снижение металло

– и материалоемкости;

–

минимизированы временные и трудовые затраты на монтаж и демонтаж оборудования, что повышает мобильность используемого оборудования общую экономическую эффективность функционирования устройства.

В ходе проведенного эксперимента решался ряд дополнительных задач, таких как:

–

систематизация современных технологий и принципов работы имеющихся устройств по обогащению минерального сырья;

–

изучение требований подготовки минерального сырья и его транспортировки к устройствам по его обогащению;

–

обобщение мирового опыта по обогащению минерального сырья;

–

анализ негативных последствий, присущих технологиям и устройствам по обогащению минерального сырья, устранение которых может потребовать существенных изменений конструкции обогатительной установки;

–

анализ специфики образования месторождений полезных ископаемых (драгоценных металлов, аллювиальных россыпей), а также гидрографии рек;

–

изучение особенностей течения двухфазных потоков, а также образования меандров на реках.

В рамках проведенного автором теоретического исследования и практического эксперимента, результатами которых стала разработка устройства для обогащения минерального сырья [17], также изучалась работа гидротранспорта, принципы проведения гидравлических расчетов систем напорного гидротранспорта, поведение частиц твердой фазы на его криволинейных участках.

В результате изучения, систематизации и анализа всей имеющейся информации [11, 53] определился следующий путь к достижению поставленных задач: использовать физические процессы, наблюдаемые в напорном гидротранспорте, который широко применяется в современных технологиях обогащения в целях транспортировки минерального сырья, обратив особое внимание на физические процессы, происходящие с пульпой на его криволинейных участках. На криволинейном участке пульпопровода в результате наличия вторичного поперечного течения происходит изменение траектории движения частиц твердой фазы пульпы, которые в зависимости от своей плотности определенным образом перемещаются по боковой поверхности внутреннего радиуса этого участка.

В данной научной работе предлагается авторский способ переработки техногенных отходов теплоэлектростанций путем обогащения минерального компонента и сырья по плотности частиц твердой фазы полезного компонента. Данный способ основан на использовании физических процессов, происходящих при протекании пульпы по криволинейному участку трубопровода [17]. Механизм воздействия потока на частицу твердой фазы при транспортировке пульпы приводит к возникновению одного из трех возможных видов ее движения:

–

скольжение или волочение частицы по нижней стенке пульпопровода;

–

взвешивание в потоке с обратным падением;

–

устойчивое перемещение частицы во взвешенном состоянии.

В данном исследовании внимание уделено первому виду движения частиц твердой фазы, который создает на нижней стенке пульпопровода подвижный слой указанных частиц. Высота подвижного слоя зависит от средней скорости потока, крупности и плотности частиц твердой фазы, а также консистенции потока пульпы. Гранулометрический анализ по граничной крупности находящихся в пульпе частиц твердой фазы позволяет разделить их на две группы. Первая группа частиц твердой фазы в смеси с водой образуют суспензию, способную транспортировать вторую группу более крупных частиц.

На криволинейном участке пульпопровода в результате наличия вторичного поперечного течения (парных вихрей), которое, накладываясь на поступательное движение пульпы, приводит к изменению траектории движения частиц твердой фазы подвижного слоя. Вид траекторий движения частиц твердой фазы по внутренней стенке трубы криволинейного участка пульпопровода зависит от их плотности: чем меньше плотность частицы, тем выше ее траектория движения относительно нижней стенки трубы. Указанные частицы твердой фазы полезного компонента плотности через щель в боковой внутренней стенке криволинейного участка пульпопровода поступают в приемную емкость.

Предлагаемый способ реализован в запатентованном турбулентно-вихревом концентраторе (ТВК), содержащем соединенную с нагнетателем пульпы подводящую трубу, из которой пульпа поступает в криволинейный участок трубы, сообщающийся с приемником отделяемых из пульпы частиц твердой фазы с заданной плотностью полезного компонента [17].

Устройство отличается тем, что пульпа поступает в криволинейный участок трубы, на котором в результате наличия вторичного поперечного течения происходит изменение движения подвижного слоя частиц с заданной плотностью полезного компонента.

В настоящее время на устройстве турбулентно-вихревого концентратора может применяться автоматизированная система управления технологическими процессами, что полностью исключает участие человека. Проведенные полевые испытания показали, что данное устройство позволяет достичь высокой эффективности за счет его непрерывной работы, малой металлоемкости, минимальных временных и трудовых затрат на монтаж и демонтаж, а также снизить до минимума временные и трудовые затраты на подготовку и оборудование места, что позволит получить экономический эффект функционирования устройства и улучшить экологическую обстановку территорий.

В настоящем времени авторами патента продолжается работа над разработкой программного обеспечения и программных комплексов осуществления мониторинга получаемого потока данных на территории Свердловской области, что позволит в дальнейшем использовать возможности нейронных сетей глубокого обучения в целях оптимизации, управления и оценки всего рассматриваемого технологического процесса, а также редукции полученных с различных техногенных отвалов данных. Это, по нашему мнению, позволит повысить точность и оперативность оценивания состояния окружающей среды, а следовательно, и эффективность приминаемых управленческих и экологических решений.

Анализ мирового опыта показывает, что проблема повышения эффективности экономики любой страны или отдельно взятой отрасли становится в последнее время еще более актуальной в контексте истощения природных ископаемых, возникновения парникового эффекта, а также всевозрастающие потребности человечества в энергоресурсах. Интеграция цифровой экономики и информационных технологий в рамках реализации концепции Smart City, включающей в себя такой элемент, как smart-экология, признается экспертным сообществом одним из наиболее актуальных и в Российской Федерации.

Проблема переработки и утилизации техногенных отходов российской промышленности связана не только с реализацией экологических инновационных проектов и с охраной окружающей среды [23]. Образование указанных отходов является также показателем нерационального использования природных ресурсов, запасы которых находятся на грани истощения. В этой связи проблема утилизации техногенных компонентов является актуальной эколого-экономической задачей [59].

Следует отметить, что в процессе эксплуатации напорного гидротранспорта при транспортировке золошлаков, которые относятся к материалам высокой абразивности, происходит износ центробежного насоса и трубопроводов, оказывает влияние с течением времени и коррозия пульпопроводов, что приводит к изменению параметров, характеризующих поток пульпы, основными из которых являются следующие:

–

скорость течения пульпы в трубопроводе;

–

количество перемещаемой по трубопроводу твердой фазы;

–

высота подвижного слоя твердой фазы на нижней стенке трубопровода;

–

параметры траекторий движения частиц твердой фазы на криволинейном участке трубопровода.

Все указанные изменения могут оказать негативное влияние на эффективность и качество работы устройства по отделению частиц твердой фазы по заданной плотности. Исходя из вышеуказанного, ИИ способен, используя разработанные алгоритмы, учесть и спрогнозировать возможные изменения условий протекания пульпы по времени и устранить их влияние на эффективность работы устройства и качество разделения частиц твердой фазы полезного компонента по плотности путем изменения параметров щели. В зависимости от необходимости ИИ может корректировать работу по извлечению полезных компонентов заданной плотности на двух и более устройствах, расположенных на одном пульпопроводе с учетом меняющихся с течением времени параметров протекания пульпы.

По нашему мнению, предлагаемый в статье комплекс инновационных мер и воздействий дает возможность снизить уровень вредного экологического воздействия за счет использования новых технологий, альтернативных способов очистки, применения искусственных нейронных сетей. Авторский метод позволяет решить острую проблему переработки техногенных отвалов теплоэлектростанций (ТЭС) безотходным способом [80, 96].

Рассматриваемое в статье устройство относится к группе изобретений в сфере обогащения полезных ископаемых из рудных пульп и может быть применено в целях переработки и обогащения минерального материала, содержащего цветные, редкие, благородные металлы и неметаллические полезные вещества, а также при очитке сточных вод от твердого компонента, других серьезных загрязнений и нефтепродуктов [85]. Указанные авторские технологии позволяют обеспечить эффективное извлечение оксидов алюминия, оксидов железа, а также угольного недожога. Это дает возможность получить эколого-экономический эффект за счет реализации дополнительной товарной продукции и снижения платы за размещение твердых отходов.

ГЛАВА 4. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В МЕЖДУНАРОДНОЙ ТОРГОВЛЕ И ЭКОНОМИЧЕСКОЙ ДИПЛОМАТИИ

Введение

Международные экономические отношения сегодня претерпевают состояние глубокого кризиса, в этой связи возникает острая необходимость трансформации подходов к реализации дипломатической и торговой деятельности. В целях перестройки межгосударственного взаимодействия наиболее эффективным способом является применение ряда достижений научно-технического прогресса (НТП), к примеру искусственного интеллекта (ИИ), который уже используется в сфере международной дипломатии и торговли. В частности, решения, принимаемые с использованием возможностей ИИ, активно применяются в Китае в целях проработки дипломатических сценариев развития событий [29]. Зарубежный опыт показывает, что более широкое применение алгоритмов искусственного интеллекта осуществляется в рамках экономической дипломатии применительно к проведению торговых переговоров. Следует отметить особую важность открытия возможностей ИИ и для развивающихся стран, ибо это позволит заключать международные договоры и способствовать развитию взаимовыгодного и эффективного торгового сотрудничества.

Вопрос включения ИИ в сфере международной дипломатии подробно изучен по таким направлениям, как международная безопасность, применение беспилотных систем и процессов отслеживания исполнения заключенных договоров. Однако наряду с решением проблем международной безопасности машинные программы ИИ способствуют развитию международного сотрудничества по достаточно широкому кругу вопросов, связанных с экономической дипломатией [26]. Применение алгоритмических, верифицируемых и прозрачных механизмов ИИ становится важным инструментом повышения уровня доверия между ключевыми заинтересованными экономическими игроками в процессе урегулирования конфликтов и споров. Реализация совместной разработки систем ИИ в указанных сферах позволяет смягчить претензии государств в вопросах объективности и прозрачности используемых процедур, принципов и подходов.

Цель параграфа: на основе анализа накопленного опыта применения алгоритмов искусственного интеллекта (ИИ) в рамках действующего нормативно-правового регулирования определить наиболее перспективные направления использования возможностей ИИ в рамках международной торговли.

Научная новизна заключается в исследовании генезиса термина «искусственный интеллект», уточнении определения понятия «искусственный интеллект», обобщении накопленного опыта, выявлении позитивных и негативных последствий включения возможностей ИИ в сферу внешнеэкономической деятельности, а также в разработке наиболее перспективных направлений применения сервисов искусственного интеллекта в сфере международной торговли.

Гипотеза исследования – применение искусственного интеллекта позволяет повысить качество принимаемых решений в области международной торговли, достоверность моделирования прогностических сценариев проведения двусторонних и многосторонних торговых переговоров, сократить время на обработку текстов контрактов и соглашений, а также сократить транзакционные издержки на сбор и обработку информации.

4.1. Исследование понятия «искусственный интеллект»

Высокие темпы научно-технического прогресса (НТП) в различных сферах производственно-хозяйственной и коммерческой деятельности обусловили зарождение и развитие такого феномена мировой экономики и международных экономических отношений, как появление нового экономического явления, получившего название «искусственный интеллект» [50]. Термин «интеллект» (пер. с лат. intellectus) – это ощущение, восприятие (разумение, понимание, понятие, рассудок) или ум. Это качество человеческой психики, состоящее из способности приспосабливаться к новым ситуациям, к обучению и запоминанию на основе опыта, пониманию и применению абстрактных концепций и использованию своих знаний для управления окружающей средой [50]. Интеллект – это общая способность к познанию и решению проблем и трудностей, которая объединяет все познавательные способности человека: ощущение, восприятие, память, представление, мышление, воображение и т.п. [81].

Следует отметить, что понятие искусственного интеллекта не является концептуально новым. Впервые данный термин появился еще в середине 50-х годов ХХ века, точнее в 1956 году, на конференции Дартмутского университета, на которой американский информатик Дж. Маккарти обозначил этот термин и дал ему точное и емкое определение: «Искусственный интеллект является наукой о создании интеллектуальных машин и компьютерных программ» [4, 87]. Однако процесс получения первых реальных технологических результатов занял несколько десятилетий. Научными работами и исследованиями в рамках создания систем ИИ осуществлялись одновременно несколькими учеными и специалистами. Так, в начале 80-х гг. Дж. Барр (специалист в области теории вычислений, исследователь из IBM Research) и Э.А. Файгенбаум (автор модели и алгоритмов процесса обучения, Стэнфордский университет, США) сформулировали следующее определение дефиниции ИИ: «Искусственный интеллект – это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, то есть систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, – понимание языка, обучение, способность рассуждать, решать проблемы и т. д.» [14]. Сегодня систему ИИ принято отождествлять с компьютерными программами, использующими нейросети, объединяющей отличительной характеристикой которых является способность машины решать конкретные задачи подобно алгоритмам принятия решения размышляющего человека. Искусственный интеллект – это достаточно широкое понятие, которое может быть применимо к любому типу программного обеспечения, используемого в человеческой жизнедеятельности и включающего алгоритмы обучения, планирования и решения различного рода проблем [92]. ИИ – это интегрированные технологии, базирующиеся на возможностях машинного обучения, использующих гигантские объемы данных и мощные алгоритмы в целях выработки быстрых решений комплексных научно-технических задач и осуществления прогностических функций высокой степени надежности. Иными словами, ИИ – это комплекс родственных и стремительно развивающихся процессов и технологий эффективного функционирования экспертных систем и виртуальных агентов [4, 10].

Определение понятия «искусственный интеллект»: это интегрированный продукт ряда научных исследований, проводимых в различных областях знаний [46]. Понятие искусственного интеллекта является продуктом интеграции множества научных дисциплин и сфер исследований, существует несколько определений данной категории, в этой связи сегодня под искусственным интеллектом чаще всего понимаются различные виды компьютерных моделей процесса принятия и оптимизации решений.

В данной работе под искусственным интеллектом следует понимать способность цифрового компьютерного алгоритма выполнять конкретные поставленные задачи, которые обычно связаны с жизнедеятельностью разумных существ (человека). Данная дефиниция применима к проектам развития различных систем, характеризующихся наличием интеллектуальных процессов, свойственных человеку, таких как способность размышлять, рассуждать, анализировать, систематизировать, интерпретировать и обучаться на основе полученного опыта. Иными словами, искусственный интеллект (ИИ) – это приближенное отображение работы нейронных связей в мозге человека, отождествляемое с комплексами таких технологий и процессов, как глубокое машинное обучение и применение алгоритмов виртуальной реальности.

Несмотря на отсутствие единого общепринятого определения понятия «искусственный интеллект» и незавершенность разработки понятийно-категориального аппарата и терминологических классификаций, на пороге перехода к новому информационному обществу правительствами многих индустриально развитых стран осуществляются масштабные капитальные вложения в целях разработки прорывных информационных технологий и технологической конвергенции. По оценкам американской консультационной компании International Data Corp., расходы на разработку систем искусственного интеллекта в мировой экономике в 2019 г. составили около 35,8 млрд долл., включая 13,5 млрд долл. на программные платформы ИИ и приложения ИИ24. По прогнозам консалтинговой компании Tractica Omnia, объем продаж программного обеспечения для систем искусственного интеллекта в масштабах мировой экономики к 2025 г. составит свыше 126 млрд долл. по сравнению с 10 млрд долл. в 2018 г.

Полученные данные позволяют построить линию тренда и осуществить прогнозирование объемов реализации разрабатываемого для работы искусственного интеллекта программного обеспечения на долгосрочную перспективу:

А) экспоненциальный тренд:

y = 32,177e0,2822x, (1)

где y – объемы реализации программного обеспечения для ра-

боты ИИ, млрд долл. США; e – основание натурального логарифма, математическая константа, равная приблизительно 2,72;

x

– рассматриваемый временной период, ед. Б) Полиномиальный тренд:

y

= 0,9286x

2

+ 15,729x + 23,65.

(2)

Объемы продаж различного рода сервисов программного обеспечения для целей работы искусственного интеллекта в сфере международной дипломатии к 2030 году могут достигнуть показателя свыше 540 млрд долл. США.

В Российской Федерации понятие «искусственный интеллект» зафиксировано в нормативно-правовых актах Росстандарта (Федерального агентства по техническому регулированию и метрологии).

В декабре 2019 г. Росстандартом были утверждены первые национальные стандарты в области искусственного интеллекта (ГОСТ Р 58776-2019 «Средства мониторинга поведения и прогнозирования намерений людей. Термины и определения»; ГОСТ Р 58777-2019 «Воздушный транспорт. Аэропорты. Технические средства досмотра. Методика определения показателей качества распознавания незаконных вложений по теневым рентгеновским изображениям»)25.

Указанные стандарты призваны обеспечить эффективную коммуникацию интеллектуальных робототехнических систем (включая беспилотных транспортных средств) и человека [27]. Взаимодействие между человеком и интеллектуальными системами состоит в прогнозировании намерений друг друга и определении на основе данного прогноза дальнейших действий. Кроме того, системы прогноза поведения могут применяться для целей выявления людей со скрытыми преступными намерениями.

Стандартом ГОСТ Р 58777-2019 устанавливаются единые требования к системам и алгоритмам распознавания незаконного содержимого багажа и ручной клади пассажиров на базе анализа рентгеновских изображений. Стандарт призван повысить достоверность полученных результатов испытаний интеллектуальных систем и алгоритмов. Указанные стандарты были разработаны специалистами СанктПетербургского политехнического университета Петра Великого и вступили в действие с 1 сентября 2020 года26.

4.2. Анализ основных направлений применения искусственного интеллекта в мировой экономике

Широкое применение искусственного интеллекта к настоящему моменту времени наблюдается при реализации предпринимательской деятельности. Более широкие возможности ИИ по сравнению с традиционным программным обеспечением позволяют компаниям сохранить конкурентные рыночные преимущества. Программные комплексы систем искусственного интеллекта способны устранить большую долю участия человека, связанного с управлением ими, за счет использования больших данных, аналитики и алгоритмов [28].

Следует выделить основные преимущества применения алгоритмов ИИ, в частности в производственных технологических процессах:

− повышение уровня конкурентоспособности выпускаемой продукции за счет снижения издержек, связанных с сокращением аутсорсинговых операций;