Внешнеторговая деятельность инфраструктурное обеспечение цифровизации экономики. Учебное пособие

– работе с диалоговой системой, которая в интерактивном режиме работы с лицом, принимающим решение (ЛПР), анализирует управленче-

скую задачу с помощью выбранной компьютерной модели, предлагает ва-

рианты решения задачи, опираясь на базу знаний и инструментарий со-

здания заключений.

СППР в своей структуре имеет следующие подсистемы:

–ввода и распознавания информации;

–представления знаний (используется для накопления информации);

–самообучения (позволяет получить новые знания внутри системы);

–целеполагания, т. е. выработки целей и принятия решений;

–поддержания целостности системы;

–интерактивного взаимодействия;

–реализации принятых решений.

Признак интеллектуальности СППР – способность к анализу, поис-

ку, генерации, выводу и конструированию решения на основе дедуктив-

ных выводов.

Данное свойство можно рассматривать как способность СППР выда-

вать новую интеллектуальную информацию, которая не была заложена в явном виде в систему. В этом плане СППР – генератор новых идей и ва-

риантов решения.

Еще одной особенностью интеллектуальных СППР является про-

блема неструктурированности процесса принятия решений.

Особенностями задач, решаемых с помощью СППР, являются:

–отсутствие полной, объективной информации, необходимой для принятия решения;

–выбор оптимального варианта решения задачи из нескольких аль-

тернатив на базе нечеткого поиска решения и активного участия в нем ЛПР;

71

– необходимость дополнения базы знаний, а также ее коррекции

при поиске решения.

Информационные системы на основе базы знаний могут быть ис-

пользованы для решения различных задач:

1.Прогнозирование. На основе данных о текущем состоянии объекта можно осуществлять предсказанием результатов и событий.

2.Контроль и управление. Возможно решение проблем принятия решений на основании анализа данных из разных источников.

Целесообразность применения систем обработки знаний (СОЗ) в уп-

равлении определяется такими факторами, как:

– сложности математического описания задачи и широкое примене-

ние эвристических методов решения задач;

–наличие экспертов, способных обстоятельно исследовать задачу

иобъяснять ход ее выполнения;

–надежность имеющейся базы знаний;

–часто неподтвержденность достоверности данных.

В основе решения задач лежит метод логических рассуждений.

СОЗ могу быть как автономными, так и неавтономными.

Автономная СОЗ работает в режиме консультаций, использует эври-

стические методы решения управленческих задач.

Типичными примерами неавтономных систем являются: следящие си-

стемы, системы программного управления, системы регулирования и т. д.

Гибридный интеллект – это интеграция интеллекта человека с ис-

кусственным интеллектом при решении задач управления.

Данный тип интеллекта дает преимущества там, где есть большая доля неопределенности в исходных данных и самом условии задачи. Соз-

72

дание систем на его основе было обусловлено возрастающей сложностью задач разработки управленческих решений в условиях неопределенности.

Следовательно, информационная система на базе гибридного интел-

лекта – это совокупность: аналитических моделей; экспертных систем;

нейронных сетей; нечетких систем; генетических алгоритмов; имитацион-

ных статистических моделей.

3.2.6. Нейронные сети

Нейронная сеть – это последовательность нейронов, соединенных между собой синапсами.

Самыми распространенными применениями нейронных сетей яв-

ляются:

1. Классификация – распределение объектов по параметрам. Наибо-

лее известный пример: формирование заключения о выдаче кредита за-

емщику на основании информации о заемщике, введенной в нейронную сеть. Величина ошибки при формировании заключения о выдаче кредита очень мала.

2. Предсказание – возможность прогнозирования, например, измене-

ния курса акций, основываясь на введенной в сеть информации фондового рынка.

3. Распознавание – самое широкое применение нейронных сетей.

Нейросеть – это самообучаемая система. Она действует не только в соответствии с заданным алгоритмом и имеющимися моделями, но и на основании опыта ранее решаемых аналогичных задач управления.

Нейронные сети позволяют найти аналитическое описание законо-

мерностей, в том числе скрытых, функционирования объектов цифровой экономики (предприятие, учреждение, отрасль, регион).

73

С помощью этих закономерностей можно осуществлять прогнозиро-

вание «выходных» показателей объектов.

Нейросетевые методы делают возможным решение проблем цифро-

вой экономики: экономико-статистическое моделирование, повышение качества математических моделей, приближение их к современным требо-

ваниям. Поскольку экономические, финансовые и социальные системы,

применяемые в цифровой экономике, отличаются сложностью, то созда-

ние полной математической модели объекта цифровой экономики являет-

ся задачей повышенной сложности. Выход из данной ситуации видится в широком использовании имитационных моделей.

3.2.7. Промышленный интернет

Промышленный интернет (англ. Industrial Internet of Things, IIoT) –

это подключение к сети Интернет устройств, оборудования, датчиков,

сенсоров, автоматизированной системы управления технологическими процессами (АСУ ТП), а также интеграция этих элементов, что позволяет формировать эффективные бизнес-модели при производстве товаров и ре-

ализации услуг, а также осуществлять их поставку клиентам [9].

Важнейшими преимуществами реализации промышленного интер-

нета будут повышение эффективности производства, совершенствование технологических процессов, снижение капитальных затрат.

Компоненты промышленного интернета: компании-производители датчиков и сенсоров, фирмы, специализирующиеся на разработке, внедре-

нии и сопровождении программного обеспечения, системные интеграторы и предприятия-заказчики (B2B, B2G), операторы связи.

Модель экономики, в основе которой лежит широкое внедрение промышленного интернета, базируется на цифровизации производства

74

и целых отраслей, информационном обмене между субъектами производ-

ственного процесса и аналитике больших объемов данных.

Внедрение промышленного интернета дает значительные преимуще-

ства как отдельным компаниям, так и отраслям в целом, повышает произ-

водительность труда и является немаловажным фактором роста валового национального продукта, повышает качество труда и мотивирует профес-

сиональный рост сотрудников в сфере перспективных информационных технологий.

3.2.8. Блокчейн

Блокчейн – распределенная база данных, у которой устройства хра-

нения данных не подключены к общему серверу [11].

В базе данных в блоках хранятся списки упорядоченных записей,

постоянно обновляющихся, где блок содержит метку времени и ссылку на предыдущий блок.

Технология блокчейн изначально разрабатывалась с обеспечением защиты на уровне баз данных. Применение методов криптографии гаран-

тирует изменение данных только той части блоков, к которым пользовате-

ли имеют права доступа при наличии закрытых ключей, обеспечивающих запись информации в файл. Кроме того, методы криптографии гаранти-

руют синхронизацию копий распределенной цепочки блоков у всех поль-

зователей.

В связи с переходом на цифровую технологию технология блокчейн затронет сферу финансов и многие другие отрасли.

Важно отметить, что внедрение блокчейн в цифровой экономике усилит ряд таких направлений, как:

– управление экономикой на уровне государства;

75

–информационная безопасность;

–аналитическая обработка и интеллектуальный анализ больших объемов данных;

–информационная инфраструктура.

Внедрение технологии блокчейн в Российской Федерации рассмат-

ривается как синергия всех цифровых технологий и обеспечит подъем российской экономики на более высокий технологический уровень.

Следует отметить, что технология блокчейн позволяет отправлять какие-либо ценности в любую точку мира, где будет доступен файл блок-

чейн. Это возможно с помощью закрытого ключа, полученного по крипто-

графическому алгоритму, обеспечивающего доступ к тем блокам, к кото-

рым у вас есть право доступа.

Передача закрытого ключа – это, по сути, передача другому лицу денежной суммы, хранящейся в соответствующем разделе цепочки бло-

ков. Отклоняются не подтвержденные этими ключами изменения. Но, как правило, ключи достаточно надежно защищены.

Технология блокчейн может обеспечить следующие финансовые услуги: регистрацию сделок, подтверждение подлинности и заключение контрактов.

3.2.9. Когнитивные технологии

Процесс формирования управленческих решений с помощью когни-

тивных карт предполагает последовательную реализацию некоторых дей-

ствий.

Когнитивная карта − это разновидность модели, представляющей собой граф, описывающий субъективное восприятие пользователем или

76

группой пользователей сложного объекта, проблемы или функционирова-

ния системы. Когнитивная модель отображает причинно-следственные связи: пути, циклы и концепты [10].

Концепты – элементы исследуемой системы или объекта. Концепты на когнитивной модели представлены вершинами (концептами), при-

чинно-следственные связи − направленными дугами, соединяющими кон-

цепты.

Когнитивная карта наглядно показывает, что отношения причинно-

сти могут иметь различные значения: положительное, отрицательное и ноль. Положительное значение двух связанных переменных показывает,

что изменения происходят в одном направлении. Это наглядно показано на рис. 3.1.

Рис. 3.1. Когнитивная карта

Широкое применение когнитивных карт обусловлено простотой по-

строения причинных отношений между концептами при отображении об-

щей структуры исследуемого объекта.

77

Требования к построению когнитивных моделей:

–конструктивность модели;

–отсутствие предварительной спецификации концептов;

–связь с методами оценок результатов анализа так, чтобы когнитив-

ная модель наглядно помогала ЛПР в принятии решения;

– адекватное отражение представления ЛПР о концептах и отноше-

ниях между ними.

Существуют различные методы построения когнитивных моделей:

1. Модель строится на базе знаний и представлений ЛПР без допол-

нительной информации и привлечения других сотрудников. Этот метод эффективен, если ЛПР имеет высокую квалификацию.

2. Модель формируется после изучения документов, как правило,

посторонними экспертами. Недостаток метода – высокая трудоемкость изучения документации экспертами.

3. Модель строится на основе опросов группы экспертов. Преиму-

щество метода – агрегирование большего числа оценок, чем при изучении документов.

4. Построение сравниваемых когнитивных карт на основе выбороч-

ных опросов. Достоинство метода – активный диалог с источниками ин-

формации.

Когнитивная карта рассматривается как начальный этап разработки управленческого решения.

Использование когнитивной карты как инструмента поддержки при-

нятия решения часто приводит к одной из проблем:

1. Оценка решений, если есть несколько вариантов решения задачи.

Предпочтительнее решение с лучшим положительным эффектом.

78

2. Анализ последствий принятия решения, если число переменных может меняться, а отдельные переменные могут исключаться из когни-

тивной карты.

3. Объяснение результатов и принятие решения, поскольку необхо-

дим детальный анализ и построение сценариев.

Сценарий – это последовательность выполнения операций, вытека-

ющих из анализа когнитивной карты. Отличие сценариев заключается в последовательности действий и составе операций.

После анализа когнитивной карты формируется набор операций, по-

сле чего в базу знаний экспертной системы вводят условия выполнения этих операций и детали их выполнения. На этой основе экспертная систе-

ма в соответствии с конкретной задачей генерирует решение о порядке выполнения операций.

СППР на базе набора операций после когнитивного анализа или сформированного в экспертной системе формирует возможные варианты решения задачи.

Широкое применение когнитивных технологий в управлении и раз-

витии организации позволит российским компаниям строить бизнес на современном уровне.

Когнитивный менеджмент – это управление процессами, которые генерируют, идентифицируют, накапливают, распределяют и применяют знания для повышения эффективности работы организации [12].

Ведущие компании осознают, что знания становятся важнейшим ре-

сурсом реализации задач экономики на более высоком уровне, но есть определенные организационные трудности в реализации этого направле-

ния. В основе когнитивного менеджмента лежат когнитивные технологии

79

и когнитивные системы. Когнитивные технологии при решении сла-

боструктурированных экономических задач используются для динамиче-

ского обучения системы, построения и оценки гипотез и др.

В сфере программ, разрабатываемых с использованием элементов искусственного интеллекта, получили широкое распространение когни-

тивные системы, которые учитывают множество факторов во время рабо-

ты, позволяют делать выводы, самообучаться на основе результатов ре-

шения аналогичных задач, а также работать с большими массивами не-

структурированных данных. Такие системы нашли применение в оптими-

зации бизнеса, работе в финансовой сфере, банковской деятельности,

управлении инфраструктурой предприятий и организаций.

С помощью инструментария когнитивных технологий можно эффек-

тивно управлять бизнес-процессами, осуществлять поддержку управлен-

ческих решений, разрабатывать различные сервисы, реализовывать блок-

чейн и т. д.

Когнитивные технологии в цифровой экономике – незаменимый ин-

струментарий, используемый для анализа большого объема данных и вы-

работки наиболее интересных и перспективных предложений на рынке.

Поскольку бизнес-процессы имеют тенденцию к усложнению, объемы дан-

ных для анализа значительно увеличиваются и у менеджеров компании все меньше времени остается на разработку важных управленческих решений.

Решение этой проблемы видится в применении на базе накапливаемых знаний современных информационных технологий в интеграции с когни-

тивным анализом.

В этом плане следует отметить, что программы для реализации задач цифровой экономики, использующие инструментарий аналитики и искус-

ственного интеллекта, облачные технологии, корпоративную мобильность

80