Научный архив: статьи

В статье исследуется применение больших языковых моделей, таких как ChatGPT, для принятия инвестиционных решений на фондовом рынке. Описываются способы применения ChatGPT, позволяющие улучшить прогнозирование рынка благодаря глубокому изучению большого массива данных, включая новости и отчеты, анализ настроений и распознавание технических индикаторов. Рассматриваются такие преимущества, как эффективное извлечение информации, улучшение процесса принятия решений, объективный анализ, а также потенциальные риски использования ChatGPT в финансовых прогнозах, включая ограниченное понимание динамики рынка, невозможность включения данных в реальном времени, трудности в работе со сложными финансовыми концепциями. Делается вывод об эффективности применения ChatGPT и необходимости всегда проверять полученные результаты перед их применением.

К настоящему времени в условиях глобальной тенденции цифровизации назрела необходимость модернизации всей системы уголовного судопроизводства. Рассмотрены предпосылки введения электронного уголовного судопроизводства в Российской Федерации, а так - же научные позиции относительно цифровой трансформации данной сферы в целом и отдельных её аспектов. Отмечены положительные последствия внедрения электронного правосудия в практику деятельности российских следственных и судебных органов, а также основные проблемы и угрозы. Выделены этапы перехода от бумажных уголовных дел к электронной форме, проанализировано содержания каждого из них, при этом подчеркнута необходимость учёта особенностей историко - правового развития России, а также текущего состояния государственно - правовых отношений; предложены некоторые рекомендации по внедрению системы электронных уголовных дел в российское судопроизводство.

Авторами представлена сущность криминалистической модели искусственного интеллекта. Предпринята попытка обосновать применение метода моделирования при формировании криминалистической модели искусственного интеллекта в системе криминалистической техники. С применением языка криминалистики, дано определение криминалистической модели искусственного интеллекта, показана эффективность его использования в криминалистической деятельности. Криминалистическая модель искусственного интеллекта рассмотрена в системе уголовно - правовых наук.

Представлен обзор основных докладов пленарного заседания Всероссийской междисциплинарной научно - практической конференции «Проблемы и перспективы правового обеспечения развития экономики данных», состоявшейся 31 мая 2024 года в Тульском государственном университете. Докладчики мероприятия выступили по широкому кругу вопросов развития правового регулирования развития экономики данных, обозначив различные подходы к анализируемой тематике и возникающим в этой области рискам и возможностям.

Функционирование транспорта и всей необходимой для него инфраструктуры порождает феномен транспортной экосистемы. Природа транспортных и иных возникающих в рамках транспортной экосистемы правоотношений в значительной мере обусловлена процессом технологического развития общества. Цель исследования: на основе достижений правовой герменевтики, применения системно-правового анализа проанализировать правовой режим транспортных экосистем, основанных на принципах функционирования искусственного интеллекта. На основе применения методов сравнительно-правового и формально-догматического анализа получены научные результаты в сфере транспортно-правовой науки. В частности, осуществлено научное обоснование гипотезы о том, что имплементация высокотехнологичного элемента в виде искусственного интеллекта влечет кардинальные изменения в методологической основе функционирования транспортных экосистем, трансформирует концепт управленческого воздействия на происходящие в них процессы и влечет изменение природы и содержания правового регулирования транспортных и смежных им общественных отношений. Полученные выводы направлены на формирование нового научно обоснованного представления о правовом режиме транспортных экосистем, основанных на принципах функционирования искусственного интеллекта. Полный текст статьи в переводе на английский язык публикуется во второй части данного выпуска.

В статье приводятся результаты применения методов машинного обучения для исследования данных специальной анкеты, учитывающей общие характеристики авиарейсов, характеристики пассажиров и их мнения о различных аспектах авиарейса. Цель исследования - выявление в экспериментальных данных факторов, негативно влияющих на отношение пассажиров к услугам авиакомпании. При проведении исследования были использованы популярные алгоритмы, входящие в состав свободного программного обеспечения для анализа данных и машинного обучения, университета Вайкато (Новая Зеландия) WEKA, распространяемого по лицензии GNU GPL: наивный байесовский классификатор; многослойный перцептрон, использующий алгоритм обратного распространения ошибки; метод ближайших соседей (KNN) с адаптивным подбором параметров; деревья решений - алгоритм J48, который является аналогом на Java известного алгоритма C4.5; случайный лес; логистическая регрессия; алгоритм адаптивного бустинга (AdaBoost); машина опорных векторов - алгоритм SMO (Sequential Minimal Optimization), являющийся одной из возможных реализаций алгоритма машины опорных векторов. Показано, что наилучшие по точности модели, отражающие удовлетворенность пассажиров услугами авиакомпании, получаются с помощью алгоритмов «случайный лес» (погрешность на тестовой выборке - 3,9 %) и нейросетевого подхода (погрешность на тестовой выборке - 3,7 %). Вместе с тем, указанные алгоритмы не позволяют явным образом выделить факторы, характерные для авиапассажиров, не удовлетворенных качеством обслуживания. Этот пробел восполняет алгоритм на основе метода структурного резонанса в многомерных данных SRMD, позволивший выявить в данных точные логические правила, обладающие высокой полнотой. Полученные логические правила являются хорошо интерпретируемыми паттернами пассажиров, которые либо отрицательно, либо нейтрально оценивают услуги авиакомпании в целом. Полный текст статьи в переводе на английский язык публикуется во второй части данного выпуска.

Рост числа киберугроз делает актуальным внедрение биометрических технологий в финансовом секторе России как инструмента повышения безопасности и доверия пользователей. В особенности значима интеграция таких решений в банковскую инфраструктуру в условиях активной цифровизации. Цель исследования - провести всесторонний анализ динамики применения биометрической идентификации в банковской системе Российской Федерации с учетом технологических перспектив и выявлением основных вызовов, сопровождающих внедрение таких решений. В исследовании были использованы методы монографического анализа, оценки и рефлексивного подхода, а также нормативные правовые акты и актуальные научные публикации, позволяющие оценить влияние биометрических систем на снижение операционных рисков и совершенствование процессов аутентификации. Установлено, что технологии искусственного интеллекта, внедренные в биометрические системы, позволяют повысить точность идентификации и адаптировать системы к изменениям биометрических характеристик пользователей. Выявлены преимущества мультимодальных подходов и обозначены проблемы, связанные с правовым регулированием, рисками утечки данных и низким уровнем доверия населения. Анализ Единой биометрической системы показал наличие значительных технологических и социальных барьеров для масштабного внедрения. Исследование подтверждает перспективность применения биометрии с элементами искусственного интеллекта как инструмента повышения информационной безопасности. Успешная реализация требует комплексного подхода: технологического совершенствования, нормативной базы и повышения доверия граждан к механизмам идентификации.

В статье проанализированы современные экспертные технологии выявления и исследования следов преступлений в сложных следственных ситуациях. Целесообразность разработки темы определяется тем, что указанные многими авторами современные экспертные технологии распространены недостаточно, и не внедрен системный подход к выявлению и исследованию следов. Необходимо ознакомить научных работников и практиков с широким спектром возможностей современного подхода к работе со следами с использованием инноваций и технологий мирового уровня.

Научная новизна исследования обусловлена тем, что на основе эмпирического подхода выявлены новейшие технические и теоретические разработки в области экспертных технологий, которые пока не используются широко ни в теоретических рекомендациях, ни в практической деятельности следователей. Методология и методика исследования базируются на дедуктивной модели научного метода и состоят в наблюдении, синтезе, анализе, систематизации и дедукции с последующей формализацией в рамках практической деятельности.

В работе рассмотрено соотношение «искусственного интеллекта» (ИИ) и «искусственной нейронной сети» в контексте судебной экспертологии. В последние годы наблюдается активный научный интерес к применению этих технологических новшеств в судебной экспертизе, что делает актуальным вопрос влияния этих явлений на судебно-экспертную деятельность в текущий момент и в долгосрочной перспективе. Выявление этих особенностей, как предполагается, будет способствовать более эффективной интеграции ИИ и нейросетей в данный вид деятельности на методическом, правовом и организационных уровнях. Чтобы продемонстрировать, как в целом связаны между собой искусственный интеллект и нейронные сети, а также чем они отличаются друг от друга, приведена краткая историческая справка по развитию идей ИИ-технологий и принципы работы некоторых из ИИ-систем, в частности – искусственных нейронных сетей. Предложены пути интеграции ИИ и нейросетей в судебно-экспертную деятельность на теоретическом и практическом уровнях.

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

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

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

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