ИСКУССТВЕННЫЕ ОБЩЕСТВА

Механизм эмиссионного долларового получения прибылей быстро теряет эффективность. Доходная база сжимается, перераспределение вызывает недовольство исключаемых, отодвигаемых от кормушки становится все больше. Это приводит к невозможности договориться между элитными группами США. В статье анализируется комплекс проблемных ситуаций, наблюдающийся в политико-экономической системе США в условиях выборов нового президента США. Разработана модель геостратегической многоходовки выборов президента США в 2024 г. и их последствий. Кратко сформулированы основные блоки нацеленности американской политики, которую в силу объективной необходимости удержания политической системы США в управляемом контуре вынужден будет реализовать Д. Трамп в случае занятия поста президента США. Приведены характеристики новой стратегической конфигурации экономических и политических факторов, определяющих динамику международных отношений США и Российской Федерации. Предлагаются направления исследования проблем готовности экономического комплекса Союзного государства России и Белоруссии к условиям чрезвычайных ситуаций и особого периода.

Статья посвящена применению методов машинного обучения при прогнозировании формирования перспективных секторов экономики нового поколения. В условиях современных цифровых трансформаций показано, что замена традиционной существующей экономики на экономические модели нового поколения является одним из приоритетных направлений развития в мире. Обоснована актуальность применения методов машинного обучения (МО), одной из технологий искусственного интеллекта (ИИ), в совершенствовании процессов формирования и развития традиционных секторов экономики, а также в прогнозировании ее перспективных секторов нового поколения. Проведен анализ научных исследований, посвященных проблеме. Цифровая трансформация и технологии, устойчивость и экологичность, экологизация технологий и цикличность, совместное использование, интеллектуальное принятие решений и управление, платформы и экосистемы, инновационное предпринимательство, исследования и экономическое развитие, инклюзивность и социальное развитие, платформенные технологии Индустрии 5.0 формирования технологической экономики нового поколения. Разработаны основные базовые принципы, такие как переход и т. д., проанализированы проблемы ее формирования. Изложены 1 2 особенности и перспективы применения методов машинного обучения при прогнозировании перспективных отраслей экономики нового поколения. Изложены классификационные признаки методов машинного обучения и показаны его модели. Разработана структурная схема этапов прогнозирования развития экономики и предоставлены сведения о ее методах. Проведен сравнительный анализ методов машинного обучения, применяемых при прогнозировании. Разработана структурная схема этапов применения метода машинного обучения в процессе прогнозирования. Даны актуальные рекомендации по применению технологий платформы «Индустрия 4.0» для прогнозирования формирования перспективных отраслей экономики нового поколения на основе реальных данных.

Социально-экономико-экологическое развитие страны свидетельствует о целесообразности нового качественного подхода к решению сложившихся проблем в мировом экономическом развитии. Новое качество - это новая модель экономического роста и развития с учетом экологических проблем, так как ныне активизировались вопросы охраны природы. При этом рост означает увеличение масштабов производства товаров и услуг, а развитие - это улучшение условий и технологий для этого производства для развития «зеленой» экономики в условиях усиления суверенитета стран и роста внутреннего спроса. Экономическая теория должна определить приоритеты экономической политики, так как структурным особенностям хозяйственной системы ныне уделяется большее внимание. Важно выявить структурные особенности формирующейся синтетической теории, опирающейся на концепцию равновесности и концепцию институционально-исторической школы. Важно обращение к реальной практике и поиск не корреляции между имеющимися данными, а именно причинно-следственная связь. Осуществить переход государства к экономическому типу, что связано в первую очередь с необходимостью интенсификации и повышения эффективности отечественной экономики, росту цифровизации и созданию основ инклюзивного роста. Рост не ради роста, а рост с целью обеспечения устойчивого и качественного развития страны, снижающей зависимость страны и повышающей сложность экономической структуры. В нынешних условиях возросла экологическая значимость, что является одним из основных составляющих новой модели экономического роста и развития, способствующая переходу на более диверсифицированную структуру.

В статье рассматриваются основные факторы экономических кризисов. Факторы проанализированы с помощью моделей машинного обучения. В исследовании применяются два алгоритма машинного обучения, деревья решений и градиентный бустинг. Деревья решений создаются путем разделения данных на подмножества на основе значения входных функций. Бустинг, ансамблевый метод, обучается путём объединения множества небольших моделей для создания финальной, прогнозирующей модели. Проведён детальный анализ научных работ на тему использования машинного обучения для анализа кризисных явлений. Распространённые факторы моделирования дополнены новыми, итоговые факторы включают в себя широкий список макроэкономических показателей, биржевых данных и социально-политических факторов. Данные были проанализированы с помощью статистического анализа временных рядов, далее данные были стандартизированы для применения в моделях машинного обучения. Параметры моделей подобраны на данных, с помощью метода кросс-валидации. Наиболее эффективные модели были использованы для анализа значимости факторов кризисных явлений. Результаты показывают потенциал использования моделей машинного обучения в анализе кризисов, предлагает новые инструменты раннего обнаружения кризисов и использования результатов для стратегического планирования органами государственной власти. Будущие направления исследования включают в себя улучшения статистической интерпретации результатов машинного обучения, применение более сложных моделей и создание систем анализа в реальном времени.

В статье рассматриваются проблемы формирования организационно-информационных механизмов, опирающихся на технологии квантовых вычислений с формированием единого расчетного пространства сверхбольших размерностей, направленных на способность суперсистемы топливно-энергетического комплекса в экономике России избежать распространения срыва процесса поставок топливно-энергетических ресурсов и обеспечить свою функциональность в условиях критических ситуаций. Для решения задачи обеспечения энергетической безопасности предлагается структурированная последовательность из подзадач организационного и информационного характера детально учитывающих межотраслевые и кооперационные связи в топливно-энергетическом комплексе в экономике России в отношении производственно-логистической инфраструктуры с учетом возможных экономических, военных, террористических, природно-климатических и иных угроз. Инструментом для решения поставленной задачи предлагается системное технико-экономическое моделирование экономики, средствами которого реализуется приоритезация угроз обычных и критических ситуаций (в т. ч. ситуаций особого периода и попыток экономической блокады), оценка вероятных масштабов негативных последствий в случае реализации угроз, а также обоснование состава мер по снижению рисков и смягчению последствий реализации угроз. Структурированы критические ситуации, которые необходимо учитывать при разработке политики федеральных органов исполнительной власти и стратегий госкорпораций чтобы структурировать и прогнозировать развитие ситуации и планировать необходимые действия для обеспечения поставок топливно-энергетических ресурсов на федеральном уровне и на уровне отраслей и регионов.

За последние десятилетия появился серьезный интерес к цифровым инструментам, способным демонстрировать интуитивно понятный интерфейс, который может быть полезен при принятии управленческих решений, а также способный совмещать в себе функционал ГИС-карт, цифровые двойники изучаемых объектов, отображать внутренние алгоритмы связанных элементов, механизмы искусственного интеллекта и нейронных сетей. Одним из таких направлений, с акцентом на прогнозную составляющую, являются имитационные модели разного уровня детализации и типологии. Повышенное внимание к таким разработкам можно объяснить тем, что данный вид моделирования несет в себе довольно широкий функционал для решения самых разнообразных задач: от экономики и политики до экологии и демографии, которые, в свою очередь, демонстрируют результаты прикладного характера. Эти методы имеют богатую историю, первые упоминания имитационного моделирования приходятся на середину прошлого века. В статье дан краткий экскурс истории появления имитационного моделирования как направления, проведен обзор функциональных возможностей, представлены преимущества и недостатки метода, проведена параллель с анализом отличительных черт от других инструментов подобного класса. Отдельно проведено исследование, посвященное динамике развития этого типа моделирования в России с 1998 по 2023гг. В качестве ключевых слов для составления аналитических данных были выбраны: цифровая. Основным источником статистикой базы стала российская электронная библиотека «eLibrary. Ru».

При многоагентном моделировании ключевым моментом является реализация модели в виде компьютерной программы. Реализацию модели можно сделать удобнее, если использовать проблемно-ориентированный язык (domain-specific language, DSL). В ходе данной работы была разработана библиотека на языке программирования C#, представляющая собой проблемно-ориентированный язык, позволяющий формулировать задачу моделирования на высоком уровне в терминах, близких предметной области. Были предложены структуры данных и иерархия классов. В частности, была предложена реализация агента, состав атрибутов которого может изменяться в процессе моделирования. Библиотека также включает в себя методы для моделирования жизни сообщества: рождаемости и смертности, имеет средства для моделирования брачного поведения. В ходе тестирования было показано, что расход памяти в пике и вычислительная сложность в целом соответствует теоретическим оценкам, структура моделируемого сообщества соответствует демографическим данным. Была построена модель населения Российской Федерации по демографическим данным 2019 года и выполнен прогноз изменения численности населения к 2036 году. Получен результат, близкий к полученному для этих данных и интервала времени Росстатом, способом, отличным от многоагентного моделирования.

В статье рассматриваются условия принятия результатов ДСМ-исследований. Определяются три типа истинностных значений - корреспондентные, когерентные и прагматические. Прагматические истинностные значения определяются посредством семантических типов эмпирических закономерностей. Рассматриваются три типа доверия к ДСМ-исследованиям - максимальное, допустимое и минимальное. Определяются также характеристики качества ДСМ-исследований. Установление доверия осуществляется в модуле когнитивного интерфейса интеллектуальных систем (ИС-ДСМ). ИС-ДСМ являются конструктивным средством интеллектуального анализа данных. В статье предлагаются усовершенствованные определения индукции и абдукции - логических средств ДСМ-метода АПИ, основанные на принципах конструктивной эволюционной эпистемологии и концепции эмпирической качественной причинности.

В данной статье проводится анализ воздействия региональных различий в потреблении продуктов на экономику. Рассматриваются различные факторы, которые влияют на разнообразие потребления продуктов в различных регионах, такие как климатические условия, культурные особенности, экономический уровень и доступность продуктов. Также исследуется влияние этих различий на развитие сельскохозяйственного сектора, торговлю и инфраструктуру. Использование искусственных обществ, в частности агентных моделей, позволяет провести более глубокий и детальный анализ воздействия различий в потреблении на экономику. Эти подходы учитывают широкий спектр факторов и взаимосвязей между участниками рынка, что может быть невозможным при использовании традиционных методов исследования. Использование агентных моделей позволяет учитывать поведение отдельных участников рынка, их взаимодействие и адаптацию к изменяющимся условиям. Это позволяет более точно оценить влияние региональных различий в потреблении продуктов на экономику, предсказать возможные последствия изменений в потреблении и выработать стратегии для оптимизации производства и распределения продуктов. Анализ воздействия региональных различий в потреблении продуктов на экономику является важным шагом для разработки эффективных политик в области сельского хозяйства, торговли и инфраструктуры.

Технологическое развитие России в последние годы идет активными темпами в связи с внешними вызовами, которые диктуют необходимость поиска внутренних ресурсов и ставит перед научным сообществом серьезные задачи в части развития научно-исследовательского потенциала и достижения программно-технологического суверенитета, особенно подчеркивая важность IT индустрии и долгосрочного прогнозирования. Важной составляющей является поиск «технологических ключей» к созданию товаров и услуг следующих поколений. Чтобы занять лидирующие позиции, необходимо быть на шаг впереди, создавая собственные конкурентные технологии, товары и сервисы. Нанотехнологии вбирающие в себя понятие IT, являются надотраслевой технологией, то есть, это основа для достижения прогресса в любой сфере человеческой деятельности. Без применения информационных технологий достичь выдающихся результатов в динамично меняющемся мире будет крайне сложно. Появляется интерес к новым методам компьютерного моделирования, которые позволяют создавать экспериментальные цифровые двойники в виде имитационных моделей и способны отчасти нивелировать неполноту информации. Можно принимать управленческие решения, смоделировав критически важные динамические процессы государства, например: сформировать прогноз на 10 лет о демографическом положении страны, сымитировать внутреннее социально-экономическое развитие, оценить и спрогнозировать геополитическую обстановку в период глобальных торговых войн, рассчитать интегральные показатели национальной силы передовых держав. Рассмотренные в статье прикладные инструменты моделирования демонстрируют полезность таких средств управления с развитыми функциональными элементами в информационно-аналитических структурах управления. В ближайшей перспективе эта тенденция будет возрастать и, те страны, которые займут лидирующие позиции в этом направлении, смогут создавать сверхэффективные прогнозно-аналитические сценарии с различным уровнем детализации. Задействовав все функциональные возможности имитационного моделирования можно создавать действительно прикладные инструментальные комплексы с потенциальным заделом на имплементацию подобных решений в структуры систем распределенных ситуационных центров для будущего развития технологического суверенитета и внедрения принципиально новых методов стратегического прогнозирования в Российской Федерации.

Начальным шагом построения многоагентной модели популяции является построение совокупности объектов-агентов, атрибуты которых будут распределены в соответствии со статистическими данными о реальной популяции, модель которой предстоит построить. Эти атрибуты в зависимости от типа модели могут включать, географическое положение, социальные связи, занятость, образование и уровень доходов, но общим является то, что такие данные часто представляют собой таблицы частот определенных уровней классификации значений отдельных признаков особей в популяции. Каждая таблица характеризует распределение одной случайной величины. Каждому агенту следует назначить значения атрибутов в соответствии с этими распределениями. В отличие от других моделей, которые были тесно связаны с конкретными агентными средами, в данной работе представляется обобщенный подход, предлагающий универсальный инструмент для распределения атрибутов агентов, который можно легко интегрировать в различные сценарии моделирования. Этот этап моделирования может быть выполнен с помощью генератора псевдослучайных векторов, распределение значений элементов которых в каждой из позиций будут соответствовать заданным таблицам частот. Статья затрагивает вопросы разработки алгоритма такого генератора, оценку его точности и эффективности, а также демонстрацию его применения на нескольких примерах.