Работы автора

В эпоху больших данных и искусственного интеллекта необходимы новые инструменты общественно-географического анализа, позволяющие извлекать информацию и генерировать знание из непрерывного потока разнообразных пространственных данных. Один из таких инструментов - система геопространственного искусственного интеллекта. Однако для географической экспертизы проектов регионального социально-экономического развития подобные системы ещё не создавались. Первым шагом к созданию этих систем является уяснение парадигм проведения географической экспертизы проектов с помощью искусственного интеллекта. Поставив такую цель, впервые для мировой науки была предпринята попытка наметить ключевые особенности географической экспертизы в соответствии с парадигмами слабого, сильного и сверхсильного искусственного интеллекта, определить архитектуру трёх систем, создать систему географической экспертизы в рамках первой парадигмы и начать её апробацию на примере четырёх проектов социально-экономического развития России. Для создания систем использовались наборы правил «если …, то …», искусственные нейронные сети и графы знаний. Тестирование первой системы проводилось на данных из отечественных проектов, которые ранее анализировались автором без применения геопространственного искусственного интеллекта. Машинное обучение на этих данных позволило получить первые географические результаты, указывающие на невозможность достижения декларируемых целей проектов. Практическая значимость проведённого исследования связана с проверкой государственных документов социально-экономического развития, встраиванием предлагаемых систем в процесс формирования проектов и проведением мониторинга реализации проектов.

Принятие решений на основе сложных человеко-машинных алгоритмов может привести к дискриминации граждан по полу, расе и другим признакам. Однако в мировой науке отсутствует представление об алгоритм-обусловленной дискриминации граждан по месту их проживания. Это относится и к принятию алгоритмических решений по социально-экономическому развитию регионов. Поэтому целью нашего исследования стало обнаружение алгоритмической предвзятости в результатах социально-экономической кластеризации российских регионов. Для достижения цели потребовалось выявить в кластерном анализе чувствительные операции, способные привести к пространственной несправедливости, сформировать массив статей по социально-экономической кластеризации субъектов РФ (регионов), проанализировать все статьи на возможность существования алгоритмической предвзятости и идентифицировать российские регионы с потенциально предвзятым отношением к ним в результате кластеризации. Предложен термин «пространственная алгоритмическая предвзятость». С помощью авторского алгоритма семантического поиска в библиографических базах данных выявлено 604 статьи с эмпирическими результатами кластерного анализа российских регионов по социально-экономическим показателям. Приведена характеристика выявленных статей. Анализ всех статей показал, что алгоритмическая предвзятость наиболее проявляется в четырех операциях алгоритма кластеризации - развертывании концептуальной модели в оптимальный набор показателей, отборе регионов, выборе способа объединения регионов в кластеры и определении количества кластеров. По каждой операции представлены примеры дискриминируемых российских регионов. Указаны три направления дальнейших исследований: выявление пространственной несправедливости в стратегических документах и национальных целях развития, определение новых видов алгоритмической предвзятости, разработка рекомендаций по справедливой кластеризации регионов.