Роль искусственного интеллекта как стимула в развитии мировой и российской экономики

Авторы: Дайбаге Д.С., Поликовский Т.А.
Опубликовано в выпуске: #11(88)/2023
DOI: 10.18698/2541-8009-2023-11-947
Раздел: Гуманитарные науки | Рубрика: Социологические науки
Ключевые слова: цифровизация, наукометрия, науковедение, искусственный интеллект, нейронные сети, машинное обучение, базы данных, цифровая экономика, научный потенциал
Опубликовано: 19.12.2023

Представлен анализ отечественных и зарубежных источников литературы, посвященных влиянию искусственного интеллекта на мировую и российскую экономику, проведенный на основе запросов к наукометрической базе данных Google Scholar за 2018–2022 гг. Выбор литературы осуществлен по наиболее часто встречающимся ключевым словам neural networks, machine learning и economics. С целью выявления динамики развития данной области в русскоязычном сегменте была исследована выборка, сформированная с помощью аналогичных запросов на русском языке. Обнаружен стабильный рост числа документов в области применения искусственного интеллекта в экономике, что обусловлено актуальностью тематики. Это позволяет прогнозировать дальнейшее увеличение числа работ в данной области. Результаты проведенного анализа обеспечивают понимание существующих тенденций рассматриваемой области в научном сообществе.

Литература

[1] Cenggoro T.W., Pardamean B. A systematic literature review of machine learning application in COVID-19 medical image classification. Procedia computer science, 2023, vol. 216, pp. 749–756. http://doi.org/10.1016/j.procs.2022.12.192

[2] Abubakar A.I., Ahmad I., Omeke K.G., Ozturk M., Ozturk C., Abdel-Salam A.M., Mollel M.S., Abbasi Q.H., Hussain S., Imran M.A. A survey on energy optimization techniques in UAV-based cellular networks: from conventional to machine learning approaches. Drones, 2023, vol. 7, no. 3, pp. 214. http://doi.org/10.3390/drones7030214

[3] Toma C., Popa M., Iancu B., Doinea M., Pascu A., Ioan-Dutescu F. Edge machine learning for the automated decision and visual computing of the robots, IoT embedded devices or UAV-drones. Electronics, 2022, vol. 11, no. 21, art. 3507. http://doi.org/10.3390/electronics11213507

[4] Shan L., Miura R., Kagawa T., Ono F., Li H.B., Kojima F. Machine learning-based field data analysis and modeling for drone communications. IEEE Access, 2019, vol. 7, pp. 79127–79135. http://doi.org/10.1109/ACCESS.2019.2922544

[5] Nagato T., Shibuya H., Okamoto H., Koezuka T. Machine learning technology applied to production lines: image recognition system. Fujitsu Scientific & Technical Journal, 2017, vol. 53, no. 4, pp. 52–58.

[6] Allyn J., Allou N., Vidal C., Renou A., Ferdynus C. Adversarial attack on deep learning-based dermatoscopic image recognition systems: risk of misdiagnosis due to undetectable image perturbations. Medicine, 2020, vol. 99, no. 50. http://doi.org/10.1097/MD.0000000000023568

[7] Jia D., Wu Z. Intelligent evaluation system of government emergency management based on BP neural network. IEEE Access, 2020, vol. 8, pp. 199646–199653. http://doi.org/10.1109/ACCESS.2020.3032462

[8] Rosenblatt F. Perceptron simulation experiments. Proceedings of the IRE, 1960, vol. 48, no. 3, pp. 301–309. http://doi.org/10.1109/JRPROC.1960.287598

[9] Gallant S.I. Perceptron-based learning algorithms. IEEE Transactions on neural networks, 1990, vol. 1, no. 2, pp. 179–191. http://doi.org/10.1109/72.80230

[10] Andres A.R., Otero A., Amavilah V.H. Using deep learning neural networks to predict the knowledge economy index for developing and emerging economies. Expert Systems with Applications, 2021, vol. 184, art. 115514. http://doi.org/10.1016/j.eswa.2021.115514

[11] Gogas P., Papadimitriou T. Machine learning in economics and finance. Computational Economics, 2021, vol. 57, pp. 1–4. https://doi.org/10.1007/s10614-021-10094-w

[12] Nosratabadi S., Mosavi A., Duan P., Ghamisi P., Filip F., Band S.S., Reuter U., Gama J., Gandomi A.H. Data science in economics: comprehensive review of advanced machine learning and deep learning methods. SSRN Electronic Journal, 2020, vol. 8, no. 10. http://doi.org/10.2139/ssrn.3711309

[13] Буйлова Н.М., Осипов А.И. Наукометрический анализ публикаций по наноэнергетике. По материалам выпуска РЖ ВИНИТИ РАН «Физика нанообъектов и нанотехнология». Научно-техническая информация. Серия 1: Организация и методика информационной работы, 2012, № 11, с. 30–34.