ИСПОЛЬЗОВАНИЕ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И АНАЛИЗА БОЛЬШИХ ДАННЫХ В ЭКОНОМИЧЕСКОМ РАЗВИТИИ ГОРОДА

THE USE OF ARTIFICIAL INTELLIGENCE SYSTEMS AND BIG DATA ANALYSIS IN THE ECONOMIC DEVELOPMENT OF CITIES

Zhou Can

Bachelor, MSU-PPI University in Shenzhen, China, Shenzhen

Аннотация. В статье рассматривается применение систем искусственного интеллекта (ИИ) и анализа больших данных (Big Data) в отношении социально-экономического развития городов. Рассмотрены основные направления использования ИИ в городской среде, включая смарт-контроль, автоматизированные системы поддержки населения и интеллектуальные сервисы прямого взаимодействия. Проанализированы возможности интеграции ИИ в концепцию «умного города», охватывающую управление ресурсами, транспорт, энергетику, безопасность, здравоохранение и жилищно-коммунальный комплекс. Сделан вывод о том, что ИИ и системы анализа больших данных представляют собой перспективный инструмент для оптимизации управления городским развитием и повышения качества жизни населения

Abstract. This article examines the application of artificial intelligence (AI) systems and big data (Big Data) analysis for the socio-economic development of cities. The main directions of AI use in urban environments are considered, including smart control, automated population support systems, and intelligent direct interaction services. The possibilities of integrating AI into the “smart city” concept are analyzed, covering resource management, transportation, energy, security, healthcare, and the housing and utilities sector. It is concluded that AI and big data analysis systems represent a promising tool for optimizing urban development management and improving the quality of life of the population.

Ключевые слова: искусственный интеллект, нейросети, прогнозирование, городское управление, социально-экономическое развитие, межотраслевой баланс.

Keywords: artificial intelligence, neural networks, forecasting, urban management, socio-economic development, intersectoral balance.

Современные города функционируют как сложные социально-экономические системы, требующие комплексного управления и прогнозирования. В условиях ускоряющейся цифровизации ключевое значение приобретает использование систем анализа больших данных (Big Data), оказывающих непосредственное влияние как на расчетные показатели, так и на математические модели анализа функциональных задач территории и отдельных сфер её развития [9; 5]. Термин «большие данные» стал одним из наиболее востребованных в области информационных технологий. Он обозначает совокупность структурированных, полуструктурированных и неструктурированных данных, которые требуют применения новых методов анализа. Особое внимание уделяется именно неструктурированным данным, поскольку именно они наиболее характерны для социально-экономических процессов [3]. Для обработки показателей используются методы искусственного интеллекта (ИИ), включая глубокое машинное обучение и нейросетевые архитектуры. Методы подобного рода позволяют выявлять закономерности, формировать прогнозы и создавать математические модели, описывающие как экономические, так и социальные перспективы развития территорий [4].

Целью настоящей статьи является систематизация подходов к использованию ИИ и анализа больших данных в городском управлении, а также выявление перспектив и ограничений их применения. Применение ИИ в городской среде предполагает интеграцию инновационных технологий в ключевые сферы общественной жизни: управление ресурсами, транспорт, энергетику, безопасность, медицину и жилищно-коммунальный комплекс. В научной литературе выделяются несколько направлений использования ИИ:

• системы смарт-контроля, обеспечивающие участие граждан в экономических отношениях и социальных процессах посредством цифровых платформ;
• автоматизированные комплексы поддержки населения, адаптирующиеся к социальным задачам (например, помощь пожилым людям, обеспечение безопасности);
• интеллектуальные сервисы прямого взаимодействия, включающие робототехнику, системы доставки с использованием дронов, автоматический перевод и сурдоперевод [5; 7].

Особое место занимают концепции «умного города», где ИИ обеспечивает:

• цифровизацию управления и создание единого центра принятия решений;
• использование ИИ для повышения общественной безопасности;
• развитие умных транспортных и энергетических систем;
• внедрение технологий «умного дома»;
• применение ИИ в здравоохранении и социальной сфере;
• формирование информационной прозрачности и вовлечение граждан в процесс управления [6; 2].

Для анализа возможностей применения ИИ в городских условиях использованы следующие методы:

1. Анализ больших данных. Обработка структурированных и неструктурированных массивов информации о городской инфраструктуре, транспортных потоках, энергопотреблении, социальной активности населения.
2. Моделирование с использованием нейросетей. Построение прогнозов на основе алгоритмов глубокого обучения, включая задачи классификации и прогнозирования.
3. Сравнительный анализ моделей. Сопоставление традиционного межотраслевого баланса (МОСБ) с динамическими моделями нейронных сетей [1].
4. Обзор практических кейсов. Рассмотрение успешных примеров внедрения ИИ в городское управление (Siemens Mobility, CityScope MIT Media Lab, Waymo, Sensoneo и др.).

Применение ИИ в городских системах позволяет достичь следующих результатов:

• оптимизация городского управления: создание единого цифрового центра, обеспечивающего эффективное распределение ресурсов;
• повышение безопасности: использование систем распознавания лиц и предиктивного анализа преступности (NEC NeoFace, Hikvision);
• развитие интеллектуальной инфраструктуры: внедрение умных транспортных систем (Siemens Mobility), цифровых энергетических комплексов и интеллектуальных систем управления отходами (Sensoneo, Enevo);
• прогресс в медицине: создание электронных медицинских карт, применение носимых устройств для мониторинга здоровья, концепция «подключенного пациента»;
• социальная интеграция: расширение участия граждан в принятии решений за счет открытых данных и цифровых платформ.

Современные нейросети демонстрируют быстрый прогресс. Стоимость их обучения снижается: с первоначальных $5 млн до $450 тыс. в 2023 г., а по прогнозам ARK Invest — до $30 к 2030 г. [7]. Это открывает возможности массового внедрения технологий ИИ в городские системы.

Вместе с тем существуют ограничения:

• непрозрачность работы нейросетей («черный ящик»), что снижает доверие к их прогнозам;
• риск переобучения и снижение точности при изменении условий;
• высокая вычислительная сложность и потребность в ресурсах;
• ограниченность прогностических возможностей, основанных на прошлых данных [8].

Несмотря на эти проблемы, нейросети обладают значительным потенциалом для решения плохо формализованных задач – прогнозирования и классификации. Уже сегодня они применяются в финансовом секторе (Citicorp, Richard Borst) и демонстрируют более высокую точность прогнозов, чем традиционные аналитические методы. Перспективным направлением является интеграция технологий ИИ-озвучивания и распознавания речи (WaveNet, DeepMind), что открывает новые формы взаимодействия с гражданами, включая людей с ограниченными возможностями. Это позволит повысить доступность городских сервисов и увеличить вовлеченность населения в социально-экономическое развитие территорий.

Использование ИИ и анализа больших данных в городском управлении обеспечивает значительные преимущества:

• формирование более точных прогнозов и сценариев развития;
• адаптацию моделей к изменяющимся условиям;
• выявление сложных нелинейных взаимосвязей, недоступных для классических статистических методов.

При этом сохраняются вызовы, связанные с интерпретацией результатов, риском переобучения и необходимостью значительных вычислительных ресурсов.

Сравнительный анализ показывает, что нейросети как динамическая модель превосходят традиционные методы, включая межотраслевой баланс (МОСБ), по точности и гибкости прогнозов. Однако их внедрение требует осторожности, развития нормативно-правовой базы и обеспечения информационной безопасности. Таким образом, нейронные сети и системы ИИ становятся ключевым инструментом социально-экономического развития города, способным повысить эффективность управления, обеспечить устойчивость урбанизированных территорий и повысить качество жизни населения [1].