В работе рассмотрено направление цифровой трансформации различных информационных систем (ИС), применяемых в управлении РЖД [1, с. 2; 2, с. 118]. В рамках национальной программы «Цифровая экономика» среда функционирования ИС включает сквозные технологии – большие данные (Big Data), технологии искусственного интеллекта (ИИ), промышленный Интернет, системы распределенного реестра (блокчейн), технологию виртуальной и дополненной реальностей [2, с. 57].

Перечисленные составляющие изменили все основные компоненты ИС:

− информационные средства – новый тип баз данных (параллельные, Big Data), облачные технологии;

− программные средства (обеспечение) – новый тип программ для машинного обучения (ML.NET) [3, с. 24], для управления нейронными сетями; программные средства с открытым кодом [2, с. 8];

− технические средства – нейронные сети, модули квантовых вычислений [2, с. 42];

− персонал – должность администратора баз данных трансформировалась в инженера баз данных (инжиниринг надежности, конфигурационные файлы) [3, с. 18].

Современный этап развития экономики определяет высокие темпы цифровой трансформации. В условиях предыдущего неустойчивого развития и даже снижения темпов роста в отдельных структурных подразделениях на РЖД особое значение приобретает обеспечение стабильности экономики, которой возможно достичь за счет создания и вовлечения в действие нового типа ИС и их информационного обеспечения. В соответствии с официально принятой стратегией в мировом масштабе первоначально освоение цифровых информационных процессов на транспорте РЖД будет обеспечено в 2025 г. Для развития данной отрасли первостепенное значение уделяется развитию наиболее уязвимого микроуровня. Практика подтверждает, что именно на основе цифровой трансформации возможно достичь получения синергетического эффекта в рамках приоритетных направлений цифровых позиций.

Цель исследования – изучение сквозных технологий национальной программы «Цифровая экономика», опыта и особенностей управления железнодорожным (ЖД) транспортом на основе федеральных проектов «Цифровые технологии», «Искусственный интеллект» и понимания важнейших проблем развития и оценки сопряженных рисков и ресурсов потенциала субъектов РФ. Важной технологией моделирования развития и оценки сопряженных рисков предполагается сквозная технология виртуальной и дополненной реальностей.

Материалы и методы исследования

В данной статье проведено исследование применения технико-экономических и монографических методов. Финансовый анализ осуществлен с использованием методов сравнения в табличной и графической визуализации. Проведен анализ новой технологии машинного обучения ML.NET. Выполнен расчет развития и оценки сопряженных рисков в среде технико-экономических показателей эффективности.

Авторы применили базовые аспекты техники, цифровой технологии и интеллектуальных бизнес-процессов [5, с. 20].

Авторы рассматривают национальную программу «Цифровая экономика» как основу, определяющую развитие современной отрасли РЖД, и выделяют ряд аспектов:

1) цифровые двойники, представляющие модели информационных систем соответствующих объектов, их характеристик и взаимосвязей внешней среды [4, с. 73];

2) компьютерное моделирование, объединяющее модели и базы данных реальных технологий организации в среде цифровых технологий;

3) оценка возможностей системы машинного обучения ML.NET построения функции регрессии бедующего развития;

4) создание семантического сайта, использующего интеллектуальные цепочки «объект – физические индивиды – базы данных» [4, с. 72].

Среди работ известных специалистов отметим труды С.Д. Бодрунова. Квинтэссенцию представляет статья «На пути к ноономике: человек, технологии, общество», где определены приоритеты будущего и роли индивида в ноономике [8, с. 28]. Не менее значимы работы проф. Н.А. Журавлева [9, с. 91] с освещением значимости искусственного интеллекта и исследования А.А. Моросанова, А.И. Мелешкина [10, с. 75].

Исследования авторов показывают, что природа конкуренции и необходимость ее роста делают новые технологии машинного обучения ML.NET для технологий ИИ привлекательными для железнодорожного транспорта и сопутствующих ему отраслей [4, с. 359].

Исследования авторов показывают рост объема данных, производимых производственной инфраструктурой в геометрической прогрессии. Огромное количество структурированной информации целесообразно обрабатывать с машинным обучением Server 2019, 2022 [3, с. 359]. Большие данные (неструктурированные данные для машинного обучения) образуют новые системы экономики данных для технологий ИИ. Исследования авторов показывают, что система, оснащенная технологией ИИ, сможет в режиме реального времени детально проанализировать все поступающие сведения, подготовить альтернативы для принятия решения и тем самым повысить эффективность функционирования.

Результаты исследования и их обсуждение

В современной литературе, начиная от энциклопедии и до специальной литературы, приводятся различные точки зрения на ИИ, технологии ИИ и их преимущества в ИС. Известны как философские, так и исторические формулировки данного понятия. Авторов данной статьи интересуют экономическая и техническая составляющие.

Искусственный интеллект умеет программировать, исследовать и даже написать реферат, курсовую и дипломную работу. Заменить символику также возможно. Подтверждением этого является ВКР дипломника Александра Жадан, выпускника ГУУ Москвы. Подобная система ИИ называется Open GPT (наиболее распространенная модель генеративного ИИ). OpenGPT – это нейронная сеть, использующая архитектуру трансформера для обработки текстовых данных.

Роман Душкин, специалист по технологиям искусственного интеллекта, подчеркнул важность этого продукта и для расшифровки рукописных архивов.

Это новая разумная система, способная управлять светофорами и, что особенно значимо, правильно ставить медицинский диагноз без погрешностей.

Безусловно, новыми направлениями и в будущем базисом искусственного интеллекта можно считать отдельные направления исследований в различных областях наук с акцентом на постановку вопроса и задач. В основу многочисленных постановок была положена моделирующая система формальных постулатов.

Результирующим этапом в формировании концепции искусственного интеллекта авторы считают научное направление поиска новых поколений электронных вычислительных машин на основе трансформации цифровых моделей.

Результаты исследования конкурентоспособности и эффективности социально-экономического развития отражены в таблице 1.

В качестве объектов конкуренции на входе выступают объекты РЖД в условиях возрастающей ограниченности ресурсов: природных, материальных, финансовых, трудовых, информационных. Товары производятся для внешнего и внутреннего рынка, для личного и производственного потребления. В процессе решения проблемы обеспечения квалифицированными трудовыми ресурсами из других регионов формируется миграционное движение населения.

В результате исследования авторы предлагают выполнять экономическое обоснование на основании альтернативных подходов и функций (табл. 2) с акцентом на такие показатели, как:

− прирост внутренней нормы доходности;

− чистая текущая стоимость;

− прирост ценности организации.

Особое значение представляют HRM-системы с точки зрения полноты функционала и опыта внедрений. В России они находят свое практическое применение в обеспечении устойчивого развития ЖДТ на основе цифровых моделей.

Таблица 1

Оценка сферы базовых объектов на основе влияния инновационной активности на эффективность

Таблица 2

Исходная информация на основе макета «Объект – функции»

Авторы солидарны с постановкой вопроса, отмеченного специалистами [4, с. 23], что «…под инвестиционной привлекательностью организации понимает обобщенную характеристику ее перспективности, а также выгодности, эффективности и минимизации риска вложения средств» [11, с. 74].

Используя авторский подход и последующие исследования специалистов, авторы предлагают дополнить оценочные показатели инновационной активности таким критерием, как рост экономической ценности хозяйствующего субъекта (организации):

ΔЦО = ЧП+ А / Активы – ЗС, (1)

где ΔЦО – рост ценности организации;

ЧП – чистая прибыль за отчетный период;

А – отчисления по амортизации;

Активы – суммарная стоимость закрепленных активов;

ЗС – заемные средства.

Авторы используют данные коэффициенты для формирования стратегии инновационного развития железнодорожного транспорта.

Такой подход основан на последовательном рассмотрении предложенных коэффициентов и дает возможность организации оценить базовые инвестиции, направляемые в развитие на основе рационального использования инновационных ресурсов [12, с. 14].

Авторы рассматривают два варианта:

1) на основе существующих традиционных технологий;

2) на основе перспективных технологий.

Исследование авторов инновационной активности подтверждает, что она формируется намного ранее момента наступления научно-технологического резерва на основе предложенного авторского подхода.

Авторы в расчетах наступления инновационной активности в виде научно-технологического резерва предлагают учитывать показатели стоимости с учетом дисконтирования (Vi) и взвешенных коэффициентов по фактору стоимости (Ki):

Vинт=∑Vi × Ki. (2)

В настоящее время классическое наследие важно, так как детально исследованы функции органов исполнительной власти субъектов Российской Федерации, взаимообусловленность необходимости регулирования железнодорожного транспорта с точки зрения инвестирования на региональном уровне.

Авторы отмечают отличительную особенность перспективного становления и развития цифровизации с акцентом на процесс инновационной компоненты. На основе нововведений возможно достичь высокого качества обслуживания и железнодорожных перевозок, снижения расходов на обслуживание транспорта.

Отметим, что важное значение в период трансформации экономики имеет учет инновационной активности с проведением высокотехнологичной модернизации. Данный подход к решению проблемы с позиции устойчивого развития является важным на различных иерархических уровнях. Авторы акцентируют внимание на главных взаимосвязанных положениях.

Авторы считают, что в условиях программы «Цифровая экономика» применение сквозных технологий в сфере транспорта, в частности на ЖДТ, предполагает создание и использование масштабируемых цифровых платформ с открытым кодом для всего спектра производственных цепочек. В рамках цифровизации ОАО «РЖД» проектировщиками был принят и реализуется проект «Цифровая железная дорога», включающий широкий спектр мероприятий по повышению качества услуг различных перевозок ЖДТ. Результаты цифровизации различных секторов экономики РФ свидетельствуют о реальности проектов ОАО «РЖД». В рамках цифровой трансформации и повышения ее эффективности компании и организации вводят новую должность – специалист (директор) по цифровым технологиям (Chief Digital Officer – CDO), создаются подразделения информационных технологий. Во многих вузах проводятся курсы переподготовки по CDO, на которых изучаются основные сквозные технологии цифровой экономики РФ. Авторы считают, что будущее ОАО «РЖД» связано и с технологиями искусственного интеллекта, интеллектуальными транспортными системами. Актуальным является приведение в соответствие накопленного опыта и результатов с современными инновационными решениями, системами искусственного интеллекта, едиными цифровыми платформами, трансформация информационных баз данных в положительный результат (рисунок).

Авторы считают, что в условиях трансформации экономики инновационные подходы [6, с. 25] на железнодорожном транспорте позволяют обеспечить возможность формирования стратегии стабильного экономического роста территории. Цель стратегии развития промышленного кластерного развития состоит в обеспечении взаимосвязи регионального планирования и прогнозной модели экономического и инфраструктурного развития территории.

Инструментарий цифровой экономики железнодорожного транспорта

В целом представленные авторами инновационный подход и возможная инновационная активность будут способствовать устойчивому развитию и рациональному формированию производственных мощностей с одновременным их наращиванием, с возможностью расширения вспомогательных производств и востребованностью человеческого капитала.

Заключение

Авторы считают, что эффекты от цифровой трансформации на железнодорожном транспорте (как и в любом промышленном предприятии) могут быть разнонаправлены. Во-первых, хорошо известно, что цифровизация действующих систем и технологий создает возможности для нового бизнеса при минимальном собственном капитале. Обладая только эффективным программным обеспечением, не требующим больших вложений, можно сформировать большую аудиторию. Во-вторых, авторы полагают (исходя из собственного опыта), что бизнес-компании и небольшие транспортные структуры в условиях современной экономики данных и технологий ИИ станут неэффективными. По мнению авторов, современная экономика данных, технологии ИИ в среде инновационной активности железнодорожного транспорта определяют приоритетные задачи в развитии технологий вычислений и передачи данных и их потенциал. Этот потенциал позволит достичь высокой конкурентоспособности в конкретных структурных подразделениях железнодорожной транспортной системы. По мнению авторов, экономика данных и технологии искусственного интеллекта становятся для транспорта технологией общего назначения (GPT – влияющие на экономику в целом). Авторы считают, что современные данные, большие данные на железнодорожном транспорте принимают критически важное значение. Речь, по сути, идет о системообразующей инфраструктуре для дальнейшего развития, для будущей экономики железнодорожного транспорта.