Перспективы внедрения искусственного интеллекта в таможенном деле

ТИТУЛЬНЫЙ ЛИСТ ОФОРМИТЕ СОГЛАСНО ВАШИМ ТРЕБОВАНИЯМ

СОДЕРЖАНИЕ

АННОТАЦИЯ

Аннотация составлена на работу по теме: «Перспективы внедрения искусственного интеллекта в таможенном деле».

Работа состоит из введения, теоретической и практической части в виде трёх глав, заключения и списка использованных источников.

Во введении обоснована актуальность выбранной темы, поставлена цель и задачи исследования.

В первой главе работы исследовались теоретико-методологические аспекты внедрения искусственного интеллекта в таможенном деле.

Во второй главе работы исследовался искусственный интеллект в деятельности ФТС РФ.

В третьей главе работы определялись перспективы и направления по внедрению искусственного интеллекта в таможенном деле.

В заключении работы приведены основные выводы, полученные в результате проведенного исследования.

Общий объём работы составляет 91 страницу.

Студент _______________

Научный руководитель: _______________

ВВЕДЕНИЕ

Актуальность. Искусственный интеллект в настоящее время все больше проникает в жизнь общества в различных ее областях и таможенное дело не является исключением. Искусственный интеллект позволяет компьютерам обучаться на собственном опыте, адаптироваться к задаваемым параметрам и выполнять те задачи, которые раньше были под силу только человеку. Искусственный интеллект в таможенной сфере призван обрабатывать большие объемы данных без многочисленных приборов и практически без участия таможенных инспекторов. Федеральная таможенная служба ведет разработку модели интеллектуального пункта пропуска. Она предусматривает полную автоматизацию процесса таможенных операций.

Объект исследования. Искусственный интеллект в таможенном деле.

Предмет исследования. Особенности организации и использования технологий искусственного интеллекта в таможенном деле РФ и внешнеэкономической деятельности в целом на современном этапе.

Цель работы. Исследовать перспективы внедрения искусственного интеллекта в таможенном деле.

Задачи работы:

Теоретической основой исследования стали нормативно-правовые акты, научные статьи и учебные издания таких авторов как: Крапчина, Л. Н., Иванов К. К., Лужин В. М., Кожевников Д. В., Макрусев, В. В., Рыжова, А. С. и др., а также интернет-ресурсы.

Нормативно-правовой основой исследования являются нормативные документы, использована научная литература, документальная, а так же статьи и учебные пособия.

Теоретическая значимость работы заключается в том, что теоретические тезисы и выводы можно использовать в дальнейшем как основу для исследования внедрения технологий искусственного интеллекта в деятельность таможенных органов.

Практическая значимость работы заключается в том, что решение выявленных проблем и реализация предложенных перспектив позволит повысить эффективность внедрения технологий искусственного интеллекта в деятельность таможенных органов.

Методы исследования: анализа и синтеза, структурно-функциональный метод, методы индукции и дедукции, динамических сравнений и сравнительного анализа, описательно-аналитический и статистико-экономический метод, графический.

Структура работы. Работа состоит из введения, теоретической и практической части в виде трёх глав, заключения и списка использованных источников.

В приложениях к настоящей работе (см. Приложения 1-12), размещен иллюстративный материал, наглядно отражающий перспективы внедрения искусственного интеллекта в таможенном деле.

ГЛАВА 1. ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ АСПЕКТЫ ВНЕДРЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ТАМОЖЕННОМ ДЕЛЕ

1.1 Понятие и основы искусственного интеллекта

Все, кроме самого простого человеческого поведения, приписывается интеллекту, в то время как даже самое сложное поведение насекомых никогда не воспринимается как признак интеллекта. В чем же разница? Рассмотрим поведение осы-копателя, Sphex ichneumoneus. Когда самка осы возвращается в свою нору с едой, она сначала кладет ее на порог, проверяет, нет ли в норе посторонних, и только потом, если все чисто, несет еду внутрь. Настоящая природа инстинктивного поведения осы раскрывается, если во время ее пребывания в норе пища отодвигается на несколько дюймов от входа в нору: выходя, она повторяет всю процедуру столько раз, сколько раз перемещалась пища. Интеллект - заметно отсутствующий у сфекса - должен включать способность адаптироваться к новым обстоятельствам [11].

Психологи обычно характеризуют интеллект человека не одной чертой, а сочетанием множества разнообразных способностей. Исследования в области ИИ в основном сосредоточены на следующих компонентах интеллекта: обучение, рассуждение, решение проблем, восприятие и использование языка.

Существует несколько различных форм обучения применительно к искусственному интеллекту. Самая простая - это обучение методом проб и ошибок. Например, простая компьютерная программа для решения шахматных задач «мат-в-одном» может перебирать ходы наугад, пока не будет найден мат. Затем программа может сохранить решение вместе с позицией, чтобы в следующий раз, когда компьютер столкнется с той же позицией, он вспомнил решение. Такое простое запоминание отдельных элементов и процедур - известное как заучивание - относительно легко реализовать на компьютере. Более сложной является проблема реализации того, что называется обобщением. Обобщение подразумевает применение прошлого опыта к аналогичным новым ситуациям. Например, программа, которая заучивает прошедшее время обычных английских глаголов, не сможет произвести прошедшее время такого слова, как jump, если до этого ей не было представлено слово jump, в то время как программа, способная к обобщению, может выучить правило «add ed» и таким образом образовать прошедшее время jump, основываясь на опыте с подобными глаголами [12].

Рассуждать - значит делать умозаключения, соответствующие ситуации. Умозаключения делятся на дедуктивные и индуктивные. Пример первого: «Фред должен быть либо в музее, либо в кафе. Его нет в кафе, следовательно, он в музее», а второй: «Предыдущие аварии такого рода были вызваны неисправностью приборов, следовательно, эта авария произошла из-за неисправности приборов». Наиболее существенное различие между этими формами рассуждений заключается в том, что в дедуктивном случае истинность посылок гарантирует истинность заключения, в то время как в индуктивном случае истинность посылок подкрепляет заключение, не давая абсолютной уверенности. Индуктивные рассуждения распространены в науке, где собираются данные и разрабатываются предварительные модели для описания и предсказания будущего поведения, пока появление аномальных данных не заставит пересмотреть модель. Дедуктивные рассуждения распространены в математике и логике, где сложные структуры неопровержимых теорем строятся из небольшого набора основных аксиом и правил [13, 14].

Достигнут значительный успех в программировании компьютеров для получения умозаключений, особенно дедуктивных. Однако истинное рассуждение подразумевает не просто умозаключения, а умозаключения, относящиеся к решению конкретной задачи или ситуации. Это одна из самых трудных проблем, стоящих перед ИИ [15].

Решение проблем, особенно в искусственном интеллекте, может быть охарактеризовано как систематический поиск через ряд возможных действий для достижения некоторой заранее определенной цели или решения. Методы решения проблем делятся на специальные и общие. Метод специального назначения создается для решения конкретной проблемы и часто использует очень специфические особенности ситуации, в которую встроена проблема. Напротив, метод общего назначения применим к широкому кругу проблем. Одним из методов общего назначения, используемых в ИИ, является анализ конечной цели - пошаговое, или постепенное, уменьшение разницы между текущим состоянием и конечной целью. Программа выбирает действия из списка средств - в случае простого робота это могут быть PICKUP, PUTDOWN, MOVEFORWARD, MOVEBACK, MOVELEFT, и MOVERIGHT - до тех пор, пока цель не будет достигнута.

Множество разнообразных задач было решено программами искусственного интеллекта. Примерами могут служить поиск выигрышного хода (или последовательности ходов) в настольной игре, разработка математических доказательств и манипулирование «виртуальными объектами» в сгенерированном компьютером мире.

При восприятии окружающая среда сканируется с помощью различных органов чувств, реальных или искусственных, и сцена разлагается на отдельные объекты в различных пространственных отношениях. Анализ осложняется тем, что объект может выглядеть по-разному в зависимости от угла, под которым он рассматривается, направления и интенсивности освещения сцены, а также от того, насколько сильно объект контрастирует с окружающим полем [16].

В настоящее время искусственное восприятие достаточно развито, чтобы позволить оптическим датчикам идентифицировать людей, автономным транспортным средствам ездить с умеренной скоростью по открытой дороге, а роботам бродить по зданиям, собирая пустые банки из-под газировки. Одной из самых ранних систем, объединивших восприятие и действие, был FREDDY - стационарный робот с подвижным телевизионным глазом и рукой-клешней, созданный в Эдинбургском университете (Шотландия) в 1966-73 годах под руководством Дональда Мичи. FREDDY был способен распознавать различные объекты, и ему можно было поручить собрать простые артефакты, такие как игрушечный автомобиль, из случайной кучи компонентов [17].

Язык - это система знаков, имеющих значение в силу конвенции. В этом смысле язык не обязательно должен ограничиваться устной речью. Например, дорожные знаки образуют мини-язык: в некоторых странах принято считать, что ⚠ означает «опасность впереди». Отличительной особенностью языков является то, что языковые единицы имеют значение по конвенции, и языковое значение очень отличается от того, что называется естественным значением, примером которого являются такие высказывания, как «Эти облака означают дождь» и «Падение давления означает, что клапан неисправен».

Важной характеристикой полноценных человеческих языков - в отличие от птичьих криков и дорожных знаков - является их продуктивность. Продуктивный язык может формулировать неограниченное количество предложений [18].

Относительно легко написать компьютерные программы, которые в строго ограниченных контекстах способны свободно отвечать на вопросы и заявления на человеческом языке. Хотя ни одна из этих программ на самом деле не понимает язык, в принципе, они могут достичь такого уровня, когда их владение языком будет неотличимо от владения языком обычного человека. Что же тогда подразумевается под настоящим пониманием, если даже компьютер, использующий язык как носитель человеческого языка, не признан понимающим? На этот сложный вопрос нет общепризнанного ответа. Согласно одной теории, понимание или непонимание зависит не только от поведения человека, но и от его истории: для того чтобы можно было сказать, что человек понимает, он должен выучить язык и пройти обучение, чтобы занять свое место в языковом сообществе посредством взаимодействия с другими пользователями языка [19].

Методы и цели в искусственном интеллекте. Символический и коннекционистский подходы. В исследованиях ИИ используются два различных и в некоторой степени конкурирующих метода: символический (или «сверху вниз») подход и коннекционистский (или «снизу вверх») подход. Подход «сверху вниз» стремится воспроизвести интеллект, анализируя познание независимо от биологической структуры мозга, в терминах обработки символов - отсюда и название «символьный». Подход «снизу вверх», с другой стороны, предполагает создание искусственных нейронных сетей в подражание структуре мозга - отсюда и название «коннекционистский».

Чтобы проиллюстрировать разницу между этими подходами, рассмотрим задачу создания системы, оснащенной оптическим сканером, которая распознает буквы алфавита. Подход «снизу вверх» обычно предполагает обучение искусственной нейронной сети путем предъявления ей букв по одной, постепенно улучшая производительность путем «настройки» сети. (Настройка регулирует реакцию различных нейронных путей на различные стимулы). В отличие от этого, подход «сверху вниз» обычно предполагает написание компьютерной программы, которая сравнивает каждую букву с геометрическим описанием. Проще говоря, нейронная деятельность лежит в основе подхода «снизу вверх», а символические описания - в основе подхода «сверху вниз» [20].

В книге «Основы обучения» (1932) Эдвард Торндайк, психолог из Колумбийского университета в Нью-Йорке, впервые предположил, что человеческое обучение заключается в каком-то неизвестном свойстве связей между нейронами в мозге. В книге «Организация поведения» (1949) Дональд Хебб, психолог из Университета Макгилла, Монреаль, Канада, предположил, что обучение заключается в усилении определенных паттернов нейронной активности путем увеличения вероятности (веса) индуцированного выстрела нейрона между соответствующими связями. Понятие взвешенных связей описано в следующем разделе «Коннекционизм».

В 1957 году два энергичных сторонника символьного ИИ - Аллен Ньюэлл, исследователь из корпорации RAND, Санта-Моника, Калифорния, и Герберт Саймон, психолог и компьютерный ученый из Университета Карнеги-Меллон, Питтсбург, Пенсильвания, - обобщили подход «сверху вниз» в том, что они назвали гипотезой физической системы символов. Эта гипотеза утверждает, что обработки структур символов в принципе достаточно для создания искусственного интеллекта в цифровом компьютере и что, более того, человеческий интеллект является результатом такого же типа символических манипуляций [11].

В 1950-х и 60-х годах подходы «сверху вниз» и «снизу вверх» применялись одновременно, и оба достигли заслуживающих внимания, хотя и ограниченных результатов. Однако в 1970-х годах ИИ по принципу «снизу вверх» был упущен из виду, и только в 1980-х годах этот подход снова стал заметным. В настоящее время используются оба подхода, и оба признаются, что сталкиваются с трудностями. Символические методы работают в упрощенных областях, но обычно ломаются при столкновении с реальным миром; в то же время исследователи «снизу вверх» не смогли воспроизвести нервные системы даже самых простых живых существ. Caenorhabditis elegans, много изучаемый червь, имеет около 300 нейронов, схема взаимосвязей которых прекрасно известна. Однако коннекционистские модели не смогли имитировать даже этого червя. Очевидно, что нейроны теории коннекционизма являются грубым упрощением реальности [22].

Сильный ИИ, прикладной ИИ и когнитивное моделирование. Используя методы, описанные выше, исследования ИИ пытаются достичь одной из трех целей: сильный ИИ, прикладной ИИ или когнитивное моделирование. Сильный ИИ направлен на создание машин, которые думают. (Термин «сильный ИИ» был введен для этой категории исследований в 1980 году философом Джоном Серлом из Калифорнийского университета в Беркли). Конечной целью сильного ИИ является создание машины, чьи общие интеллектуальные способности неотличимы от человеческих. Как описано в разделе «Ранние вехи развития ИИ», эта цель вызвала большой интерес в 1950-х и 60-х годах, но оптимизм уступил место осознанию чрезвычайных трудностей. До настоящего времени прогресс был незначительным. Некоторые критики сомневаются, что в обозримом будущем в результате исследований будет создана система с общими интеллектуальными способностями муравья. Действительно, некоторые исследователи, работающие в двух других отраслях ИИ, считают, что сильным ИИ не стоит заниматься. Прикладной ИИ, также известный как передовая обработка информации, направлен на создание коммерчески жизнеспособных «умных» систем - например, «экспертных» систем медицинской диагностики и систем биржевой торговли. Прикладной ИИ достиг значительных успехов, как описано в разделе «Экспертные системы» [23].

В когнитивном моделировании компьютеры используются для проверки теорий о том, как работает человеческий разум - например, теорий о том, как люди узнают лица или вспоминают воспоминания. Когнитивное моделирование уже является мощным инструментом как в нейронауке, так и в когнитивной психологии [24].

Самая ранняя значительная работа в области искусственного интеллекта была проделана в середине 20-го века британским логиком и пионером компьютерной техники Аланом Матисоном Тьюрингом. В 1935 году Тьюринг описал абстрактную вычислительную машину, состоящую из безграничной памяти и сканера, который перемещается вперед и назад по памяти, символ за символом, считывая найденное и записывая дальнейшие символы. Действия сканера диктуются программой инструкций, которая также хранится в памяти в виде символов. Это концепция хранимых программ Тьюринга, и в ней заложена возможность того, что машина будет работать над своей собственной программой и таким образом изменять или улучшать ее. Концепция Тьюринга теперь известна просто как универсальная машина Тьюринга. Все современные компьютеры по своей сути являются универсальными машинами Тьюринга. Во время Второй мировой войны Тьюринг был ведущим криптоаналитиком в правительственной школе кодов и шифров в Блетчли-Парке, Бакингемшир, Англия. Тьюринг не мог обратиться к проекту создания электронной вычислительной машины с хранимыми программами до прекращения военных действий в Европе в 1945 году. Тем не менее, во время войны он много думал над проблемой машинного интеллекта. Один из коллег Тьюринга в Блетчли-Парке, Дональд Мичи (который позже основал кафедру машинного интеллекта и восприятия в Эдинбургском университете), позже вспоминал, что Тьюринг часто обсуждал, как компьютеры могут учиться на опыте, а также решать новые задачи с помощью руководящих принципов - процесс, известный сегодня как эвристическое решение задач. Тьюринг прочитал, возможно, самую раннюю публичную лекцию (Лондон, 1947 год), в которой упоминался компьютерный интеллект, сказав: «Мы хотим машину, которая может учиться на опыте», и что «возможность позволить машине изменять свои собственные инструкции обеспечивает механизм для этого». В 1948 году он представил многие из центральных концепций ИИ в докладе под названием «Интеллектуальные машины». Однако Тьюринг не опубликовал этот доклад, и многие из его идей были позже переосмыслены другими. Например, одной из оригинальных идей Тьюринга было обучение сети искусственных нейронов для выполнения определенных задач - подход, описанный в разделе «Коннекционизм» [25].

Вывод по разделу 1.1. В данном разделе работы исследовались понятие и основы искусственного интеллекта.

Таким образом, искусственный интеллект (ИИ), способность цифрового компьютера или робота, управляемого компьютером, выполнять задачи, обычно ассоциируемые с разумными существами. Этот термин часто применяется к проекту разработки систем, наделенных интеллектуальными процессами, характерными для человека, такими как способность рассуждать, находить смысл, обобщать или учиться на прошлом опыте. С момента создания цифрового компьютера в 1940-х годах было продемонстрировано, что компьютеры могут быть запрограммированы на выполнение очень сложных задач, таких как, например, поиск доказательств математических теорем или игра в шахматы, с большим мастерством. Тем не менее, несмотря на постоянный прогресс в скорости компьютерной обработки и объеме памяти, пока еще нет программ, которые могли бы сравниться с человеческой гибкостью в более широких областях или в задачах, требующих больших повседневных знаний. С другой стороны, некоторые программы достигли уровня производительности человеческих экспертов и профессионалов в выполнении определенных специфических задач, так что искусственный интеллект в этом ограниченном смысле можно найти в таких разнообразных приложениях, как медицинская диагностика, компьютерные поисковые системы, распознавание голоса или почерка.

1.2 Особенности применения искусственного интеллекта в таможенном деле

Многочисленные современные источники информации свидетельствуют о том, что мир стоит на пороге кардинальных изменений практически во всех сферах жизни и деятельности человечества, связанных прежде всего с техническим прорывом в области информационно-коммуникационных (цифровых) технологий. Модернизируются действующие и появляются новые отрасли промышленности, связанные с нанотехнологиями, биотехнологиями, роботизацией и др. Развитие технологий искусственного интеллекта (ИИ) в этом процессе занимает важное место. Сферы применения ИИ практически не ограничены, а дальнейшее его развитие предполагает даже превышение возможностей над человеческим интеллектом [14].

На международной арене между государствами, глобальными корпорациями ведется конкурентная борьба за выход в группу субъектов, которые будут самостоятельно определять свое будущее. Для этого им необходимо развивать экономику по-новому, опираясь на современные достижения науки, техники и технологий. Ведущая роль в этом процессе отводится информационно-коммуникационным (цифровым) технологиям [26].

В связи с тем, что областей применения ИИ очень много и они разные, определений ИИ также множество. Представляется, что для анализа возможностей применения ИИ в деятельности таможенных органов наиболее подходят следующие определения ИИ:

К технологиям ИИ можно отнести следующие:

Отметим, что эти возможности ИИ могут быть применены также и в таможенной деятельности. Для того чтобы лучше понимать способы применения ИИ, рассмотрим некоторые его технические особенности. Одним из используемых видов машинного обучения являются так называемые нейронные сети, обладающие способностью к обучению. Основной элемент такой сети – персептрон – устройство, которое имеет несколько двоичных входов х1, х2, … и производит один двоичный выход (см. Приложение 8).

Каждый вход имеет весовой коэффициент w1, w2, …, представляющий вещественное число, выражающее важность соответствующего входа для определения значения выхода. Выход персептрона равен 0 или 1 и определяется тем, является ли взвешенная сумма ∑ j j j w x меньшей или большей некоторого порогового значения – вещественного числа (threshold), которое является параметром персептрона. Алгебраически эта функция описывается следующим образом:

где b – смещение (порог).

Следовательно, персептрон является устройством, которое принимает решения, взвешивая поступающие предложения. Для принятия более обоснованных решений персептроны объединяют в сложную сеть, состоящую из нескольких слоев (см. Приложение 9). С помощью персептронов вычисляется любая логическая функция. На основе нейронных сетей можно разработать алгоритмы их обучения, которые могут автоматически настраивать веса и смещения персептронов без вмешательства программиста. Большую роль в создании искусственных нейронных сетей сыграла разработка так называемого алгоритма обратного распространения ошибки [6], на основе которого создан метод обучения многослойных искусственных нейронных сетей [28].

Алгоритм машинного обучения нейронной сети (ML, Machine Learning – машинное обучение) в общем виде включает следующие действия:

− анализ массива информации;

− выявление закономерностей;

− формирование непосредственного опыта ИИ;

− составление инструкций на основе полученного опыта [29].

Исходя из этого, можно сказать, что машинное обучение заключается в том, что компьютер может самостоятельно принимать решения на основе полученного опыта. При этом он сможет также проводить предварительную обработку сведений, переобучение, оценку и прогнозирование.

Следовательно, можно представить обобщенную схему применения ИИ, которую можно будет применять в таможенной деятельности (см. Приложение 9). Действие предложенной схемы следующее. Входной поток данных, которым может быть, например, поток деклараций на товары в электронном виде, поступает в модуль формирования входного образа контролируемого (проверяемого на соответствие заданным требованиям) документа [30]. В случае отсутствия некоторых сведений в документе этот модуль запрашивает недостающие данные из определенных достоверных источников. При этом может быть использована система роботизированной автоматизации процессов – RPA (Robotic Process Automation – метод автоматизации, при котором роботы симулируют действия человека в различных компьютерных системах, программах и приложениях). Примеры подлежащих автоматизации процессов: заполнение и копирование форм документов, эмулирование нажатия кнопок компьютера, загрузка и выгрузка файлов, сбор данных из электронных таблиц, электронных писем, сканирование документов, составление отчетов, перемещение данных из устаревших систем и приложений и т. д.).

Сформированный текущий образ контролируемого документа поступает в модуль ИИ по принятию решений, который проводит многокритериальный анализ образа входящего документа и относит его к одному из классов (проводит классификацию по нескольким признакам), которые определяются, исходя из решаемых ИИ (системой принятия решений) задач [31].

Сам же модуль ИИ по принятию решений предварительно настраивается на требуемые верные решения (например, по какому документу можно принять тот или иной вариант решения, вырабатываемый ИИ, а какое нужно направить на решение оператору-человеку). Такие настройки можно получить в результате обучения обучающегося модуля ИИ. В системе контроля правильности выбора решений ИИ участвует человек-оператор. Сведения в обучающийся модуль поступают из базы данных ранее полученных документов.

Вывод по разделу 1.2. В данном разделе работы изучались особенности применения искусственного интеллекта в таможенном деле.

Таким образом, в современных условиях таможенная сфера имеет важное значение не только в обеспечении национальной безопасности, но и в развитии внешнеэкономической деятельности государства. Динамичная среда и интеграционные процессы проявляют новые закономерности в становлении и развитии таможенных институтов, которые заключаются в необходимости перехода к гибкой и интеллектуально обеспеченной информативной инфраструктуре, способной решать задачи в условиях цифровой экономики.

1.3 Оценка последствий внедрения искусственного интеллекта в таможенном деле

Решения ИИ применяются на практике. При этом ведется анализ их результатов, на основе которого выявляются возможные допущенные ошибки ИИ или ситуации, требующие новых решений ИИ. Это служит основой проведения коррекции настроек ИИ по результатам практики его применения [32].

Предлагаемая схема позволит реализовать следующие возможности применения ИИ в таможенной деятельности:

Внедрение технологий ИИ потребует решения ряда технических, социальных и юридических проблем. Покажем ниже видимые направления их решения.

Отметим, что в качестве экономически обоснованного решения реализации функций ИИ с применением современной электронно-вычислительной техники принимается схема, в которой основной компьютер не решает весь комплекс задач ИИ, а только управляет оконечными компьютерами (процессоры для таких компьютеров специально создаются для решения узкой задачи) (см. Приложение 9). Такое решение требует меньших затрат на создание элементной базы и программных продуктов [33].

Социальные проблемы будут связаны с невостребованностью некоторых существующих специальностей, повышением требований к подготовке специалистов таможенников в области информационных технологий, с необходимостью быстрой адаптации к динамично развивающимся технологиям. Выход здесь видится в организации системы подготовки и переподготовки кадров на базе учебных заведений, и в первую очередь на базе Российской таможенной академии. Ввиду распространения применения технологий ИИ возрастает потребность в аналитических компетенциях должностных лиц таможенных органов [21].

В связи с тем, что человека еще долго не смогут заменить автоматические системы, в том числе ИИ, особенно в критических ситуациях, нужно в первую очередь создавать и совершенствовать автоматизированные системы на основе ИИ, работающие совместно с человеком и помогающие ему эффективно реализовывать требуемые функции [34].

Правовые проблемы, связанные, прежде всего, с правами и обязанностями должностных лиц в условиях применения ИИ, должны будут четко разграничивать ответственность должностных лиц и решаться в более короткие сроки. При этом каждое должностное лицо должно отвечать за выполнение своих обязанностей, а ошибки ИИ необходимо принимать как неизбежные и отрабатывать технические решения, которые их снижают до приемлемого уровня [34].

Вывод по разделу 1.3. В данном разделе работы проводилась оценка последствий внедрения искусственного интеллекта в таможенном деле.

Таким образом, отметим, что применение ИИ в таможенной деятельности позволит:

Вывод по первой главе работы. В данной главе работы исследовались теоретико-методологические аспекты внедрения искусственного интеллекта в таможенном деле.

Таким образом, современное таможенное дело представляет собой уникальное, сложное, развивающееся и исторически обусловленное явление, выраженное на разных исторических этапах в различных институциональных формах, но всегда с политически и экономически оправданным содержанием [3].

Таможенное дело как системное социо-экономическое явление охватывает сложный комплекс общественных отношений, возникающих в сфере перемещения товаров, транспортных средств и иных ценностей через таможенную границу, а также отношений, возникающих вследствие обязательств, вызываемых этими перемещениями.

Как показывает проведенный анализ, в целом проблемы развития теории и практики таможенного регулирования в условиях формирования цифровой экономики носят комплексный характер и охватывают все уровни, характерные для специальных теорий. При этом ключевыми можно назвать проблемы создания и модернизации технологий и систем таможенного регулирования, администрирования и контроля в цифровой среде и проблемы создания интеллектуальных цифровых таможен, поиска адекватных моделей, методов и технологий формирования и управления знаниями.

ГЛАВА 2. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ДЕЯТЕЛЬНОСТИ ФТС РФ

2.1 Характеристика деятельности ФТС РФ в современное время

Центральная таможня и региональные таможенные организации действуют на основании законов и подзаконных правовых актов.

В их числе:

Специальные компетенции учреждений таможни, порядок таможенного оформления, выполнения досмотровых и иных процедур строго регламентированы перечисленными законами и подзаконными актами [35].

Понятие и характеристики таможенных правоотношений является одним из наиболее сложных и неуклюжих вопросов в теории таможенного права. Поэтому, основываясь на трудах С.С. Алексеева и др. по теории права и правоотношениям, я вычленю только наиболее значимые. Давайте начнем с рассмотрения общих характеристик правоотношений. В своей наиболее распространенной форме это общественные отношения, регулируемые нормами соответствующей отрасли права (иногда более чем одной отрасли одновременно).

В таможенных правоотношениях много особенностей, обусловленных сложностью и неравномерностью таможенного дела, подлежащего таможенно-правовому регулированию. Однако, как отмечалось выше, наиболее близким к административному праву является Таможенный кодекс ЕАЭС [9]. Поэтому желательно представить некоторые определения административных правоотношений, имеющиеся в современной правовой литературе. Административно-правовые отношения — это правовые отношения, основанные на нормах административного права. Они состоят из прав и обязанностей государственных учреждений, их структурных подразделений, государственного аппарата, предприятий, учреждений, организаций, граждан Российской Федерации, иностранных граждан, лиц без гражданства, других должностных лиц и других работников [36].

Кроме того, административно-правовые отношения определяются как правоотношения в сфере административной власти, в которых стороны выступают в качестве обладателей прав и обязанностей, установленных и обеспеченных административно-правовыми нормами. Под административно-правовыми отношениями понимаются административные общественные отношения, регулируемые административно-правовыми нормами, в которых стороны выступают носителями взаимных обязательств и прав, установленных и гарантированных административно-правовыми нормами. Классификация административно-правовых отношений хорошо развита. Поэтому назначается группа отношений, договорные административно-правовые отношения, характеризуемые как неосновная административная связь, а иногда и подчиненные или координирующие отношения. Наиболее важной задачей является классификация правового характера взаимодействий участников [37].

Таможенные органы являются элементом государственного аппарата Российской Федерации. К компетенции таможенных органов относится осуществление управления в сфере таможенного дела. Они представляют собой единую централизованную систему, входящую в состав федеральных органов исполнительной власти России.

Деятельность таможенных органов сводится к систематической непрерывной организации осуществления таможенного дела в пределах государственной территории РФ.

Система таможенных органов Российской Федерации находится в подчинении Правительства Российской Федерации и Министерства финансов Российской Федерации.

Структура таможенных органов России:

Федеральная таможенная служба Российской Федерации (ФТС России) – федеральный орган исполнительной власти, уполномоченный в области таможенного дела;

Региональные таможенные управления (РТУ) – территориальный орган исполнительной власти, входящий в единую федеральную централизованную систему таможенных органов Российской Федерации. РТУ ответственны в области реализации таможенного дела в пределах определённой территории. Находятся в непосредственном подчинении ФТС России [38].

На сегодняшний день в Российской Федерации насчитывается 8 РТУ (по числу Федеральных округов РФ):

Таможни – территориальные таможенные органы, входящие в единую систему таможенных органов. Находятся в прямом подчинении таможенного управления своего региона;

Таможенные посты – территориальные таможенные органы. Подчиняются напрямую таможням.

Следовательно, таможенное дело включает в себя единую систему таможенных органов, которые относятся к исполнительной власти. Данная система имеет конкретную цель функционирования. Таможенный орган наделен определенной компетенцией, он подотчетен за свою деятельность не только перед государством, но и перед гражданами [39].

Таможенный орган представляет собой федеральный государственный орган власти, который выполняет определенный функции и задачи, возложенные на него государством, в том числе контролирует перемещение товаров через границу, занимается их оформлением и начислением пошлин.

Структура таможенных органов Российской Федерации. Построение структуры таможенных органов предусматривает внутреннее многоуровневое подчинение с развитыми вертикальными и горизонтальными связями. Статья 10 Закона о таможенном регулировании [10] закрепляет четырехзвенную систему таможенных органов:

ФТС России в целях решения таможенных задач может создавать вспомогательные структуры в форме специализированных таможенных органов, учреждений и унитарных предприятий, представительств таможенной службы РФ за рубежом.

Каждое звено системы таможенных органов имеет границы личной ответственности в рамках установленной законом компетенции, при этом все функциональные элементы данной системы подчинены реализации единых целей и задачам деятельности в сфере таможенного управления.

Рациональное и эффективное выполнение таможенными органами РФ своих полномочий обеспечивается посредством правильного выбора формы деятельности в конкретной правовой ситуации. Форма деятельности — это внешнее выражение действий таможенных органов по выполнению возложенных на них функций. Формы деятельности таможенных органов имеют обязательное нормативное процессуальное и материальное закрепление, неверный выбор формы деятельности ведет к возможности отмены действий и решений должностного лица таможенного органа [41].

Компетенция таможенных органов и их должностных лиц реализуется в следующих правовых формах деятельности:

Статья 11 Закона о таможенном регулировании [10] закрепляет перечень принципов деятельности таможенных органов:

Внутрисистемные взаимоотношения таможенных органов между собой строится на сочетании двух противоположно направленных принципов организации их взаимодействия:

Таможенные органы располагаются либо в пунктах пропуска через Государственную границу РФ, либо в иных местах, местоположение которых определяется ФТС России на основании учета:

Имущество таможенных органов (помещения, земельные участки под объектами таможенных органов, учреждения и унитарные предприятия ФТС России) находится в федеральной собственности, материально-техническое обеспечение и финансирование деятельности таможенных органов осуществляется за счет средств федерального бюджета и из других источников, предусмотренных законодательством РФ. Органы государственной власти субъектов РФ, органы местного самоуправления, общественные объединения не могут вмешиваться в деятельность таможенных органов при осуществлении ими своих функций [45].

Таможенные органы обладают организационно-хозяйственной обособленностью и имеют статус юридических лиц (кроме некоторых таможенных постов) и соответствующие атрибуты юридического лица: гербовую печать со своим наименованием, иные печати, штампы и бланки соответствующего образца, денежные счета, открываемые в соответствии с законодательством РФ. Кроме того, таможенные органы имеют официальную ведомственную символику: флаг, эмблему и вымпел, описание и рисунки, которые утверждаются Президентом РФ.

Далее рассмотрим правовой статус, основные полномочия и организационную структуру отдельных звеньев системы таможенных органов РФ [23].

ФТС России является федеральным органом исполнительной власти, уполномоченным в области таможенного дела. Ее основные функции:

Руководство деятельностью ФТС России осуществляет Правительство РФ.

Деятельность ФТС России как органа исполнительной власти, уполномоченного в области таможенного дела, регулируется:

ФТС России в своей деятельности руководствуется Конституцией РФ, федеральными конституционными законами, федеральными законами, актами Президента РФ и Правительства РФ, международными договорами РФ, нормативными правовыми актами Центрального банка РФ, иными нормативными правовыми актами в области таможенного дела.

ФТС России в соответствии с гл. II Положения о Федеральной таможенной службе обладает следующими основными полномочиями в области правоустановления в сфере таможенного регулирования:

ФТС выполняет ряд административно-хозяйственных функций в области организации таможенного дела:

ФТС осуществляет функции контроля и надзора в области таможенного дела:

ФТС России осуществляет внутренние функции обеспечительного характера:

ФТС не вправе осуществлять в установленной сфере деятельности функции по управлению государственным имуществом и оказанию платных услуг, кроме имущества, закрепленного за Службой на праве оперативного управления и случаев, устанавливаемых указами Президента РФ и постановлениями Правительства РФ [20].

Общие правила организации деятельности ФТС России и взаимодействия с иными федеральными органами исполнительной власти установлены приказом ФТС России от 28.11.2007 № 1479 «О Регламенте Федеральной таможенной службы», который разработан в соответствии с постановлениями Правительства РФ от 19.01.2005 № 30 «О Типовом регламенте взаимодействия федеральных органов исполнительной власти» и от 28.07.2005 № 452 «О Типовом регламенте внутренней организации федеральных органов исполнительной власти».

Внутренняя организационная структура ФТС России определена возложенными на нее функциями и полномочиями. ФТС России возглавляет руководитель, назначаемый па должность и освобождаемый от должности Правительством РФ. Руководитель Службы несет персональную ответственность за осуществление возложенных на нес полномочий в установленной сфере деятельности [22].

Структура центрального аппарата ФТС России включает руководство (руководителя и его заместителей) ФТС России, помощников (советников) руководителя и главные управления (управления) по отдельным предметам ведения. Количество заместителей руководителя ФТС России устанавливается Правительством РФ.

В главных управлениях (управлениях) ФТС России образуются отделы. В случаях, предусмотренных законодательством РФ, в главных управлениях (управлениях) могут быть образованы иные структурные подразделения. Направления деятельности и компетенции главных управлений (управлений) определяются в положениях о главных управлениях (управлениях), утверждаемых руководителем ФТС России [23].

В рамках ФТС создается коллегиальный совещательный орган, состоящий из руководителя ФТС России (председатель коллегии), его заместителей, иных руководящих работников ФТС России и подчиненных таможенных органов.

Вывод по разделу 2.1. В данном разделе работы исследовалась характеристика деятельности ФТС РФ в современное время.

Таким образом, таможенными органами являются:

Создание, реорганизация и ликвидация региональных таможенных управлений, таможен и таможенных постов осуществляются федеральным органом исполнительной власти, уполномоченным в области таможенного дела.

Компетенция конкретных таможенных органов по осуществлению конкретных функций, совершению определенных таможенных операций, а также регион деятельности таможенных органов определяются федеральным органом исполнительной власти, уполномоченным в области таможенного дела. Федеральный орган исполнительной власти, уполномоченный в области таможенного дела, вправе создавать специализированные таможенные органы, компетенция которых ограничивается отдельными правомочиями для выполнения некоторых функций, возложенных на таможенные органы, либо для совершения таможенных операций в отношении определенных видов товаров.

Региональные таможенные управления, таможни и таможенные посты действуют на основании положений, утверждаемых федеральным органом исполнительной власти, уполномоченным в области таможенного дела. Таможенные посты могут не обладать статусом юридического лица.

В систему таможенных органов также входят не являющиеся правоохранительными органами учреждения, которые учреждаются федеральным органом исполнительной власти, уполномоченным в области таможенного дела, для обеспечения деятельности таможенных органов.

2.2 Искусственный интеллект в деятельности ФТС РФ

В современном научном пространстве всё чаще обсуждается и исследуется использование искусственного интеллекта в жизни человека. Соответственно возрастают споры о рисках и перспективах его более широкого применения. В связи с этим увеличивается интерес к изучению искусственного интеллекта в каждой сфере деятельности человека, в том числе и в таможенной. Всё перечисленное обуславливает актуальность выбранной темы [47].

Искусственный интеллект представляет собой направление исследований, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка. Традиционно существует два подхода к изучению искусственного интеллекта: нейрокибернетика и кибернетика «чёрного ящика».

В основе первого подхода заложено использование нейронных связей, т.к. учёные считают, что мыслить способен исключительно человеческий мозг, следовательно, пытаются воссоздать структуру человеческого мозга. На сегодняшний день учёным из Цюриха удалось создать постоянную память на основе ДНК. Поэтому популярность изучения нейрокибернетики возрастает каждый год.

Кибернетика «чёрного ящика» базируется на преобразовании данных с помощью вычислительных машин. При этом данных подход не акцентирует внимание на структуре устройства. Главное в кибернетике «чёрного ящика», чтобы на все заданных входные действия устройство отвечало подобно человеческому мозгу.

Основные направления исследований в области искусственного интеллекта включают:

В Российской Федерации в 2019 году была принята Стратегия развития искусственного интеллекта до 2030 года [3-7]. РФ стала тридцать первой страной, которая заявившей о приоритете использования искусственного интеллекта в своей деятельности.

Искусственный интеллект — комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека.

Целью данной стратегии является рост благосостояния и качества жизни населения, стимулирование экономического развития, обеспечение национальной безопасности и охраны правопорядка.

Технологии искусственного интеллекта, которые планируется разработать в РФ до 2030 года [3-7]:

Для выполнения заявленной цели планируется, что к 2024 году доля крупных и средних компаний, органов государственной власти и подведомственных учреждений, использующих искусственный интеллект – 10%, а к 2030 году – 20%.

В связи с этим внедрение искусственного интеллекта в деятельность таможенных органов обсуждалось на Международном таможенном форуме 24-25 октября 2019 года. Руководитель Федеральной таможенной службы, Булавин Владимир Иванович, отметил, что основной целью Стратегии таможенной службы – 2030 [3-7] является «формирование качественно новой, насыщенной «искусственным интеллектом», быстро перенастраиваемой, информационно связанной с внутренними и внешними партнерами, умной таможенной службы, незаметной для законопослушного бизнеса и результативной для государства» [49].

Зарубежные страны, как и Российская Федерация, заинтересованы внедрением искусственного интеллекта в работу таможенных органов. К примеру, в Европе на пограничном контроле планируется внедрить в работу машины с искусственным интеллектом iBorderCtrl. Данная технология специализируется на проверке данных, сравнительном анализе, поиске информации во всеобщей базе данных. Машины будут установлены в пограничных пунктах пропуска и в пунктах пропуска в аэропортах. Лица, пересекающие границу, будут представлять документы для сканирования, а также отвечать на несколько вопросов на камеру устройства. Цель – выявить ложь во время диалога. Также устройства с искусственным интеллектом будут установлены на таможенном контроле, где будет происходить проверка багажа [50].

Сейчас на границе таможенники используют стационарные системы типа «Янтарь», инспекционно-досмотровые комплексы, переносные дозиметры, рентген-установки и другие средства таможенного контроля. Искусственный интеллект призван обрабатывать большие объемы данных без многочисленных приборов и практически без участия таможенных инспекторов.

Федеральная таможенная служба ведет разработку модели интеллектуального пункта пропуска. Она предусматривает полную автоматизацию процесса таможенных операций. Основой такой модели должна стать единая для всех контролирующих органов информационная система, в которую будут интегрированы все существующие технические средства таможенного контроля. Данное нововведение позволит упростить и ускорить процесс администрирования, вывести его на принципиально новый уровень [14].

Для морских и авиационных пунктов пропуска эта технология находится в высокой стадии готовности. Для автомобильных и железнодорожных ее планируется разработать в рамках реализации Стратегии развития таможенных органов до 2030 года [3-7].

Также искусственный интеллект хотят внедрить в формирование профилей рисков участников внешнеэкономической деятельности. Российские инспекционно-досмотровые комплексы будут в автоматическом режиме с помощью искусственного интеллекта выявлять предметы и вещества, запрещенные для ввоза в РФ. Для этого сейчас создается специальная база данных с максимальным количеством объектов, а также специальное программное обеспечение для обработки этой информации. Данное нововведение позволит повысить доверие бизнеса к таможенной деятельности, т.к. человеческая ошибка будет исключена. При этом использование правильного алгоритма анализа данных позволит выявлять те особые случаи, когда вмешательство таможенного органа будет необходимо [51].

Функциями досмотра наделят специальные рабочие группы, ориентированные на рисковые поставки. Однако, порядка 90% таможенных рисков будут выявляться в автоматическом режиме.

Вывод по разделу 2.2. В данном разделе работы исследовался искусственный интеллект в деятельности ФТС РФ.

Таким образом, на основе вышеизложенного материала можно сделать вывод, что использование искусственного интеллекта в жизни человека с каждым годом набирает все большую актуальность. Данная тенденция нашла отражение и в Стратегии развития таможенных органов до 2030 года, в которой особое внимание уделяется созданию «насыщенной искусственным интеллектом, умной таможенной службы».

2.3 Проблемные аспекты внедрения ИИ в деятельности ФТС РФ

В современном мире с каждым годом все активнее обсуждается внедрение искусственного интеллекта в жизнь общества. Возникают споры о положительных и отрицательных сторонах его применения. Не угасает интерес в этом и таможенной сферы деятельности.

Внедрение ИИ технологий требует предварительного решения целого ряда проблем технического, социального и юридического характера [17].

Социальные проблемы в первую очередь будут связаны с низкой востребованностью отдельных специальностей. Кроме этого планка требований к подготовке специалистов таможенного дела в области информационных технологий будет резко поднята. В связи с необходимой адаптацией к быстро изменяющимся технологиям. Решение данной проблемы видится в организации тщательной подготовки кадров, а также их переподготовки на базе учебных заведений РФ по данному профилю, а более всего Российской таможенной академии. С дальнейшим распространением ИИ-технологий все больше возникает потребность в аналитических компетенциях должностных лиц таможенных органов [51].

Несмотря на быстрый темп роста технологий и прогресса в целом, автоматизированные системы еще долго не смогут заменить человека, особенно это касается экстремальных ситуаций, вследствие этого необходимо создавать такие ИИ-системы, которые бы эффективно работали совестно с человеком и дополняли его.

До 2030 года [3-7] поставлена цель сформировать насыщенную искусственным интеллектом таможенную службу совершенно нового уровня, которая стала бы незаметной для правильного бизнеса и максимально эффективной для государства в целом.

Чтобы достичь этой цели, выбраны следующие целевые направления работы по данному вопросу:

Интересным в данной теме является такое понятие как «интеллектуальный пункт пропуска». Он представляет собой некую цифровую платформу, связывающую всех участников ВЭД. Создание технологической инфраструктуры позволит организовать безостановочное движение товаров в местах контроля и пропуска.

Необходимость создания такой единой цифровой платформы, объединяющей базы данных всех контролирующих органов, а также соответствующий набор технических средств контроля в интеллектуальном пункте пропуска могут быть реализованы на принципах построения отраслевой цифровой платформы, созданной, как правило, регулятором отрасли экономики с целью упорядочивания взаимодействия между участниками рынка и органами, осуществляющими надзорную деятельность, в том числе для снижения издержек бизнеса при таком взаимодействии [53].

В настоящее время сфера таможенного дела вполне способна перестроиться по техническому и технологическому оснащению и соответствовать уровню развития современного НТП. В современном мире стремление каждой страны увеличить объемы внешней торговли невозможно без внедрения инновационных технологий, одним из ключевых элементов здесь являются пункты пропуска, играющие не последнюю роль в 38 обеспечении безопасности перевозок, уплаты таможенных пошлин, а также скорости осуществления таможенных операций [54, 55].

В связи со всем этим, решение о модернизации ныне имеющихся пунктов пропуска являлось постоянной темой для обсуждения ФТС России. Как итог было предложено создать совершенно новый пункт пропуска с большей пропускной способностью и с более современной технической оснащенностью. Данное решение уже нашло отражение в Стратегии-2030 [3-7].

Вывод по разделу 2.3. В данном разделе работы определялись проблемные аспекты внедрения ИИ в деятельности ФТС РФ.

Таким образом, внедрение искусственного интеллекта представляет собой кропотливый и трудоемкий процесс, требующий предварительного решения целого ряда проблем. Приоритетным направлением в этом вопросе является создание к концу лета 2022 года перспективной концепции внедрения современных технологий в целях ускорения прохождения пунктов пропуска, эта концепция предполагает учет особенностей товаропотока в целом, любые риски нарушения законодательства, ресурсообеспечение, территориальное расположение пунктов пропуска, требования к компетентности должностных лиц таможенных органов.

Вывод по второй главе работы. В данной главе работы исследовался искусственный интеллект в деятельности ФТС РФ.

Таким образом, в настоящий момент компьютеры и компьютерные технологии настолько глубоко проникли в жизни людей, что не только индивид, но и государство в целом не может полноценно функционировать без современных технологий. Без цифровизации экономики, страна полностью отрезается от мировой экономики, и не может в условиях рыночной экономики конкурировать с большинством государств.

Под цифровизацией экономики имеется в виду внедрение технологий в экономику страны. Она обеспечивается за счет автоматизации всех процессов и технологий обработки данных и использовании таких инструментов, как цифровые деньги, удаленный банкинг и другие финансовые технологии, обеспечивающие формирование двухуровневой банковской системы, роботизация производства, электронный документооборот, цифровые государственные услуги и т.д.

В рамках цифровизации экономики к 2030 году Федеральная Таможенная Служба России поставила цель по оснащению таможенной службы интеллектуальными системами, и программами, работающие по технологии искусственного интеллекта, которые позволяют анализировать огромные массивы данных, исключая человеческие ошибки, за считанные минуты.

ГЛАВА 3. ПЕРСПЕКТИВЫ И НАПРАВЛЕНИЯ ПО ВНЕДРЕНИЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ТАМОЖЕННОМ ДЕЛЕ

3.1 Перспективы внедрения ИИ в таможенном деле

Произошедшие в последние годы изменения, связанные с бурным развитием цифровых технологий и необходимостью снижения технических барьеров во внешней торговле, в итоге потребуют пересмотра всей «архитектуры» таможенного контроля. В рамках перехода Федеральной таможенной службы России к электронной таможне сегодня активно создаются Центры электронного декларирования, предназначенные для разделения таможенного контроля на документальный контроль и фактический контроль. Очевидно, что в местах проведения фактического таможенного контроля будут сосредоточены высококвалифицированные кадры, специализирующиеся на товароведческих знаниях для фактического контроля правильности классификации товаров в таможенных целях [31].

Проблемы классификации отдельных групп товаров в таможенных целях постоянно поднимаются авторами и актуальность их не ослабевает во времени. Судебная практика таможенных органов по делам, связанным с классификацией товаров по единой Товарной номенклатуре внешнеэкономической деятельности Евразийского экономического союза показывает, что диапазон выявляемых, возбуждаемых и расследуемых дел об административных правонарушениях в области таможенного дела достаточно широкий и требует от должностных лиц таможенных органов обширных знаний в разных областях [33].

Важно отметить, что оперативная память человека, даже с уникальными умственными возможностями, не способна справится с массивом данных из разных областей человеческой деятельности, необходимым для осуществления контроля правильности классификации товаров в таможенных целях. В связи с этим в таможенной практике сегодня широко используются программные продукты, основанные на семантическом анализе сведений, указанных в ранее выпущенных декларациях на товар и товаросопроводительных документах.

Технологии, позволяющие находить и обрабатывать требуемые сочетания слов или их элементов, давно используются современными поисковыми системами. Серьезных технических ограничений для использования семантических индикаторов при выявлении рисков не существует [19].

Применению семантических индикаторов риска в качестве одного из инструментов автоматизации таможенного контроля в условиях внедрения технологии автоматического выпуска товаров посвящено много публикаций. В некоторых из них авторы раскрывают порядок использования семантических индикаторов при осуществлении контроля качества и безопасности товаров, перемещаемых через таможенную границу, алгоритмы выявления риска и возможные проблемы. Очевидно, что предложенные алгоритмы целесообразно использовать при реализации положений системы управления рисков и в качестве контекстной подсказки для должностных лиц таможенных органов. В работах отмечается, что внедрение цифровых технологий в системе федеральных органов исполнительной власти Российской Федерации является приоритетным направлением. При этом анализ современного состояния процессов цифровизации таможенной сферы выявил практические проблемы применения цифровых технологий для электронного декларирования товаров как основополагающего инструментария применения системы управления рисками [23].

Полностью автоматизировать процесс контроля правильности классификации на основе существующих программных средств не представляется возможным. Это связано с необходимостью применения должностным лицом таможенных органов специальных знаний о проявляемых свойствах широкого спектра существующих и вновь появляющихся на рынке товаров, а также современных технологиях их производства, которые находятся в постоянном развитии [36].

Следовательно, необходимо искать новые пути совершенствования таможенного контроля правильности классификации товаров по ТН ВЭД ЕАЭС [9]. Следующий этап цифровизации таможенных технологий - это создание интеллектуальных систем, способных выполнять функции, которые традиционно считаются прерогативой человека, т.е. создание искусственного интеллекта. Создание интеллектуальных систем - это один из методов, позволяющий моделировать простейшие системы «мышления» для их использования в практических целях. Зарубежный опыт применения современных программных средств, позволяющих реализовать использование искусственного интеллекта при определении товароведческих и идентификационных характеристик товаров применительно к задачам отличающихся от таможенной сферы, описан и апробирован [38].

Анализ существующих в литературных источниках дефиниций термина «искусственный интеллект» показал, что в него входит целый ряд направлений, основанных на возможности обрабатывать данные быстрее и успешнее человеческого мозга. На практике – это виртуальные помощники, системы мониторинга, системы контроля данных, системы обработки неструктурированных данных.

Применение программных продуктов, созданных на основе накопленных человечеством знаний о признаках и свойствах товаров, качественно отличается от использования контекстных подсказок, основанных на семантическом анализе информации, содержащейся в таможенной декларации на товар.

Например, к различным породам древесины при осуществлении внешней торговли применяются различные меры государственного регулирования. На вывоз отдельных пород установлены запреты, при этом семантический анализ позволяет определить лишь только то, что перемещается необработанная древесина, тогда как экспертная система, построенная на основе интерпретации базы данных идентификационных признаков различных пород древесины, структурированных соответствующим образом, позволяет определить ее вид (ель, сосна, береза, дуб, пихта, лиственница и т.д.). Основная сложность, связанная с реализацией проектов цифровой трансформации сведений о товарах – это работа с источниками информации, отбор, поиск актуальных данных, структурирование, формирование базы данных и разработка алгоритмов. Алгоритм идентификации пород круглых лесоматериалов соответствии с ТН ВЭД представлен в Приложении 4.

При этом важно соотнести предполагаемые затраты и результаты, но если знать чего следует достичь, то можно сформулировать ключевые показатели эффективности проекта и по ним впоследствии измерять результат. Созданная однажды экспертная система, оперирующая неизменяющимися во времени данными, может применяться многократно неисчислимое количество раз, а сам процесс идентификации займет лишь доли секунды [40].

Части и принадлежности также как все товары внешней торговли классифицируются по Основным правилам интерпретации ТН ВЭД, в соответствии с которыми « для юридических целей классификация товаров в ТН ВЭД осуществляется исходя из текстов товарных позиций и соответствующих примечаний к разделам или группам». Анализ классификационной части ТН ВЭД (текстов товарных позиций и примечаний к различным группировкам) позволил систематизировать основные положения, связанные с классификацией данной категории товара, и представить их в виде алгоритмов. Идентификация и классификация частей оборудования раздела XVI ТН ВЭД и идентификация и классификация инструментов для сборки и обслуживания машин и сменных инструментов в ТН ВЭД представлена в Приложении 5-6.

Вывод по разделу 3.1. В данном разделе работы определялись перспективы внедрения ИИ в таможенном деле.

Таким образом, предложенный подход, основанный на разработке алгоритмов и интеллектуальных программных средств идентификации и классификации товаров с учетом положений ТН ВЭД, позволит повысить оперативность таможенного контроля и сократить время фактического контроля правильности классификации товаров в таможенных целях.

3.2 Направления и рекомендации по внедрению ИИ в таможенном деле

План мероприятий на период 2021 - 2024 годов по реализации Стратегии развития таможенной службы Российской Федерации до 2030 года [3-7], разработан в целях реализации положений Стратегии и миссии Федеральной таможенной службы.

Реализация Стратегии осуществляется в 2 этапа:

На каждом этапе реализации Стратегии осуществляется разработка отдельного плана реализации.

План состоит из 14 разделов. Разделы Плана соответствуют основным стратегическим направлениям развития таможенной службы Российской Федерации на период до 2030 года [3-7].

Основными принципами формирования Плана являются:

Учитывая одну из целей Стратегии - переход от электронной таможни к таможне интеллектуальной, реализация мероприятий, предусмотренных Планом, нацелена на полномасштабную цифровизацию и автоматизацию деятельности таможенных органов, в том числе:

На этапе реализации Стратегии наиболее приоритетными мероприятиями Плана станут:

Реализация ряда мероприятий Плана потребует привлечения дополнительного финансирования из федерального бюджета как в части ФТС России, так и в части иных федеральных органов исполнительной власти. Финансовое обеспечение выполнения мероприятий Плана за счет средств федерального бюджета будет уточняться ежегодно в установленном порядке при подготовке проектов федерального бюджета на очередной финансовый год и плановый период [47].

Вывод по разделу 3.2. В данном разделе работы определялись направления и рекомендации по внедрению ИИ в таможенном деле.

Таким образом, план мероприятий на период 2021 - 2024 годов [3-7] по реализации Стратегии развития таможенной службы Российской Федерации до 2030 года будет направлен на модернизацию таможенной службы в целом, а именно внедрение и совершенствование искусственного интеллекта, применение международных электронных систем верификации и сертификации происхождения товаров, полномасштабной автоматизации процессов контроля и выпуска товаров, достижение международных современных стандартов в области ВЭД.

3.3 Оценка эффективности внедрения ИИ в таможенном деле

Одним из стратегических направлений деятельности Федеральной таможенной службы (ФТС России) является внедрение современных информационно-коммуникационных (цифровых) технологий, имеющих колоссальный потенциал при решении приоритетных задач таможенных органов за счет автоматизации процессов совершения таможенных операций и проведения таможенного контроля. К таким технологиям относится технология искусственного интеллекта, которая получила положительную оценку в различных сферах человеческой деятельности. В настоящее время исследователями определены возможности ее внедрения и эффективного применения в здравоохранении, образовании, промышленности, а также во многих других сферах деятельности. Положительный эффект при использовании искусственного интеллекта, на наш взгляд, может быть также получен и в деятельности таможенных органов. Специалистами уже проводятся исследования, направленные на определение возможностей и перспектив внедрения искусственного интеллекта в деятельность таможенных органов в целях получения определенного положительного эффекта [48].

В «Стратегии развития таможенной службы Российской Федерации до 2030 года» технология искусственного интеллекта занимает центральное место. При этом отмечается, что необходимо закрепить стандарты максимальной автоматизации совершения таможенных операций с использованием элементов искусственного интеллекта. Под искусственным интеллектом понимается комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает информационно-коммуникационную инфраструктуру, программное обеспечение, в котором в том числе используются методы машинного обучения, процессы и сервисы по обработке данных и выработке решений. К современным технологиям искусственного интеллекта относятся: компьютерное зрение, обработка естественного языка, распознавание и синтез речи, интеллектуальная поддержка принятия решений и перспективные методы искусственного интеллекта [49].

По данным «дорожной карты» развития «сквозных» цифровых технологий «Нейротехнологии и искусственный интеллект», фактическая доля России на мировом рынке искусственного интеллекта составила 0,2% в 2018 г., но должна увеличиться до 1,7% к 2024 г. «Сквозные» цифровые технологии – это передовые научно-технические отрасли, наиболее сильно влияющие на развитие экономики. «Сквозные» цифровые технологии – это «большие данные», новые производственные технологии, промышленный интернет, искусственный интеллект, технологии беспроводной связи, компоненты робототехники и сенсорика, квантовые технологии, системы распределенного реестра, технологии виртуальной и дополненной реальностей. В 2018 г. российский рынок решений в сфере искусственного интеллекта составил 2,1 млрд руб., к 2024 г. он должен увеличиться до 160,1 млрд руб. (табл.).

Таблица 1.

Объем российского рынка решений в сфере искусственного интеллекта в разрезе «сквозных» цифровых технологий с 2018 по 2024 г., млрд руб.

Представленные в таблице данные свидетельствуют о значительных финансовых инвестициях России в технологию искусственного интеллекта, которая благодаря анализу больших объемов данных способна самостоятельно обучаться, выявлять закономерности, вырабатывать рекомендации по собственному совершенствованию или даже осуществлять их самостоятельно. При этом, учитывая колоссальный потенциал данной технологии, неудивительно присутствие стран – лидеров мировой экономики – США, КНР, Великобритании, Франции и Германии – в списке ведущих в сфере искусственного интеллекта [50].

Однако несмотря на то, что потребность в технологии искусственного интеллекта очевидна, необходимо учитывать, что при этом имеют место случаи, когда существенные финансовые вложения в технологии искусственного интеллекта не обеспечивали положительного эффекта от ее внедрения. Например, в США Администрация транспортной безопасности была обвинена в растрате государственного бюджета за неудачные инвестиции в технологии рентген-сканирования. Администрация потратила более 160 млн долл. на сканеры досмотра пассажиров в аэропортах, многие из которых пропустили угрозы во время тестирования.

Подобные случаи, и в частности негативный опыт США, показывают, что необходимо заранее обосновывать эффективность внедрения подобных технологий [51].

Как показывают результаты проведенного авторами исследования, научно обоснованное принятие решения о целесообразности внедрения информационно-коммуникационной технологии в таможенную деятельность предлагается проводить в последовательности, представленной в Приложении 11.

Основной интерес представляет пятый этап, на котором происходит оценка эффективности предлагаемой к применению информационно-коммуникационной технологии.

Для оценки эффективности системы считаем целесообразным учитывать факторы, представленные в Приложении 11. Ожидаемый эффект и затраты на внедрение и применение технологии искусственного интеллекта в деятельности таможенных органов были рассмотрены на примере системы поддержки принятия решений оператора инспекционно-досмотрового комплекса (ИДК).

Предварительно отметим, что система на основе использования технологии искусственного интеллекта при применении ИДК предназначена для выявления в автоматизированном режиме товаров, запрещенных к перемещению через таможенную границу Евразийского экономического союза (ЕАЭС [9]), путем анализа их рентгеновских изображений [52].

Выявление запрещенных к перевозке через границу товаров планируется достичь за счет постоянного сбора и анализа их изображений, получаемых с использованием ИДК, а также формирования специализированной базы данных снимков в электронном виде. При этом отличительной особенностью предполагаемой технологии контроля по сравнению с действующей будет являться именно автоматизированный, а не ручной режим обработки изображений оператором. Интеллектуальная система в автоматизированном режиме будет сравнивать результаты текущего сканирования с информацией из специализированной базы данных и сигнализировать о наличии запрещенных товаров оператору ИДК, который будет принимать окончательное решение о целесообразности или нецелесообразности проведения дальнейших таможенных операций с таким товаром [17].

Сравнение существующей и предлагаемой к внедрению технологий представлено в Приложении 12.

Для оценки эффективности работы системы поддержки принятия решений на основе искусственного интеллекта следует сравнить показатели предлагаемой системы X1 ′ , X2 ′ , X3 ′ ,…, XN ′ с показателями существующей системы X1, X2, X3,…, XN. Решение в пользу перспективной системы будет приниматься, если ее показатели будут лучше действующей.

На наш взгляд, преимуществами перспективной автоматизированной системы по сравнению с действующей системой обработки изображений оператором будут являться следующие.

Минимизация ошибок первого и второго рода, совершаемых оператором при анализе изображений интеллектуальной системой. К причинам, способствующим ошибочным действиям оператора ИДК, можно отнести:

При этом предполагается, что искусственный интеллект таких ошибок допускать не будет. Однако исключать человека из существующей технологии таможенного контроля представляется нецелесообразным, так как современные технологии искусственного интеллекта не обладают особыми человеческими способностями, например интуитивным мышлением [29].

Повышение пропускной способности таможенных органов за счет снижения времени таможенного контроля. Данное преимущество непосредственно вытекает из первого. Очевидно, что время на анализ изображений, которое необходимо системе поддержки принятия решений с использованием искусственного интеллекта, будет существенно меньше, чем время, затрачиваемое на аналогичную процедуру даже опытным оператором ИДК [55].

Превосходство автоматизированной системы над действующей по временным параметрам очевидно. Здесь интерес будут представлять конкретные значения скорости проведения одного сеанса контроля единственного проверяемого объекта и количество товарных партий, подвергнутых таможенному контролю за единицу времени. Поэтому авторы сосредоточили внимание на показателях ошибок контроля первого и второго рода. Для оценки эффективности исследуемых систем по допускаемым ошибкам предлагается использовать систему тестирования, блок-схема которой представлена в Приложении 12.

Для тестирования системы контроля используются ранее полученные данные достаточно большой выборки товаров, у которой в прошлом были выявлены (а значит, уже известны) нарушения таможенного законодательства. Выявленные тестируемой системой контроля нарушения сравниваются с известными, и таким образом определяется наличие или отсутствие ошибок системы контроля. При этом предлагается использовать следующие показатели. Доля (в процентах) опасных предметов, определенных системой как безопасные (ошибки пропуска опасных предметов), за конкретный период времени, например, за один год:

где KO – количество опасных предметов, распознанных системой как безопасные;

KN – общее количество опасных предметов, участвующих в выборке.

При этом в пользу первой (лучшей) тестируемой системы будет выполнение условия:

где DOP1 – первая подвергнувшаяся тестированию система;

DOP2 – вторая подвергнувшаяся тестированию система.

Доля (в процентах) безопасных предметов, определенных системой как опасные, например, за один год (ошибки ложного срабатывания на безопасных предметах):

где KB – количество безопасных предметов, определенных системой как опасные;

KK – общее количество безопасных предметов, участвующих в выборке.

При этом в пользу первой (лучшей) тестируемой системы будет выполнение условия:

где DBP1 – первая подвергнувшаяся тестированию система;

DBP2 – вторая подвергнувшаяся тестированию система.

Для тестирования системы таможенного контроля с применением искусственного интеллекта, которая находится в рабочем режиме (с целью ее дальнейшего совершенствования), можно использовать следующую схему (см. Приложение 12).

В этом случае поток сведений с данными контролируемых объектов, помимо поступления на вход находящейся в рабочем режиме системы таможенного контроля с применением искусственного интеллекта, также поступает на вход полного аналога этой системы («зеркало»). Этот же поток подается на вход системы создания нарушений-маркеров, которая «подмешивает» или «замещает» некоторые параметры контролируемых объектов без нарушений на похожие, но содержащие нарушения. Эти известные нарушения сравниваются с выявленными нарушениями «зеркала» и таким образом выясняется, как эффективно выявляет ошибки тестируемая система контроля [30].

При определении затрат на применение исследуемой системы будем пользоваться таким показателем, как экономический эффект EF, под которым понимается полезный результат экономической деятельности, измеряемый обычно разностью между денежным доходом от деятельности и денежными расходами на ее осуществление. В общем виде показатель экономического эффекта рассчитывается по формуле:

где PM – положительный экономический результат, получаемый в результате внедрения технологии за расчетный период времени (приток денежных средств), руб. (авторы предлагают в этой формуле считать не приток денежных средств, а выявленный ущерб государству и обществу в денежном выражении); ZT – затраты, связанные с внедрением технологии за тот же период времени (отток денежных средств), руб.

С нашей точки зрения, целесообразно рассчитывать показатель затрат, связанных с внедрением и применением системы поддержки принятия решений на основе искусственного интеллекта, как совокупную стоимость владения (Total Cost of Ownership, ТСО) путем построения комплексной модели по формуле:

где K – единовременные затраты на приобретение интеллектуальной системы;

NE – годы использования интеллектуальной системы;

С – систематические затраты на эксплуатацию интеллектуальной системы.

В данном случае, исходя из предложенной модели, единовременные затраты (K) будут формироваться из нескольких составляющих:

где KPO – расходы на техническую разработку программного обеспечения;

KTC – расходы на техническую поддержку;

KDL – расходы на обучение должностных лиц;

KOE – расходы на опытную эксплуатацию.

Вывод по разделу 3.3. В данном разделе работы проводилась оценка эффективности внедрения ИИ в таможенном деле.

Таким образом, с помощью представленного методического аппарата можно провести оценку ожидаемого эффекта и затрат на применение технологии искусственного интеллекта в системе поддержки принятия решений оператором ИДК, что позволяет проводить обоснование целесообразности его внедрения в деятельность таможенных органов [34].

Вывод по третьей главе работы. В данной главе работы определялись перспективы и направления по внедрению искусственного интеллекта в таможенном деле.

Таким образом, физические возможности человека не позволяют оперировать объемом информации, необходимым при контроле правильности классификации товаров в соответствии с ТН ВЭД. Отсутствие опыта классификации у участника ВЭД и времени у таможенного инспектора при таможенном контроле до выпуска товара является причиной большого количества судебных разбирательств и негативных событий в течение трех лет после выпуска товаров в свободное обращение.

Исследование возможностей машинного обучения показало, что научить машину можно многому, в том числе проводить рутинные исследования по идентификации (по простым и устойчивым во времени признакам), использовать знания о товарах, накопленные человечеством (искусственный интеллект), выявлять и распознавать информацию (семантика). От конкретной потребности общества и возможностей разработчиков будет зависеть выбор инструментов, которые необходимо использовать в каждом конкретном случае. Механизм управления идентификацией можно совершенствовать до бесконечности, поскольку будут появляться не только новые технологии идентификации товаров, но и новые товары с новыми модифицированными свойствами, а следовательно, эксперт будет востребован всегда. Применение облачного агрегатора ВЭД, предполагающего решение одной из проблемных и сложных задач ВЭД за счет улучшенного сервиса услуг по идентификации и классификации товаров в соответствии ТН ВЭД, будет одинаково востребовано как центрами электронного декларирования таможенных органов, так и участниками ВЭД.

ЗАКЛЮЧЕНИЕ

Подведем итоги настоящей работы.

Цель работы, исследовать перспективы внедрения искусственного интеллекта в таможенном деле.

В первой главе работы исследовались теоретико-методологические аспекты внедрения искусственного интеллекта в таможенном деле.

Так было определено что искусственный интеллект - это комплекс технологических решений, позволяющий имитировать когнитивные функции и получать при выполнении конкретных задач результаты, сопоставимые с результатами интеллектуальной деятельности человека. Данная технология набирает все большие обороты в жизни общества, имея место в самых различных областях человеческой деятельности, в том числе и в таможенных органах. Искусственный интеллект позволяет компьютерам обучаться на собственном опыте, адаптироваться к задаваемым параметрам и выполнять те задачи, которые раньше были под силу только человеку. Цель искусственного интеллекта в таможенной сфере – это обработка больших объемов данных без многочисленных приборов, манипуляций и сведение участия таможенных инспекторов в этом процессе практически до нуля.

Во второй главе работы исследовался искусственный интеллект в деятельности ФТС РФ.

Так было определено что федеральная таможенная служба ведет разработку модели интеллектуального пункта пропуска, предусматривающую полную автоматизацию процесса таможенных операций, что как следствие сократит время, затрачиваемое на их осуществление и повысит производительность в целом. Если говорить про зарубежный опыт использования искусственного интеллекта в таможенном деле, то в данном ключе интересным представляется опыт США и Китая. Таможенные органы США активно используют технологию автоматической системы экспорта. Данная технология позволяет таможенным органам систематизировать поступающую информацию о грузах, которые перемещаются через границу государства всеми видами транспорта. Данная технология используется таможенными органами США совместно с иными государственными структурами, в частности с Министерством торговли США. Применение инновационных технологий в 57 таможенных органах США основывается преимущественно на развитии систем тотального контроля и мониторинга деятельности. Также заслуживает внимания опыт применения США блокчейна. Блокчейн - выстроенная по определённым правилам непрерывная последовательная цепочка блоков, содержащих информацию. В штате Арканзас фермеры используют данную технологию для отслеживания поставок домашней птицы, в свою очередь конечный потребитель может проверить качество продукции за счет QR-кода, этот же метод в будущем планируется использовать и в других сферах. Развитие цифровой таможни Китая также способствует упрощению проведения таможенного оформления, повышению качества выдачи документов, лицензий, необходимых для внешнеторговой деятельности. Кроме того предполагается наличие, так называемого «Единого окна», с помощью которого участник ВЭД может подать все необходимые документы в электронном виде без непосредственного посещения таможенного органа самолично. Как и в других странах, цифровизация деятельности таможенных органов Китая, оказывает положительное влияние на результаты таможенной деятельности государства.

В третьей главе работы определялись перспективы и направления по внедрению искусственного интеллекта в таможенном деле.

Так было определено что процесс цифровизации деятельности таможенных органов РФ продвигается довольно быстро, что положительно влияет на решение возложенных на таможенную службу задач. Главным фактором повышения эффективности таможенной деятельности на основе современных технологий выступают кадры, а именно их подготовка и переподготовка, формирование специалиста таможенного дела «нового поколения», обладающего принципиально новыми компетенциями в области современных технологий. Другой важной вехой является разработка и реализация модели интеллектуального пункта пропуска через государственную границу, основой которой должна стать единая цифровая платформа, интегрируемая как с базами данных всех контролирующих органов, так и с программным 58 обеспечением технических средств контроля, а именно комплексов потокового сканирования и весогабаритных измерений, системы радиационного контроля, распознавания номеров транспортных средств. Кроме того на период до 2030 года в арсенале таможенных органов РФ должны появиться следующие нововведения, такие как: онлайн платформа с обезличенными государственными данными и данными компаний, архитектурные мощности, создающие архитектуру соответствующих чипсетов, интеллектуальные устройства с процессами искусственного интеллекта, а также программные и технологические решения, обеспечивающие превосходство по специальным задачам.

Таким образом, актуальность работы подтверждена, цель работы достигнута, все задачи решены.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Нормативно-правовые акты

Список литературы

ПРИЛОЖЕНИЯ

Приложение 1.

Современные технологии искусственного интеллекта

Приложение 2.

Основные направления в области ИИ в настоящее время

Приложение 3.

Области применения искусственного интеллекта

Приложение 4.

Уровень использования ИИ-решений компаниями для задач оптимизации

Причины отказа от использования ИИ-решений

Подходы к разработке/приобретению ИИ-решений для внутренних задач

Продолжение приложения 4.

Оценка эффекта от внедрения ИИ-решений для компаний в 2021 г.

Алгоритм идентификации пород круглых лесоматериалов в соответствии с ТН ВЭД

Приложение 5.

Идентификация и классификация частей оборудования раздела XVI ТН ВЭД

Приложение 6.

- Идентификация и классификация инструментов для сборки и обслуживания машин и сменных инструментов в ТН ВЭД

Приложение 7.

Основные направления искусственного интеллекта

Схема работы «Блокчейн»

Приложение 8.

Схема персептрона

Пример многослойной нейронной сети

Приложение 9.

Обобщенная схема применения искусственного интеллекта

Техническое решение применения искусственного интеллекта

Приложение 10.

Система таможенных органов РФ и их место в системе исполнительных органов

Структура таможенных органов

Продолжение приложения 10.

Структура центрального аппарата ФТС России

Приложение 11.

. Порядок принятия управленческого решения о целесообразности внедрения информационной технологии в таможенную деятельность

,

Продолжение приложения 11.

Факторы, влияющие на процесс выработки управленческого решения о внедрении информационной технологии в таможенную деятельность

Приложение 12.

Блок-схема сопоставления действующей таможенной технологии досмотра товаров с использованием инспекционно-досмотровых комплексов и предлагаемой к внедрению технологии, основанной на использовании искусственного интеллекта

Блок-схема системы тестирования

Продолжение приложения 12.

Схема выявления ошибок при работе системы таможенного контроля с применением искусственного интеллекта