Інноваційні аналітико-статистичні технології як інструмент протидії корупції в державі

Размещено на http://www.allbest.ru/

Інноваційні аналітико-статистичні технології як інструмент протидії корупції в державі

Юлія Яцина

голова ГО «Союз соціальних

технологів України»

Ми живемо у часи безпрецедентного сплеску інтересу до інноваційних інформаційних технологій, а саме технологій машинного навчання та штучного інтелекту. Ці інструменти вже давно стали частиною повсякденного життя для мільярдів людей. Велика кількість цифрових продуктів та послуг, таких як, наприклад, інтерактивні карти, індивідуальна реклама та особисті голосові помічники безумовно є лише верхівкою айсбергу. Деякі прихильники штучного інтелекту навіть стверджують, що впровадження штучного інтелекту буде мати такі ж наслідки, що були у вогня чи електрики [3], що він змінить майже кожну сферу людської діяльності. Не залишилася осторонь і сфера державного (публічного) управління, в тому числі напрям протидії корупції.

Під корупцію ми розуміємо протиправне використання посадовою особою наданих їй управлінських ресурсів для особистої чи групової вигоди, що може мати як матеріальну, так і нематеріальну форму. При цьому протиправне використання - це порушення як формальних нормативно-юридичних установ, включаючи норми службової поведінки та етики, так і неформалізованих норм поведінки, етики і моралі [1]. Під інструментами протидії корупції розуміються будь-які засоби щодо створенню перешкод вчиненню корупційних діянь, здійснення опору їх поширенню, а також реагування відносно тих діянь, які вже проявилися у фактично скоєних правопорушеннях.

Інноваційні аналітико-статистичні технології визначаються:

- в широкому значенні як сукупність методів та інструментів, що базуються на використанні математичних та статистичних методів аналізу даних з метою виявлення корисних залежностей та закономірностей в даних, підвищення ефективності прийняття рішень та виявлення аномалій у різних сферах діяльності;

- у вузькому - як процес використання найсучасніших методів та технологій аналізу даних, таких як машинне навчання, глибинне навчання, нейронні мережі, обробка природної мови, аналіз графів тощо з метою виявлення складних залежностей та корисних закономірностей в даних. До таких технологій відносяться також методи аналізу даних у режимі реального часу, які дозволяють отримувати швидкі та точні результати аналізу великих обсягів даних.

Процес впровадження інноваційних аналітико-статистичних технологій у сфері боротьби з корупцією можна умовно поділити на кілька етапів [2, с. 6]:

1. Етап «цифровізації» - на цьому етапі інформаційні технології були введені у сферу боротьби з корупцією як засіб автоматизації процесів. Наприклад, запровадження електронних баз даних, електронного документообігу та електронної звітності.

2. Етап «відкритих даних» - на цьому етапі були створені платформи для публічного доступу до даних про державні закупівлі, бюджетні витрати, доходи та майно посадових осіб тощо. Це дозволило зацікавленим громадянам легше відслідковувати та виявляти випадки корупції.

3. Етап «цифрової ідентифікації» - на цьому етапі були впроваджені засоби та технології для електронної ідентифікації громадян та посадових осіб, що дозволяє підвищити прозорість та відстежуваність державних процесів.

4. Етап «штучного інтелекту та аналітики» - на даному етапі відбувається широке впровадження систем та технологій аналітики даних та штучного інтелекту, що дозволяє більш ефективно виявляти та запобігати випадкам корупції, наприклад, за рахунок аналізу великих обсягів даних та виявлення аномалій в діяльності посадових осіб та державних структур.

5. Етап «цифрової економіки» - на даному етапі активно розвиваються блокчейн- технології, які дозволяють забезпечити надійний захист від підробок, маніпуляцій та фальсифікацій, включаючи документообіг, електронне голосування та інші процеси, пов'язані з боротьбою з корупцією.

Аналіз стану наукової розробки проблеми інноваційних аналітико-статистичних технологій як інструменту протидії корупції в державі дозволяє охарактеризувати її як науковий напрям, орієнтований на практичне застосування у сфері контролю якості діяльності органів державної влади та місцевого самоврядування провідні інформаційні технології - в першу чергу технології штучного інтелекту та машинного навчання [5; 6].

Машинне навчання та штучний інтелект - це дві тісно пов'язані, але різні концепції в галузі комп'ютерних наук. У загальному сенсі штучний інтелект - це область науки, яка прагне створити машини, які можуть діяти за допомогою інтелекту, аналогічного людському. Машинне навчання - це одна з технологій, що використовуються для створення таких машин [4].

Якщо більш конкретно, то машинне навчання - це методологія, що дозволяє комп'ютерам навчатися з урахуванням наявних даних без застосування явного програмування. Замість того, щоб людина написала програму, яка вирішує певне завдання, алгоритми машинного навчання використовуються для навчання комп'ютера певним патернам у даних. Комп'ютер може використовувати цю інформацію для прийняття рішень або вирішення завдань, які він не бачив раніше.

Штучний інтелект, з іншого боку, є більш загальним поняттям, яке охоплює всі технології, спрямовані на створення комп'ютерних систем, які можуть діяти інтелектуально, тобто сприймати, обробляти та використовувати знання та вирішувати завдання, які потребують людського інтелекту. Технології штучного інтелекту можуть використовувати методи машинного навчання, але можуть включати інші підходи, такі як системи експертних знань, вирішення завдань на основі знань і нейронні мережі [7].

Таким чином, машинне навчання є одним із методів, що використовуються в галузі штучного інтелекту. Обидва ці поняття використовуються в різних галузях, включаючи пошук корупції, де машинне навчання може використовуватися для аналізу великих обсягів даних, а штучний інтелект може використовуватися для розробки систем, які можуть приймати рішення на основі цього аналізу.

Окрім технологій штучного інтелекту та машинного навчання, для успішної боротьби з корупцією необхідне застосування наступних інформаційних технологій [2, с. 10]:

1. Блокчейн - технологія, яка може забезпечити прозорість та незамінність інформації. Завдяки цьому вона може бути застосована для створення систем електронного голосування, угод, контрактів, які неможливо підробити.

2. Децентралізовані системи зберігання даних - дозволяють зберігати дані без централізованого управління, що забезпечує додатковий захист від несанкціонованого доступу та зміни даних.

3. Big Data - дані можуть бути використані для створення прогностичних моделей корупційних схем, визначення ключових факторів, що сприяють корупції, та моніторингу динаміки корупційних процесів.

4. GIS-технології - дозволяють використовувати просторові дані для дослідження корупційних явищ та виявлення зв'язків між ними та конкретними місцями на карті.

5. Інтернет речей (IoT) - може використовуватися для збору даних, моніторингу та контролю за ключовими об'єктами, такими як громадські будівлі, дороги, транспорт тощо.

Голосові технології та розпізнавання мови - можуть бути використані для створення систем розпізнавання голосу та подальшої автоматизації державних процесів. корупція штучний інтелект інноваційний

Не зважаючи на всі переваги впровадження інноваційних аналітико-статистичних технологій як інструменту протидії корупції в державі, важливо відзначити, що застосування цих технологій має супроводжуватися законодавчою базою, етичними нормами та сильною політичною та громадською підтримкою. Адже, в іншому випадку, ці технології можуть стати основою для створення «цифрового концтабору».

ЛИТЕРАТУРА

1. Костенко, Д. В. (2020). Система запобігання корупції в Україні: становлення та розвиток : дис. ... кандидат наук з державного управління : 25.00.01. Інститут підготовки кадрів Державної служби зайнятості України Міністерства соціальної політики України, Київ.

2. Artificial Intelligence in International Development: A Discussion Paper. (2019). Retrieved from https://www.idiainnovation.Org/s/AIandintemationalDevelopment.pdf

3. Clifford, C. (2018). Google CEO: A.I. is more important than fire or electricity. CNBC.com. Retrieved from https://www.cnbc.com/2018/02/01/google-ceo-sundar-pichai-ai-is-more-important-than-fire- electricity.html

4. Machine Learning Applications for Accounting Disclosure and Fraud Detection. (2021). Hershey,

PA: IGI Global.

5. Managing Machine Learning Projects in International Development: a Practical Guide. (2022).

Retrievedfromhttps://www.usaid.gov/sites/default/files/2022-05/Vital_Wave_USAID-AIML-

FieldGuide_FINAL_VERSION_1 .pdf

6. Paul, A., Jolley, C., & Anthony, A. (2020). Reflecting the Past, Shaping the Future: Making AI Work for International Development. Retrieved from https://www.usaid.gov/sites/default/files/2022-05/AI- ML-in-Development.pdf

7. Russell, S. J., & Norvig, P. (2022). Artificial Intelligence A Modern Approach: Pearson Education Limited.

Размещено на Allbest.ru