Применение современных методов машинной обработки данных в экономике и государственном управлении

В статье представлено структурированное описание современных исследований в области искусственного интеллекта и машинного обучения, и практического применения их результатов в государственном секторе, прежде всего в части борьбы с распространением коронавирусной инфекции. В силу текущей эпидемиологической обстановки, вызванной распространением вируса COVID-19, предлагаемый материал преимущественно отражает актуальную повестку и сосредоточен на использовании возможностей машинного обучения в сферах общественного порядка, безопасности и здравоохранения.

В последнее десятилетие наблюдается новая волна¹ популярности литературы, относящейся к категориям «искусственного интеллекта» и «машинного обучения». Статистика публикационной активности «SCImago Journal Rank» [1] свидетельствует о росте как количества публикаций с соответствующими ключевыми словами, так и их доли в общем объеме научной литературы. Кроме того, согласно исследованиям [2, 3], в научных базах данных увеличивается количество работ, в перечне ключевых слов которых дополнительно к упомянутым выше указаны: «государственный сектор» и «государственное управление». Это говорит об активном поиске возможностей использования машинной обработки данных и искусственного интеллекта государственным сектором. Развертывание новых интеллектуальных систем может повысить эффективность и качество работы правительства при одновременном снижении административного бремени, повысить безопасность гражданского общества и улучшить обеспечение гражданских интересов . Основной задачей настоящего исследования является обобщение опыта практического применения методов машинного обучения в различных областях государственного управления и анализ приносимых выгод и издержек.

12(114) 2020

В качестве источников информации далее используются научные базы данных рецензируемой литературы: Scopus, WoS, а также общедоступный сервис Google Scholar и прочие периодические издания. Онлайн-поиск в приведенных базах данных проводился в апреле 2020 г. с использованием следующих пар ключевых слов: «government» и «digitalization»; «government» и «artificial intelligence», «government» и «machine learning».

В силу текущей эпидемиологической обстановки, вызванной распространением вируса COVID-19, предлагаемый материал преимущественно отражает актуальную повестку и сосредоточен на использовании возможностей машинного обучения в сферах общественного порядка, безопасности и здравоохранения.

Пандемия, вызванная новым коронавирусом, заставила бизнес, государственный и общественный сектор консолидировать свои усилия для препятствования распространению вируса и минимизации наносимого им ущерба. Во многих странах были разработаны и внедрены системы по детальному отслеживанию перемещений и контактов заболевших и потенциально зараженных граждан. Эти системы применялись в том числе и для отслеживания нарушений карантинного режима.

Общественный порядок и безопасность

Отслеживание на основе геолокации и данных сотовых операторов Республика Корея столкнулась с эпидемией COVID-19 одна из первых и продемонстрировала высокую эффективность в борьбе с распространением вируса. На настоящий момент там темпы прироста заболевших ниже, чем в большинстве других стран. Одну из главных ролей в борьбе с пандемией и в отслеживании перемещения граждан в стране играют технологии обработки больших данных.

Приложение «Corona 100m» [7], запущенное 11 февраля 2020 г., оповещает пользователей, когда они находятся в пределах 100 метров от места, которое посещает зараженный человек. Приложение, разработанное частным стартапом и одобренное государством, по своему желанию может установить любой гражданин страны. За первые десять дней после запуска его скачали более миллиона пользователей. Для того, чтоб воссоздать передвижения зараженных граждан используются записи с камер видеонаблюдения, GPS трекинг, транзакции по кредитным картам. Этот подход вызвал некоторые опасения по поводу конфиденциальности информации. Однако разработчик утверждает, что система не идентифицируют граждан персонально, а назначает им индивидуальный номер, но при этом определяет их пол и возраст.

12(114) 2020

Кроме того, после вспышки коронавируса ближневосточного респираторного синдрома MERS в 2015 г. в стране уже была создана информационная интеллектуальная система «Умный карантин» [8], которая собирает информацию о прибывающих из стран, где зафиксированы вспышки инфекционных заболеваний, и отправляет ее в Министерство иностранных дел, Службу обзора и оценки медицинского страхования, телекоммуникационным компаниями и в Корейский центр по контролю и профилактике заболеваний (KCDC). Система «Умный карантин» контролирует состояние здоровья прибывших лиц в течение инкубационного периода. Приложение отслеживают передвижения пациентов, используя записи с камер наблюдения, транзакции с кредитных карт и данные GPS с их автомобилей и мобильных устройств.

В Польше и Австралии для контроля за лицами, помещенными на карантин, используется приложение, на которое в случайные моменты времени в течение дня приходят запросы с просьбой сделать фото. Так приложение идентифицирует, находится ли человек в указанном при регистрации жилом помещении, сверяя антропометрические данные лица на фото и передаваемые данные о геолокации.

В Сингапуре и Австралии приложения для отслеживания граждан, контактировавших с больными коронавирусом, применяют технологию Bluetooth. Приложение записывает данные о сближении пользователей, фиксируя историю встреч и взаимодействий. В случае, когда у одного из пользователей диагностируют наличие COVID-19, контактировавшие идентифицируются и информируются. С разной степенью вовлеченности личных данных для мониторинга передвижения граждан используются мобильные приложения в Тайване, Германия, Италии, Израиле.

В большей степени возможности машинного обучения задействованы в беспилотных летательных аппаратах, которые используются некоторыми странами [11] (Китай, Испания, Италия, Бельгии, Франции) для проверки граждан, помещенных на карантин, и поиска нарушителей. К примеру, дроны компании «DragonFly» [12], примененные впервые 21 апреля в американских штатах Калифорния и Коннектикут, оснащены датчиками и системами компьютерного зрения, которые измеряют температуру тела, дыхание и частоту сердечных сокращений. Они также могут определить, что кто-то чихает, кашляет или не соблюдает правила социального дистанцирования.

Здоровье

Суперкомпьютеры для поиска решений проблем с COVID-19

В конце марта было объявлено о создании Консорциума правительственных учреждений и технологических компаний США [13] (в него входят национальные лаборатории Департамента энергетики, Nvidia, IBM, Google Cloud Alphabet Inc., Amazon, Microsoft Corp. и другие), который предоставляет исследователям во всем мире доступ по крайней мере к 16 суперкомпьютерам для исследователей вируса COVID-19. На сайте Консорциума [13] на настоящий момент содержится информация о 33 активных проектах. Крупнейшая научная лаборатория Министерства энергетики США (ORNL – Окриджская национальная лаборатория) [14], проводящая фундаментальные и прикладные исследования в области энергетики и безопасности, предоставила свою инфраструктуру для проекта. Среди исследований в рамках проекта: «Подмодульная оптимизация и подходы кластеризации графов для разработки эффективных стратегий вакцинации»; «Рассеяние влияния ингибитора на вирусную РНК-полимеразу и контроль достоверности синтеза РНК в SARS-CoV-2»; «Молекулярное моделирование комплексов белков шипа SARS-CoV с человеческим рецептором ACE2» и другие [15]. В числе IT гигантов, входящих в Консорциум – компания Nvidia, предоставившая доступ к своему суперкомпьютеру Saturn V и программному центру Nvidia NGC с ускорением на графических процессорах.

12(114) 2020

Другой исследовательский консорциум на базе Института цифровой трансформации «C3.ai» [16], включает Принстонский университет, Университет Карнеги Меллона, Массачусетский технологический институт, Калифорнийский университет, Университет Иллинойса и Чикагский университета, а также компаний C3.ai и Microsoft. Институт цифровой трансформации планирует ежегодно предоставлять 26 грантов, до 500 000 долл. каждый.

Высокопроизводительные вычисления используются для моделирования распространения вируса. Группа исследователей, возглавляемая Мадхав

Марате – профессором политехнического университета Вирджинии – проводит подробное эпидемиологическое моделировние COVID-19 для федеральных агентств США по реагированию и распределению ресурсов [17]. Исследователи используют более 720 серверов на суперкомпьютерной платформе PSC Bridges для моделирования распространения вируса в густонаселенных штатах со сложными социальными структурами, такими как Нью-Йорк, Калифорния и Техас. Исследователями просчитываются различные сценарии распространения COVID-19, что позволяет на определенной территории проверять эффективность различных политик социального дистанцирования и прочих регуляторных мер, а также определять потребности в ресурсах здравоохранения и жизнеобеспечения.

В качестве примера микромоделирования распространения вируса, результаты которого были использованы при разработке рекомендаций по профилактике, может служить проект Финского института здравоохранения и социального обеспечения [18]. Исследователи, задействовав суперкомпьютерные ресурсы «CSC», смоделировали воздушное движение аэрозольных частиц размером менее 20 микрометров, которые могут нести патогены, такие как коронавирусы. Чрезвычайно мелкие частицы такого размера не оседают вниз, а вместо этого движутся в воздушных потоках или остаются в одном и том же месте. Результаты моделирования в условном общественном месте и транспорте показали, что аэрозольные частицы, несущие вирус, могут оставаться в воздухе дольше, чем предполагалось изначально.

В рамках европейского проекта «Exscalate4CoV» [19], возглавляемого биофармацевтической компанией «Dompé», был создан некоммерческий исследовательский консорциум, в котором участвуют университеты, национальные исследовательские центры и министерство образования Италии. Консорциум использует суперкомпьютер «Eni» для динамического молекулярного моделирование вирусных белков, относящихся к штамму COVID-19, с целью выявления наиболее эффективных фармацевтических компонентов среди десятков тысяч, имеющихся в научных базах данных, а также проводит работу по исследованию новых специфических противовирусных молекул путем скрининга миллиардов структур.

В России проводится аналогичное исследование: сотрудники лаборатории вычислительных систем и прикладных технологий программирования НИВЦ МГУ используют суперкомпьютер «Ломоносов» для поиска лекарства от коронавируса прямого действия [20]. Межведомственный суперкомпьютерный центр Российской академии наук (МСЦ РАН) осуществляет приоритетное выделение вычислительных ресурсов научным коллективам и организациям, ведущим исследования с целью борьбы с коронавирусной инфекции [21].

12(114) 2020

Потенциал применения искусственного интеллекта и машинного обучения в борьбе с распространением коронавируса велик. Современные технологии помогают в решении как краткосрочных задач по препятствованию распространения вируса в настоящий момент, так и долгосрочных – моделирование генома вируса и поиск новых методов лечения заболевания. Однако, важно заметить, что успех последних может быть отдаленной перспективой, поскольку решаемая задача чрезвычайно трудна (создать препарат прямого действия для лечения ранее обнаруженных коронавирусов семейства 2019-nCoV пытаются с 2003 г., когда появились первые коронавирусы SARS-CoV [24]) и даже в случае успеха требует продолжи- тельных лабораторных и клинических испытаний. Тем не менее наработки, получаемые за это время, создают примеры для быстрого научного ответа на любой будущий сценарий пандемии. Учитывая то, что подобные исследования всегда являются кросс-научными, целесообразным может быть создание консорциумов, в рамках которых возможно объединение усилий необходимых специалистов.