Научный коллектив РЭУ имени Г. В. Плеханова разработал модель оценки инновационного развития российских регионов в условиях ESG-трансформации с применением искусственного интеллекта.
Уфа — главный город республики Башкортостан / © Gummy-beer, ru.wikipedia.org
Авторы придерживаются расширительной трактовки термина «инновационное развитие» субъекта России, понимая под ним социально-экономическое развитие с учетом экологической безопасности в стране на мезоуровне управления.
С целью мониторинга ситуации разработан авторский подход, базирующийся на одновременном применении индексного метода (предполагает расчет агрегированного показателя) и искусственного интеллекта (точнее, искусственных нейронных сетей). Подход апробирован на примере регионов России с фокусировкой внимания на Республике Башкортостан. Для это региона сформирована система из 52 показателей, закрепленных за пятью поименованными министерствами и остальными министерствами и ведомствами.
По результатам ретроспективной оценки (индексный метод) установлено, что со значением индекса в интервале от 0,506 до 0,519 Республика Башкортостан в разные (2015-2022) годы занимала с 13-го по 23-е место в тематическом рейтинге среди 82 регионов России, для которых такая оценка проводилась. Распределение 82 субъектов страны, исходя из значений индекса за 2015, 2020-2022 годы, проводилось методом самоорганизующихся карт Т. Кохонена в программном продукте Deductor Studio Lite. По результатам кластерного анализа для каждого года указанного периода было сформировано три группы регионов: выше среднего, средним и ниже среднего уровнем инновационного развития. Республика Башкортостан входила в первую группу регионов, за исключением 2020 года (относилась ко второму кластеру).
При этом ежегодно происходили определенные изменения в сформировавшейся кластерной структуре. Так, например, в 2022 году, в первый — третий кластеры относилось соответственно 24 (29,3 процента), 32 (39 процентов) и 26 (31,7 процента) субъектов России. За весь анализируемый период на фоне сокращения доли регионов, образующих третий кластер, наблюдалось некоторое увеличение доли регионов, входящих в первый кластер. Это характеризуется позитивно с позиции изменения качества сформированной кластерной структуры российских регионов по уровню инновационного развития.
Перспективная оценка уровня инновационного развития субъектов страны на примере регионов-лидеров рейтинга и Республики Башкортостан, также, как и кластеризация, проводилась с применением искусственных нейронных сетей. Для решения поставленной задачи был сформирован ансамбль из пяти нейромоделей с различной топологией и конфигурацией (по две MLP / многослойных персептрона и PCA / метод главных компонент с одним и двумя скрытыми слоями, а также GFF / обобщенная нейросеть прямого распространения с двумя скрытыми слоями)
Вычислительные эксперименты проводились в специальном программном продукте – NeuroSolutions for Excel. При этом для каждой нейромодели, включенной в ансамбль, рассчитывалось оптимальное количество нейронов в одном из скрытых слоев. В нашем случае прогнозируется рост значений индекса как для регионов-лидеров рейтинга (города Москва и Санкт-Петербург, Республика Татарстан), так и Республики Башкортостан в 2024-2025 годы.
