ПРИМЕНЕНИЕ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ РАСПРЕДЕЛЕНИЯ ГРАНТОВ ПРЕДПРИНИМАТЕЛЯМ МАГАДАНСКОЙ ОБЛАСТИ

Актуальность работы. Стратегия развития Магаданской области до 2020 года предполагает выделение субсидий субъектам малого и среднего предпринимательства, деятельность которых удовлетворяет ряду определенному набору критериев. Например, осуществление деятельности в приоритетных сферах региональной экономики и лизинг оборудования в целях модернизации технологического процесса являются необходимыми и достаточными условиями для субсидирования уплаты субъектами малого и среднего предпринимательства первого взноса при заключении лизингового договора. Однако, процесс экспертизы проходит без применения средств автоматизации и систем поддержки принятия решений.

Проблематизация. Отсутствие средств автоматизации снижает качество информационной поддержки как экспертного совета, так и заявителя. Кроме этого, динамика развития частного предпринимательства остается отрицательной [1], что указывает на низкую эффективность механизма субсидирования, включая процедуру экспертного оценивания.

Целью данной работы является формализация процесса экспертизы заявки предпринимателя на предмет поиска показателей, влияющих на принятие решения о субсидировании либо отказе в таковом.

Объектом исследования является Магаданский региональный Фонд содействия развитию предпринимательства как основной грантооператор региона.

Предметом исследования является экспертиза заявки предпринимателя.

Задачами исследования являются:

1. Анализ существующих разработок в рассматриваемой предметной области.
2. Описание бизнес-процессов Фонда при проведении экспертизы до и после внедрения средств автоматизации (модель AS IS).
3. Составление математической модели обработки потока заявок с применением системы искусственного интеллекта.
4. Обоснование необходимости внедрения системы искусственного интеллекта в экспертную деятельность Фонда.

Ход решения задач. Механизм экспертизы следующий: заявка поступает на рассмотрение экспертам. Эксперты оценивают заявки по критериям, у каждого из которых есть свой коэффициент значимости. Состав критериев варьируется в зависимости от вида запрашиваемой субсидии. После выполнения данных процедур формируется обобщенный показатель, принимается решение о победителях конкурса. Потоковая модель данного процесса представлена на рисунке 1.

Рисунок 1. Потоковая модель AS IS рассмотрения заявки Фондом

На рисунке 2 представлена детализированная контекстная диаграмма данного процесса в нотации IDEF0, иллюстрирующая обработку заявки и сопутствующих ей документов экспертным советом Фонда.

Рисунок 2. Контекстная диаграмма IDEF0

В рассматриваемой организации отсутствуют средства автоматизации экспертизы и иные системы поддержки принятия решений, что увеличивает срок обработки заявки [10]. Кроме этого, заявитель не имеет возможности узнать статус заявки, что снижает прозрачность экспертизы, создает предпосылки к предвзятому оцениванию в целях собственной выгоды экспертам. В работе [8] для решения проблемы личной заинтересованности экспертов предложено выбирать таковых из заранее сформированного реестра на основе поискового образа — формализованного набора требований, предъявляемых к отбираемым экспертам, и содержащего идентификационные признаки и другие сведения об эксперте, необходимые для осуществления процедуры поиска [2]. В качестве основного компонента образа целесообразно использовать научно-технический профиль исследования (1).

                                                    (1)

где    - интегральный параметр, учитывающий весовой коэффициент j-й отрасли знания в k-м исследовании, а также требуемый уровень компетентности эксперта в j-й отрасли знания, необходимый для качественного проведения k-го исследования; J – общее количество отраслей знания на низшем уровне иерархии используемой классификации.

В целях исследования эффективности функционирования экспертной группы в работе [9] описан реестр экспертов в терминах систем массового обслуживания. В таблице 1 представлены признаки обеих систем между собой (таблица опубликована в работе [9]).

Таблица 1.

Элементы СМО в реестре экспертов

На рисунке 3 приведена иллюстрация работы реестра. Очевидно, что неавтоматизированные процессы подбора экспертов и сама экспертиза негативно сказываются на скорости обслуживания заявок. Внедрение системы искусственного интеллекта позволит сократить время экспертизы и снизит затраты на поиск и ожидание экспертов. На рисунке 4 изображена иллюстрация обработки заявок с применением средств автоматизации. На вход системе подаются показатели, перечень которых варьируется в зависимости от типа субсидии, далее автоматизированная система проводит непредвзятый анализ.

Рисунок 3. Реестр экспертов как СМО

Рисунок 4. Автоматизированная экспертиза

Данный процесс можно описать математически. Пусть N – множество показателей, n – мощность множества N, n = |N|, тогда функцию свертки частных критериев можно описать в виде функции, причем обобщенный показатель должен быть экстремизируемым (2)

                                                          (2)

нешний вид функции свертки еще не определен в силу того, что не до конца сформулированы все возможные наборы показателей для вех случаев принятия решения. Например, возможны варианты существования разнонаправленных показателей, а также показателей, значения которых отличаются по своей величине, поэтому даже при использовании нормирования показателей невозможно, например, использовать функции линейной свёртки. Поэтому вопрос о виде функции свёртки был отложен на последующие исследования с целью повышения универсальности решения. Направление экстремизации dir(φ), где φ — обобщенный показатель, в данный момент не определено в силу отсутствия информации о возможном составе показателей. Решение об удовлетворении заявки предпринимателя можно описать следующим образом: допустим, что есть множество Q, включающее альтернативные варианты принятия решения по удовлетворению заявки q_j, причем . Тогда задачей принятия решения будет являться поиск такого решения q_j, для которого значение обобщенного показателя наиболее экстремально (3)

                                                         (3)

Таким образом, иллюстрация процесса экспертизы примет следующий вид (рисунок 5), потоковая модель с отметкой времени TO BE также изменится (рисунок 6).

Рисунок 5. Иллюстрация математической модели

Рисунок 6. Потоковая модель TO BE рассмотрения заявки Фондом

Заключение. В ходе исследования рассмотрены модели систем экспертизы заявок, была разработана и проиллюстрирована математическая модель принятия решения о выдаче гранта на основе автоматизированной экспертизы заявки по ряду критериев. Повышение универсальности решения путем составления функции свертки, учитывающей направление и величину показателей, а также направление экстремизации отложено на дальнейшие исследования.

Список литературы:

1. Акулич О.В. Современное состояние и достаточность государственной поддержки малого и среднего бизнеса в Магаданской области // Экономика: вчера, сегодня, завтра. 2017. Том 7. № 8А. С. 190-202
2. Белоусов В.Л., Дивуева Н.А. Формирование модели механизма организации экспертной деятельности в сфере науки // УЭкС. 2013. №8 (56). URL: https://cyberleninka.ru/article/n/formirovanie-modeli-mehanizma-organizatsii-ekspertnoy-deyatelnosti-v-sfere-nauki (дата обращения: 05.03.2019).
3. Васин С.Г. Искусственный интеллект в управлении государством // Управление. 2017. №3 (17). URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-upravlenii-gosudarstvom (дата обращения: 15.02.2019).
4. Загорулько Ю.А. Семантическая технология разработки интеллектуальных систем, ориентированная на экспертов предметной области // Ontology of Designing. 2015. №1(15).
5. Закон Российской Федерации "О развитии малого и среднего предпринимательства в Российской Федерации" от 24.07.2007 № 209-ФЗ // Собрание законодательства Российской Федерации. 2007 г. с изм. и допол. в ред. От 27.12.2018.
6. Краткий курс машинного обучения или как создать нейронную сеть для решения скоринг задачи // Хабрахабр URL: https://habr.com/ru/post/340792/ (дата обращения: 10.02.2019).
7. Мельник П.Б. Математическая постановка задачи формирования реестра экспертов // Инноватика и экспертиза. 2014. №2(13).
8. Мельник П.Б. Методика формирования экспертных пулов и групп для проведения экспертно-аналитических исследований // Инноватика и экспертиза. 2017. №1(19).
9. Мельник П.Б. Реестр экспертов как система массового обслуживания: модель и параметры входящего потока заявок // Инноватика и экспертиза. 2018. №1(22).
10. Положение "О порядке предоставления финансово-кредитной поддержки субъектам малого и среднего предпринимательства Магаданской области" от 17.08.2017 № 751-пп // Правительство Магаданской области.