Как использовать информационные технологии для повышения эффективности управленческих решений? Какое значение имеет искусственный интеллект для прогнозирования развития государства? Почему все чаще говорится сегодня об этических вызовах цифровой эпохи?

Эти и другие темы обсудили эксперты в сфере имитационного моделирования на 7-й международной конференции «Искусственные общества и информационные технологии» и круглом столе «Суперкомпьютерные технологии и искусственные общества». Мероприятия прошли 29-30 сентября в Москве на площадке Центрального экономико-математического института Российской Академии наук (ЦЭМИ РАН).

О системе искусственных обществ как инструменте прогнозирования жизненного цикла дальневосточных территорий рассказала ведущий эксперт-аналитик по социальному моделированию ФАНУ «Востокгосплан» Елена Россошанская.

«Задача сохранения населения подразумевает, что в будущем численность постоянного населения регионов ДФО должна соответствовать целевым ориентирам, указанным в Стратегии пространственного развития РФ, – отметила она. – Поэтому сегодня мы говорим о перспективах и прогнозировании демографических показателей. Существует несколько основных подходов к такому прогнозированию. Самый известный – прогнозы ООН. Сформированные по странам, они объединяются в прогнозы по континентам и по макрорегионам, и затем – по миру в целом. Этот подход можно условно назвать «снизу вверх».

Иначе строится демографический прогноз Росстата. Сначала – в целом по РФ, затем происходит регионализация. При этом для понимания перспектив демографического развития на местах и выработки адекватных и своевременных решений остро не хватает прогнозов муниципального уровня.

«Кроме того, расчет отдельных компонентов идет без взаимосвязи друг с другом, и прогнозам не хватает системности», – продолжила Елена Россошанская.

Востокгосплан реализует новый принцип прогнозирования, основанный на агент-ориентированном моделировании. Такая модель строится снизу вверх и может быть скорректирована сверху вниз. Начинается процесс с создания отдельных агентов, обладающих определенными характеристиками: пол, возраст, территория проживания, наличие детей, образование, трудовой статус и др. Все компоненты взаимосвязаны: если один агент покидает регион, это влияет на общие показатели, например, рождаемости и смертности.

Эксперт детально остановилась на «Агент-ориентированной демографической модели Дальнего Востока (АОДМ ДФО)», созданной аналитиками ФАНУ «Востокгосплан». Это результат труда команды исследователей под началом руководителя направления «Качество жизни и демографический потенциал» Елены Ли.

Разработка признана лучшей имитационной моделью России 2023 года для целей государственного управления в конкурсе ЦЭМИ РАН при поддержке Государственной Думы и Администрации Президента РФ. Кроме того, она стала лауреатом конкурса им. Н.П. Бусленко в области теории и практики имитационного моделирования, а в 2024 году прошла государственную регистрацию в Роспатенте.

В чем ее особенности?

Модель построена в масштабе 1:1. На старте создается 8,2 млн агентов, что в точности соответствует численности населения на начало 2015 года. АОДМ ДФО формирует искусственное общество, состоящее из агентов трех типов: «персона», «работодатель» и «государство». Это позволяет проводить эксперименты и проводить апробацию принимаемых решений на искусственном обществе, а не на реальном. Все агенты обладают определенными характеристиками и закономерностями поведения, взаимодействуя в заданной среде. В целом, демографическая модель построена как система искусственных обществ. Более 8 млн агентов объединяются в 230 искусственных обществ муниципального уровня, соответствующих районам и городским округам Дальнего Востока, которые, в свою очередь, группируются в 11 искусственных обществ регионального уровня. Все эти системы агентов вместе образуют искусственное общество верхнего уровня, соответствующее федеральному округу.

Как запускаются алгоритмы старения, смертности, рождаемости и миграции?

• Старение реализуется просто: каждый шаг моделирования увеличивает возраст агентов на один год.

• Смертность реализуется на основе возрастных коэффициентов для мужчин и женщин, задающих для каждого агента вероятность умереть в течение года, с использованием двух версий расчета – базовых и пандемийных коэффициентов.

• Рождаемость определяется вероятностью для каждого агента-женщины родить в текущем году, что зависит от базовой вероятности рождения в регионе, возраста женщины, количества уже рожденных детей и интервалов между рождениями.

• Миграция моделируется по пяти причинам и четырем типам, зависит от миграционных установок агента и возникновения причины миграции в течение года.

В результате всех этих алгоритмов «на выходе» получается структура численности населения по полу и однолетним возрастным группам для каждого региона и муниципального образования, с учетом количества родившихся, умерших, прибывших и выбывших.

Критически важным этапом моделирования разработчики назвали установку стартовой половозрастной структуры агентов в искусственных обществах муниципального уровня. Эксперты провели анализ возрастных структур во всех 230 муниципалитетах ДФО и обнаружили большой разброс показателей. Есть территории с высокой долей детей и низкой долей пожилых людей, а есть – с обратным соотношением. Часть зон (в их числе и приграничные) занимают промежуточное положение. По этой причине входные данные загружаются в модель в максимально доступной детализации, что не только делает АОДМ ДФО приближенной к реальности, но и позволяет получать с ее помощью более качественные и точные прогнозы.

«Для большей наглядности и удобства конечных пользователей наши программисты реализовали в YandexDataLens визуализацию  результатов работы модели. Выбирая территорию в выпадающем списке, можно посмотреть прогнозы  и по ДФО в целом, и по субъекту, и по муниципальному образованию. На карте можно увидеть ожидаемые показатели численности населения за определенный год», – объяснила Елена Россошанская.

Кстати, в соответствии с предварительными результатами моделирования по инерционному сценарию аналитики сгруппировали муниципальные образования по темпу роста численности населения. И сравнили с показателями, которые заявлены в Стратегии пространственного развития страны. По выводам экспертов, целевой показатель «не менее 100%» к 2030-му (отношение численности постоянного населения к уровню 2023-го) может быть достигнут при сегодняшнем раскладе только в 40 районах из 230.

Дальнейшее развитие модели предполагает проведение серии вычислительных экспериментов, позволяющих выявить и обосновать оптимальные варианты сохранения населения за счет управляемого целенаправленного изменения рождаемости, смертности и миграции постоянных жителей дальневосточных территорий.

Каковы преимущества использования АОДМ для моделирования демографической ситуации?

«Конструкция модели позволяет использовать ее для прогнозирования долгосрочных демографических циклов муниципального уровня и жизненного цикла отдельных территорий. С ее помощью могут формироваться и обосновываться управленческие решения, направленные на предупреждение сокращения населения ДФО, в том числе в его приграничных районах. Кроме того, возможно включение в АОДМ территорий опережающего развития, а также апробация концепции опорных населенных пунктов на искусственном обществе», – подытожила Елена Россошанская.