Внедрение искусственного интеллекта: публичная финансовая платформа ИИ БРИКС

В статье представлен результат всестороннего исследования потенциала стран БРИКС в области применения искусственного интеллекта (ИИ) для создания общей финансовой платформы. Предметом исследования является искусственный интеллект как фактор расширения сотрудничества стран БРИКС в финансовой сфере. Основываясь на методологической комбинации структурированных подходов, включающих, в частности, элементы метода PRISMA, определена цель исследования, направленная на разработку мер, стимулирующих внедрение ИИ в формирующуюся межгосударственную финановую платформу БРИКС. Задачей исследовательской группы является раскрытие существующего странового неравенства использования искусственного интеллекта в БРИКС. Сделан вывод о необходимости разработки и внедрения совместной общественной платформы ИИ в целях расширения доступа потребителей к общей и специализированной информации, а также обеспечения равенства использвания данных во всех странах-членах. Отмечено, что платформа искусственного интеллекта должна быть организована таким образом, чтобы обеспечить соблюдение принципов суверенитета данных. В целях решения поставленных задач предложены механизмы и международные стратегии внедрения искусственного интеллекта в публичную финансовую платформу БРИКС. Проект такого уровня требует не только финансирования, но и преданных своему делу экпертов, а также применения инструментов программного обеспечения с открытым кодом доступа. Эти вопросы представляют значительный интерес для дальнейших исследований.

1. Miroshnichenko O. S. Financial inclusion of banking services for consumers in the context of digitalization. Finance: Theory and Practice. 2024;28(6):134-142. DOI: 10.26794/2587-5671-2024-28-6-134-142

2. Chetty K., Saal P., Ntshayintshayi N., et al. AI as a catalyst for good governance: Transforming South Africa’s fight against corruption. Development. 2024;67(1):50-60. DOI: 10.1057/s41301-024-00404-8

3. Briner R. B., Denyer D. Systematic review and evidence synthesis as a practice and scholarship tool. In: Rousseau D. M., ed. The Oxford handbook of evidence-based management. New York, NY: Oxford University Press; 2012:112-129. DOI: 10.1093/oxfordhb/9780199763986.013.0007

4. Moher D., Liberati A., Tetzlaff J., Altman D. G. Preferred reporting items for systematic reviews and metaanalyses: The PRISMA statement. PLoS Medicine. 2009;6(7): e1000097. DOI: 10.1371/journal.pmed.1000097

5. Gisin V. B., Putko B. A., Yarygina I. Z. The multicollinearity problem in the fuzzy liner regression model. In: Proc. 25th Int. conf. on soft computing and measurements (SCM 2022). (St. Petersburg, May 25-27, 2022). New York, NY: IEEE; 2022:146-148. DOI: 10.1109/SCM55405.2022.9794871

6. Dattani K. “Governtrepreneurism” for good governance: The case of Aadhaar and the India Stack. Area. 2020;52(2):411-419. DOI: 10.1111/area.12579

7. Carriere-Swallow Y., Haksar V., Patnam M. India’s approach to open banking. IMF Working Paper. 2021;(52). DOI: 10.5089/9781513570686.001

8. Chetty K. A public BRICS AI strategy promoting scientific and educational cooperation. In: BRICS academic forum 2024. People in the spotlight: Maximizing BRICS biggest asset. Johannesburg: South African BRICS Think Tank; 2024. URL: https://repository.hsrc.ac.za/bitstream/handle/20.500.11910/23385/Download.pdf?sequence=1&isAllowed=y

9. Meltzer J. P. The impact of foundational AI on international trade, services and supply chains in Asia. Asian Economic Policy Review. 2024;19(1):129-147. DOI: 10.1111/aepr.12451

10. Jones E. Digital disruption: Artificial intelligence and international trade policy. Oxford Review of Economic Policy. 2023;39(1):70-84. DOI: 10.1093/oxrep/grac049

11. Abreha H. G., Hayajneh M., Serhani M. A. Federated learning in edge computing: A systematic survey. Sensors. 2022;22(2):450. DOI: 10.3390/s22020450

12. Brecko A., Kajati E., Koziorek J., Zolotova I. Federated learning for edge computing: A survey. Applied Sciences. 2022;12(18):9124. DOI: 10.3390/app12189124

13. Duan Q., Hu S., Deng R., Lu Z. Combined federated and split learning in edge computing for ubiquitous intelligence in Internet of Things: State-of-the-art and future directions. Sensors. 2022;22(16):5983. DOI: 10.3390/s22165983

14. Treleaven P., Smietanka M., Pithadia H. Federated learning: The pioneering distributed machine learning and privacy-preserving data technology. Computer. 2022;55(4):20-29. DOI: 10.1109/MC.2021.3052390

15. Bonawitz K., Kairouz P., Mcmahan B., Ramage D. Federated learning and privacy. Communications of the ACM. 2022;65(4):90-97. DOI: 10.1145/3500240

16. Robbins S., van Wynsberghe A. Our new artificial intelligence infrastructure: Becoming locked into an unsustainable future. Sustainability. 2022;14(8):4829. DOI: 10.3390/su14084829

17. Mittone G., Tonci N., Birke R., et al. Experimenting with emerging RISC-V systems for decentralised machine learning. In: Proc. 20th ACM Int. conf. on computing frontiers (Bologna, May 9-11, 2023). New York, NY: Association for Computing Machinery; 2023:73-83. DOI: 10.1145/3587135.3592211

18. Mahmood Z., Jusas V. Blockchain-enabled: Multi-layered security federated learning platform for preserving data privacy. Electronics. 2022;11(10):1624. DOI: 10.3390/electronics11101624

19. Patel M., Dayan I., Fishman E. K., et al. Accelerating artificial intelligence: How federated learning can protect privacy, facilitate collaboration, and improve outcomes. Health Informatics Journal. 2023;29(4):14604582231207744. DOI: 10.1177/14604582231207744

20. Vincent N., Bau D., Schwettmann S., Tan J. An alternative to regulation: The case for public AI. Arxiv. 2023:2311.11350. DOI: 10.48550/arXiv.2311.11350

21. Yarygina I. Z., Chetti K., Gopal N. Artificial intelligence as a factor of BRICS development. Bankovskie uslugi = Banking services. 2024;(12):2-11. (In Russ.). DOI: 10.36992/2075-1915_2024_12_2

22. Rahmatulina R. Use of artificial intelligence technologies and features of the protection of its results. Obrazovanie i pravo = Education and Law. 2020;(11):173-177. (In Russ.). DOI: 10.244 11/2076-1503-2020-11126