Technical and technological complexities and challenges of artificial neural networks large-scale implementation in the Russian public administration system
- Authors: Mishchenkov K.S1
-
Affiliations:
- Slavic Greek Latin Academy
- Issue: Vol 4, No 1 (2025)
- Pages: 33-41
- Section: Articles
- URL: https://ogarev-online.ru/3034-140X/article/view/378637
- ID: 378637
Cite item
Abstract
the article examines the problems associated with artificial neural network (ANN) technology wide implementation in the public administration system of Russia. The author focuses on the technical and technological difficulties and challenges that hinder the widespread use of ANN such as their integration into existing information systems, data security, insufficient staff skill level, etc. The article also considers foreign experience in ANN implementation in the public administration system. Based on the analysis, possible approaches how to solve the technical issues and implement ANN in the public administration system are proposed. The author concludes that an integrated approach is required, including infrastructure modernization, security standards development, research support, etc.
References
- Ахметзянов К.Р., Тур А.И., Кокоулин А.Н., Южаков А.А. Оптимизация вычислений нейронной сети // Вестник ПНИПУ. Электротехника, информационные технологии, системы управления. 2020. № 36. С. 117 – 130.
- Камолов С.Г., Артемова П.В. Информационные технологии для государственных служащих. Москва: Фонд поддержки международных программ, 2017. 215 c.
- Ляшенко Н.К., Верховцев Л.Р. Трудности реализации нейросетей // Хабаровск: Дальневосточный государственный университет путей сообщений. 2017. № 2. С. 266 – 269.
- Сальниченко Р.Е., Бабаян Л.К. Нейротехнологии и искусственный интеллект в государственном управлении: практика применения и возможные пути развития // Управленческие науки. 2024. Т. 14. № 2. С. 6 – 22.
- Соколов И.А., Дрожжинов В.И., Райков А.Н. и др. Искусственный интеллект как стратегический инструмент экономического развития страны и совершенствования ее государственного управления. Ч. 2. Перспективы применения искусственного интеллекта в России для государственного управления // International Journal of Open Information Technologies. 2017. Т. 5. № 9. С. 76 – 101.
- Титов В.А. и др. Нейронные сети как часть цифровой экономики Российской Федерации // Транспортное дело России. 2018. № 5. С. 41 – 43.
- Указ Президента РФ от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года»)». URL: http://www.kremlin.ru/acts/bank/44731
- Cheung A.S.Y., Chen Y. From datafication to data state: Making sense of China’s social credit system and its implications // Law & Social Inquiry. 2022. Т. 47. № 4. С. 1137 – 1171.
- Ekechi C. C. et al. AI-infused chatbots for customer support: a cross-country evaluation of user satisfaction in the USA and the UK // International Journal of Management & Entrepreneurship Research. 2024. Т. 6. № 4. С. 1259 – 1272.
- McBride K. et al. Leader in e-government, Laggard in open data: Exploring the case of Estonia // Revue fran?aise d'administration publique. 2018. № 3. С. 613 – 625.
- Ohalete N. C. et al. AI-driven environmental health disease modeling: a review of techniques and their impact on public health in the USA and African contexts // International Medical Science Research Journal. 2024. Т. 4. № 1. С. 51 – 73.
- Shah N., Bhagat N., Shah M. Crime forecasting: a machine learning and computer vision approach to crime prediction and prevention // Visual Computing for Industry, Biomedicine, and Art. 2021. Т. 4. № 1. С. 9.
Supplementary files
