Штучний інтелект

Анотація: Через стрімке зростання штучного інтелекту (ШІ) активно тривають дискусії, чи має він позитивний вплив на економічний розвиток. Однак існує лише деяке уявлення про те, яку роль і місце технології штучного інтелекту насправді відіграють в економічному розвитку. У даній статті буде розглянуто дослідження, зосереджене на створенні програмного забезпечення з прогнозування економічної моделі та обговорення на перетині штучного інтелекту та економічного розвитку. Зокрема, було проаналізовано існуючі дослідження в галузі економічного моделювання за допомогою бібліометричного інструменту Bibliometrix, представляючи внутрішню структуру та зовнішні характеристики галузі через різні метрики та алгоритми. Результати бібліометричного аналізу свідчать про те, що кількість публікацій у галузі за останні роки зросла. Крім того, глибоке навчання та дослідження, пов’язані з інтелектуальним аналізом даних, є ключовими напрямками на майбутнє. Тому науковці, віддані цій галузі, розвинули тісну співпрацю та спілкування за всіма напрямками. З іншого боку, аналіз демонструє, що більшість досліджень зосереджено на п’яти аспектах інтелектуального прийняття рішень, соціального управління, праці та капіталу, промисловості та інновацій. Результати дослідження є перспективними для вчених у Стратегії економічного розвитку України.

Ключові слова: великі дані, еконографологія, економіка, економічне моделювання, навчальна машина, нейронні мережі, штучний інтелект

Посилання:

1. Acemoglu, Daron, and Pascual Restrepo. (2018). “Artificial Intelligence, Automation and Work.” In The Economic of Artificial Intelligence: An Agenda, ed. Ajay Agrawal, Joshua Gans, and Avi Goldfarb. Chicago: University of Chicago Press.
2. Bickley, S.J., Chan, H.F. and Torgler, B. (2022). Artificial intelligence in the field of Economic. Scientometrics 127, 2055–2084.
3. Cockburn, I. M., Henderson, R., and Stern, S. (2019). The Impact of Artificial Intelligence on Innovation, in: Agrawal, A., Gans, J. Goldfarb and (Eds.), The Economic of Artificial Intelligence: An Agenda. University of Chicago Press, pp. 115–146.
4. Ghoddusi, H., Creamer, G. G., and Rafizadeh, N. (2019). Machine learning in energy Economic and finance: A review. Energy Economic, 81, 709–727.
5. Ruiz Estrada, M.A. (2017). “An Alternative Graphical Modeling for Economic: Econographicology.” Quality and Quantity, 51(5):2115-2139.