Искусственный интеллект в стратегическом управлении целесообразно рассматривать не как альтернативу государственному решению, а как инструмент, повышающий оперативность, концентрацию внимания и последовательность аналитической работы. Наиболее эффективно его можно применять для быстрой обработки больших объемов информации, обнаружения малозаметных сигналов, разработки и сопоставления реалистичных сценариев, проверки исходных логических предпосылок и выявления отклонений, возникающих в условиях кризиса. Однако при оценке эскалационных рисков, принятии решений о применении силы, совершении необратимых действий или возникновении международно-правовой ответственности ИИ пока не должен выступать самостоятельным субъектом выбора. При этом он способен существенно расширить аналитическую основу, на которой принимаются стратегические решения.
В российской правовой системе искусственный интеллект трактуется как совокупность технологических решений, воспроизводящих отдельные когнитивные способности человека. Кроме того, в используемый понятийный аппарат включено понятие фундаментальных моделей (frontier models). На практике это приводит к объединению под единым обобщающим термином инструментов, существенно различающихся по назначению и устройству: от специализированных комплексов компьютерного зрения до генеративных языковых и мультимодальных систем.
Настоящий доклад обобщает российский и зарубежный опыт использования ИИ в стратегической сфере, рассматривает основные ограничения его применения и формулирует возможные принципы управленческой дисциплины.
Зарубежный и российский опыт: направления, в которых ИИ уже демонстрирует результат
Наиболее убедительные примеры зарубежного применения ИИ связаны с обработкой информации и прогнозированием. Программа Project Maven, реализуемая Министерством обороны США с 2017 года, первоначально была ориентирована на использование компьютерного зрения для распознавания объектов и определения приоритетности сигналов при анализе видеоданных, поступающих с беспилотных платформ. Ее основная идея заключается в распределении функций: алгоритм выполняет первичную сортировку информационного потока, тогда как специалист работает уже с отобранными и потенциально значимыми данными.
Опыт программы IARPA Hybrid Forecasting Competition также показал, что наиболее высокие результаты обеспечиваются не исключительно человеком или машиной, а их совместной работой. В такой гибридной модели экспертная оценка и алгоритмические расчеты взаимно дополняют друг друга.