АНАЛИЗ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СИСТЕМЕ ТАМОЖЕННОГО КОНТРОЛЯ
В условиях глобализации и стремительного роста объемов международной торговли актуальной задачей становится оптимизация процессов таможенного контроля. В данной статье рассматриваются возможности применения технологий искусственного интеллекта (ИИ) для автоматизации и повышения эффективности таможенных операций. Основное внимание уделяется трем ключевым направлениям: фактическому контролю, документальному контролю и классификации товаров.
В настоящее время разнообразие форм таможенного контроля и объектов таможенного контроля, к которым относятся товары, документы, деятельность лиц, помещения и сооружения, требуют применения широкого спектра технических средств таможенного контроля (ТСТК) и информационно-программных средств (ИПС) [3].
В условиях перехода к сервисно-ориентированному таможенному администрированию, направленного на содействие упрощению международной торговли товарами и услугами, возникает необходимость автоматизации таможенных процессов. Это подразумевает сокращение времени на выполнение таможенных операций и проведение таможенного контроля, осуществляемого инспектором, а также создание и развитие ТСТК и ИПС, способствующих принятию решений должностным лицом. В связи с этим в таможенных и иных органах государственной власти реализуются мероприятия по интеллектуализации цифровых технологий.
Результаты анализа возможностей технологий искусственного интеллекта (ИИ) позволили определить области таможенного контроля, в которых они могут быть использованы:
- Фактический контроль;
- Документальный контроль;
- Классификация товаров.
На основании анализа отечественного и зарубежного опыта применения интеллектуальных технологий, можно выделить основные направления использования искусственного интеллекта в таможенной деятельности (таблица 1).
Таблица 1 - Основные направления использования искусственного интеллекта в таможенной деятельности
|
Области таможенного контроля |
Направления применения ИИ |
Страна |
|
Фактический контроль |
сканирование транспортных средств (в ИДК) |
Россия, Китай, США, Финляндия, Эстония, Турция, Япония, Австралия |
|
сканирование багажа физических лиц (в интроскопах) |
Китай, Австралия |
|
|
сканирование МПО и экспресс-грузов |
Финляндия, Эстония, Турция, Австралия, Япония |
|
|
идентификация транспортных средств/номерных знаков |
Китай, США, Латвия |
|
|
распознавание лиц пассажиров |
Австралия, Япония |
|
|
Документальный контроль |
семантический анализ описательной части ДТ |
Китай, Финляндия, Эстония, Турция |
|
анализ данных биометрического паспорта |
США, Австралия, Япония |
|
|
Классификация товаров |
определение товарной группы/кода товара |
Китай, Россия |
|
классификация материалов |
США, Финляндия, Эстония, Турция, РФ |
Фактический контроль, являющийся важным элементом в работе таможенных органов, основывается на анализе физических объектов, представленных для проверки. Одним из направлений применения искусственного интеллекта здесь является автоматизированное сканирование транспортных средств на основе интеграции рентгеновских технологий и методов глубокого обучения. Например, использование систем, подобных Rapiscan Systems, позволяет выявлять контрабанду и скрытые товары на границах, таких как между США и Канадой. Искусственный интеллект анализирует рентгеновские изображения, определяя аномалии в грузовых отделениях и контейнерах.
Еще одним примером является сканирование багажа пассажиров с применением технологий машинного зрения. В аэропорту Хитроу, например, интеграция системы Smiths Detection позволяет в реальном времени выявлять запрещенные или не задекларированные предметы. В подобных системах ИИ анализирует трёхмерные данные, определяя подозрительные формы или материалы [1].
Искусственный интеллект также активно используется в процессах обработки международных почтовых отправлений (МПО) и экспресс-грузов. Такие системы, как FedEx SenseAware, обеспечивают не только логистическое отслеживание, но и автоматическую проверку содержимого посылок с использованием принципов анализа изображений и семантического анализа сопроводительной документации.
Для идентификации автомашин и их номерных знаков широко применяются технологии распознавания изображений (например, ANPR в странах Евросоюза). Эти системы помогают отслеживать поток транспортных средств, а также фиксировать нарушения норм таможенного регулирования. Аналогично, технологии распознавания лиц внедрены в пунктах пропуска для проверки пассажиров, что позволяет ускорить процесс прохождения границы. Использование подобных систем, например, Clear в аэропортах США, также снижает человеческий фактор в процессе проверки.
Документальный контроль, нацеленный на проверку корректности и полноты представленных таможенных документов, также стал полем для внедрения технологий искусственного интеллекта. Одно из важнейших направлений — это семантический анализ описательной части таможенных деклараций (ДТ). Применение методов обработки естественного языка (NLP), как, например, в системе IBM Watson, значительно сокращает время анализа, помогая автоматически выявлять несоответствия между декларируемыми данными и действительными характеристиками груза.
Особое внимание уделяется анализу данных биометрических паспортов, которые играют ключевую роль в идентификации физических лиц. Такие системы, как EU-LISA, которые применяются в рамках шенгенского пространства, интегрируют технологии проверки подлинности документов и биометрических параметров. Это позволяет минимизировать риски использования поддельных документов и ускорить процесс прохождения контроля.
Важнейшей задачей таможенной системы является правильная классификация товаров в соответствии с национальными или международными тарифными классификаторами, такими как Гармонизированная система (HS). Технологии ИИ позволяют автоматизировать этот процесс. Так, программное обеспечение, подобное TariffTel, сопоставляет представленные данные о товаре с существующими классификационными кодами, используя методы машинного обучения и анализа текстовой информации [1].
Кроме того, важным направлением становится классификация материалов на основе их физических и химических характеристик. Использование систем распознавания материалов, таких как SAP Leonardo, помогает классифицировать товары по категориям, выявлять скрытые материалы или контролировать соответствие задекларированных характеристик.
Таким образом, применение технологий искусственного интеллекта в системе таможенного контроля представляет собой значительный шаг в развитии цифрового управления международной торговлей. Автоматизация фактического и документального контроля, а также процесс классификации товаров позволяют минимизировать ошибки, снизить временные издержки и усилить меры безопасности. Однако внедрение ИИ требует не только инвестиций, но и тщательной адаптации существующих систем, обучения персонала и разработки нормативных регламентов. Таким образом, создание высокоинтеллектуальной таможенной системы становится важным элементом на пути к интеграции в глобальные экономические процессы.
- Крапчина, Л. Н. Использование современных цифровых и информационных технологий таможенными органами России, Китая и США / Л. Н. Крапчина, Т. Р. Мустакаев. // Молодой ученый. — 2021. — № 27 (369). — С. 127-129.
- Лоншаков Л.М. Отечественный и зарубежный опыт применения интеллектуальных технологий в таможенных органах // Human Progress. 2023. Том 9, Вып. 4. С. 8.
- Сальникова, А.В. Электронная таможня как основной вектор развития таможенных органов в условиях цифровизации Российской экономики/А.В. Сальникова, М.А. Чернецова. — 2020. — URL: http://www.creativecommons.org (дата обращения 12.02.2025 г.)
