Центр стратегических оценок и прогнозов

Автономная некоммерческая организация

Главная / Наука и общество / Аналитическая деятельность: опыт российских и зарубежных специалистов / Разное
Почти как люди: искусственный интеллект на заводах и месторождениях
Материал разместил: АдминистраторДата публикации: 04-06-2018
Тема искусственного интеллекта (ИИ) в бизнесе в последнее время стала одной из самых обсуждаемых: эксперты констатируют бурный рост применения соответствующих технологий, особенно в сфере финансов и услуг, и прогнозируют еще более активное инвестирование в этом направлении. Постепенно появляются проекты использования искусственного интеллекта и в промышленности.

Первые шаги

Примеры создания вычислительной техники можно найти еще в XVII веке. Например, немецкий астроном Вильгельм Шиккард создал часы для расчета астрономических таблиц, позволяющие складывать и вычитать шестизначные числа. Чуть позже французский ученый Блез Паскаль изготовил механическое устройство, производившее сложение чисел с помощью вращающихся колесиков, а ближе к концу XVII столетия Готфрид Лейбниц изобрел механический калькулятор, способный вычитать, умножать и делить. В 1830-х годах лондонский математик Чарльз Бэббидж, строивший механическую модель разностной машины с уже привычными валиками и шестеренками, попутно разработал проект универсальной цифровой вычислительной машины, подробно описав конструкцию и принципы ее работы, включая хранилище данных, прообраз будущего процессора и управление операциями с помощью перфокарт. По некоторым данным, на столь революционные разработки Бэббиджа подвигла случившаяся несколькими годами ранее встреча с шахматным «компьютером», которому математик проиграл обе сыгранные партии. В «компьютере» на самом деле находился человек, шахматист достаточно высокого класса, но знал ли об этом Бэббидж и была ли такая встреча вообще, история однозначного ответа не дает.

Как бы то ни было, именно эти устройства можно считать первыми, пусть и очень далекими, прообразами ИИ. А вот в середине XX века еще один английский математик, Алан Тьюринг, уже задался целью выяснить, может ли машина мыслить самостоятельно. Результатом стал знаменитый тест Тьюринга, предполагающий наличие таких машин, в общении с которыми «вслепую» испытатель не сможет отличить их от человека. И хотя для введения в подобное заблуждение требовались определенные условия (например, тогда машина не могла сравниться по скорости ответов с человеком), сама мысль о создании искусственного интеллекта взбудоражила ученые умы. Появились целые концепции о возможности самообучения компьютерных программ, включая предложенную американским нейрофизиологом Фрэнком Розенблаттом модель искусственной нейросети, способной при решении задач учитывать предыдущий опыт и совершенствоваться.

Восторженные ожидания, правда, быстро сменились разочарованием, обусловленным скудными возможностями компьютерной техники того времени, не способной на сложные вычисления. И лишь к началу XXI века, с появлением громадных баз данных и мощных процессоров, способных эти данные обрабатывать, недавняя фантастика стала реальностью, а искусственный интеллект вполне успешно заменил человека во многих отраслях и областях.

Слабые и сильные

Сегодня ИИ делят на два условных типа: слабый и сильный. «Сильный» должен обладать способностью выполнить любую задачу, моделируя процессы высшей нервной деятельности человека, включая эмоции. Но пока это лишь теория. «Слабый» ограничен перечнем специальных задач, решать которые позволяет заданный человеком алгоритм. Хотя с учетом бурно развивающегося в последнее время машинного обучения всё чаще речь идет о так называемом среднем интеллекте, когда по мере накопления данных программа сама учится их классифицировать, распознавая изображения, тексты, аудиофайлы и любые другие объекты, с каждым разом совершенствуясь и выполняя поставленную задачу всё лучше. А с учетом возможностей компьютера оперировать громадным массивом данных применение ИИ всё чаще оказывается значительно эффективнее человеческого труда и, как правило, дешевле.

В первую очередь применение искусственному интеллекту нашлось в работе с массовым потребителем: в банках, телекоме, торговых компаниях. ИИ в виде чат-бота может пообщаться с клиентом, ответив на запросы и предложив услуги, собрать информацию и на основе ее анализа выявить закономерности и предпочтения, чтобы затем спрогнозировать спрос или сформировать новые предложения. Например, компания Amazon благодаря подобному механизму рекомендаций обеспечивает порядка 35% объема продаж. Решения о выдаче кредитов, по свидетельству представителей банковских структур, в 70% случаев также принимаются по рекомендациям компьютера.

Искусственный интеллект уже достаточно давно применяется для обеспечения безопасности онлайн-транзакций, успешно выявляя применение мошеннических схем 
Фото: GettyImages.com/ visualspace

ИИ может выполнять функцию службы безопасности, как в платежной системе PayPal, где сравниваются миллионы транзакций и выявляются подозрительные. В наземном транспорте искусственный интеллект используется, например, для анализа текущей ситуации на дорогах, прокладки маршрута или прогнозирования времени прибытия автобуса на конкретную остановку. Новые технологии также позволяют компаниям независимо от их профиля автоматизировать обработку документации, подбирать персонал, анализируя анкеты, осуществлять мониторинг объектов инфраструктуры и т. д. В конце концов, со многими подобными программами массовый пользователь может встретиться непосредственно в своем собственном смартфоне, в том числе лично пообщаться с искусственным интеллектом в лице голосового помощника: Siri, OK Google или «Алисы».

Инфографика: Татьяна Удалова

Данные опроса представителей деловых кругов, проведенного по заказу корпорации Teradata, подтверждают значимость развития ИИ для бизнеса: порядка 80% крупных компаний во всём мире вкладывают деньги в развитие соответствующих технологий. По экспертным прогнозам, доход на каждый вложенный сегодня в эту сферу доллар в ближайшие пять лет составит $1,99, а через десять лет — $2,87. Максимального эффекта от инвестиций в ИИ большинство опрошенных (59%) ожидают в IT и коммуникациях, 43% — в сфере коммерческих и профессиональных услуг, 32% — в финансовом секторе и сфере обслуживания. Только за последние два года, по данным российского системного интегратора «Инфосистемы Джет» и аналитического центра TAdviser, количество проектов, связанных с искусственным интеллектом и машинным обучением, выросло в мире в несколько раз: в 2015 году крупные компании сообщали о 17 таких проектах, к середине 2017 года — уже о 162.

ИИ для холодильников

Промышленность традиционно отстает от более «легких» сфер бизнеса, и пока лишь немногие крупные проекты с участием ИИ относятся к производственной сфере. То есть соответствующие технологии, конечно, используются и здесь, но скорее на вспомогательных ролях. Интегрировать ИИ непосредственно в производственный процесс пока решаются немногие, прежде всего из-за цены вопроса: затраты на внедрение оказываются весьма существенными, а несовершенство технологий может обернуться серьезными потерями. Поэтому зачастую речь идет скорее о дистанционном управлении процессами, где технике предоставляется лишь относительная самостоятельность. Например, недавно американская Caterpillar представила проект удаленного управления спецтехникой в горнодобывающих шахтах и карьерах, где работа водителей связана с повышенным риском. Вместо них за работой бульдозеров и грузовиков будут следить операторы, в перспективе с расстояния до нескольких тысяч километров, и в аварийном случае смогут остановить технику. Хотя это будет уже крайним случаем, поскольку транспорт оборудован системами с ИИ, распознающими препятствия и позволяющими избегать столкновения с людьми и другой техникой.

Больше доверия искусственному интеллекту продемонстрировала южнокорейская LG Electronics, которая минувшей осенью анонсировала строительство завода кухонной техники стоимостью $525 млн. Предполагается, что всеми стадиями производства, от изготовления и закупки комплектующих до контроля качества готовых изделий, должна управлять единая система на базе ИИ, которая при этом будет еще и постоянно оптимизировать производственный процесс. Завод займет территорию в 336 тыс. кв. м и к 2023 году будет выпускать до 3 млн единиц продукции в год.

Мировой же лидер по количеству внедрений технологий искусственного интеллекта и машинного обучения, по данным «Инфосистем Джет» и TAdviser, США. За ними следует Великобритания, использующая ИИ преимущественно в крупных инвестиционных банках, а также Индия, поставляющая эти технологии иностранным заказчикам. Объем российского рынка искусственного интеллекта и машинного обучения в 2017 году эксперты оценивают в 700 млн рублей, а крупные промышленные проекты, в которых задействован ИИ, пока можно пересчитать по пальцам.

От нефти до стали

Один из уже реализованных проектов использования ИИ в российской промышленности — внедрение технологий искусственного интеллекта для производства стали в кислородно-конвертерном цехе Магнитогорского металлургического комбината. Поскольку переплавляемый лом обычно неоднороден по составу, для приведения стали к нужному стандарту необходимо внесение в нее в процессе плавки ферросплавов и других специальных добавок. Разработанный Yandex Data Factory сервис принимает данные по исходному составу и массе шихты (исходной смеси материалов, загруженных в плавильную печь) и с учетом целевых параметров готовой стали выдает оператору в режиме реального времени соответствующие указания по использованию добавок. Расход последних в ходе экспериментальных плавок с применением новых технологий сократился на 5%, а с учетом достаточно высокой стоимости ферросплавов металлурги рассчитывают экономить до 23 млн рублей в месяц.

Технологический лидер нефтегазовой промышленности, компания «Газпром нефть», реализует сразу несколько проектов с участием ИИ. Один из них, «Когнитивный геолог», предполагает создание самообучающейся модели геологического объекта. Дело в том, что ключевые решения по освоению месторождений приходится принимать уже на ранней стадии разработки, а ошибку, допущенную в начале процесса, в дальнейшем исправить практически невозможно. Геологи по крупицам собирают данные, чтобы получить достоверную картину строения недр и ответить на главный вопрос: насколько рентабельной окажется добыча? Это занимает год-два, при этом уверенность в правильности ответа всё равно не превышает 60%. «Когнитивный геолог» будет математически обрабатывать исходную информацию, оценивать вероятность правильности ответов и выдавать рекомендации о методах разработки или необходимости проведения дополнительных исследований. По расчетам специалистов «Газпром нефти», время интерпретации геологических данных за счет работы ИИ сократится в шесть раз, а количество извлеченной из них полезной информации возрастет на 30%.

Еще один проект «Газпром нефти» предполагает применение ИИ при бурении сложных скважин. Типичный пример: нефтяникам на основе геологической модели необходимо на глубине в несколько километров попасть в пласт толщиной всего два-три метра и вести по нему скважину на протяжении километра, оперативно реагируя на изменения конфигурации продуктивного горизонта, которые отслеживаются с помощью датчиков, установленных на буровом инструменте. Однако датчики расположены в 17 метрах от долота, поэтому специалисты, дистанционно контролирующие ситуацию из Центра управления бурением «ГеоНавигатор» в Санкт-Петербурге, узнают о выходе скважины из продуктивного горизонта с задержкой в 20–30 минут. За это время траектория бурения может уйти от трехметрового пласта на изрядное расстояние.

Центр управления добычей компании «Газпром нефть» в Ханты-Мансийске 
Фото предоставлено ПАО «Газпром нефть»

Решение проблемы найдено в обучаемой модели, которая в режиме реального времени будет делать выводы об изменении условий в самой дальней точке скважины на основе таких параметров, как нагрузка на буровом инструменте, сопротивление, температура, вибрация и скорость проходки. Это позволит специалистам «ГеоНавигатора» оперативно корректировать траекторию бурения и уточнять геологическую модель месторождения, одновременно формируя дополнительные данные для дальнейшего обучения «умного» бура. В будущем математическая модель бурения позволит по косвенным данным превентивно прогнозировать возможные нештатные ситуации, устанавливать оптимальные режимы работы оборудования и даже в реальном времени определять продуктивность пласта, при этом оценивая экономическую эффективность разбуривания конкретного горизонта.

Несмотря на то, что многие проекты с ИИ, особенно в промышленности, пока носят экспериментальный характер, аналитики уверены в грандиозных перспективах этого направления. «Инфосистемы Джет» и TAdviser в своих материалах прогнозируют рост российского рынка искусственного интеллекта и машинного обучения до 28 млрд рублей уже к 2020 году. В глобальном масштабе, согласно недавнему прогнозу PwC, использование ИИ к 2030 году обеспечит рост мирового ВВП на 14%, или на $15,7 трлн. И бизнес, игнорирующий эти технологии сегодня, рискует завтра оказаться просто неконкурентоспособным. Тем более что, если верить прогнозам отдельных футуристов, в районе 2030–2050 годов ожидается прорыв и в области создания «сильного» искусственного интеллекта, который уже точно ни в чем не уступит человеческому.

Катерина Овсянко


Источник: http://digital-russia.rbc.ru/article-page_5.html 


МАТЕРИАЛЫ ПО ТЕМЕ: Наука и общество
Возрастное ограничение