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.
