Бизнес полюбил ИИ. Теперь хочет взаимности

В России решили всерьез взяться за ИИ – активнее внедрять искусственный интеллект в экономику. Правительство создаёт оперативный штаб по решению ИИ-проблем, для разработчиков ИИ организовали федеральную премию. Предприниматели в ответ уверяют, что очень любят искусственный интеллект. Правда, 25% не знает, что это такое. MASHNEWS разбирался в российских особенностях ИИ.

Один штаб, одна премия, три проблемы

Оперативный штаб по искусственному интеллекту Минэкономпразвитие обязали создать в июле - во исполнение поручения президента. Руководитель штаба - замминистра Максим Колесников - уже заявил, что регионы мало внимания уделяют внедрению искусственного интеллекта. Не создают условий.  И штаб будет содействовать.

Премию «Лидеры искусственного интеллекта» будут вручать за достижения в области ИИ и регионам, и компаниям, и конкретным разработчикам. Премию учредили при поддержке федерального правительства АНО «Цифровая экономика» и «Альянс в сфере искусственного интеллекта» (куда входят все гранды -  Сбер, «Газпром нефть», Яндекс, Северсталь и т.д.).Заявки на участие принимают до 20 октября 2023 года.

Опросы показывают, что отечественные предприниматели не только любят, но и активно внедряют искусственный интеллект – по данным последних исследований от 45 до 65% уже его используют. Но не всё так просто.

Малых предпринимателей опрашивали в рамках совместного проекта Сбера, Минэкономразвития и ФОМ. Итог исследования «Предприниматели России: исследовательский мониторинг», о котором стало известно 21 сентября: 45% опрошенных представителей малого бизнеса заявили, что уже применяют технологии искусственного интеллекта в работе. Но 25% опрошенных не знают, что это такое.

Те, кто знают про ИИ, используют его так:

• - для распознавания речи и перевода её в текст,
• - для автоматизации взаимодействия с клиентами,
• - для генерации текстов, изображений и видео,
• - для распознавания изображений,
• - для настройки рекомендательных систем, рекламы и рассылок,
• - для анализа данных и прогнозирования.

То есть всё это хорошо, говорят эксперты, но пока не слишком продвинуто. Правда, и бизнес – малый.

Институт статистических исследований и экономики знаний НИУ ВШЭ 26 сентября 2023 года обнародовал данные  исследования разных предприятий. По этим данным, 65% обследованных организаций применяют ИИ в тестовом (т.е. экспериментальном) режиме, изучая, как это скажется на их бизнесе.

Выявились проблемы:

1. ИИ - это дорого. Одним из основных барьеров для распространения ИИ являются значительные объемы требуемых инвестиций При этом стоимость разработки программного обеспечения и сервисов на основе искусственного интеллекта в России за год (с июня 2022 года по июнь 2023-го) увеличилась на 40%.
2. Дефицит профильных специалистов. Категорически не хватает дата-сайентистов, дата-инженеров и дата-аналитиков.
3. Отсутствие отечественных программ для работы с машинным обучением.

Почему промышленность не гонится за ИИ

«Сейчас далеко не все предприятия - как и в РФ, так и в мире - готовы к применению ИИ. Не всегда это обусловлено только скупостью или недальновидностью. Так, есть несколько уважительных причин, почему промышленность не всегда гонится за ИИ» пояснил MASHNEWS директор мегафакультета трансляционных информационных технологий Университета ИТМО, руководитель исследовательского центра в сфере ИИ «Сильный искусственный интеллект в промышленности» Александр Бухановский.

Первое - предприятие находится на невысоком уровне цифровизации, т.е. необходимые данные, которые нужны для работы ИИ, отсутствуют или их не получают с должным качеством. Для таких компаний первостепенная задача – разобраться с данными, и только потом делать заказ на ИИ.

Второе - предприятие уже имеет удачный опыт применения ИИ на местах для оптимизации некоторых локальных процессов. Однако вклад этой оптимизации в общую картину создания добавочной стоимости неочевидный или даже спорный (например, когда оптимизация одной ветки процесса вносит разладу в процесс в целом). То есть, тот ИИ, который приводит в восторг директора цеха, может не вызывать интереса у совета директоров предприятия.

И третье - предприятие не умеет управлять рисками, связанными с внедрением ИИ. Так как любой ИИ имеет право на ошибку (как и человек, работающий в условиях неопределенности), то, внедряя его, нужно иметь средства компенсации этой ошибки. А это всегда напрягает, особенно когда до внедрения ИИ таких рисков просто не возникало, объясняет Александр Бухановский.

ИИ в промышленности – нет больших данных

Под словами «ИИ в промышленности», в основном, понимается создание цифровых двойников производств на разных уровнях принятия решений. От полностью автоматизированного процесса планирования выпуска продукции и ее сбыта до конкретного станка, для которого создается решение на основе предиктивной аналитики (предсказательная, прогнозная аналитика - прим. ред.).

Подобные системы предсказывают аномальное поведение и потенциальные неисправности как в текущий момент, так и в обозримом будущем, рассказал MASHNEWS руководитель группы «ИИ в промышленности» Института искусственного интеллекта «AIRI» Илья Макаров.

В отличие от универсального ИИ, который имитирует базовые когнитивные функции человека в быту (работу с текстом, распознавание изображений и прочее), ИИ в промышленности ориентирован на воспроизведение профессиональной деятельности отраслевого специалиста – инженера, проектировщика, технолога, аудитора, пояснил Александр Бухановский.

«Другими словами, ИИ в промышленности – это классический ИИ, получивший »профессиональное образование« и способный решать задачи »синих«, а иногда и »белых« воротничков,  - говорит он. - Например, по косвенным признакам оценивать состояние и степень износа оборудования, самостоятельно проектировать технические объекты, планировать сложные технологические процессы, оценивать последствия нетривиальных решений на ранних стадиях, когда никому еще ничего не ясно. Он способен даже создавать другие цифровые объекты для промышленности. Например, настраивать цифровые двойники».

«Главная особенность ИИ в промышленности состоит в том, что, как правило, в традиционных для ИИ областях (финансы, маркетинг, HR, развлечения) процесс обучения ИИ основывается на больших данных. Их много, они разнообразные. То есть, такой ИИ во многом похож на Робинзона Крузо, который что-то слышал про простые технологии (корзины плести или горшки обжигать), но учится методом »проб и ошибок«. А в промышленности, как правило, данных не так много. Зато есть априорные, то есть, накопленные человеком, знания в форме различных стандартов, методик, наставлений и даже инженерного ПО. Потому ИИ в промышленности должен уметь не только учиться на данных с нуля, но и критически осваивать ранее накопленные отраслевые знания. В этом он больше напоминает средневекового цехового подмастерья, которым мастера часто вообще ничего не объясняли, но давали подглядывать, как они работают», - рассказывает Бухановский.
 

Практическое применение

На практике применять ИИ можно и для решения и логистических задач, и для документооборота, который описывает регламентирующие ограничения, продолжает Илья Макаров.

«Сейчас активно внедряются большие языковые модели для проверки договорной деятельности на предмет соответствия регуляторным ограничениям и другим стандартам. Например, мы с командой в основном занимаемся цифровыми двойниками конкретных процессов, где по сенсорным данным можно определить, существуют ли какие-то аномалии и можно ли диагностировать будущие неисправности, учим системы определять индекс здоровья оборудования».

Есть классическая проблема износа оборудования. Это достаточно дорогостоящий процесс. Системы на основе ИИ позволяют продлить жизненный цикл приборов и снизить расходы на ремонт с помощью заблаговременного предсказания потенциальных поломок, говорит Макаров.

«Превентивный ремонт дешевле, чем исправление уже случившейся поломки, поясняет он. - Соответственно, ИИ в промышленности помогает решить две задачи: экономит средства на техобслуживание, если с приборами все хорошо, и, наоборот, позволяет проводить экстренное техобслуживание, если сенсорные данные показывают увеличение тенденций в сторону аномалий».

Есть и более сложные кейсы, объясняет Илья Макаров. Например, полноценная логистика внутри портов, производство товаров на основе нефтепродуктов, соответствие промышленных процессов ценообразованию, поиск ископаемых. «Реально создать полноценную систему принятия решений, используя данные в разных форматах: информацию с производства, данные спутников, аналитику рынка».

Изображение: StylishBag
 

Люди трех категорий

Цель любого ИИ – помочь сотруднику, а где-то заменить его в неприятных, тяжелых или непростых работах. В промышленности это относится к трем категориям людей, объясняет Александр Бухановский.

• Первая категория – массовые неквалифицированные специалисты. ИИ повсеместно неплохо справляется с такими задачами, как замена операторов колл-центра, контроль порядка ручных операций, соблюдения техники безопасности на производстве и т.д.
• Вторая категория - квалифицированные линейные специалисты. Здесь ИИ применяется для задач предиктивной аналитики оборудования, планирования технологических операций, помощи в принятии решений при выполнении нетривиальных задач. Например, что и как делать в ходе ремонта сложного оборудования.
• Третья категория – креативные специалисты, то есть люди, ведущие разработку чего-то нового. ИИ применяется для автоматизации планирования и проектирования очень сложных объектов, создания и обучения цифровых двойников, а также создания более простых систем ИИ для первых двух категорий людей.

В исследовательском центре ИТМО «Сильный ИИ в промышленности» (одного из шести исследовательских центров в рамках Федерального проекта «Искусственный интеллект»), разрабатывали технологии для решения всех трех классов задач/людей, добавляет Александр Бухановский.

В интересах нефтегазодобывающей промышленности созданы системы ИИ для комплексного планирования освоения месторождений, для бесконтактного мониторинга состояния трубопроводов, для проектирования процессов транспортировки газа в разных условиях, для управления процессами добычи.

Для АПК и пищевой промышленности решались задачи организации логистики и сбыта.

Для строительной отрасли создана система ИИ в поддержку архитектора. Ее применяют для автоматического мастер-планирования городских территорий, рассказывает Бухановский.

«Наконец, недавно мы в паре с компанией »Татнефть« представили цифрового корпоративного эксперта »Акела« - систему, которая умеет эффективно дообучаться на внутренних документах компании и затем отвечать на вопросы сотрудников »со знанием дела«. Система может применяться для консультирования,  обучения и проверки знаний сотрудников.

Среди пользователей ИИ популярны «коробочные» продукты из-за их низкой стоимости. Для удешевления и ускорения создания продукта применяется открытое ПО / Институт статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ

Что дальше?

Для развития ИИ в промышленности важны две вещи: цифровая трансформация предприятий и подготовка кадров.
Перед внедрением на производстве любой системы следует удостовериться, что она основана на качественных данных и большой экспертизе. Большинство процессов должно быть задокументировано в цифровом виде и обработано экспертом, говорит Илья Макаров. 

«Тогда цифровые двойники, алгоритмы и языковые модели смогут обучаться на данных завода и предоставлять качественный результат. Везде есть сотрудники, которые работают с конкретным оборудованием много лет и прекрасно ориентируются в причинах аномалий. Они, безусловно, очень ценны, да и стоимость внедрения ИИ в краткосрочной перспективе для компании выше, чем стоимость найма. Однако знания одного сотрудника тяжело масштабировать. 

Чтобы быть по настоящему инновационным, предприятие должно не просто опираться на доменную экспертизу сотрудников, но и создавать кооперацию между людьми на местах и экспертами по ИИ для сохранения их знаний. Лучший способ для этого – сотрудничать с исследовательскими организациями так, чтобы разработка и внедрение ИИ-систем была не единоразовой, а регулярно поддерживалась на основе последних обновлений и открытий, ведь ИИ – наиболее быстро развивающаяся область исследований мире«, - объясняет он.

ИИ - крайне важный фактор конкурентоспособности, если компания желает использовать ИИ «на полную катушку», то она не может просто ограничиться автоматизацией отдельных, уже выстроенных процессов. Она должна делать трансформацию всех своих процессов под логику ИИ – а такая «игра в долгую» пока не всем интересна, говорит Бухановский.
 

Заставить ИИ думать о прибыли

В промышленности есть три ключевые проблемы. Как снизить издержки, как повысить выручку и как при этом решить проблему дефицитных кадров на рынке труда, говорит Бахановский.

В большинстве случаев ИИ применяется для снижения издержек. Как регулярных, например, путем уменьшения времени технологических операций, так и предотвращенных, например, за счет раннего предсказания поломок оборудования. Однако это не самый выгодный способ применения ИИ, так как снижение издержек само по себе не способствует развитию бизнеса.

«Применение ИИ для увеличения выручки - более благодарный подход. Но в этом случае необходима не просто трансформация существующих и создание новых процессов производства (на что не все предприятия готовы), но и наличие потенциала спроса. Так, например, наша технология ИИ автоматического мастер-планирования городских территорий позволяет сократить время работы архитектора с 4 месяцев до 1 дня. Но это не значит, что выручка тех, кто это внедряет, сразу вырастет в 120 раз. Строительный рынок просто не может переварить такое количество новых проектов», - рассказывает Бухановский.

А вот польза от ИИ при дефиците кадров на рынке труда как раз касается не массовых, а опытных специалистов, функции которых тоже может воспроизвести ИИ. Далеко не все небольшие компании способны заказать себе разработку ИИ «с нуля», так как услуги разработчиков весьма дороги. Но есть системы ИИ, которые как раз предназначены для упрощения разработки иных систем ИИ (у нас в центре для этого разработана специальная платформа SMILE).

«Другими словами, ИИ демократизирует рынок труда: вы можете позволить себе решать задачи с менее опытными специалистами, просто оснащая их дополнительным ИИ», - говорит эксперт.
 

Будущее ИИ

Что он будет дальше? ИИ научится переносить опыт из одних отраслей в другие. Например, модель с «нефтянки» адаптировать для пищевой промышленности.

«Сейчас это прерогатива человека - отраслевого разработчика ИИ, сам компьютер это не сделает. Но в будущем на основе фундаментальных моделей возможны решения, когда сам ИИ научится воспроизводить над-отраслевые, общесистемные функции исследователя и разработчика, включая рефлексию и даже… инженерную интуицию и творческий замысел. Вот такие технологии могут создать основу для действительно массового, а, главное, повсеместного и недорого внедрения ИИ по всем отраслям», отмечает Бухановский.

 
СПРАВКА MASHNEWS:

Премию «Лидеры искусственного интеллекта» будут вручать в ноябре.В региональной номинации наградят органы власти, внедряющие сервисы на базе искусственного интеллекта. 

В номинациях для компаний жюри определит до пяти победителей из числа предприятий, эффективно применяющих ИИ в металлургии, нефтегазовой промышленности, химии и нефтехимии, машиностроении, на транспорте и в логистике, в сельском хозяйстве, здравоохранении, строительстве и ЖКХ.

В категории «Премия ученым» наградят лучших исследователей. Участвовать в ней могут молодые учёные до 35 лет, у которых есть научные публикации по теме искусственного интеллекта за последние три года.