Tools

Site ExplorerSite Explorer
Close site explorer

Потенциал технологии искусственного интеллекта лежит в сфере промышленности

11 марта 2019 г.


Роботы, производящие сборку предметов без предварительного программирования. Самооптимизирующиеся конвейерные линии на фабриках. Поезда и ветротурбины, запрашивающие техническое обслуживание на основе анализа операционных данных и технологии искусственного интеллекта (ИИ), способной прогнозировать поведение механизмов и оборудования лучше создавших их инженеров и конструкторов. Эти разработки открывают широкие возможности по использованию и дальнейшему раскрытию потенциала ИИ.

Несомненно, рынок труда будет претерпевать изменения в связи с возрастанием роли ИИ. Даже если сегодня роботы все еще должны довольствоваться лишь грязной, монотонной и опасной работой.

Согласно недавним исследованиям будущего труда, эти ограничения вскоре будут сняты. К 2030-му более 375 миллионам людей во всем мире придется освоить новую профессию. Иными словами, переквалифицироваться предстоит каждому третьему. При этом вытеснение коснется не только исполнителей «простых» задач, но и юристов, докторов и инженеров.

Прогнозы от ведущих компанию по исследованию рынка единогласно подтверждают, что выполнение едва ли не половины текущих задач будет автоматизировано. Машины будут способны не только выполнять эти функции, но и делать это лучше и быстрее людей. В чем позитив? Все просто: избавленные от необходимости делать нудную работу мы получим больше времени на оценку результатов, консультирование клиентов и пациентов, выявление и развитие способностей сотрудников.


Передать полученные результаты из виртуального в реальный мир

Споры в формате «человек против машины» уже неактуальны. Если присмотреться, станет очевидно, что разработки ведутся в несколько ином направлении. Действительно, когда мы сегодня говорим об ИИ, мы всегда говорим о развитии искусственного интеллекта людьми.

Можно думать об ИИ, как о «черном ящике», в который мы вкладываем все больше и больше знаний. Но, в конечном счете, мы не можем получить из ящика ничего, кроме вложенного. Соответственно, в эпоху ИИ мышление «за рамками ящика» приобретет совершенно иное значение. Для нас, ключевыми будут следующие два момента:

Первое – все еще существуют барьеры, сдерживающие развитие ИИ. В будущем машины, по большей части, будут обучаться самостоятельно, они будут способны «мыслить за рамками».

Второе – понятно и предсказуемо, что все возрастающее присутствие ИИ в нашей жизни может провоцировать появление страхов и беспокойства – и мы должны серьезно к этим страхам отнестись. При этом всегда следует помнить о том, что – так же, как и в ситуации с изобретением и развитием технологии ИИ – в будущем мы будем стоять во главе всех процессов.

Один пример: несмотря на то, что в 1997 году разработанный в IBM шахматный суперкомпьютер Deep Blue выиграл матч у чемпиона мира Гарри Каспарова, только сейчас удалось создать ИИ, способный в полной мере использовать свой потенциал в стратегических играх. Сегодня ни человек, ни канонический ИИ не может одолеть программу AlphaZero – ни в шахматах, ни в играх гораздо большей сложности, таких так Го или Сёги. Вот только такой вариант развития событий никогда бы не стал реальностью без человеческого интеллекта, создавшего архитектуру системы. Этот пример доказывает, что речь идет не о формате «человек против машины», а о формате «человек и машина».

Сегодня возможность виртуального ассистента автоматически записать нас к парикмахеру или разместить заказы в интернете кажется грандиозной. Но так ли это инновационно на самом деле? Кто в действительности выигрывает от такой возможности? В первую очередь это маркетинговые и платформы электронной коммерции. Однако существует форма ИИ, от использования которой выиграет каждый из нас: интегрированный в производственные процессы ИИ способен создать дополнительную ценность в промышленных  масштабах.

Изменения уже начались. Чтобы все получилось, промышленные предприятия стремятся привлекать и переманивать друг у друга таланты. Наиболее востребованы те, чья экспертиза объединяет ранее разрозненные дисциплины. Например, специалисты по обработке и анализу данных, имеющие дополнительные знания в области физики или инженерии. Такие специалисты на вес золота, поскольку только они способны читать данные, полученные посредствам ИИ из систем железнодорожного состава, и трансформировать их в реальные действия.

После того, как данные трансформированы, операторы могут получить четкие инструкции относительно того, какой компонент какой вагонетки необходимо заменить и в какие сроки. Прогнозное техническое обслуживание, анализ рисков, информация о наличии запчастей и правовых особенностях страны назначения поезда уже включены в описание систем с элементами искусственного интеллекта. Только люди способны передавать основные инсайты из цифрового мира в мир реальный таким образом, чтоб должным образом использовать возможности ИИ.

Вот еще одна причина, по которой мы полагаемся на мастерство и искусный ручной труд, и будем продолжать это делать даже тогда, когда такие задачи выполняются на высочайшем уровне. В процессе производства и технического обслуживания локомотивов на заводе Siemens в городе Аллак, что близ Мюнхена, Германия, механики и сварщики выполняют высокоточные работы с погрешностью в десятую часть миллиметра. Готовность поездов может быть гарантирована только при условии, что такие работы произведены профессионалами, использующими информацию ИИ.

Вывести Промышленность 4.0. на новый уровень

Сегодня три процесса протекают параллельно. Возникают новые профессии, невостребованные исчезают, меняются многие из существующих.

Чтобы баланс ИИ был позитивным, компании – включая крупные корпорации, малый и средний бизнес и даже специалисты, занятые в торговле, – должны быть способны широко и эффективно задействовать ИИ в своих операциях.

Я говорю о промышленном ИИ – комбинации ИИ и профильных ноу-хау. Цель Siemens – создать «цифрового компаньона», выполняющий функцию своеобразного интенсификатора человеческого интеллекта.

Этот тип ИИ, поддерживающий нас как людей, должен быть широко доступен. Однако повышение доступности этой технологии требует не только инвестиций в научные исследования и разработки, но и гораздо большего фокуса на образовании и повышении квалификации.

Мы в Siemens ежегодно инвестируем более полумиллиарда евро в обучение, и цифровые навыки – неотъемлемая часть наших тренинговых программ. При этом, по большому счету, развитие навыков должно начинаться значительно ранее: наработка навыков должна стартовать на базовом дошкольном уровне, продолжаться на уровне начальной и средней школы, а затем углубляться и обретать специализацию в университетах.

Чтобы успешно войти в эру Четвертой Промышленной Революции и остаться конкурентными на международном уровне в цифровую эпоху, требуются значительные усилия ведущих промышленников, политиков, ученых, а также профессиональных союзов.

Результаты реализации немецкой инициативы Industrie 4.0 наглядно демонстрируют плоды таких совместных усилий. С целью способствовать цифровой трансформации промышленности и интенсифицировать создание дополнительной ценности на локальном уровне, аналогичные инициативы и сети были внедрены в других странах. Самые очевидные примеры программ: China 2025, Manufacturing USA, Make in India и Egypt Vision 2030.

Промышленный ИИ может стать мощнейшим драйвером Четвертой Промышленной Революции и вывести Промышленность 4.0. и подобные инициативы на новый уровень.

Устранить случайности – повысить продуктивность

Согласно последним исследованиям, в течение следующих 12 лет использование ИИ потенциально может способствовать увеличению глобального валового внутреннего продукта (ВВП) в среднем на 1,2%. Ежегодно. Следовательно, выигрыш от использования ИИ однозначно превысит 0,6%-ый рост, в свое время спровоцированный изобретением парового двигателя и распространением информационных и коммуникационных технологий.

Анализируя тенденции развития глобального ВВП в течение 200 лет, мы видим, что в последние годы и десятилетия он растет по экспоненте. Ключевой причиной такого явления является технический прогресс.

Технология имеет прямое воздействие на социальное развитие, экономику, продуктивность и рост. Особенно в последнее время наблюдается стремительное ускорение развития инноваций и технологий. Что довольно неожиданно, поскольку, по определению, «инновация» означает «неэффективный». Я имею в виду, что многие инновации и передовые технологические разработки были созданы случайно – достаточно вспомнить об изобретении микроволновой печи, создании тефлона или открытии рентгеновского излучения.

Помимо этих примеров, тем не менее, инновация фундаментально основана на принципе проб и ошибок: выдвижение гипотезы – организация тестирования – проведение тестирования – определение ошибки и т.д. Неэффективность этого метода заключается в том, что перед достижением цели необходимо предпринять ряд попыток. Именно это слабое место может быть нивелировано при помощи ИИ.

В цифровую эпоху ключ к успеху – это скорость и масштаб. И если есть хоть одна сфера, где ИИ уже сегодня намного опережает человека, то это огромная скорость, на которой ИИ обрабатывает данные, а затем определяет и исключает ошибки. Словом, ИИ потенциально способен помочь нам избежать ошибок и исключить случайности. Учитывая это, довольно просто понять, почему вывод исследования McKinsey «Записки с границы: моделирование вклада ИИ в глобальную экономику» гласит, что к 2030 году для мировой экономики дополнительный эффект использования ИИ составит 13 триллионов долларов.


ИИ с профильным ноу-хау

Сегодня Siemens является лидером в области развития промышленного ИИ, поскольку в концерне увидели потенциал этой технологии заблаговременно. Первые успехи наших специалистов в области ИИ были продемонстрированы в 1995 году. Комбинирование ИИ с профильными ноу-хау изменило наши коммерческие предложения.

В отличие от методов, используемых железнодорожными операторами, к примеру, наши сервисные предложения позволяют не только идентифицировать и производить ремонт вышедших из строя компонентов – мы гарантируем такой уровень эксплуатационной готовности, который позволяет поездам конкурировать с самолетами и выигрывать в этой борьбе.

Хорошим примером служить скоростная железнодорожная линия между Мадридом и Барселоной, которая обслуживается Испанской железной дорогой Renfe. Время в пути составляет 150 минут, тогда как чистое время полета по тому же маршруту – 80 минут. В случае задержки или опоздания поезда на 15 и более минут, пассажиры получают полный возврат стоимости билета.

Для обеспечения высокой эксплуатационной готовности, вместе с Siemens Renfe основали совместное предприятие, осуществляющее обслуживание составов при помощи анализа данных на основе ИИ. На текущий момент лишь один из каждых 2300 рейсов значительно задерживался в связи с техническими неполадками. Результат? Десять лет назад, когда железнодорожное сообщение между двумя крупнейшими городами Испании только запускалось, лишь 20% пассажиров совершали поездки поездом. Сегодня таких более 60%.


Сегодня в Siemens работает порядка 800 специалистов в области анализа данных и ИИ. За последние несколько лет они создали множество разработок на базе ИИ для промышленности, в том числе:

  • Промышленные сервисы на базе непрерывных алгоритмов, интегрированные в производственные процессы. Благодаря непрерывному сбору и обработке данных, мы способны постоянно переобучать машинные модели и повышать точность прогнозного анализа. Эти разработки позволили снизить затраты на дорогостоящий контроль качества – к примеру, проверка на рентгене – более чем на 30%;

  • Алгоритмы, автоматически анализирующие операционные данные, метеорологические условия и свойства компонентов газовых турбин. Благодаря использованию такого подхода удалось увеличить интервалы технического обслуживания на 30% и снизить затраты на 16%;

  • ИИ в области медицины позволяет Siemens оказывать поддержку докторам по оцениванию тысяч рентгеновских снимков, что, в свою очередь повышает достоверность диагноза и качество лечения пациентов;

  • Чрезвычайно сложный контроль качества на базе ИИ для сталепрокатных предприятий. Эта самообучающаяся система сегодня является классическим предложением; с 1995 года она была установлена на 30 сталепрокатных предприятиях по всему миру.


Более того, ИИ позволяет выстраивать новые бизнес-модели. Возьмем пример Renfe: вместо того, чтобы продавать клиенту компоненты, Siemens продает период непрерывной эксплуатации – время, в течение которого состав находится в рабочем состоянии.

Существует аналогичная модель для компаний, производящих машинное оборудование. Использование ИИ позволят им значительно расширить возможности анализа и прогнозирования износа и амортизации оборудования. Такая информация помогает создать для оборудования бизнес модель, основанную на специфике эксплуатации.

Успешно начать цифровую трансформацию

В разговорах вокруг ИИ упускается один момент, заслуживающий внимания. В то время как ИИ будет играть лидирующую роль в процессе дальнейшего развития ВВП, экономикам также необходимо трансформироваться, чтобы приспособиться к цифровой трансформации. Такие изменения потребуют наличия трудоспособного населения, чьи активности не трудо-, а интеллектоемкие. Ценность создается за счет квалификации и продуктивности.

Общества, стремящиеся отстоять свои позиции в этом мире, должны привести свои экономики в форму. Прогнозы ведущих компаний по исследованию рынка полностью совпадают с мнением, что технологии ИИ – при условии их корректного и последовательного использования – имеют потенциал стать драйвером ВВП.

Сегодня мы находимся в критической точке эволюции искусственного интеллекта и не сегодня, так завтра вступим в фазу экспонентного роста. И это при том, что львиная доля потенциала ИИ все еще не раскрыта.

Старт реализации инициативы Industrie 4.0 позволил нам успешно начать цифровую трансформацию. Имея в своем распоряжении такой инструмент как промышленный ИИ, мы способны выйти на качественно иной уровень: устранить случайности и исключить ошибки, стимулировать инновации, повышать эффективность и продуктивность, тем самым определяя технологический и социальный прогресс.