еще
+0
| Пт, 10 июля
В Екатеринбурге эксперты обсудили, как внедрить ИИ в промышленность и не разрушить бизнес
Фото: сайт Международной промышленной выставки «ИННОПРОМ»
Технологии искусственного интеллекта за последние три-пять лет сделали огромный рывок. Из экзотического фантастического проекта они превратились в инструмент, доступный даже домохозяйке: персональный ассистент ведет список покупок и сводит бюджет. Но как быть с более сложными системами, где цена ошибки или успеха измеряется миллиардами рублей? Способен ли ИИ сэкономить крупные суммы промышленникам и стоит ли отдавать ему на откуп всю операционную деятельность, включая право принятия решений?
Эксперты из разных сфер обсудили эти вопросы на полях одной из ключевых промышленных выставок России – «ИННОПРОМ».
Тон обсуждению задал министр информационных технологий, связи и цифрового развития Челябинской области Игорь Фетисов. Это один из немногих регионов, где в последние годы сформировали стратегию развития и внедрения ИИ в реальный сектор. Однако на практике эта работа сложнее, чем кажется.
«На предприятии не всегда удается динамично внедрять инновации. Понятно, что должен применяться Agile-подход, спринты: попробовал, не получилось, отметил ошибку, загрузил новые дата-сеты, дообучил нейросеть. У IT-компаний гибкости и скорости в принятии решений по развитию продукта больше. Но, естественно, необходим контроль со стороны заказчика – промышленного предприятия. Мы стараемся сделать так, чтобы IT-компании и промышленные предприятия работали вместе, и у нас это получается», – рассказал он.
В качестве примера он привел проект ММК, где примерно восемь лет назад «Яндекс» совместно со специалистами ЮУрГУ обучил нейросеть на основе математической модели и больших данных рассчитывать количество и объем присадок для придания металлам определенных свойств. Раньше это делалось «на глазок», а примеси стоят дорого, поэтому за первые месяцы экономический эффект превысил 34 млн рублей. А после того, как удачный опыт стали внедрять на предприятии шире, прибыль комбината стала исчисляться миллиардами рублей.
«Те производственные предприятия, которые прямо сейчас начнут маленькими шагами использовать технологии искусственного интеллекта (а это становится достаточно простым действием), резко повысят свою добавленную стоимость. На производстве очень много рутины, которую можно убрать с помощью машинного зрения или обученных моделей, и это резко повысит качество и сократит издержки», – уверен чиновник.
Фото: сайт Международной промышленной выставки «ИННОПРОМ»
Развивая тему, участники дискуссии согласились, что инструменты ИИ не должны решать все проблемы. Они должны прежде всего справляться с рутинными задачами и обрабатывать большие объемы информации, необходимой для верных управленческих решений.
«В текущих реалиях не надо говорить, что искусственный интеллект даст какой-то серьезный буст развитию компании. Буст дает только комплексный подход к автоматизации и цифровизации. Здесь нужно выстраивать систему, чтобы избежать хаоса: сначала есть люди, которые принимают конечное решение, затем – цифровая платформа, которая комплексно обрабатывает все данные и хранит их, и есть искусственный интеллект, который все это анализирует и позволяет достаточно быстро и качественно принимать решения на основании данных. Именно такой результат нынче нужен экономике и компаниям», – считает директор по стратегическому развитию «Старков Групп» Сергей Бабайцев.
В то же время, учитывая многообразие инструментов ИИ, ограничивать их деятельность анализом исторических данных и базовых операций на сложном производстве не совсем разумно. Замгендиректора по информационным технологиям ПАО «ТМК» Дмитрий Якоб поделился опытом реального внедрения цифровых технологий в промышленной цепочке. По его словам, холдинг системно занимается внедрением систем ИИ последние семь лет. За это время сформировали команду специалистов с узким набором навыков: они разбираются одновременно в металлургии и цифровых сервисах. Для каждого из этапов подобрали свой набор цифровых инструментов.
Фото: сайт Международной промышленной выставки «ИННОПРОМ»
«В частности, у нас есть модель, которая может анализировать металлолом, как входящее сырье. Причем анализировать она его может по-разному: послойно, с помощью видеоаналитики, компьютерного зрения, анализировать состав лома на соответствие нужному сорту, засоренность лома (по сути, это контроль качества) и облегчать операционную работу по претензиям.
В сталеплавильном переделе у нас работает комплекс продуктов на основе машинного обучения. Цифровой помощник сталевара (это комплекс продуктов) позволяет находить оптимальную шихтовку, оптимальное соотношение расплавов и легирующих элементов, исходя из имеющегося состава и качества сырья, и обеспечивать оптимальный техпроцесс.
В трубопрокатном переделе, в твердой фазе, мы, в основном, находимся в зоне контроля качества. С помощью машинного зрения анализируем геометрические параметры изделий, поверхностные дефекты и многие другие вещи», – привел примеры Дмитрий Якоб.
В результате внедрения этих комплексов экономический эффект ежегодно составляет до 3 млрд рублей. В секторе этих технологий промышленность нашла применение ИИ и довольно широко использует их. Однако, что касается генеративных сетей и AI-агентов, здесь крупный бизнес находится в зоне экспериментов. Проблем здесь больше, чем предполагали изначально, но одна из ключевых – информационная безопасность.
Медиаменеджер и вице-президент АКАР Алексей Парфун уверен, что безопасностью работы с ИИ, даже в части сбора информации, занимается не больше 0,5% компаний на рынке, а отечественный софт работает на иностранном «железе».
«Главная проблема рынка, которую игнорируют – данные массово загружаются сотрудниками в нероссийские решения. А вы об этом просто ничего не знаете. Риски огромны: от потери персональных данных до угроз госбезопасности. Как это контролировать – не совсем понятно. Сервера не приземляют в России. Сегодня у нас есть китайские друзья, но завтра ситуация может измениться», – размышляет Парфун.
«Реальные эффекты лежат не в применении ИИ для автоматизации бизнес-ассистента или копирайтера, а в оптимизации технологических процессов и создании дополнительной маржинальности. В то же время данные, с которыми работает модель, являются данными высокой критичности. Здесь важно контролировать целостность данных, которые принимает на вход нейросетевая модель.
Самый популярный вектор атаки – это отравление данных: воздействие на них, чтобы модель некорректно отображала результаты своей работы и влияла на технологический процесс в худшую сторону», – добавляет директор направления по сопровождению проектов промышленной безопасности «Лаборатории Касперского» Андрей Бондюгин.
Фото: сайт Международной промышленной выставки «ИННОПРОМ»
В этом смысле специалистам приходится заниматься развертыванием ИИ-моделей в закрытом контуре, чтобы модель оставалась доверенной и суверенной.
«Это потребность, которая стоит перед страной – создать свои суверенные технологии, чтобы можно было безопасно применять их внутри закрытых инфраструктур», – уверен эксперт.
Поделиться
0
0
