В Москве 23 и 24 октября прошел второй ежегодный форум по системам искусственного интеллекта – RAIF 2018 (The Russian Artificial Intelligence Forum), организатором которого выступила компания «Инфосистемы Джет». Форум собрал свыше 800 участников – топ-менеджеров крупных компаний и ИТ-экспертов. В этом году выяснилось, что искусственный интеллект уже не только способен к обучению, но и может совершенствовать плоды человеческого труда, проявляя «нечеловеческие» возможности. Лозунгом нынешнего года стала фраза: «Превосходя Мастера». Эта идея была подкреплена многочисленными кейсами внедрения технологии машинного обучения, которые были озвучены спикерами RAIF – представителями крупных промышленных предприятий, банков, ритейла и стартапов.
Однако появились и первые негативные результаты внедрения, которые связаны с качеством данных. Как отметил Владимир Молодых, директор по разработке и внедрению ПО компании «Инфосистемы Джет», сейчас многие компании реализуют различные пилотные проекты, но до промышленной эксплуатации дело не доходит. Пилотные проекты обычно обучаются на исторических данных, которые уже накоплены и лежат в базах данных, в то время как переход к промышленной эксплуатации требует получения доступа к текущим данным в режиме реального времени, что непросто организовать. К тому же не все компании готовы доверить ИИ ответственность по решению сложных задач с возможными юридическими последствиями.
Анджей Аршавский, директор по анализу данных НЛМК, также поделился своим опытом реализации индустриальных AI-проектов. «Сегодня мы параллельно ведем около 20 проектов с применением искусственного интеллекта. Одна часть из них находится в промышленной эксплуатации, другая – на стадии испытаний, третья – на этапе пилотирования и разработки». В частности, на НЛМК искусственный интеллект занимается предсказанием срока замены валков по статистической модели, оптимизацией расхода электроэнергии и загрузки слябов в тару для оптимальной доставки заказчику. В компании даже разработана и утверждена методика оценки эффективности подобных проектов, которая по результатам пилота дает возможность определить экономическую эффективность перевода проекта в промышленную эксплуатацию. Компания использует платформу для моделирования различных ситуаций и реестр моделей, которые позволяют с помощью искусственного интеллекта решать сложные оптимизационные задачи.
Однако не всегда эти модели дают правильный результат, поскольку у каждой из них есть границы применимости, оценить которые заранее довольно сложно. В частности, Анджей Аршавский отмечает, что существует проблема масштабирования проектов на основе ИИ. То есть нельзя просто так взять результаты, полученные на одном производстве, перенести на другое – и все заработает. При переносе на другие участки приходится проводить отдельное исследование и создавать собственную модель, которая учитывает особенности конкретного производства.
Кроме того, искусственный интеллект очень сильно зависит от качества предлагаемых ему на анализ данных. Он не в состоянии оценить достоверность и актуальность анализируемой информации и принимает на веру все, что ему дают люди. Если же в данных – случайно или намеренно – появились искажения, то и результат работы системы может оказаться непредсказуемым. В результате на «грязных» данных даже самая перспективная модель может сработать некорректно. Как следствие, дорогостоящая система может прийти к неверным выводам и принести компании дополнительный ущерб. А ведь именно эта проблема и возникает при переходе в промышленную эксплуатацию, где данные могут быть искажены поломками оборудования, в то время как исторические данные, как правило, являются достаточно чистыми. Поэтому эксперты рекомендуют, прежде чем начинать проекты по внедрению системы искусственного интеллекта, построить систему очистки данных от ошибок и противоречий на лету.
Отсутствие масштабирования и работа на «грязных» данных, по мнению Евгения Кузнецова, генерального директора и партнера Orbita Capital Partners, является признаком кустарного производства. «В России искусственный интеллект пока не дошел до стадии масштабируемого роста, – отмечает он. – Разработчики предлагают в основном ручные поделки, которые не интересны инвесторам». Перспективными с точки зрения «коробочных» решений являются сейчас отрасли путешествий, маркетинга в ритейле и логистики.
Потребители также склонны покупать решения, реализованные в «железе», – в виде кристаллов или IoT-устройств. Например, компания Huawei выпустила недавно вычислительную платформу Atlas на базе нейропроцессора Huawei Ascend. В состав платформы входят модули для IoT-устройств Atlas 200 AI, карта расширения для ПК стандарта PCI Atlas 300 AI, шлюзовое устройство для автоматизации процессов Atlas 500 AI и серверная платформа с поддержкой облачных вычислений Atlas 800 AI appliance. Эту платформу российские разработчики решений на базе искусственного интеллекта вполне могут использовать для предложения масштабируемых продуктов.
Параллельно с деловой программой в рамках форума состоялись финал RAIF Hackathon и награждение победителей. Лучшими командами, разделившими между собой призовой фонд более 1 млн руб., стали: KeKsiK в номинации от НЛМК «Оптимизация процессов производства»; r_test, эффективно решившая задачу «Прогнозирование кадастровой стоимости объектов» для «Росреестра»; Help The Platypus, проводившая «Анализ спроса на товары» для «Утконоса». Таким образом, искусственный интеллект на программном уровне в России развивается и на уровне студенческих и стартаповских проектов.
