Искусственный интеллект перестал быть экспериментом: что нужно для его массового внедрения

Предприятия России уже перестали рассматривать искусственный интеллект как эксперимент. Решения на его основе работают в металлургии, нефтегазовой отрасли, энергетике и других секторах промышленности. Теперь главный вопрос для бизнеса и государства звучит иначе: как масштабировать эти технологии, сохранив безопасность производства, защиту данных и понятные правила их использования.

Об этом шла речь на дискуссии «Наследие в железе: как ИИ и роботы строят Россию будущего», которая состоялась на полях выставки ИННОПРОМ.

От решений — к правилам

Заместитель министра промышленности и торговли РФ Василий Шпак отметил, что технология ИИ уже прошла точку невозврата: она перестала быть экспериментом и стала частью производственного процесса:

Каждое поколение промышленников оставляло после себя наследие — домны, станки, реакторы. Сегодня к этому списку добавляется искусственный интеллект. Все, что мы сейчас спроектируем, обучим и запустим, станет производственным фундаментом для следующих поколений. Наша общая задача — тиражировать работающие решения и честно отказываться от тех, которые не дают результата. Роль государства тоже меняется. Мы видим свою задачу не в том, чтобы догонять технологии запретами, а в том, чтобы создавать понятные правила, в рамках которых они будут безопасными и предсказуемыми.

По словам замглавы Минпромторга, в настоящий момент в стране отсутствует комплексное регулирование применения искусственного интеллекта: не определены правовой статус автономных систем, стандарты безопасности и этические принципы их использования. В ближайшей перспективе предстоит перейти от точечных экспериментальных правовых режимов к системному регулированию.

Заместитель министра цифрового развития РФ Александр Шойтов согласился, что от скорости внедрения ИИ зависят темпы технологического развития страны:

Эта сфера развивается очень быстро, и максимальный эффект дает внедрение самых современных решений. Но это всегда связано с рисками. Поэтому нужно эти риски оценить и выстроить систему контроля, определить доступные меня защиты. Необходимо постоянно отслеживать, как работает система, фиксировать любые отклонения и иметь простой механизм, который позволит в любой момент отключить ее и при необходимости продолжить работу без использования ИИ.

Примером того, как технологии ИИ и роботизации уже применяются в промышленности, поделился заместитель губернатора Тюменской области Андрей Пантелеев. По его словам, в регионе цифровые решения используются при создании цифровых моделей месторождений, роботизации современных лабораторных комплексов и производственных линий. Кроме того, предприятия внедряют роботизированные производственные ячейки, а ИИ помогает автоматизировать сложные и потенциально опасные производственные операции.

Один из примеров — создание цифровых моделей месторождений. Это позволяет проводить испытания не только в реальных условиях, но и в цифровой среде, моделируя различные сценарии. Такой подход повышает эффективность примерно на 20%. Мы видим, что искусственный интеллект и роботизация позволяют передавать машинам сложные и потенциально опасные для человека процессы. Это прежде всего вопрос безопасности производства, — отметил Андрей Пантелеев.

По словам замгубернатора, роботизация становится не только инструментом повышения эффективности, но и важным фактором развития промышленности и науки. Власти региона также поддерживают компании, занимающиеся разработкой робототехники, и помогают выстраивать их взаимодействие с предприятиями нефтегазового сектора, где особенно востребованы индивидуальные технологические решения.

От пилотов ― к платформам

По мнению руководителя центра индустриальных продуктов и решений МТС Павла Федосова, ключевым условием успешного внедрения искусственного интеллекта сегодня становится качество работы с данными. А чтобы повысить эффективность решений, необходимо переходить от разовых ИТ-проектов к созданию комплексных платформ, которые охватывают все производство.

Любые изменения требуют серьезных затрат — это месяцы работы специалистов. Поэтому важно создавать гибридную архитектуру, которая позволяет не зависеть от какой-то одной платформы. При этом, предприятиям важно думать не о разовом внедрении, а о постоянном развитии и адаптации цифровых решений вместе с изменением производственных процессов. Многие промышленные компании уже создают продуктовые офисы, которые совместно с технологическими партнерами постоянно развивают цифровые продукты. Именно такой подход позволяет получать экономический эффект в масштабе, ― отметил Павел Федосов. 

По его словам, задуматься о переходе к платформенному подходу стоит тогда, когда затраты на поддержку разрозненных систем и их доработку под новые задачи начинают существенно расти:

На самом деле все упирается в экономику: как только кейс начинает сходиться, нужно переходить к внедрению единой платформы, на которой уже выстраивать все остальные сценарии. Но при этом очень важно не забывать про гигиенический минимум — работу с данными. Если не выстроить процессы управления их качеством, те же самые ошибки будут возникать снова.

При этом одной из самых затратных частей цифровой трансформации остается интеграция решений. По оценкам МТС, на процессы, связанные с взаимодействием людей, данных и оборудования, приходится около 50–60% общей стоимости внедрения. Снизить эти расходы, по мнению компании, помогут технологии генеративного искусственного интеллекта.

Павел Федосов отметил, что сейчас МТС системно накапливает отраслевую экспертизу, привлекая специалистов из промышленных компаний и разработчиков промышленного программного обеспечения. Это позволяет компании сокращать сроки подготовки проектов, снижать стоимость внедрения комплексных решений и быстрее тиражировать успешные практики для клиентов.

Сегодня основная проблема уже не в том, что предприятия не готовы внедрять искусственный интеллект. Скорее, сами поставщики технологий еще не успели перестроиться под новые реалии. Мы тоже проходим этот путь и проводим большую внутреннюю работу, чтобы помочь нашим клиентам максимально быстро и эффективно внедрять такие решения, — подчеркнул эксперт.

Серьезным вызовом для развития промышленного искусственного интеллекта остается работа с промышленными данными. Как отметил Павел Федосов, если вопросы регулирования персональных данных уже во многом решены, то подходы к хранению, обработке и обмену промышленными данными до сих пор остаются предметом дискуссии. По его мнению, именно формирование понятных правил в этой сфере может стать одним из ключевых факторов дальнейшей цифровизации промышленности.

Вопрос о нормативном регулировании промышленных данных требует отдельного обсуждения, — прокомментировал замминистра цифрового развития РФ Александр Шойтов. ― Если отрасль действительно видит необходимость в специальном регулировании, его можно рассматривать. Одно из очевидных направлений работы — создание единых хранилищ данных и механизмов их обмена. Работа в этом направлении уже ведется и будет продолжена. При этом важно предметно обсуждать, какие именно нормы необходимы отрасли и какие задачи они должны решать.

Еще одна фундаментальная задача, которая стоит перед отраслью ― подготовка кадров.

Новые технологии требуют совершенно другого человека, который будет управлять современным производством, ― отмечает замминистра промышленности Василий Шпак. ― Нам нужно воспитать поколение специалистов, которое сможет правильно взаимодействовать с искусственным интеллектом и роботами, не зависеть от них, а использовать их как инструмент. В конечном счете главный вопрос — это вопрос доверия: человеку важно научиться доверять новым технологиям, сохраняя за собой ответственность за принимаемые решения.

Ранее на DK.RU: Северное полукольцо ЕКАД обеспечат качественной мобильной связью и интернетом