"Первые шаги ИИ". Обзор второго форума RAIF 2018

Открытие

В Москве 23 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.

Владимир Молодых: «В AI-проектах SCRUM является недостаточно гибким»

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: «Необходима защита от ситуаций, когда AI-модель начинает вести себя неадекватно»

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 достаточно 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 учитывала бы особенности конкретного производства.

Выступление технических специалистов на RAIF 2018

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.

RAIF Hackathon. Победители

Параллельно с деловой программой в рамках форума состоялись финал RAIF Hackathon и награждение победителей. Лучшими командами, разделившими между собой призовой фонд более 1 млн рубл., 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.

Валерий Коржов

Следите за нашими новостями в Телеграм-канале Connect


Поделиться:



Следите за нашими новостями в
Телеграм-канале Connect

Спецпроект

Медицинские задачи для ИИ

Подробнее
Спецпроект

Цифровой Росатом

Подробнее


Подпишитесь
на нашу рассылку