23 июня в ходе VI ежегодной конференции «Цифровая индустрия промышленной России» (ЦИПР 2021) состоялась сессия, посвященная проблемам внедрения искусственного интеллекта в работу промышленных предприятий России. Организовало сессию АНО “Цифровая экономика”, ее модератором выступил директор по развитию АНО “Цифровая экономика” Алексей Сидорюк.
23 июня в ходе VI ежегодной конференции «Цифровая индустрия промышленной России» (ЦИПР 2021) состоялась сессия, посвященная проблемам внедрения искусственного интеллекта в работу промышленных предприятий России. Организовало сессию АНО «Цифровая экономика», ее модератором выступил директор по развитию АНО «Цифровая экономика» Алексей Сидорюк.
Участники сессии обсудили первые итоги реализации федерального проекта по ИИ, оценили цифровую зрелость ведущих отраслей российской экономики, поговорили об оценках эффективности внедрения ИИ-технологий и барьеров на пути к этому.
Начал конференцию Рустам Тихонов, директор Департамента стратегического развития и инноваций Минэкономразвития России. Он отметил, что запуск федерального проекта по ИИ, который состоялся осенью 2020 года — сейчас главное достижение России в этой сфере. Тихонов напомнил, что в рамках ИИ-проекта правительство окажет поддержку инновационным стартапам и исследовательским центрам. Сейчас выстраиваются приоритеты по оказанию поддержки, и вскоре будет объявлен конкурс. «До конца июля мы планируем провести конкурс. Каждая из программ исследовательских центров может получить поддержку до 900 млн рублей на 4 года + 30% софинансирование со стороны промышленных партнеров. До конца года в рамках Фонда содействия инновациям планируем поддержать 150 команд. Еще более 100 команд получат возможность пройти акселерацию», — сказал Тихонов.
Далее спикеры сессии вовлеклись в обсуждение проблем внедрения искусственного интеллекта в России.
Владимир Авербах, управляющий директор и начальник центра исследования данных для государственных органов Сбербанка отметил, что сейчас не существует универсального метода оценки эффективности внедрения ИИ в компаниях. Он предложил 5 конкретных критериев такой оценки: скорость (увеличилась ли скорость оказания услуг, например, доставки), качество (есть ли брак на производстве, медицинские ошибки), объективность принятия решений (все ли факторы учитываются), экономическая эффективность (есть ли рост выручки, снижение затрат) и персонализация (насколько задача решается под клиента). «Нам кажется, что это фундамент оценки кейса», — предложил коллегам Авербах.
Алексей Мяков, генеральный директор по исследованиям и разработкам Intel в России, подчеркнул важность критерия «экономическая эффективность»: «Очевидно, что ИИ является основой для индустрии 4.0. Глобальный экономический эффект от применения технологии IoT и ИИ оценивается в 1,2 трлн долларов к 2025 году. На мой взгляд, главный критерий оценки эффективности внедрения ИИ — это экономическая эффективность. Нет ее — нет проекта. Применение ИИ ради применения ИИ — это миф, который моментально разбивается о суровую экономическую реальность».
Сергей Наквасин, заместитель руководителя Аналитического центра при правительстве Российской Федерации, руководитель Центра экспертизы по реализации федерального проекта «Искусственный интеллект», поднял тему барьеров предприятий для внедрения ИИ-решений:
«Центр компетенций при содействии Минэкономразвития и Минпромторга проводил опрос промышленных компаний и назвал основные барьеры внедрения ИИ-технологий, которые видят перед собой эти компании. Но гораздо любопытнее, каких барьеров компании не видят или считают не самыми важными. А такими барьерами могут быть нехватка данных или отсутствие поддержки со стороны руководства». Наквасин также отметил, что по теме внедрения ИИ в России существуют лишь два международных отчета, в то время как по США, Евросоюзу и Китаю — десятки. «И в наших отчетах очень мало информации. А если у нас нет информации, как понять, по каким конкретно секторам [в области ИИ] Россия отстает?», — обратился Наквасин к коллегам.
Борис Макевнин, гендиректор «Цифрум» (ГК «Росатом»), привел примеры барьеров в случае «Цифрума»: «Сейчас у нас реализуются больше 50 ИИ-проектов, еще столько же находятся в листе ожидания. Главный барьер для нас сейчас — это нехватка специалистов. И самих разработчиков, и специалистов, которые могут работать с системами, в которые уже интегрирован искусственный интеллект. Второй барьер — механизм передачи данных между предприятиями. Третий — неинтерпретируемые модели, потому что мы не можем гарантировать безопасность их применения».
Юрий Чайников, руководитель RDL Redmadrobot, поддержал проблему работы с данными: «Данные есть, но работать с ними нельзя, потому что запрещено, и передавать их нельзя, потому что запрещено. Навыки их накопления, хранения и уничтожения — новые, неожиданные для предприятий. А если у нас нет данных, оценка экономического эффекта бессмысленна. Учиться вместе с предприятиями работать с данными — вот что важно. И делиться друг с другом кейсами: что получилось и что не получилось».
Павел Растопшин, управляющий директор ГК «Цифра», поделился опытом компании за пять лет ее существования: «У нас более 250 клиентов более чем в 20 странах. 70% наших клиентов — горнодобывающие компании, нефтяные, металлургические, машиностроительные. Когда мы только начали «Цифру», мы собирались ИИ только в промышленности заниматься. Но потом поняли, что данных нет.
Выводы, которые я сделал за пять лет нашей работы. Первый: нужно очень четко подбирать зоны наивысшей эффективности ИИ-сценария. Во-первых, потому что мало данных. Во-вторых, потому что корреляции нечеткие. Параметров сотни — что на что влияет, невозможно определить. Искусственному интеллекту, чтобы учиться, нужны кейсы. Кейсов нет. Тут скорее пост-аналитика работает: когда уже сломалось, ты вскрываешь и смотришь с помощью нейросети, почему это сломалось.
Второй вывод: нынешние дата-сайентисты не способны поддержать хотя бы минимальный уровень дискуссии, скажем, с вице-президентом компании по горной добыче с оборотом $10 млрд., чтобы искусственный интеллект ему продать задорого. Поэтому получается только задешево.
Когда мы только сделали «Цифру», мы сделали по ИИ отдельный бизнес-юнит. Чтобы он сам зарабатывал. Но оказалось, что это очень убыточное предприятие, то есть зарабатывать деньги там простым людям, если это не госкорпорация, крайне сложно. За два года мы сделали порядка 30 пилотов. Какие-то успешные, какие-то неуспешные. Что-то получилось. Например, Zyfra Heat Treatment — цифровой советчик для сокращения энергозатрат при закалке металлических изделий. Грубо говоря быстрее протаскиваешь и меньше греешь. Она тоже хорошая, но ты тратишь меньше денег на то, чтобы изделие нагреть и потом охладить. Эффекты: повышение производительности участка термоотдела на 8%, исключение брака на 2-3%, суммарный эффект — 17 млн в год.
Еще один пример: Zyfra PSP, благодаря которой удалось оптимизировать на одном из предприятий НПЗ систему отгрузок через эстакаду налива, чтобы быстро вычислять, что и с какой скоростью можно отгрузить. Вообще в логистике у ИИ большое будущее, по нашему опыту. Но мы больше занимаемся производственным процессом, чем логистикой.
Очень богатая тема — это машинное зрение. У нас есть система, которая определяет в ковше размер гранулы и связывает это с тем, сколько налили взрывчатки при буровзрывных работах. Оптимизирует экономику от БВР до дробилки.
Промышленникам нужно гораздо больше инвестировать в разработку и желательно не в свои команды, а в независимых разработчиков, которые могут делать продукты, а не просто кастомные решения, которые никогда не увидит реальный рынок».
Анджей Аршавский, директор по анализу данных и моделированию ПАО «Газпром нефть», рассказал о кейсах в нефтегазовой промышленности: «Сейчас «Газпром Нефть» внедряет множество решений. Один из самых наукоемких проектов — схема интегрального планирования месторождения, которая позволит автоматически планировать работы по бурению, оборудованию месторождения, логистики. Еще один проект: самообучающаяся модель пласта, которая может сама моментально перестраиваться с учетом новой сейсмической информации.
Есть проекты, связанные с оптимизацией нефтеперерабатывающих заводов, прогнозированием ледовой обстановки. Разработки ведутся в центрах компетенции «Газпром нефти» совместно с ведущими научными коллективами в области ИИ и научно-образовательным центром «ИИ в промышленности». Это уникальное образовательное объединение, созданное правительством Санкт-Петербурга совместно с «Газпром Нефть». В него вошли порядка 10 вузов, включая СПБГУ, ИТМО, Сколтех и другие. Эта ассоциация может стать плацдармом для совместной работы промышленных компаний. Задача — привлечение индустриальных компаний, готовых ставить перед вузами актуальные технические задачи. Сейчас задачи поступают в основном от «Газпром Нефти», но мы рассчитываем, что вскоре присоединятся и другие компании, мы уже ведем переговоры.
Мы видим большие перспективы в использовании ИИ для поиска залежей нефти, повышения эффективности ее добычи и управления производством. В дальнейшем появятся комплексные проекты кросс-отраслевого ИИ для медицины и транспорта. Кроме того, мы принимаем участие в создании открытых стандартов обмена данными между промышленными компаниями, потому что без открытых источников данных невозможно создать крупные прорывные системы ИИ».
Олег Сиротюк, руководитель R&D группы Huawei, призвал коллег присмотреться к китайскому опыту в области ИИ-технологий: «Хочу отметить, что Китай очень скромная страна. Мы много не замечаем из того, что происходит в Китае. Кто из вас знает, что Китай в этом году запустил космическую станцию? А неделю назад он отправил туда своих космонавтов. По Марсу уже бегает китайский марсоход. Это показывает, как далеко страна продвинулась в освоении космоса. То же самое там происходит в сфере искусственного интеллекта. Каждый третий сервер в мире, на котором запускается нейронная сеть, размещен в Китае. То есть страна обладает третью всей вычислительной мощности для обучения ИИ. Инвестиции в развитии инфраструктуры растут на 25% в год. К 2024 году сумма вырастет до 8 млрд долларов.
Китайское правительство очень активно развивает центры коллективного пользования. Здесь две задачи: обеспечить доступную и достаточную мощность для задач ИИ для всех предприятий региона и создать хорошую атмосферу на площадках для взаимодействия этих предприятий. Один из таких центров построили в октябре прошлого года, его мощность — свыше 1 экзафлоп. Самый мощный компьютер у нас (Кристофари Сбера) примерно в 100 раз менее производительный. И таких центров в Китае будет несколько десятков.
По отчету Stanford The AI Index Report, в 2020 году Китай вышел на первое место по количеству научных публикаций в области исследования ИИ. По количеству патентов в области ИИ страна также на первом месте.
Обычно мы ориентируемся на Запад и не замечаем восточного соседа. Я хочу призвать нашу страну внимательнее посмотреть на то, что там происходит. Huawei может в таком случае стать «мостиком» между Китаем и Россией».
