РБК Pro —  
информационный сервис для предпринимателей и управленцев. Первый месяц — бесплатно
РБК Pro
— сервис для вашего бизнеса. Зарегистрируйтесь и получите доступ ко всем материалам. Первые 30 дней бесплатно.
Игорь Богачев

Зачатки интеллекта: почему нам пока не грозит восстание машин

IT Статьи РБК
Некоторые участники рынка воспринимают искусственный интеллект (ИИ) не то как мессию, способного решить все проблемы человечества, не то как монстра, который отберет у людей рабочие места и захватит мир. На самом деле оба варианта далеки от истины

Многое будет зависеть от темпов развития технологий в ближайшие годы, но в перспективности ИИ мало кто сомневается. Согласно прогнозу Gartner, внедрение ИИ принесет бизнесу к 2021 году $2,9 трлн, сэкономив 6,2 млрд рабочих часов людей. И если в 2017 году рынок ИИ оценивался в $4,8 млрд, то к 2025 году прогнозируется 20-кратный рост, до $89,8 млрд. Однако тот ИИ, который используется сейчас в промышленности и производстве, пока способен решать только локальные задачи. И хотя использование беспроводных технологий на производстве в последние годы растет темпами 32% в год, промышленный интернет вещей охватывает не более 6% производства в мире.

Кто мешает ИИ

Необходимо признать, что в настоящее время существуют объективные причины, которые ограничивают как возможности самого ИИ, так и масштабы его внедрения.

Проблема № 1: отсутствие единых стандартов и регламентов работы с данными

Около 65% всего проектного времени внедрения ИИ занимает поиск и сбор данных, необходимых для его работы. При этом удобная для человека система хранения информации порой совершенно неудобна для ИИ, ведь она и не была под него заточена. Также толику хаоса вносит то, что на каждом предприятии предусмотрена своя система сбора и хранения информации.

Так что пока скорость внедрения искусственного интеллекта тормозит то, что предприятия не готовы делать инвестиции в сбор и хранение данных, управление этим процессом и включение его в состав основных бизнес-процессов на предприятии.

Проблема № 2: неспособность ИИ решать уникальные задачи

Кроме этого, сложность заключается в отраслевой специфике предприятий и технологических процессов — для нефтехимического и металлургического производства невозможно предложить стандартизированные универсальные решения в области ИИ. Индивидуальный подход иногда нужно искать даже к конкретной промышленной установке.

К примеру, каждая доменная печь делается на заказ, ее параметры индивидуально подобраны для решения конкретных производственных задач, жизненный цикл и уровень деградации каждой печи также варьируется.

Подобные сложности есть и в работе с нефтеперерабатывающими заводами, у которых этапность производства может быть уникальной для каждого предприятия. А, как мы знаем, искусственный интеллект пока не любит все, что невозможно стандартизировать, его уровень развития еще не позволяет легко адаптироваться к вариативным технологическим решениям в сложном производстве. Поэтому программе пока приходится все объяснять «на пальцах», обучая ее для каждого процесса отдельно. При этом помимо информации о работе предприятия ИИ нужны данные о бизнес-процессах и о физико-химических процессах, релевантных каждому типу производства.

Зачастую опытные технологи при производстве металлов полагаются на свою интуицию. К примеру, для достижения необходимого химического состава стали используют ферросплавы. Легированная ферросплавами сталь обладает улучшенными физико-механическими характеристиками. И, как показывает практика, на различных предприятиях одной и той же корпорации могут наблюдаться отклонения в объемах добавляемых ферросплавов. Это значительно влияет на затраты корпорации на сырье и могло бы быть оптимизировано, если бы решение об изменении доли ферросплавов не принималось под влиянием чутья того или иного специалиста на каждом предприятии, а было бы унифицировано с помощью ИИ. Однако и здесь все упирается в отсутствие отлаженных механизмов сбора данных: зачастую они берутся из чьей-то головы и не записываются.

Может ли ИИ учиться, наблюдая за работой человека, собирая данные о том, как технолог принимает решения в зависимости от внешних факторов? Да, может и даже должен. Однако решения, которые он будет принимать в процессе работы, будут ограничены этими выученными схемами. Если на производстве ИИ столкнется с незнакомой ситуацией, которой он еще не видел, то встанет в ступор и будет вынужден передать управление технологу.