Эксперты из разных компаний, в т.ч. НТР, описали свои представления об использовании Искусственного Интеллекта в России для информационного агентства РУПОР PRO.
Ниже делимся ответом от коммерческого директора НТР Яны Казанцевой.
Нейросети отечественного производства имеют как перспективы, так и проблемы.
- Санкции. Использование открытых библиотек, таких как TensorFlow, может попасть под запрет для российских компаний. Готовых аналогов нет, поэтому придется решать этот вопрос в моменте.
- Нехватка данных. Это общая проблема, которая касается предиктивной аналитики и детекции различных отклонений. Для обучения нейросети необходимо собрать и разметить данные, содержащие событие, которое нейросеть впоследствии должна будет “узнавать”. Однако некоторые события, такие как поломки агрегатов на производстве или ЧП, чрезвычайно редки, что приводит к крайне ограниченному набору данных для обучения и, соответственно, к более низкой точности.
Сейчас активно развивается видеоаналитика и, вероятно, это продолжится в ближайшем будущем. Кроме того, сейчас возрос спрос на создание цифровых двойников, и широкое внедрение этой технологии откроет массу новых возможностей для предиктивной бигдата-аналитики с использованием ИИ. Нейронные сети также помогают в поиске неочевидных взаимосвязей между событиями и компонентами. Это позволит предприятиям повышать эффективность уже на совершенно ином уровне.
В первую очередь эффективность в повышении качества продукции. Это и прямой контроль качества, как например, в нашем кейсе для КАМАЗа (описать). Это и контроль порядка выполнения процессов, а правильно выполненный процесс – единственный путь к надежному качеству продукции.
Второй источник – повышение безопасности труда, опять же, за счет более строгого выполнения регламентов, когда за их выполнением следит ИИ. Это контроль наличия средств индивидуальной защиты, контроль нарушения границ опасных зон, контроль падений, контроль курения в огнеопасных средах и т.п.
Мы разрабатываем различные комплексные системы по автоматизации в промышленности, а также занимаемся решениями в области индустриальной видеоаналитики. Наши клиенты – крупнейшие российские предприятия, такие, как, например, КАМАЗ.
Фреймворк для построения систем видеоаналитики VideoAI.NTR позволяет достаточно быстро построить и внедрить систему видеоаналитики, которая позволяет детектировать (например, наличие средств индивидуальной защиты или качество окраски деталей), отслеживать действия (например, персонала на сборочной линии с целью определения выполнения процессов) и измерять (например, отклонения геометрии лавного привода или размеры включений в породе).
Кроме этого, в некоторых сферах (например, ритейл) активно применяется ИИ контексте bigdata-анатилитики.
Это касается в первую очередь разнообразных рекомендательных систем (от подборки постов в соц.сетях и заканчивая рекомендациями в киосках самообслуживания). Большинство таких систем работает на алгоритмах, но есть и самообучающиеся модели, такие, как используют видеохостинги. Подобную систему мы разработали для одной крупной сети ресторанов быстрого питания, которая позволила компании дополнительно получать более 10 млн.р в месяц. Система анализировала поведение пользователей, принимая внимание время суток и геолокацию, и выдавала наиболее подходящие позиции для добавления в корзину.Еще одним из популярных направлений для массового применения ИИ является обработка естественного языка. Это различные технологии speech-to-text, распознавание речи и конкретных смысловых констукций.
Например, у НТР есть сервис TaskAI, способный в текстах писем и сообщений в мессенджерах находить задачи, поставленные сотрудникам в произвольной форме и автоматически переносить их таск-трекер, например, в Битрикс. Это снижает нагрузку на руководителя, освобождая у него около 4-х часов в неделю.