Как искусственный интеллект помогает в разных отраслях экономики России
![Фото: Sascha Steinbach / EPA / ТАСС](https://s0.rbk.ru/v6_top_pics/media/img/3/15/346976495332153.jpeg)
В России приняты девять программ экспериментальных правовых режимов применения искусственного интеллекта (ИИ) в сфере высокоавтоматизированных транспортных средств, телемедицины и других. Уже утверждены 62 национальных и десять международных стандартов ИИ. Эти значения растут с каждым месяцем.
По словам вице-премьера правительства России Дмитрия Чернышенко, власти намерены и дальше снимать оставшиеся регуляторные барьеры в сфере ИИ, но при условии, что все подобные технологии должны быть ориентированы только на благополучие человека и повышение качества жизни.
«Искусственный интеллект» — федеральный проект национального проекта «Цифровая экономика», который реализуется под руководством Минэкономразвития России с 2021 года по решению президента России. В числе его основных задач — формирование кадрового потенциала отрасли, стимулирование научных исследований, поддержка разработки и внедрения отечественных решений.
Объем российского рынка искусственного интеллекта стабильно растет: в 2021 году он составлял более 550 млрд руб., а в 2022-м — уже порядка 650 млрд руб. По оценке экспертов, в 2025 году ИИ позволит российским организациям сэкономить около 1 трлн руб.
Ранее эксперты Центра компетенций НТИ «Искусственный интеллект» на базе МФТИ оценивали, что рынок нейросетей растет в России в среднем в шесть раз быстрее экономики.
Помимо этого, более 800 отечественных компаний получили гранты, порядка 100 вузов страны реализуют бакалаврские и магистерские программы в сфере искусственного интеллекта. Ключевым этапом должен стать переход внедрения ИИ-решений в работу крупнейших компаний страны в разных областях.
По данным Национального центра развития искусственного интеллекта при правительстве России, примерно 53% крупных российских компаний применяют ИИ в своей деятельности. И эта цифра будет расти.
На примерах ключевых отраслей российской экономики обратим внимание на вызовы, с которыми сталкиваются их представители, и разберем, какие решения на базе ИИ уже способны оказать содействие в их устранении.
Сельское хозяйство
Проблема 1. Потери урожая и неэкономный расход ресурсов из-за человеческого фактора (пропущенные участки при уборке, неоптимальное время выполнения сельхозопераций, расход топлива и других ресурсов, утомляемость механизатора и так далее).
Решение. Беспилотные тракторы и комбайны могут применяться на этапах посева, обработки почвы, внесения удобрений, опрыскивания, сбора урожая и т.д., принимая на себя наиболее трудоемкую операцию — вождение техники. Это позволяет до 30–40% повысить эффективность работ за счет высокой точности движения машин и выполнения сельхозопераций, сокращения расхода ресурсов, отсутствия человеческого фактора.
Автономная система управления комбайнами российской компании Cognitive Pilot на базе технологий искусственного интеллекта промышленно используется с 2020 года. Начиная с минувшей весны такие автопилоты стали массово устанавливаться в агрохозяйствах и на тракторы. Всего в России в работе задействовано уже более 1,5 тыс. единиц «умной» техники.
Проблема 2. Несвоевременное выявление угрозы урожаю в виде поражения болезнями-вредителями, также агрономам не всегда удается после выявления оперативно эти угрозы устранить.
Решение. Роботизированные, беспилотные системы агрономического анализа позволяют детектировать на ранней стадии зоны сорняков, очаги поражения культур и другие проблемные зоны и принимать меры по их устранению.
Проблема 3. Снижение рентабельности бизнеса из-за некачественного семенного материала, негативного влияния сорняков и вредителей, а также дополнительных затрат, необходимых для хорошего роста растений.
Решение. Анализатор на основе ИИ интегрирован в пневмосортировальный стол и фотосепаратор, которые входят в состав линии очистки и сортировки семян. Искусственный интеллект позволяет проанализировать промежуточный результат очистки продукции на основании анализа фотографий, которые непрерывно делают оптические камеры. Такое решение предлагает российская компания «Смарт Грэйд».
Данные передаются на панель управления в виде изображений и статистики. По словам представителей компании, на стадии завершения есть еще один узел, который финально оценивает качество сортировки всей линии и при необходимости может передать команды на пневмостол и фотосепаратор для оптимизации настроек, чтобы получить более точный результат.
Машиностроение
Проблема 1. Недостаток тестов на реальных прототипах из-за сложности и высокой стоимости процессов испытаний. Как следствие — затягивание вывода продукта на рынок.
Решение. Системы на базе искусственного интеллекта позволяют проводить необходимое число симуляций, а также визуализировать результаты процессов испытаний без создания физического прототипа. Тестирование реального прототипа проводится только на завершающих этапах.
Проблема 2. Низкая точность в планировании спроса на продукцию и прогнозировании нужного количества сырья на складах.
Решение. Единая система планирования на базе нейросетей позволяет учитывать исторические данные, логистические цепочки и использовать складские площади.
Здравоохранение
Проблема 1. Чрезмерная трата времени специалиста на занесение информации в медицинскую карту.
Решение. Врач голосом надиктовывает текст, который распознает искусственный интеллект. В дальнейшем информация автоматически попадает в медкарту, что позволяет экономить время специалиста. Отделения лучевой диагностики больниц Москвы использовали голосовой помощник Voice2Med на основании технологии, разработанной группой компании ЦРТ. Это позволило с начала прошлого года заполнить на 80% протоколов больше, чем за весь 2021-й.
Проблема 2. Одно из осложнений сахарного диабета — диабетическая ретинопатия, при которой происходит повреждение сетчатки глаза. При отсутствии регулярного офтальмологического скрининга и оперативного выявления заболевание может привести к потере зрения.
Решение. Искусственный интеллект позволяет решить эту проблему. Алгоритм российской компании Digital Vision Solutions кроме диабетической ретинопатии способен выявлять восемь других наиболее распространенных заболеваний сетчатки. ПО облегчает труд врача, позволяет специалисту получить «второе мнение». Фотография глазного дна и скан оптической когерентной томографии пациента загружаются в облачный сервис, нейросеть анализирует изображение, подсвечивая признаки той или иной патологии. Врач может выгрузить отчет, который служит фактически предварительным заключением.
Фармацевтика
Проблема. Для разработки лекарств требуется экономически затратный процесс подбора молекулярных соединений и анализ их взаимодействия.
Решение. Использование генеративных и рекомендательных моделей позволяет сократить срок разработки, проектируя соединения между молекулами. В свою очередь, это экономит от трех до шести лет и позволяет быстрее перейти от обнаружения лекарства к разработке. К примеру, токсикологические и физико-химические свойства соединений способна проанализировать российская платформа Syntelle. База содержит информацию о 96 млн молекул.
Строительство
Проблема. Мониторинг работы подрядных организаций — это трудоемкий процесс, а потому проводится реже, чем это необходимо для принятия дальнейших решений.
Решение. Процесс отслеживания прогресса может быть выполнен с помощью видеокамер, дронов или специальных систем планирования на базе нейросетей. В начале года институт развития «Дом.РФ» представил пилотные решения с использованием машинного обучения нейросетевых моделей. Разработанная система способна получать структурированные данные от 3,5 тыс. застройщиков, выделять детали конструкций на объектах строительства на основе фотографий.
ЖКХ
Проблема 1. При значительных потерях воды повышаются затраты на эксплуатацию сооружений, происходит перегрузка мощностей. Это также негативно сказывается на экологии.
Решение. Использование моделей на базе данных виброакустических датчиков, которые выявляют отклонения и помогают оперативно выявлять утечки.
Проблема 2. Случаи мошенничества при потреблении коммунальных услуг, например искажение приборов учета.
Решение. На основании данных о потреблении и создании поведенческих моделей с помощью системы поддержки принятия решений возможно выявить аномалии и проанализировать их на предмет мошенничества.
Проблема 3. Трудности с оптимизацией энергопотребления на промышленных объектах.
Решение. Создание внутренней промышленной сети учета энергопотребления, способной не только изучать его специфику, но и оптимизировать на основе предикативного анализа будущей загрузки энергопотребления при изменениях в производственном задании. В России такую технологию предлагает компания «Си-Арт» — платформа обрабатывает данные с помощью самообучаемой нейросети.