Практически каждый житель России знаком с аббревиатурой ЖКХ. Она ассоциируется с привычными представлениями о коммунальных службах. Однако, когда речь заходит о цифровизации и использовании искусственного интеллекта в этой сфере, эти аспекты вспоминаются не сразу. Коммунальные услуги вполне могут быть связаны с современными технологиями, хотя они не всегда бросаются в глаза. Naked Science рассказывает о том, как искусственный интеллект, большие данные, нейронные сети и машинное обучение повышают надежность и эффективность городской инфраструктуры.
Данный текст посвящен определению понятия «искусственный интеллект», исследованию его истории развития и ключевым этапам научно-технического прогресса, с ним связанного первый материал нашего цикла про ИИ. Там же описаны основные нюансы классификации подобных алгоритмов. Но в этом тексте нам придется кратко вернуться к тонкостям терминологии, чтобы немного сузить определения.
В сфере информатики термин «искусственный интеллект» сегодня редко применяется применительно к реальным задачам. Чаще всего его используют маркетологи и журналисты для краткого описания сложного комплекса технологий, методов и подходов: большие данные, нейросети, машинное обучение. Если говорить очень упрощенно, то искусственный интеллект, понятный большинству читателей, представляет собой нейросетевой алгоритм, который был обучен на определенном объеме данных для решения задач, которые сложно выполнить с помощью обычных программ, основанных на детерминированных алгоритмах).
Строго говоря, не существует физических ограничений для разработки программы, которая сможет распознавать изображения, находить наилучший маршрут и оценивать эффективность работы дворника без использования нейронных сетей. Даже без машинного обучения. Однако, для этого потребуется учитывать все особенности эксплуатации при написании кода – необходимо сразу предусмотреть полный перечень возможных ситуаций и определить соответствующие действия для каждой из них. Внешне такой продукт может практически не отличаться от современных программ, которые позиционируются как решения на базе искусственного интеллекта. И, в определенной степени, это действительно будет слабый искусственный интеллект, но с очень ограниченной областью применения.
Машинное обучение избавляет от необходимости заранее определять все возможные варианты развития событий. В некоторых ситуациях точное предсказание невозможно, и приходится иметь дело с вероятностями. В таких случаях помогают алгоритмы, которые можно обучить, при условии наличия достаточного количества подходящих данных. Они способны обнаруживать закономерности, незаметные для человека, и эффективно справляются со стохастическими процессами, в которых множество переменных изменяются случайным образом).
В дальнейшем для удобства и простоты мы будем именовать любой обученный алгоритм нейросетью. И для удобства обозначим этот термин, пусть и несколько условно, как синоним искусственного интеллекта.
Что же стоит за аббревиатурой ЖКХ, помимо распространенных ассоциаций? В широком понимании это все, что касается обеспечения населения необходимыми благами. Речь идет о водоснабжении, электроснабжении, отоплении, связи, канализационных системах и комфортной городской среде. К такой среде относятся ухоженные жилые дома с прилегающими дворами, а также определенный перечень базовых коммунальных услуг, таких как вывоз отходов и уборка общественных пространств. Если рассматривать жилищно-коммунальное хозяйство в самом общем смысле, то оно охватывает всю городскую инфраструктуру: от дорог и мостов до транспорта и градоуправления.
В соответствии с российским законодательством, жилищно-коммунальное хозяйство представляет собой совокупность отраслей, обеспечивающих работу инженерной инфраструктуры, зданий и населенных пунктов. Оно создает условия для комфортного проживания и пребывания граждан, предоставляя широкий перечень жилищно-коммунальных услуг.
ЖКХ представляет собой совокупность услуг, обеспечивающих жилой фонд водой, топливом (в России – газом), теплом, электричеством и гарантирующих его безопасную эксплуатацию. В перечень входит и вывоз отходов, отвод канализационных стоков, а также уборка, техническое обслуживание и ремонт всей необходимой инфраструктуры, включая водопроводные сети, линии электропередач и оборудование, используемое в доме (лифты, насосы водоснабжения, домофоны, электротехническое оборудование). Важно также поддерживать в надлежащем состоянии дворы, парки, скверы, детские и спортивные площадки, а также места для выгула собак. Перечень можно продолжать, но основное стало ясно. Какую роль в этом может сыграть искусственный интеллект?
Универсальные функции
Нейросети демонстрируют высокую эффективность в задачах, связанных с распознаванием образов и голоса. Хотя это не уникальное применение искусственного интеллекта, игнорировать его было бы ошибкой. Коммунальные предприятия обязаны быстро и качественно обрабатывать большое количество обращений от жителей, которые и являются их финансистами. Содержание штата телефонных диспетчеров (операторов) для каждого района города или населенного пункта требует значительных затрат. Кроме того, заранее определить нагрузку на диспетчерские службы невозможно — в случае возникновения проблем или аварийных ситуаций дозвониться бывает затруднительно. Возможно оптимизировать работу этих структур, повысив ее эффективность и снизив издержки.
Решения для контакт-центров разрабатываются давно, их существует в изобилии – это обширный выбор программно-аппаратных комплексов. В их число входят и системы управления персоналом ( WFM), прогнозирующие загруженность операторов первой линии с использованием искусственного интеллекта, роботозированные автоответчики, способные распознавать сложные голосовые запросы, и даже продвинутые голосовые помощники. Однако для их эффективного внедрения необходимо обновить структуру традиционных диспетчерских служб ЖКХ, выделив из них функции обработки входящих обращений. В этом случае сотрудники смогут сосредоточиться исключительно на одной роли: либо на обслуживании звонков, либо на диспетчерской деятельности. Это значительно повышает эффективность работы: искусственный интеллект берет на себя обработку типовых запросов и предоставление справочной информации, живые операторы занимаются обращениями, требующими индивидуального подхода (с которыми не справился автоматизированный помощник), а диспетчеры координируют работу выездных бригад и контролируют качество выполнения заявок.
На рынке представлено большое количество российских продуктов, причем некоторые из них уже настроены с учетом особенностей предприятий, функционирующих в жилищно-коммунальном хозяйстве. В отдельных случаях создаются совершенно новые разработки.
В Москве искусственный интеллект используется на линии Единого диспетчерского центра с осени 2020 года. Голосовой помощник был разработан для снижения нагрузки на линию в период пиковой активности, связанной со стартом отопительного сезона. В настоящее время робот способен отвечать на вопросы жителей по более чем ста темам и обрабатывает приблизительно треть всех обращений, поступающих в ЕДЦ.
«По данным Общегородского контакт-центра Москвы, наиболее частые запросы к голосовому помощнику касаются вопросов отопления, уборки, освещения в подъездах, ремонта лифтов и сантехнических работ в квартирах. Этот робот способен не только регистрировать заявки на вызов специалистов, но и предоставляет пользователям консультации по наиболее типичным проблемам. С 2020 года он обработал свыше 2,5 миллиона обращений, как сообщил Андрей Савицкий, руководитель столичного Общегородского контакт-центра.
Взаимодействие граждан с коммунальными службами может быть оформлено не только в виде устной беседы, но и в письменной форме. Те, кто сталкивался с подачей заявлений на подключение к электросети в сельской местности, хорошо знакомы с сложностью оформления документов в жилищно-коммунальном хозяйстве. Было бы замечательно, если бы все необходимые свидетельства, заявления и чеки можно было бы заранее направить на проверку корректности заполнения и полноты пакета документов — такая возможность кажется почти нереальной. Однако, ее реализация становится все ближе. В «Росреестре», например, уже вовсю тестируют такой функционал для обращений по своему профилю в МФЦ. Используемое программное решение содержит технологии искусственного интеллекта для оцифровки бумажных документов.
Интересная область применения распознавания изображений – мониторинг состояния жилых домов и прилегающих территорий с использованием камер видеонаблюдения. В отличие от предыдущих примеров, где теоретически возможно применение детерминированного алгоритма, учитывающего разнообразные сценарии использования, в данном случае без нейронных сетей не обойтись. Камеры могут отличаться углом обзора, степенью загрязнения объектива и условиями освещения, однако программа должна идентифицировать, например, мусор на газоне, сосульки на карнизах, снег на крышах и поврежденные заборы. Над данной концепцией работают несколько российских IT-компаний и проводят тестирование в ряде городов.
Искусственный интеллект уже несколько лет оказывает помощь городским службам Москвы в выявлении нарушений порядка содержания дворов и улиц. Нейросеть, прошедшая предварительное обучение на обширной базе изображений, анализирует снимки с камер системы городского видеонаблюдения и способна обнаруживать на них 20 различных типов дефектов. Так, она может определить переполненные мусорные контейнеры, ямы на дорожном покрытии или неубранный снег.
«В рамках работы Центра автоматической фиксации административных правонарушений (ЦАФАП), созданного совместно с ГКУ «Новые технологии управления», обрабатываются изображения с более чем 170 тысяч камер видеонаблюдения. Искусственная нейронная сеть, наряду с операторами, осуществляет их анализ. При обнаружении признаков нарушения ИИ передает сигнал человеку, который должен проверить результаты работы нейросети и, в случае подтверждения, направить информацию коммунальным службам. Благодаря искусственному интеллекту удается быстрее и результативнее выявлять и устранять нарушения в содержании дворов и улиц, что способствует повышению комфорта городской среды, — отметил Дмитрий Головин, начальник управления городского видеонаблюдения Департамента информационных технологий города Москвы.
Уникальные особенности ЖКХ
Искусственный интеллект сталкивается с задачами анализа изображений и звуков не только в сфере ЖКХ, но и в других областях, где адаптация происходит относительно легко. Еще одним важным преимуществом нейросетей является их высокая эффективность при работе с вероятностями и скрытыми зависимостями. Именно поэтому стоит ожидать их применение в специализированном программном обеспечении для нужд жилищно-коммунального хозяйства. Например, для планирования ремонта жилого фонда и коммуникаций — именно такой ИИ предложен в проекте Минстроя «Умный город».
Оптимизация маршрутов мусоровозов и уборочных машин – одно из наиболее заметных применений нейросетей. Эти маршруты охватывают не только улицы, но и придомовые территории, тротуары, требуя учета множества нюансов. Стандартное навигационное программное обеспечение не способно эффективно решить эту задачу, поэтому на данный момент для ее выполнения используется ручной труд. Искусственный интеллект, однако, вполне способен оптимизировать этот процесс. Для него не составит труда учитывать широкий спектр дополнительных факторов, таких как расписание учебных заведений в районе и график работы дворников. Ряд подобных разработок, сочетающих ИИ с технологиями «интернета вещей», уже тестируется российскими коммунальными службами. Но пока испытания не законились, и оценивать результаты мы будем в будущем (хоть и ближайшем).
Нейросетевые алгоритмы открывают широкие возможности для применения в энергетике, водоснабжении и водоотведении. Суточный перепад нагрузок, характерный для этих ключевых сфер коммунального сектора, заставляет инженеров предусматривать существенный запас прочности в инфраструктуре. Это, в свою очередь, приводит к увеличению затрат на строительство и обслуживание, что отражается на тарифах для потребителей. Кроме того, энергетика будущего будет все больше ориентироваться на возобновляемые источники энергии, что подразумевает увеличение доли нестабильных ресурсов, таких как ветряные электростанции и солнечные панели, зависимых от погодных условий. Для сглаживания пиков потребления необходимы накопители или резервные мощности.
Именно поэтому на помощь приходит искусственный интеллект: нейросети, анализируя существующую инфраструктуру, способны выявить взаимосвязи и зависимости между ее элементами, которые ранее не учитывались или оставались незамеченными. Такой свежий взгляд машинного анализа позволяет разработать проект модернизации, который не только улучшает качество жизни людей, но и превосходит предыдущие решения по эффективности. Чем эффективнее инфраструктура, тем она более экологична и выгодна для пользователей уже используется в планировании городской инфраструктуры и балансировке энергосетей.
Нейросети демонстрируют высокую эффективность при работе с обширными объемами информации. Это открывает возможности для мониторинга сотен тысяч параметров, получаемых с огромного количества датчиков, которые в ближайшие годы будут устанавливаться на объектах жилищно-коммунального хозяйства России. В отличие от традиционных программ, способных анализировать лишь ограниченное число показателей, искусственный интеллект способен выявлять закономерности и взаимосвязи между данными, поступающими с различных сенсоров. Подобные программно-аппаратные решения позволяют своевременно реагировать на признаки износа инфраструктуры, включая трубопроводы, электросети и оборудование. Ключевым фактором является широкое внедрение необходимого оборудования для сбора данных. Даже при проведении ручных осмотров и последующем внесении регламентированных оценок в систему, она будет функционировать, но с меньшей оперативностью и эффективностью.
Залог прогресса — сдержанный оптимизм
Технологии искусственного интеллекта, в частности машинное обучение, представляют собой эффективный инструмент, который может значительно увеличить производительность в любой сфере деятельности, и жилищно-коммунальный сектор не должен оставаться в стороне. Однако, как и любой другой инструмент, он нуждается в умелом применении. Кроме того, ни одна технология не является универсальным решением, способным мгновенно и волшебным образом устранить все существующие трудности. Результаты модернизации не всегда проявляются немедленно.
Простого использования слова «бренд» ИИ в названиях технологий недостаточно. Необходима кропотливая работа специалистов и систематическое внедрение инноваций – к счастью, российские вузы ежегодно выпускают тысячи молодых специалистов по профильным направлениям, а отечественные компании разрабатывают собственные решения для оптимизации процессов в жилищно-коммунальном хозяйстве. Россия следует тенденции к внедрению передовых технологий в этой сфере. Однако предстоит еще много работы.