Начало XXI века ознаменовалось стремительным развитием искусственного интеллекта. Нейронные сети способны создавать произведения искусства, разрабатывать новые медикаменты и содействуют освоению термоядерной энергии. Однако 2022 год продемонстрировал, что даже в условиях постиндустриального общества промышленность по-прежнему является фундаментом нашей цивилизации и образом жизни. Как искусственный интеллект может помочь в производстве товаров и каких успехов достигли российские промышленники, применяя машинное обучение, — в статье из цикла Naked Science об ИИ.
В течение последних пятидесяти лет промышленность отходит на второй план в экономике многих стран, включая Россию, уступая первенство сфере услуг. Однако для обеспечения достойного уровня жизни населения промышленность остается ключевой отраслью: она обеспечивает добычу необходимого сырья и его переработку в продукты, обеспечивающие нас жильем, питанием, одеждой и разнообразными товарами.
Несмотря на значимость для развития цивилизации, работа на производстве остается трудной, опасной и зачастую неблагодарной. Это было характерно сразу после промышленной революции, охватившей мир от Англии до России в XVIII-XIX веках, и остается таковым и в наши дни.
Многие мыслители и гуманисты выдвигали различные предложения по улучшению положения работников промышленности. Наиболее перспективной, вероятно, оказалась идея автоматизации. Автоматизация предполагает, что машины заменят людей в производственном процессе, что, в свою очередь, решит возникшую проблему. Эта концепция также привлекла предпринимателей, поскольку машины способны функционировать в непрерывном режиме, а эксплуатация машин, как правило, менее проблематична, чем работа с людьми.
Автоматизация рабочих мест оказалась непростой задачей. Первые автоматические станки появились в Советском Союзе и в США лишь в середине XX века. К тому времени уже существовали компьютеры, и эксперты высказывали предположения, что вычислительные машины в скором будущем смогут выполнять функции мышления. Следовательно, шахты, заводы и фабрики можно будет сделать полностью автоматизированными, передав управление роботизированным системам с искусственным интеллектом — и тогда наступит освобождение от физического труда.
«Автоматизация и цифровизация в промышленности: опыт СССР и зарубежных государств в рассматриваемый период
Идеология, на которой основывался СССР, — марксизм, — приветствовала автоматизацию промышленности, в том числе выполнение сложных задач, таких как управление производственными предприятиями и целыми отраслями. В связи с этим советское руководство придавало автоматизации приоритетное значение и приступило к ее реализации в 1950-х годах, сравнивая свои темпы развития с передовыми западными странами.
Сначала этот процесс ограничивался внедрением простейшей автоматики в металлургию, горное дело, энергетику, химическую промышленность, машиностроение, деревообработку. Чисто электрические схемы и первые маломощные компьютеры реагировали на различные сигналы, запускали и останавливали оборудование, меняли режим его работы и защищали от опасных нагрузок. Такую базовую автоматизацию получали целые заводы. Работа становилась проще и безопаснее.
К 1960-м годам компьютеры значительно увеличили свою скорость, а также перешли от производства в единичных экземплярах к серийному выпуску. На этот период времени власти СССР реабилитировали кибернетику (перестали считать ее «буржуазной лженаукой»), что вместе с бурным развитием ЭВМ вселило надежду на скорую автоматизацию промышленности и всего народного хозяйства.
Если к середине столетия рабочие были избавлены от выполнения наиболее элементарных механических операций, то к 1960-м годам дело дошло до АСУ — автоматизированных систем управления. Прием, обработка и анализ данных в реальном времени, складской учет, оптимальное планирование процессов, документооборот — все это АСУ сводила в единую производственно-информационную среду под управлением компьютеров.
Первой рабочей автоматизированной системой управления (АСУ) в Советском Союзе стала система «Львов», разработанная к 1967 году для Львовского телевизионного завода «Электрон» и использующая ЭВМ «Минск-22». Последующая АСУ «Кунцево», внедренная в 1970 году на Кунцевском радиозаводе, представляла собой типовое решение — на ее основе было разработано несколько сотен АСУ для предприятий машиностроительной отрасли.
Тогда же появились первые в СССР станки с числовым программным управлением (ЧПУ), а в 1970-х годах они пошли в серийное производство. Вскоре советские ученые с инженерами создали целый спектр промышленных роботов серии «Универсал», «Бриг-10», ИЭС-690, ТУР-10 и других.
В 1970-х годах произошла миниатюризация: громоздкие вычислительные системы, занимавшие целые комнаты, стали заменяться компактными компьютерами, основанными на микрочипах. Скорость их работы удваивалась каждые полтора года, наблюдалось снижение энергопотребления. Создавалось впечатление, что объединение этих тенденций с разработками в сфере искусственного интеллекта приведет к реализации концепции полностью автоматизированной промышленности, о которой грезили мыслители-гуманисты.
Однако в действительности автоматизация вязла в многочисленных проблемах советской экономики. «Умное» оборудование и компьютеры не были стандартизированы, часто предприятия и ведомства делали все с нуля, распыляя ресурсы. Производство роботов и станков с ЧПУ требовало много сложной и дорогостоящей работы и не поспевало за планами автоматизации.
Внедрение АСУ шло активнее: уже к 1975 году в СССР работали более трех тысяч автоматизированных систем управления заводами, организациями и целыми отраслями, и это без учета засекреченных. Вместе с ЧПУ и роботами АСУ порой увеличивали производительность труда в два-три раза и во столько же раз ускоряли производство продукции.
Революция, основанная на использовании интеллектуальных технологий, так и не состоялась. Нехватка наблюдалась не только в области робототехники и станков с числовым программным управлением, но и в вычислительных ресурсах. Например, автоматизированная система управления «Кунцево» удалось построить лишь частично из-за огромной сложности поставленных перед ней задач. Даже 20 лет спустя, когда появился доступ к намного более мощным компьютерам (от IBM), эта система так и не заработала полностью. Настолько разработчики АСУ опередили свое время.
США, Западная Европа и Япония столкнулись с той же проблемой, только с другой стороны. В 1960-х годах политиков и предпринимателей развитых стран охватил энтузиазм в отношении ИИ. Люди верили, что мыслящие компьютеры вскоре будут заниматься монотонной работой, изучать сложные процессы, проектировать масштабные конструкции и механизмы. Это должно было высвободить много рабочей силы, повысить прибыли бизнеса и улучшить жизнь людей.
Изначально исследователей увлекла концепция искусственной нейронной сети, перцептрона, однако вскоре стало ясно, что для эффективной работы нейросетям требуются чрезвычайно производительные вычислительные системы символический ИИ с его логическими рассуждениями «как у человека» тоже не оправдалась. Как показал известный отчет Лайтхилла в 1972 году, запрограммировать такой ИИ нереально из-за взрывного роста сложности алгоритмов при увеличении количества входных данных.
К 1990-м годам наступил период серьезного спада в развитии искусственного интеллекта, что привело к фактическому прекращению большинства исследований. Попытки вновь привлечь внимание к ИИ смотрели почти как на шарлатанство. Так продолжалось до середины 2000-х годов, пока создание алгоритмов глубокого обучения не совершило прорыв в области искусственных нейронных сетей. А следом подоспела и подходящая аппаратная основа для них — видеокарты с мощными графическими процессорами.
Как промышленность России использует ИИ в 2022 году
К концу 2010-х годов машинное обучение и нейронные сети, представляющие собой форму искусственного интеллекта, стали широко распространенными технологиями, что произошло спустя пятьдесят лет после первой волны интереса к ИИ. Предприятия признали значительный потенциал этих технологий и начали внедрять их в рамках Индустрии 4.0 стал внедрять машинное обучение в производственную сферу.
Промышленники увидели в нейросетях что-то вроде узкоспециализированных АСУ: инструмент, который может быстро «обдумывать» огромные массивы данных и «делать выводы». Появились нейросети для прогнозирования сбоев в промышленном оборудовании, выявления аномалий на производственных линиях, контроля качества продукции, предсказания спроса на газ, проектирования интеллектуальных систем управления производствами.
Российская промышленность также начала внедрять решения на базе искусственного интеллекта. Однако скорость интеграции нейронных сетей и машинного обучения в производственные процессы в России оказалась в несколько раз ниже, в настоящий момент Россия уступает другим странам в развитии искусственного интеллекта, однако обладает значительным потенциалом для роста. Генеральный директор АНО «Цифровая экономика» Сергей Плуготаренко отметил: «Главный вывод заключается в том, что мы сейчас отстаем, но в перспективе можем добиться больших успехов». По его словам, в стране имеется обширный кадровый резерв, включающий специалистов, способных разрабатывать ИИ-решения, а также компании, являющиеся лидерами в применении технологий искусственного интеллекта, и накоплен опыт их внедрения. К 2021 году искусственный интеллект уже использовали или внедряли 16 процентов российских предприятий, причем преимущественно крупные компании.
Хороший пример — компания «Газпром нефть». В этом году она впервые применила технологию цифрового бурения на месторождении в Арктике. Сначала инженеры и разработчики при помощи машинного обучения создали виртуальные модели будущих скважин. Затем наступил черед бурения, и он тоже проходил под контролем машин: буровую установку подключили к «автопилоту», который в реальном времени собирал данные от множества датчиков и менял режим работы бура, исходя из текущих геологических условий. Благодаря искусственному интеллекту удалось на 10 процентов ускорить строительство высокотехнологичных скважин длиной более пяти километров.
На том же месторождении «Газпром нефть» также добилась значительных успехов испытала беспилотные грузовики. В ходе тест-драйвов модификации «КАМАЗов» без водителей «накатали» почти три тысячи километров по северным дорогам. Они исправно следовали маршрутам, уклоняясь от препятствий, и подстраиваясь под обстановку на автозимниках. Для этого грузовики постоянно обменивались между собой данными через дублируемые каналы связи, фактически став единым «роем» грузовиков. А вот и итог: плюс 50 процентов к безопасности на транспорте и минус 15 процентов издержек в грузоперевозках.
Система «Диспетчер», разработанная группой компаний «Цифра» анализирует поток данных с датчиков и видеокамер, и предсказывает поломки оборудования. «Диспетчер», к примеру, может предупредить, что у ковша экскаватора вот-вот отломится зуб и попадет в дробилку (после чего она обычно выходит из строя). Так система позволяет избежать простоев оборудования, которые обходятся очень дорого.
Внедрение системы «Диспетчер» позволило предприятиям нефтегазового сектора, металлургии, энергетики, машиностроения и транспортной отрасли добиться ощутимых результатов: сокращение времени простоя на 12 процентов, снижение затрат на ремонт на 30 процентов и уменьшение общего потребления энергии на 4,4 процента. Также наблюдается увеличение продолжительности работы станков с ЧПУ на 25 процентов и рост совокупной производительности труда на 70 процентов. Подобные достижения, несомненно, вызвали бы одобрение советских ученых, занимавшихся вопросами автоматизации промышленности в прошлом.
Магнитогорский металлургический комбинат (ММК) в 2020 году стал использовать похожую систему, но более специализированную — для мониторинга электрических двигателей, насосов и редукторов. Программно-аппаратный комплекс «Мониторинг-Предиктив» на базе машинного обучения выявляет аномалии работы и будущие поломки по картинке электромагнитного поля, которое создает каждый агрегат.
Благодаря этому ММК смогла отказаться от планового технического обслуживания электрооборудования, перейдя к оперативному реагированию на сигналы системы «Мониторинг-Предиктива». Это позволило сократить затраты на обслуживание на 17,5 процента, увеличить интервал между ремонтами на три недели и повысить общую производительность комбината на два процента.
Челябинский металлургический комбинат поставил себе на службу технологии глубокого обучения и машинного зрения для контроля качества стали. Система АРМИЛ использует не только видимый свет, но и другие диапазоны спектра, что позволяет ей выявлять более 20 классов дефектов, включая внутренние микротрещины размером от 0,3 миллиметра.
Ранее на анализ одного стального листа требовалось восемь минут работы двух специалистов, при этом годовые потери от брака составляли три миллиона рублей. В настоящее время анализ осуществляется в потоковом режиме, что позволило практически исключить выпуск дефектной стали.
Похожую систему использует Новолипецкий металлургический комбинат использует системы контроля для обеспечения чистоты чугуна и стали. Благодаря нейросети, обученной на 6500 изображениях, удается очищать чугун от шлака на 90 процентов, по сравнению с прежними 75 процентами. Это позволило достичь ежегодной экономии в 20 миллионов рублей и увеличить годовой объем производства стали на 1000 тонн – исключительно благодаря внедренной системе контроля. Кроме того, использование ИИ устранило субъективность при оценке качества металла, что положительно сказалось на рабочей атмосфере на комбинате.
Российские разработчики создали решение для группы компаний «Тайгер-Сибирь» и АО «Автопарк №1 Спецтранс создали робота-сортировщика бытовых отходов. Он заменяет трех-шестерых человек и выуживает из мусора вторсырье на 400-800 тысяч рублей каждый месяц. Общая производительность мусоропереработки выросла на пять процентов, а скорость сортировки на ленте увеличилась до 130 объектов в минуту. Может, с такими роботами и ручная сортировка мусора станет не нужна?
Если изучить недавний отчет автономной некоммерческой организации «Цифровая экономика», можно найти еще много интересного:
- автоматизированный контроль техники безопасности и использования средств индивидуальной защиты на предприятиях «Росатома»;
- предсказательная система контроля качества для полупроводниковой продукции на фабрике чипов «Ангстрем»;
- беспилотники для внутренней перевозки продукции на Ярославском заводе напитков;
- полностью роботизированный завод пищевой промышленности ГК «Черкизово» в Кашире;
- автоматическое и очень быстрое вычисление объемов и сортов сложенной или погруженной древесины для «Сегежа Групп»;
- мониторинг состояния оборудования и рекомендации по его обслуживанию на Тверском вагоностроительном заводе.
Внедрение искусственного интеллекта в промышленность стало чрезвычайно актуальным, поскольку приносит ощутимую выгоду. Это позволяет сократить время простоя оборудования, снизить частоту поломок, улучшить условия и безопасность труда, а также уменьшить расходы и увеличить доходы. Уже в ближайшем будущем ИИ способен увеличить прибыльность предприятия на пять процентов и более. Владимир Дождев, курирующий цифровые технологии в Минпроме России, считает цифровизацию производства неизбежностью.
Цифровизация, подобно цифровой трансформации и, как когда-то автоматизация, представляет собой не изолированное явление, а естественное развитие традиционных базовых отраслей. Это не мимолетное увлечение, а осознанная потребность, без которой современное производство теряет свою конкурентоспособность. Цифровая трансформация неизбежна для всех отраслей, и выделить ту, которой она не требуется, невозможно. Она необходима всем, включая сельское хозяйство, которое сегодня является одним из ключевых двигателей нашей цифровой экономики.
Владимир Дождёв, руководитель департамента цифровых технологий Министерства промышленности и торговли Российской Федерации
Что будет дальше с ИИ в российской промышленности
Экономические санкции существенно ограничили возможности России по приобретению современных компьютерных микропроцессоров. Хуже того, Россия лишилась возможности производить свои оригинальные процессоры («Эльбрус», «Байкал» и так далее) на современных фабриках вроде тайваньской TSMC.
Современные нейросети, системы машинного зрения и промышленное программное обеспечение требуют использования многоядерных процессоров нового поколения и высокопроизводительных видеокарт. В настоящее время российская промышленность не обладает достаточными ресурсами для самостоятельного производства всего необходимого оборудования.
Как гласит доклад петербургских исследователей ИИ, нейросети эффективно работают на микрочипах с техпроцессом не более 16 нанометров. Более «грубые» процессоры либо недостаточно мощны, либо потребляют слишком много энергии. TSMC выпускает уже пятинанометровые процессоры, тогда как фабрики в России (тот же «Ангстрем» в Зеленограде) могут делать только чипы с техпроцессом 65 нанометров или больше. Это уровень процессоров 18-летней давности.
Авторы доклада сообщают, что Российская академия наук и «Лаборатория „Амфора”» способны разработать собственное оборудование для производства чипов с техпроцессом до 13,5 нанометра, если идти путем безмасочной литографии. К тому же для нейросетей и машинного обучения не нужны видеокарты как таковые, можно обойтись одними тензорными ядрами или специальными нейроморфными чипами, которые намного проще графического процессора видеокарты.
Впрочем, замещение импортных чипов – это, скорее всего, перспектива довольно отдалённая. В настоящее время бизнесу необходимо искать альтернативные способы приобретения компьютерного оборудования и, по возможности, совершенствовать программное обеспечение. Государство предлагает меры поддержки для цифровизации производства и надеется сделать ее одним из драйверов развития экономики. По экспертным оценкам, ИИ может добавить до одного процента к росту российского ВВП в ближайшие три года.
Понятные преимущества для бизнеса и государства, однако какой вклад ИИ внесет в жизнь наемных сотрудников? Экономисты утверждают, что технологический прогресс не приводит к росту безработицы, а, вопреки распространенному мнению, даже способствует ее снижению, несмотря на исчезновение некоторых должностей. Цифровые технологии к 2025 году заменят в результате автоматизации и технологического прогресса будет потеряно 85 миллионов рабочих мест по всему миру, однако взамен будет создано 97 миллионов.
Однако это не значит, вероятно, новые рабочие места займут тех, кто потерял их из-за внедрения технологий искусственного интеллекта. Одно можно утверждать с уверенностью: российскому производству необходима цифровизация, что влечет за собой повышенный спрос на специалистов в области искусственного интеллекта будет расти, тем более что они уже сейчас в большом дефиците.