«Технологии машинного обучения 2018»: Мясникам безработица не грозит. Пока
«Технологии машинного обучения 2018»: Мясникам безработица не грозит. Пока

Сергей Юдовский, рассказывая о роботизации бизнес-процессов, предупредил о необходимости думать не только о том, как сделать, чтобы все работало, но и предусмотреть, что предпринять, если робот ошибется


15:14 21.11.2018  (обновлено: 18:18 22.11.2018)   |  Игорь Левшин |

Рубрика Предприятие |   1330 прочтений



Тематика роботизации на организованной издательством «Открытые системы» практической конференции обсуждалась широко – от сугубо технической до юриспруденции, а сами роботы — от программных до монстров с ручищами-манипуляторами.

 

В Москве прошла конференция «Технологии машинного обучения 2018. Искусственный интеллект и нейросети: инструменты и опыт реальных проектов». Поток «Роботизация» был представлен шестью докладами – от сугубо технической тематики до области юриспруденции, а сами роботы — от программных до монстров с ручищами-манипуляторами.

Леонид Жуков из компании Boston Consulting Group не только сделал обзор рынка, но и поделился историей промахов аналитиков-футурологов, чьи предсказания обычно грешат недооценкой. В 2017 году в BCG уже пересмотрели свой прогноз рынка робототехники на 2025 год – теперь аналитики рассчитывают на его объем почти в 87 млрд долл., но видимо, и этот прогноз будет превышен. Пока же рынок роботов потребительского сектора – 23 млрд долл., коммерческих – 22,8 млрд, промышленных – 24,4 млрд и военных – 16,5 млрд. Индустриальные роботы уже умеют аккуратно перетаскивать стекла и распознают образы, но им придется «умнеть» дальше – настала пора самообучаться, передавать друг другу приобретенный опыт и сбрасывать его в облако. Им предстоит совершенствоваться, чтобы безопасно работать рядом с человеком. Пока же их чаще можно встретить в автомобильных цехах без света – самыми перспективными областями по-прежнему считаются автомобильная промышленность и электроника. Что касается угрозы повсеместной замены людей роботами, то докладчик привел пример: трудно сейчас роботу-мяснику, слишком много не формализованных параметров надо учесть, прежде чем взмахнуть «топором». Поэтому в ближайшие годы безработица мясникам не грозит. Но и расслабляться им не стоит, поскольку технологии искусственного интеллекта развиваются очень стремительно.

Интернет животных

Пожалуй, самый яркий доклад в этом потоке сделала представлявшая «Русагро» Таня Милек. К удивлению многих слушателей конференции, уже сейчас роботизация стала важной частью проектов в сельском хозяйстве. Благо российские аграрии получают государственную поддержку по президентскому указу, предписывающему «создание и внедрение до 2026 года конкурентоспособных отечественных агротехнологий». В примерах из практики «Русагро» фигурировали и распознавание животных, и автоматическая обработка показаний датчиков температуры и других атрибутов интернета полей, интернет сельскохозяйственных животных. Сервисы с привлечением беспилотников построены в «Русагро» на основе собственных разработок, и эти летательные аппараты способны проводить инвентаризацию земель, анализировать рельеф (находить эрозии и водотоки), помогать эффективно использовать удобрения. Дрон оснащен датчиками для мониторинга полей (так называемого агроскаутинга) и работает автономно, сам приземляется, пользуясь машинным зрением, и подзаряжается. Информационная платформа для точного земледелия так и называется – Exact Farming, а единица контроля в ней – конкретное поле. Платформа создана для того чтобы по конкретным полям обеспечить: контроль используемых технологий; учет прогноза погоды и мониторинг вегетации; контроль себестоимости; мониторинг транспорта.

Печати на документах

Сергей Юдовский (ЦРИИ) рассказал о роботизации на платформе UiPath и TensorFlow. Доклад был сфокусирован на актуальном проекте, в ходе которого роботизированные системы помогают разбирать бухгалтерскую документацию некоторой группы компаний строительных сервисов. Требуется сверять табличную часть CRM с приложенными к ней PDF-образами актов. В том числе, необходим поиск в документе реквизитов и печатей, распознаваемых средствами машинного обучения, что существенно разгружает бухгалтеров. При этом очень важно думать не только о том, как сделать, чтобы все работало, но и предусмотреть, что предпринять, если робот ошибется.

Этика роботов и их права

Доклад Виктора Наумова из компании Dentons был посвящен юридическим аспектам роботизации и содержал основные выводы исследования «Развитие законодательства о робототехнике и киберфизических системах», которое компания провела в 2018 году. Основные выводы исследования таковы: в ближайшей перспективе приоритет в регулировании должен отдаваться мерам, стимулирующим развитие робототехники и искусственного интеллекта по сравнению с мерами, направленными на регламентацию; по возможности следует избегать необоснованного регулирования отрасли; нет необходимости в кардинальном изменении действующих правовых институтов; отрасль остро нуждается в комплексном документе стратегического планирования, аналоги которого уже имеются во всех ведущих странах. Следует изучать опыт таких стран, как Южная Корея, Япония, Китай, Франция и Великобритания, далеко продвинувшихся в области роботизаци.

Экзоскелеты уже в «Сбербанке»

Ожидалось, что в докладе Альберта Ефимова, возглавляющего центр робототехники «Сбербанка», будет рассказываться о роботизированном ПО, выдающем финансовые отчеты. Однако речь шла о настоящих больших и сильных роботах, в буквальном смысле облегчающих жизнь сотрудникам, вынужденным ежедневно перемещать тонны купюр. В докладе были представлены изящные экзоскелеты, физически поддерживающие работников банка. Ефимов резюмировал свой доклад афоризмом: «Если банк не думает о своих роботах, чужие роботы думают о банке».

Нейронные сети тестируют железо

Завершая блок докладов секции, Андрей Устюжанин («Яндекс», НИУ ВШЭ) рассказал о цифровых двойниках. По сути, «цифровый двойник» — это лишь модный термин, обозначающий хорошо знакомое компьютерное моделирование, в докладе же речь шла в основном о конкретном адаптивном тестировании системы хранения данных. С помощью методов машинного обучения требовалось создать и настроить алгоритмы диагностики состояния и предсказания сбоев системы хранения. В реальной жизни сложно накопить выборку для обучения, и разработчики создали интеллектуальный блок имитации, использующий глубинные нейронные сети и обучение с подкреплением, что позволило повысить качество алгоритмов диагностики оборудования и точнее предсказывать сбои.


Теги: Робототехника Искусственный интеллект Машинное обучение RPA

На ту же тему: