В университете ИТМО в Санкт-Петербурге в ноябре 2021 года начал работать Исследовательский центр «Сильный искусственный интеллект (ИИ) в промышленности». Как рассказал «ЭПР» научный руководитель новой структуры Александр Бухановский, большое внимание специалисты Центра уделяют энергетическим проектам в Арктике, опираясь на новейшие методы генеративного дизайна.

Творческий подход

— Александр Валерьевич, что удалось сделать вашему центру за полгода?

— Наш центр ориентирован на развитие перспективных технологий искусственного интеллекта для задач промышленности (создания, модернизации и управления производствами). Это требует более серьезного подхода, чем то, что в последнее время мы привыкли ассоциировать с понятием «ИИ»: распознавание речи, лиц, картинок, работу колл-центров, чат-ботов и прочего.

Мы начали решать ряд задач, поставленных перед центром нашими индустриальными партнерами. Главное — определились с концепцией развития центра и выполнили эскизное проектирование и макетирование ряда технологий, а также замахнулись на «святая святых» цифрового мира — технологии так называемого сильного искусственного интеллекта.

Речь идет об использовании технологий ИИ для воспроизведения творческой, креативной деятельности различных специалистов в промышленности: инженеров, конструкторов, технологов, управленцев разного уровня, связанных в том числе и с энергетической сферой. Фактически для нас сильный ИИ — это ИИ, который умеет «придумывать» что-то новое (будь то планы, проекты или даже нормативные акты) почти как профессионал в своем деле. А иногда — даже лучше профессионала: он может быстрее просчитывать варианты, при этом отчасти свободен от шаблонов и рамок, присущих человеческому мышлению.

Решение задачи воспроизведения творческой деятельности сегодня становится очень востребованным в разных областях. Однако это невозможно в полной мере реализовать, опираясь только на существующий инструментарий. Поэтому в центре мы развиваем весь спектр технологий создания систем прикладного ИИ в промышленности с самого низа.

На первом уровне создаются различные цифровые библиотеки сильного ИИ для задач промышленности. Они реализуют методы автоматического машинного обучения, рационального принятия решений, генеративные методы.

На втором уровне из цифровых библиотек, как из кубиков, собираются платформы, с помощью которых можно быстро и надежно разрабатывать и обучать разные модели ИИ для прикладных задач (например, предиктивной аналитики оборудования, машинного зрения и пр.) Причем средствами платформы это может делать не высококвалифицированный специалист-разработчик, а отраслевой специалист, который даже не умеет программировать.

На третьем уровне создаются концептуальные шаблоны для отраслевых систем поддержки принятия решений, которые можно использовать сразу в нескольких отраслях промышленности. Например, схожие задачи концептуального инжиниринга встречаются как в нефтегазовой отрасли, так и в металлообработке и машиностроении. Поэтому нам проще сделать единый шаблон системы поддержки принятия решений в части концептуального инжиниринга, а потом адаптировать его с учетом особенностей каждого направления. Само собой, эта адаптация требует создания и обучения новых моделей ИИ — но для этого мы как раз и делали библиотеки и платформы разработки на предыдущих уровнях.

Окончательно, на четвертом уровне, мы разрабатываем конечные приложения для индустриальных партнеров центра, в первую очередь — членов Ассоциации «Искусственный интеллект в промышленности».

Для компании «Газпромнефть», например, сейчас создаем систему, которая позволяет эффективно планировать процессы комплексного освоения месторождений. На горизонте планирования около двух лет приходится учитывать множество факторов, чтобы впоследствии, при эксплуатации месторождения, компания не понесла неустранимых потерь от неудачных решений, принятых на стадии проектирования и строительства. С помощью технологий искусственного интеллекта удается свести в одно расписание более 60 тысяч различных производственных процессов, работу нескольких сотен команд, которые участвуют в проекте.

Бизнес не любит ждать

— С какой базой данных в промышленности вы работаете?

— В промышленности вообще все не так хорошо с данными, как, например, в цифровых бизнесах. Как правило, объемы данных невелики, и перенос их с одной задачи на другую не всегда правомерен. Поэтому мы исповедуем гибридный подход, который позволяет работать не только с данными, но и с готовыми знаниями. В промышленной сфере их накоплено огромное количество. Это всевозможные стандарты, методические рекомендации, даже расчетные модели, реализованные в инженерном ПО. Все это — формальное представление практического опыта предыдущих поколений. При разработке методов воспроизведения творческой деятельности отраслевых специалистов мы в том числе опираемся на эти знания. Благодаря такой «подложке» многие функции сильного ИИ можно реализовать в проектах центра. А, например, для ретейла, финансовой сферы или сферы развлечений такое бы не получилось, поскольку там формализованных знаний не так много — зато много данных.

Все ключевые сотрудники остались на своих местах, никто не уехал.

Различия между данными и знаниями можно показать на простом примере. Если мы говорим о том, что за год определенное количество людей на конкретном производстве вели себя неправильно, вследствие чего получили травмы, то имеем дело с данными. А нормативный документ, определяющий, как правильно организовать производство, чтобы не получить травму, является уже знанием.

ИИ в роли проектировщика

— Расскажите подробнее о проектах в энергетике.

— Для энергетики наш центр выполняет те же проекты, что и для других отраслей промышленности. Все зависит от класса задач и связанных с этим технологий искусственного интеллекта. Например, мы разрабатываем технологии, позволяющие на ранних стадиях сформировать эффективные планы реализации проектов по строительству объектов инженерной и логистической инфраструктуры (в том числе электростанций) или освоению месторождений нефти или газа.

Иной класс задач связан с управлением трудовыми коллективами. Учитывается множество нюансов, связанных с набором персонала и обеспечением его деятельности, вплоть до временных факторов.

Очень перспективными являются проекты по генеративному дизайну, когда искусственный интеллект имитирует деятельность проектировщика и готовит свой вариант будущего промышленного объекта. Затем ИИ объясняет человеку, почему он выбрал именно такой вариант, на что стоит обратить внимание при проектировании объекта. Проект, подготовленный с помощью технологий искусственного интеллекта, становится серьезным подспорьем для специалиста.

Сейчас генеративный дизайн мы применяем для проектирования объектов промышленной и логистической инфраструктуры в Арктике, где нужно учитывать множество факторов, не только перепады температур, но и перемещение льда, экстремальные ветро-волновые нагрузки в открытых районах шельфовой зоны и так далее. Как спроектировать сооружение, чтобы, с одной стороны, оно было наиболее дешевым, с другой — функциональным, а с третьей — могло противостоять большим нагрузкам, учитывая, что в некоторых районах погода может резко и ощутимо меняться. Технологии искусственного интеллекта справляются с такой задачей.

Санкции как возможности

— Повлияли на работу вашего центра западные санкции?

— Да, но, скорее, больше с точки зрения «идеологии», чем кадров. Все наши ключевые сотрудники, отвечающие за приоритетные задачи центра, остались на своих местах, никто не уехал. Более того, мы расширяем штат, так как количество задач растет. Что касается идеологии развития центра, то мы внезапно почувствовали новые перспективы. Действительно, в условиях глобальной экономики наличие зарубежных аналогов (пусть даже с худшими функциональными характеристиками) иногда делает бессмысленной затеей создавать что-то свое.

Раньше заказчик был готов ждать, когда требуемые ему функции появятся у нашего зарубежного конкурента, — просто потому, что так было ему привычнее. Однако сейчас ситуация другая. Мы можем более свободно ориентироваться на опережающее импортозамещение, создавать и внедрять новые продукты, на текущий момент не имеющие аналогов за рубежом (хотя конкуренты могут уже активно работать в этом направлении). Так, проекты по генеративному дизайну и планированию освоения месторождений можно назвать примерами такого опережающего импортозамещения.