29 октября 2020 г.
Много интересного можно увидеть, рассмотрев прогнозы аналитиков Gartner и выделив там технологическую «горизонталь», имеющую отношение к применению AI в бизнес-процессах. Семь из девяти элементов стратегических прогнозов Gartner для ИТ-отделов и пользователей на следующий год будут в принципе возможны только при активном применении «искусственного интеллекта»! Всего в прогнозе пунктов десять, но хранение данных на ДНК в ближайшей перспективе, при всем уважении к аналитикам Gartner, выглядит слишком уж футуристично. Остальные пункты кажутся вполне разумными и имеют под собой ряд кейсов, которые уже продемонстрировали эффективность.
Напомним, что на общие перспективы экономики Gartner смотрит не очень оптимистично, считая, что и в этом, и в следующем годах глобальные расходы на ИТ будут меньше, чем в 2019, а главной задачей большинства бизнесов станет выживание, а не растущий доход. Это означает, что внедрения AI, равно как и других элементов технологического стека определяют жесткие требованиями оптимизации, а не погоня за модой в digital или традиционная склонность ИТ-департаментов к смелым экспериментам.
Задачи AI, как сказал Игорь Хапов, директор по технологиям IBM в России и СНГ, в следующем: «Объяснение событий прошлого, предсказание событий будущего, контроль над событиями настоящего и помощь в принятии операционных и стратегических решений».
Перечисленные ниже направления, выделенные Gartner, ни в коем случае не противоречат являющимся мэйнстримом областям бизнес-применения AI — BI, научные исследования, всевозможные задачи оптимизации (от режимов hardware до логистических цепочек), ИБ и т. д. — а развивают их в некоторых дополнительных направлениях. Рассмотрим подробней направления, указанные Gartner.
* Развитие клиентского опыта в VR и AR настоятельно требует видеоаналитики. Чтобы оптимизировать VR-пространства и AR-ландшафты, а также интерфейсы в них, фокус-групп, наблюдения за активностью клиентов, опросов и других инструментов традиционного маркетинга будет явно недостаточно. Тут для фиксации действий пользователя потребуется «компьютерное зрение» — причем охватывающее как физический мир, так и виртуальный — а также последующая видеоаналитика получаемой BigData. Соответственно, AI, являющийся необходимым компонентом технологического стека для этой группы задач. Это новое применение видеоаналитики, однако она, как заметил Максим Мельситов, заместитель руководителя департамента бизнес-решений компании Softline, в разных формах уже входит в «Тор five» направлений применения AI, наиболее востребованных российскими бизнес-заказчиками.
* Автоматизация операций, рутинных, но ранее производимых человеком, также требует AI. Примером может служить «компьютерное зрение» для автопилотируемых электрокаров и погрузчиков, комбайнов и тракторов, дронов и прочей сельхозтехники. «Голосовые роботы» в программировании крайне просты, но им требуется распознавание голоса, которое построено на AI, а это позволяет существенно ускорить и удешевить коммуникации с клиентами в B2B-сегменте. Процесс полным ходом идет уже сегодня, в том числе, и на российском рынке. Вячеслав Елагин, менеджер по продажам серверов для высокопроизводительных вычислений Hewlett Packard Enterprise в России, к наиболее востребованным российскими заказчиками направлениям применения AI относит все, что касается систем распознавания образов — видеоаналитику, системы обеспечения безопасности производственной деятельности, «безопасный город», беспилотный автомобиль, БПЛА, медицинские исследования и т. д. — а также системы обработки естественного языка для различных голосовых помощников и чат-ботов. О высокой популярности среди российских заказчиков систем распознавания образов (face recognition) и обработки естественного языка/синтеза речи (natural language processing) также говорит Михаил Орленко, директор департамента серверных и сетевых решений, Dell Technologies в России.
Разумеется, AI будет находить самое активное применение при программировании промышленных роботов, занятых в процессе производства. Строго говоря, тут AI далеко не всегда является необходимым — всякие станки с ЧПУ программировали алгоритмически еще с восьмидесятых, но, как мы уже отмечали, применение AI способно существенно ускорить разработку нужного программного обеспечения, и, как следствие, радикально ускорить «time to market». «Преимущества от внедрения AI очевидны для абсолютно разных отраслей, поэтому можно с уверенностью сказать, что это направление ждет бурное развитие уже в ближайшем будущем», — уверен г-н Орленко.
* Тотальный контроль сотрудников во время рабочих коммуникаций, как считают аналитики, уже через пятилетку будет реальностью для 75% (!) занятых, причем контроль будет интегральным — анализу будут подвергать как тексты (переписку по e-mail и в мессенджерах), так и голос (общение с клиентами и с партнерами, как при переговорах в физическом мире, так и по видеосвязи). Такие действия со стороны работодателя не являются чем-то принципиально новым — например, фраза «для повышения качества обслуживания все разговоры записываются» давно стала привычной. Но в ближайшем будущем плотность и многофакторность этого процесса быстро возрастают.
Заметим, что системы видеонаблюдения нужны как в качестве anti-theft-решений (см. врезку), так и для контроля бизнес-процессов на предприятии, для уменьшения рисков и для оптимизации/интенсификации. «Умные камеры» уже давно способны отслеживать, например, соблюдение техники безопасности, поднимая тревогу при появлении на заданных площадках работников без касок и других средств индивидуальной защиты, что снижает риски.
«Задачи охраны труда и промбезопасности продолжают оставаться приоритетными во всех отраслях промышленности. С помощью видеоаналитики компании в том числе следят за правильностью применения средств индивидуальной защиты (СИЗ) работниками, контролируют доступ в запретные зоны, анализируют состояние водителей, выявляют открытый огонь, задымление, прорыв трубопровода и другие опасные ситуации, которые могут привести к травмам или авариям на производстве», — отмечает Иван Попков, руководитель направления прикладных решений для промышленности компании КРОК.
В обеспечении безопасности есть и «сезонные» задачи, например, про востребованность систем визуального контроля соблюдения социальной дистанции, вызванной известными событиями, напоминает г-н Хапов.
Видеоаналитика способна поставить BigData для анализа действий сотрудников с целью получения рекомендаций по интенсификации работы и увеличению производительности труда. Очевидно, что поток данных, подлежащих анализу, огромен, а поэтому вручную обработать его невозможно, особенно со скоростью, нужной современному бизнесу. Легко видеть, что для анализа потребуется AI, способный в автоматическом режиме выявлять потенциально опасные и «узкие места» в работе сотрудников.
Стоит помнить и о задачах контроля, которые также прекрасно выполняет AI. Задачи тут тоже могут быть затейливыми, например, г-н Попов отмечает, что КРОК внедрил для заказчика видеоаналитику на нефтебазе, и AI следит за правильностью наклеивания этикеток на бочках с бензином для дальнейшей их транспортировки клиентам. Одной из наиболее изящных задач, реализованных Softline, г-н Мельситов назвал систему полного контроля над действиями персонала, представляющую собой программно-аппаратный комплекс с нейросетью с трекерами в виде браслетов, которые на работе носит персонал компании-заказчика. Разнообразие задач будет расти.
«Участники рынка все больше и больше понимают, чего они хотят от технологий, и как ими пользоваться», — подчеркивает Евгений Колесников, руководитель Центра машинного обучения «Инфосистемы Джет».
Задачи контроля качества работы могут быть очень необычными, в том числе, помогающими персоналу выполнять свои функции. «Не так давно нейронную сеть обучили определять степень готовности пиццы», — говорит о внедрениях Андрей Сысоев, ведущий специалист по высокопроизводительным вычислительным технологиям Lenovo в России.
Истории про эффективность внедрения простейших мер цифрового контроля служебного транспорта, которые радикально снижали затраты на ГСМ, уменьшали пробег машин за счет сокращения нецелевого использования автопарка и т.д., известны давно, их можно рассматривать как первые кейсы «цифровой трансформации», причем реализованные за несколько лет до появления самого термина. Отслеживание перемещений авто по городу и контроль расхода бензина с маслами не требовал AI, но был крайне эффективен. Сейчас сотрудники, стремящиеся получить дополнительный доход за счет работодателя, действуют более изощренно, но и системы контроля стали интеллектуальными и более разноплановыми — видеонаблюдение, IIoT и т. д. Существующие решения видеоаналитики могут распознавать преступные действия сотрудников, например, кражи с предприятия, продажи «левого» товара и т.д. «Неожиданной и в то же время изящной задачей стала установка систем „компьютерного зрения“ на сети автомоек с целью предотвращения хищения денежных средств администраторами за счёт нелегитимного использования программы лояльности для постоянных клиентов», — говорит г-н Елагин.
* Модерация UGC — User Generation Content — которую Gartner ставит в технотренды, также требует автоматизации, причем как с применением решений для контроля текстов (в современных условиях потребуются более изощренные решения с AI, чем старый добрый «антимат») и изображений. Большое количество UGC делает в принципе невозможным ручную модерацию, а соответствующее направление требует развития для ряда маркетинговых задач.
* «Голос общества», который можно рассматривать как совокупность ряда разноплановых метрик, в техническом плане следует воспринимать как классическую задачу на анализ BigData — огромного массива неструктурированной информации — а данный анализ невозможен без AI-инструментов.
* Рост значимости ИТ-директоров в интерпретации Gartner является подчеркиванием тренда на «цифровую трансформацию» в классическом понимании. Когда происходит слияние цифровых процессов и операционной деятельности, как определяет «цифровую трансформацию» Дмитрий Пенязь, руководитель департамента инфраструктурных решений, Hewlett Packard Enterprise в России, ИТ-директор естественным образом превращается в «операционного директора по совместительству», как и прогнозирует Gartner.
* Нейровычисления на специализированных аппаратных платформах вместо организованных на процессорах общего назначения вполне могут потребоваться массово. Возможно, в ближайшем будущем имеющихся в распоряжении бизнеса вычислительных ресурсов для задач, связанных с AI, вообще окажется недостаточно. По мнению Gartner, традиционно организованные вычисления «упрутся в стену», вынуждая к переходу на новые парадигмы, такие как нейроморфные вычисления. В некоторых сегментах работы с AI специализированное аппаратное обеспечение «must have» уже сейчас.
«Самыми ресурсоемкими процессами является этап обучения Computer Vision и NLP-моделей, — говорит Дмитрий Тимаков, руководитель направления „Машинное обучение“ в компании „Норбит“, входящей в группу компаний ЛАНИТ. — Сегодня решение этих задач без специализированного оборудования практически невыполнимая на деле задача».
Часть вычислений, нужных для решения задач с уже обученными моделями, вполне могут быть выполнены на границе сети (например, распознавание образов), но часть требует огромных вычислительных ресурсов (например, видеоаналитика).
«Многие компании приобретают специализированные решения, когда задачи, связанные с AI переходят в промышленную эксплуатацию и постоянно расширяются сферы применения», — говорит г-н Мельситов.
«Периодически у заказчика возникают задачи, которые требуют специализированных аппаратных решений», — подтверждает г-н Попов.
Однако аппаратное обеспечение нейровычислений — как высокопроизводительных, так и EDGE — представляет собой отдельную тему, к которой мы еще вернемся.
Источник: Александр Маляревский, внештатный обозреватель CRN/RE
