ИИ-помощники: и экономия, и забота

Мы часто слышим, что искусственный интеллект когда-нибудь заменит людей. Пока что такого не происходит, и он остаётся просто полезным инструментом, не более. Но инструментом для чего? Только ли для машинного перевода, составления гладких текстов, создания за пару секунд изображений по заказу? Конечно, нет. И иногда его помощь незаменима.

Любые сложные механизмы требуют регулярного техобслуживания – иначе как поддерживать их в исправном состоянии? Скажем, автомобилю раз в год (ну или после определённого километража) меняют масло, фильтры и так далее. Но автомобиль – устройство относительно простое. А на крупных промышленных установках обслуживание проводят долго, поэтапно. Сложные установки, где делают, например, лекарства, состоят из многих элементов. Причём на каждый имеются по два-три запасных – чтобы для осмотра не приходилось останавливать всю линию.

Но вот вопрос: регулярно – это когда? Хорошо бы, чтобы кто-то сказал «пора». Но такого человека нет. Это «пора» до недавнего времени никак было не измерить. И оборудование нередко проверяли ещё до того, как оно вырабатывало расходные материалы, загрязнялось или каким-то иным образом нуждалось во внимании. Конечно, на сложном производстве стоит множество датчиков, которые фиксируют все важные параметры, и люди (да и компьютеры тоже) следят, чтобы их показания не отклонялись от нормы. Но если они вышли за пределы нормы – это уже беда, авария. Надо срочно отключать отдельные части системы, сокращать производство, устранять поломку…

Вот вам дилемма. Техобслуживание отнимает рабочие часы, стоит денег. Слишком часто – невыгодно. Слишком редко – можно дождаться аварии. Где золотая середина? Тут-то и приходит на выручку ИИ. Точнее, одна его часть – глубокое обучение. Работает она в связке с IoT (Internet of Things), или Интернетом вещей – технологией, объединяющей устройства в специальную сеть, где они автоматически обмениваются информацией, чтобы выполнять различные задания.

Слышали об «умном доме» – лампочках, приглушающих свет по голосовой команде, роботах-пылесосах, начинающих уборку по расписанию? Это лишь один пример. На производстве данные с датчиков уходят в облако, а там развёрнута нейросеть, обученная на миллионах прошлых показателей с тех же датчиков. Ей поставлена цель: искать во входных данных аномалии. Иными словами – данные, не выходящие за пределы нормы, но всё же не вполне типичные. Скажем, машинное масло стало чуть грязнее или немного нарушена герметичность трубы. Когда аномалии становятся не единичными, а выявляются несколько раз в сутки, система подаёт заветный сигнал: пора. Вот так ИИ позволяет человеку экономить деньги и труд, вовремя при этом заботясь о ценном оборудовании. И техобслуживаний меньше, и проводятся они именно тогда, когда нужно.