Как уральские заводы и энергокомпании используют в работе ИИ

Директор исследовательского центра по искусственному интеллекту УрФУ Александра Хальясмаа завоевала премию губернатора Свердловской области в номинации "Доцент года" по направлению "Технические науки". "РГ" побеседовала с ученым об особенностях создания и внедрения решений на базе ИИ в промышленности и энергетике.

Александра, многие уже активно используют ИИ в обычной жизни, чтобы рисовать картинки и сочинять музыку, писать деловые письма и делать отчеты. Но на производстве нужны более сложные инструменты?

Александра Хальясмаа: Искусственный интеллект действительно неплохо решает перечисленные вами задачи, при этом его ошибки малозначительны, некритичны. Но когда мы говорим о промышленности, цена ошибки совсем другая. Надежность работы и безопасность объектов стоят на первом месте, а ошибка ИИ может привести к сбою работы станции или агрегата.

Кроме того, когда речь идет о бытовом применении ИИ, то нам по большому счету все равно, как алгоритм генерировал тот или иной ответ, тогда как в науке и технике важно, чтобы логика ИИ была объяснима, а результаты - предсказуемы и обоснованны, то есть важно понимать, почему интеллектуальная система выдала то или иное решение. Поэтому выше и требования к ИИ: разработчикам периодически приходится перепроверять верность работы моделей во время эксплуатации.

Следовательно, и создавать ИИ-решения для индустрии сложнее?

Если искусственный интеллект станет сам принимать какие-то решения за человека, а не просто давать рекомендации, то уровень проработки должен быть намного глубже

Александра Хальясмаа: Безусловно, ведь приходится учитывать и специфику отрасли, и особенности конкретного предприятия. Кстати, на объектах критической инфраструктуры пользоваться иностранными продуктами, например ChatGPT, недопустимо.

А верно ли утверждение: чем больше мы обучаем ИИ и его контролируем, тем точнее становятся его ответы?

Александра Хальясмаа: Не всегда много данных - это хорошо. Разработчикам ИИ известно понятие оверфиттинга, то есть переобучения. Модель может переобучиться, как студент, который за ночь пытается вызубрить весь объем пропущенных за год лекций, не пытаясь понять и обобщить материал. В промышленности особенно важно найти баланс - передать ИИ данные такого объема, качества и разнообразия, чтобы модель работала корректно.

Готовы ли уральские предприятия к внедрению инструментов искусственного интеллекта?

Александра Хальясмаа: Вполне - там, где это целесообразно. Например, активно применяют интеллектуальные решения крупные предприятия энергетической отрасли. Средний и малый бизнес идет другим путем, он экспериментирует с ИИ в рамках НИОКР, реализуя пилотные проекты - это локальные внедрения, отдельные управленческие решения, в которых существенную долю работы выполняет ИИ. Некоторые компании создают чат-боты для обработки запросов.

У вас уже есть успешные реализованные проекты с использованием ИИ? Можете привести примеры?

Александра Хальясмаа: Да, скажем, еще в 2019 году была начата масштабная работа по созданию системы диагностики состояния оборудования тепловой электростанции - Ириклинской ГРЭС в Оренбургской области. В рамках проекта разработаны и внедрены робототехнические комплексы, оснащенные диагностической аппаратурой, и программное обеспечение на основе технологий ИИ, которое анализирует собираемые данные.

Второй проект был реализован на том же предприятии, но для гидроэлектростанции, где мы внедрили программно-аппаратный комплекс, позволяющий прогнозировать приток воды и оценивать уровень водохранилища, чтобы минимизировать риск подтоплений - вы помните, какое разрушительное наводнение произошло в этом регионе в 2024 году. Комплекс использует данные многолетних наблюдений, а также оперативную информацию с измерительных постов.

Внедрение подобных сервисов обходится дорого?

Александра Хальясмаа: Любые решения в бизнесе должны быть технически и экономически обоснованны. Как правило, цена проекта зависит от глубины внедрения. Скажем, менять управленческие процессы сложно и дорого: если искусственный интеллект станет сам принимать какие-то решения за человека, а не просто давать рекомендации, то уровень проработки должен быть намного глубже, а значит, вырастет и цена. Технические решения, связанные с машинным зрением или вопросами безопасности (например, контроль использования сотрудниками средств индивидуальной защиты), намного проще и дешевле в обслуживании. А вот если система должна принимать управленческие решения в связи с выявлением дефектов оборудования или комплектующих, то цена ошибки очень высока, а значит, разработка потребует больших ресурсов и компетенций.

В УрФУ есть программа магистратуры "Искусственный интеллект в электроэнергетике". Есть ли к ней интерес со стороны студентов и работодателей?

Александра Хальясмаа: Электроэнергетика сегодня активно трансформируется: если раньше важнейшими знаниями для работы в отрасли были физика процессов и автоматизация, то сейчас подход становится междисциплинарным. Все понимают ценность данных и стремятся перейти к безлюдным производственным системам. Но я убеждена, что программист, даже отличный, не сможет стать хорошим специалистом в конкретной отрасли. А вот обучить инженера-энергетика компетенциям в области математики и ИТ реально. И у наших студентов есть большой интерес к мультидисциплинарным курсам.

Что касается спроса со стороны работодателей: практически все студенты этой программы уже трудоустроены. Причем заработная плата специалиста с ИТ-компетенциями обычно выше, чем у обычного инженера. Но, конечно, речь о тех компаниях, которые активно цифровизируются.