Перед новым годом принято делать прогнозы на будущий год, но нам кажется, что важно вернуться и к прошлогодним прогнозам, чтобы сравнить, что сбылось, а что нет. Итак, чего же год назад ждали коллеги от наступающего 2023?
Если вы помните, чего ждали от 2023, делитесь в комментариях
Эмад Мостак, основатель и генеральный директор Stability AI (Stable Diffusion): “В 2023 году большое количество моделей искусственного интеллекта с открытым исходным кодом будет способствовать внедрению нейросетей на предприятиях (сбывается)
Диего Пантоха-Навахас, вице-президент AWS: “Мы рассчитываем на создание более совершенных и предсказуемых цепочек поставок с прогнозами циклов потребительского спроса. Также мы ждем прогнозирования вероятных сбоев в цепочках поставок и советов системы по их предотвращению. Искусственный интеллект и машинное обучение развиваются быстро, и мы считаем, что в ближайшие годы цепочки поставок будут становиться все прочнее благодаря этим разработкам. (сбывается)
Эммануэль Риве, руководитель TMT и глобальных технологий PwC: “Метавселенная — главный пункт повестки дня ИТ-директоров и технических директоров. Каждый директор должен разработать план внедрения метавселенной в 2023 году, включая оценку потенциальных рисков (связанных с кибербезопасностью и конфиденциальностью). В следующем году начнут появляться должности директоров по метавселенной” (сбылось и сдулось)
Джейсон Манн, вице-президент SAS по интернету вещей: В 2023 году вырастет доступность промышленного AI благодаря low-code и no-code ML. Мы увидим больше специализированных приложений для цифровых двойников для конкретных применений в энергетике и промышленности. (сбылось)
Поздравляем всех с наступающим Новым годом и желаем, чтобы ваши (только позитивные) прогнозы на 2024 сбывались!
Если вы помните, чего ждали от 2023, делитесь в комментариях
Эмад Мостак, основатель и генеральный директор Stability AI (Stable Diffusion): “В 2023 году большое количество моделей искусственного интеллекта с открытым исходным кодом будет способствовать внедрению нейросетей на предприятиях (сбывается)
Диего Пантоха-Навахас, вице-президент AWS: “Мы рассчитываем на создание более совершенных и предсказуемых цепочек поставок с прогнозами циклов потребительского спроса. Также мы ждем прогнозирования вероятных сбоев в цепочках поставок и советов системы по их предотвращению. Искусственный интеллект и машинное обучение развиваются быстро, и мы считаем, что в ближайшие годы цепочки поставок будут становиться все прочнее благодаря этим разработкам. (сбывается)
Эммануэль Риве, руководитель TMT и глобальных технологий PwC: “Метавселенная — главный пункт повестки дня ИТ-директоров и технических директоров. Каждый директор должен разработать план внедрения метавселенной в 2023 году, включая оценку потенциальных рисков (связанных с кибербезопасностью и конфиденциальностью). В следующем году начнут появляться должности директоров по метавселенной” (сбылось и сдулось)
Джейсон Манн, вице-президент SAS по интернету вещей: В 2023 году вырастет доступность промышленного AI благодаря low-code и no-code ML. Мы увидим больше специализированных приложений для цифровых двойников для конкретных применений в энергетике и промышленности. (сбылось)
Поздравляем всех с наступающим Новым годом и желаем, чтобы ваши (только позитивные) прогнозы на 2024 сбывались!
Осенью теперь уже прошлого года Ernest&Young провели опрос среди CEO 1200 компаний из 21 страны. Почти все — 99% — планируют инвестировать в генеративный AI, хотя многие опасаются, что это изменит их бизнес-модели. 70% считают, что без GenAI потеряют стратегическое преимущество над конкурентами. При этом почти столько же чувствуют неопределенность и не понимают, как в этих условиях строить стратегии развития. Директора, которые только начали внедрять ИИ, кажутся слишком оптимистичными, — ждут заметных изменений через 1-2 года. Те компании, которые продвинулись на этом пути дальше, ждут изменений только через 3-5 лет и больше.
Российские компании опрос не затронул, но есть данные Института статистических исследований и экономики знаний НИУ ВШЭ, примерно, того же периода. Российские директора пока не спешат инвестировать в AI. Более 60% компаний выделяют на AI менее 1% от затрат на внедрение и использование цифровых технологий. Осторожное отношение к genAI российские ИТ-эксперты высказали и на недавней конференции МТС.
ВШЭ, конечно, виднее с их высоты репрезентативных опросов, но с нашего угла обзора (то есть изнутри) картина выглядит по-другому, хотя и на несравненно меньшей выборке. Прямо сейчас в НТР мы разрабатываем генеративную LLM для одной из крупнейших российских компаний — об этом с удовольствием расскажем здесь, когда проект будет завершен. Свои генеративные нейросети уже есть, например, у Яндекса, Сбербанка. Если покопаться в открытых источниках, можно найти, что на genAI нацелены, например, Русал, Билайн.
Интересно еще взглянуть на декабрьский анализ ИИ в российском бизнесе от Яндекса и “Яков и партнеры”. По их данным 20% российских компаний уже используют генеративный искусственный интеллект (все — GPT-4 и GPT-3.5, а некоторые — и другие решения).
Российские компании опрос не затронул, но есть данные Института статистических исследований и экономики знаний НИУ ВШЭ, примерно, того же периода. Российские директора пока не спешат инвестировать в AI. Более 60% компаний выделяют на AI менее 1% от затрат на внедрение и использование цифровых технологий. Осторожное отношение к genAI российские ИТ-эксперты высказали и на недавней конференции МТС.
ВШЭ, конечно, виднее с их высоты репрезентативных опросов, но с нашего угла обзора (то есть изнутри) картина выглядит по-другому, хотя и на несравненно меньшей выборке. Прямо сейчас в НТР мы разрабатываем генеративную LLM для одной из крупнейших российских компаний — об этом с удовольствием расскажем здесь, когда проект будет завершен. Свои генеративные нейросети уже есть, например, у Яндекса, Сбербанка. Если покопаться в открытых источниках, можно найти, что на genAI нацелены, например, Русал, Билайн.
Интересно еще взглянуть на декабрьский анализ ИИ в российском бизнесе от Яндекса и “Яков и партнеры”. По их данным 20% российских компаний уже используют генеративный искусственный интеллект (все — GPT-4 и GPT-3.5, а некоторые — и другие решения).
Ey
Bolder CEOs take charge to shape their future with confidence
EY CEO confidence index assesses CEO sentiment across sector growth, price and inflation, business growth, talent, and investment and technology. Read more
У нас в офисе новый питомец. Еще не придумали как назвать, но уже начали его дрессировать программировать для одного из наших любимых клиентов. А в вашем бизнесе такой пригодился бы?
Неназванный из коммерческих соображений немецкий производитель автомобилей в погоне за производством экологичных электромобилей столкнулся с проблемой поиска дефектов у аккумуляторов на новых производственных линиях. Если держать батареи полностью разряженными, снижается её эффективность. Поэтому даже до сборки на аккумуляторах держат небольшой заряд. В большинстве случаев это лучшее решение, но случайный дефект в заряженной батарее может привести к плачевным последствиям для автомобилей и всего производства, не говоря уже о здоровье и жизни работников.
Чтобы решить эту проблему, компания SICK AG разработала систему AHDS (Area Hotspot Detection System). AHDS состоит из тепловизора FLIR A70, который передает данные на сервер, где обнаруживаются слишком горячие и, значит, потенциально опасные места. Тепловизор в режиме реального времени и, главное, сразу на большой площади дает изображение проезжающих под ним на ленте батарей с разрешением 640х480 пикселей и точностью 2°C. Система AHDS рассчитана на работу с оператором, который самостоятельно принимает решения по предоставленным данным. Интересно, что процесс решили не полностью автоматизировать, чтобы система не забраковала лишнего (здесь как будто напрашивается какая-нибудь нейросеть). AHDS подойдет не только для аккумуляторов, но и, например, для труб или силосных систем. Что приятно, ее легко интегрировать не только в новые, но и в существующие производственные линии.
Конкретно для неназванного немецкого производителя автомобилей — это возможность снизить затраты на дорогостоящие последствия брака. А вообще — это хороший пример оптимизации и модернизации производства, когда могло работать “и так”, но с точечным ИТ-решением будет работать надежнее и дешевле.
Чтобы решить эту проблему, компания SICK AG разработала систему AHDS (Area Hotspot Detection System). AHDS состоит из тепловизора FLIR A70, который передает данные на сервер, где обнаруживаются слишком горячие и, значит, потенциально опасные места. Тепловизор в режиме реального времени и, главное, сразу на большой площади дает изображение проезжающих под ним на ленте батарей с разрешением 640х480 пикселей и точностью 2°C. Система AHDS рассчитана на работу с оператором, который самостоятельно принимает решения по предоставленным данным. Интересно, что процесс решили не полностью автоматизировать, чтобы система не забраковала лишнего (здесь как будто напрашивается какая-нибудь нейросеть). AHDS подойдет не только для аккумуляторов, но и, например, для труб или силосных систем. Что приятно, ее легко интегрировать не только в новые, но и в существующие производственные линии.
Конкретно для неназванного немецкого производителя автомобилей — это возможность снизить затраты на дорогостоящие последствия брака. А вообще — это хороший пример оптимизации и модернизации производства, когда могло работать “и так”, но с точечным ИТ-решением будет работать надежнее и дешевле.
Приятный бонус развития любой технологии — она дешевеет и ее всё выгоднее применять в производстве. В некоторых случаях вместо того, чтобы сделать что-то сложное и дорогое, можно сделать много дешевых мини-версий. Вот пример такого подхода из бристольского университета, где сделали дешевых роботов-краулеров для инспекции труб. Они берут количеством — работают в группе, каждый оборудован всего одним омни-направленным ультразвуковым преобразователем. Похожие роботы были, но с несколькими лучевыми ультразвуковыми датчиками. Новые краулеры выигрывают тем, что легко справляются со сложными сетями труб, разных по геометрии.
Эти мини-инспекторы не требуют синхронизации и могут обрабатывать информацию прямо “на борту”. Получается, что передавать на центральный сервер нужно меньше информации (а вы еще попробуйте из металлической трубы передать хоть что-нибудь). Процесс разделен на две части — детекция дефекта и его локализация. После обнаружения в окрестности дефекта проводится еще пять измерений, чтобы опустить ошибку локализации ниже 30 миллиметров.
В НТР уже около 10 лет мы занимаемся дронами, работающими в помещениях автономно без какой-либо связи. Кое-что про них мы даже уже писали, но не говорили, что первая версия была предназначена как раз для инспекций нефтяных резервуаров и тоннелей. В свое время для одной из американских нефтяных компаний мы построили и демонстрационный прототип краулера, чтобы изнутри инспектировать нефтяные резервуары на предмет повреждений и коррозии. В производство это не запустили, тогда были более насущные для рынка бизнес-задачи, а в Бристоле пошли дальше и вот продукт — здорово!
Эти мини-инспекторы не требуют синхронизации и могут обрабатывать информацию прямо “на борту”. Получается, что передавать на центральный сервер нужно меньше информации (а вы еще попробуйте из металлической трубы передать хоть что-нибудь). Процесс разделен на две части — детекция дефекта и его локализация. После обнаружения в окрестности дефекта проводится еще пять измерений, чтобы опустить ошибку локализации ниже 30 миллиметров.
В НТР уже около 10 лет мы занимаемся дронами, работающими в помещениях автономно без какой-либо связи. Кое-что про них мы даже уже писали, но не говорили, что первая версия была предназначена как раз для инспекций нефтяных резервуаров и тоннелей. В свое время для одной из американских нефтяных компаний мы построили и демонстрационный прототип краулера, чтобы изнутри инспектировать нефтяные резервуары на предмет повреждений и коррозии. В производство это не запустили, тогда были более насущные для рынка бизнес-задачи, а в Бристоле пошли дальше и вот продукт — здорово!
University of Bristol
Network of robots can successfully monitor pipes using acoustic wave sensors
The University of Bristol team, led by Professor Bruce Drinkwater and Professor Anthony Croxford, developed approach was used to review a long steel pipe with multiple defects, including circular holes with different sizes, a crack-like defect and pits,…
This media is not supported in your browser
VIEW IN TELEGRAM
Очередной важный шаг, приближающий нас к человеко-машинному интерфейсу, в котором компьютер будет получать информацию прямо из головы оператора. Модель от Meta AI в реальном времени (5 тысяч раз в секунду) считывает активность мозга и угадывает, какую картинку видит сейчас перед собой человек. Важно, что для этого не понадобились ни инвазивные вмешательства, ни медленная и громоздкая МРТ (хотя с ней результаты и получились бы лучше). Расшифровать мозговую активность в реальном времени смогли по магнитоэнцефалограмме (МЭГ).
Результаты пока не выглядят идеальными, но уже внушительны — животные действительно выходят похожими на животных, а еда — на еду. Создатели заявляют, что улучшили качество в 7 раз по сравнению с линейными декодерами.
Результаты пока не выглядят идеальными, но уже внушительны — животные действительно выходят похожими на животных, а еда — на еду. Создатели заявляют, что улучшили качество в 7 раз по сравнению с линейными декодерами.
Запрос на автоматизацию всё чаще возникает в сельском хозяйстве. Мы видим это и на собственном опыте (и очень этому рады). Потому что сельское хозяйство — во всех смыслах наш хлеб насущный, который должен где-то расти и кем-то обрабатываться. Причем население Земли увеличивается, поэтому всё большие объёмы нужно производить на тех же (а лучше —меньших) площадях. В Британии, например, к 2050 году нужно будет производить в половину больше продукции на в половину меньшей площади.
В этой связи Уорикский университет запустил программу Warwick Agri-Tech. План в том, чтобы объединить на одной площадке экспертов по автоматизации и наук о жизни (что без труда может позволить себе университет). Проект начался с создания робота Crombot, который автономно перемещается по теплице и проверяет зрелость плодов. Теперь в планах построить аппарат для оптимизации логистики обработки продукции на фермах, систему для сортировки и классификации саженцев и робот для борьбы с сорняками.
Интересный вопрос — что должно быть главным двигателем новых ИТ-решений в индустрии? Частные компании, чуть более далекие от науки, или университеты, чуть более далекие от реального бизнеса. Интерес университетов лежит скорее в фундаментальной области или, как в случае с Уорикским университетом, — в необходимости испольнять госпроекты. Интерес частных компаний в первую очередь в том, чтобы заработать, выполнив потребности бизнеса. Будем следить за успехами Warwick Agri-Tech и, может, найдем ответ на этот вопрос.
В этой связи Уорикский университет запустил программу Warwick Agri-Tech. План в том, чтобы объединить на одной площадке экспертов по автоматизации и наук о жизни (что без труда может позволить себе университет). Проект начался с создания робота Crombot, который автономно перемещается по теплице и проверяет зрелость плодов. Теперь в планах построить аппарат для оптимизации логистики обработки продукции на фермах, систему для сортировки и классификации саженцев и робот для борьбы с сорняками.
Интересный вопрос — что должно быть главным двигателем новых ИТ-решений в индустрии? Частные компании, чуть более далекие от науки, или университеты, чуть более далекие от реального бизнеса. Интерес университетов лежит скорее в фундаментальной области или, как в случае с Уорикским университетом, — в необходимости испольнять госпроекты. Интерес частных компаний в первую очередь в том, чтобы заработать, выполнив потребности бизнеса. Будем следить за успехами Warwick Agri-Tech и, может, найдем ответ на этот вопрос.
Мы уже несколько раз в разном контексте писали здесь про цифровые двойники, но, видимо, напишем еще не раз, потому что термин прочно вошел в тренды. Те, кто не внедрял цифровых двойников раньше, начинает их разрабатывать. Те компании, которые делали это давно, стали активнее использовать сам термин. CIO американской инжиниринговой компании WGI Николас Эванс заметил, что индустрия в вопросах внедрения ИТ-решений часто бывает сама себе врагом из-за установок вроде “но мы всю жизнь делали так и всё было нормально” или “сначала создадим метавселенную”. Другими словами, сопротивление изменениям или другая крайность — погоня за модой. Его размышления касаются строительной и инфраструктурной отраслей, но, вероятно, применимы и к другим. Чтобы не стать врагом самому себе, Эванс предлагает коллегам пять правил по внедрению цифровых двойников.
Итак, правило первое — быть быстрее конкурентов. Даже если сейчас ваш подход работает хорошо, устраивает вас и ваших клиентов, если вы не будете внедрять новые технологии, то ваши конкуренты сделают это раньше.
Второе правило — не зависать на статусе кво. Цифровые двойники помогают анализировать и принимать решения в реальном времени. Это может повысить эффективность, производительность и помочь сэкономить за счет целостного взгляда на бизнес-процессы.
Третье правило — внедрять на ранних стадиях. Цифровой двойник поможет на этапе планирования, проектирования и строительства. В том числе, на цифровом двойнике можно прогнать разные сценарии на предварительных этапах (недавно мы писали о том, как это важно).
Четвертое правило — не заглядываться на громкие новинки. Метавселенные— это хорошо и пока что модно, но лучше сосредоточиться сначала на действительно полезных решениях (цифровых двойниках, разумеется).
Пятое правило — задавать трудные вопросы. Нужно не забывать проверить реальную окупаемость цифрового двойника, проанализировать финансовые и нефинансовые выгоды в ближнесрочной и долгосрочной перспективе
Итак, правило первое — быть быстрее конкурентов. Даже если сейчас ваш подход работает хорошо, устраивает вас и ваших клиентов, если вы не будете внедрять новые технологии, то ваши конкуренты сделают это раньше.
Второе правило — не зависать на статусе кво. Цифровые двойники помогают анализировать и принимать решения в реальном времени. Это может повысить эффективность, производительность и помочь сэкономить за счет целостного взгляда на бизнес-процессы.
Третье правило — внедрять на ранних стадиях. Цифровой двойник поможет на этапе планирования, проектирования и строительства. В том числе, на цифровом двойнике можно прогнать разные сценарии на предварительных этапах (недавно мы писали о том, как это важно).
Четвертое правило — не заглядываться на громкие новинки. Метавселенные— это хорошо и пока что модно, но лучше сосредоточиться сначала на действительно полезных решениях (цифровых двойниках, разумеется).
Пятое правило — задавать трудные вопросы. Нужно не забывать проверить реальную окупаемость цифрового двойника, проанализировать финансовые и нефинансовые выгоды в ближнесрочной и долгосрочной перспективе
This media is not supported in your browser
VIEW IN TELEGRAM
Роботы успешно осваивают все больше задач, которые возникают в индустрии. Задачу переориентации объекта в пространстве тоже решают, и даже по-разному. Но для реального, “интеллектуального” применения чего-то всегда не хватало. Или поворот слишком медленный, или нужна сложная система сенсоров, или вообще работает система только с конкретными объектами.
Разработчики из MIT и Meta AI решили эти проблемы разом. Их контроллер Visual dexterity, то есть со “зрительной мелкой моторикой” умеет ориентировать любой объект до заданного положения по всем осям. Для этого нужна всего одна камера. Среднее время работы — около семи секунд. Что еще важно для приложений — четыре “руки” способны держать и вращать предмет даже в самых неудобных положениях. Хотя тут есть зависимость от предмета — например, фигурку уточки контроллер в половине случаев уронил. В любом случае, результат многообещающий. Если робот научится не ронять уточек, то найдет много приложений.
Разработчики из MIT и Meta AI решили эти проблемы разом. Их контроллер Visual dexterity, то есть со “зрительной мелкой моторикой” умеет ориентировать любой объект до заданного положения по всем осям. Для этого нужна всего одна камера. Среднее время работы — около семи секунд. Что еще важно для приложений — четыре “руки” способны держать и вращать предмет даже в самых неудобных положениях. Хотя тут есть зависимость от предмета — например, фигурку уточки контроллер в половине случаев уронил. В любом случае, результат многообещающий. Если робот научится не ронять уточек, то найдет много приложений.
Хорошая история о том, что даже если технология кажется годами отлаженной, всегда остается место для улучшений. Авторы из MIT и Гонконгского университета в очередной раз показали это на примере фотолитографии. Фотолитография позволяет получить нужный рисунок на поверхности с помощью фоточувствительной пленки (фоторезиста) и засветки. Первой фотолитографией можно считать изобретение Жозефа Ньепса в 20-х годах XIX века. Фоторезистом был битум, а целью изобретателя было закрепить изображение из камеры-обскуры (получить фотографию). 200 лет спустя с помощью фотолитографии делают микроплаты и достигли разрешения порядка нанометров. Однако разрыв между изначальным дизайном и производственным результатом сохраняется.
Авторы сделали довольно простую вещь, они взяли реальные данные фотолитографии — на этапе разработки и после производства. До этого в похожих работах использовали только данные симуляций. На этих данных обучили модель, которую назвали нейрофотолитографией. Она позволяет учитывать несовершенства, которые неизбежно возникнут при производстве и заранее подготовить проект так, чтобы по итогу выполнялись нужные характеристики.
В целом, сам подход такой синхронизации софта и железа, кажется, будет полезен и во многих других (или во всех) областях.
Авторы сделали довольно простую вещь, они взяли реальные данные фотолитографии — на этапе разработки и после производства. До этого в похожих работах использовали только данные симуляций. На этих данных обучили модель, которую назвали нейрофотолитографией. Она позволяет учитывать несовершенства, которые неизбежно возникнут при производстве и заранее подготовить проект так, чтобы по итогу выполнялись нужные характеристики.
В целом, сам подход такой синхронизации софта и железа, кажется, будет полезен и во многих других (или во всех) областях.
В MIT создали мультимодальный AI-фреймворк HiP для роботов. Он объединяет обработку языка, компьютерное зрение и планирование задач. В результате робот может понимать совсем не детализированные задания. Деталями он наполняет их сам. Сам же продумывает и план выполнения этих деталей. Например, по просьбе “помой посуду” HiP поймет, что нужно сначала взять грязную тарелку, губку, чистящее средство, затем включить воду и так далее. Да, сейчас фреймворк позиционируют как платформу для домашних роботов-помощников, но наш взгляд здесь важен принципиально другой подход к построению модели. А приложения такой мультимодальной модели найдутся и в бытовых задачах, и в индустрии, и в бизнесе
Дело в том, что обычно мультимодальные модели обучают на синхронизованных датасетах. В данном случае это был бы датасет, где в один пример собраны текстовые задания, видео и последовательность действий. Этот подход с одной стороны проще, но сами эти датасеты еще нужно собрать, а это совсем не просто. HiP же состоит из трех отдельных моделей, каждая училась на своих данных и каждая отвечает за свой кусок в принятии решений. Поступившее задание сначала обрабатывает LLM, которая выделяет первую подзадачу и передает в диффузионную модель. Та переводит текстовую подзадачу в визуальную модель. Третий модуль решает, как именно перейти от одного состояния в другое и генерирует команду. Всё это динамически связано друг с другом, и на каждом шаге итеративно уточняется с помощью обратной связи между модулями.
Дело в том, что обычно мультимодальные модели обучают на синхронизованных датасетах. В данном случае это был бы датасет, где в один пример собраны текстовые задания, видео и последовательность действий. Этот подход с одной стороны проще, но сами эти датасеты еще нужно собрать, а это совсем не просто. HiP же состоит из трех отдельных моделей, каждая училась на своих данных и каждая отвечает за свой кусок в принятии решений. Поступившее задание сначала обрабатывает LLM, которая выделяет первую подзадачу и передает в диффузионную модель. Та переводит текстовую подзадачу в визуальную модель. Третий модуль решает, как именно перейти от одного состояния в другое и генерирует команду. Всё это динамически связано друг с другом, и на каждом шаге итеративно уточняется с помощью обратной связи между модулями.
Роботы-дроны, роботы-манипуляторы, роботы-краулеры — всем находится полезное место в индустрии, и о некоторых таких примерах мы пишем здесь. Но группа разработчиков из нескольких британских университетов пошла дальше и сделала “флотилию роботов” — Symbiotic Multi-Robot Fleet, или сокращенно SMuRF. Главное в этом проекте — авторы объединили под одну прикладную задачу совершенно разных роботов: краулеров, четвероногих, летающих. Они обмениваются данными между собой и в результате вместе способны на большее, чем просто в сумме каждый по отдельности. Например, манипулятор помогает другому роботу выбраться из запутавшегося кабеля или застрявший робот передает данные другому, чтобы тот продолжил работу за него. Для этого авторы создали так называемую киберфизическую систему (cyberphysical system, CPS). Эта CPS способна оперировать 1600 сенсорами, роботами и другими ресурсами (физическими или цифровыми) почти в режиме реального времени.
Робо-флот протестировали на инспекции хранилища радиоактивных веществ, симулируя вывод из эксплуатации АЭС. Но этим примером возможности явно не ограничены, так как CPS может работать с любыми датчиками и устройствами.
Робо-флот протестировали на инспекции хранилища радиоактивных веществ, симулируя вывод из эксплуатации АЭС. Но этим примером возможности явно не ограничены, так как CPS может работать с любыми датчиками и устройствами.
Institution of Engineering and Technology
Lessons learned: Symbiotic autonomous robot ecosystem for nuclear environments
<em>IET Cyber-Systems and Robotics</em> is a fully open access journal publishing novel research and survey articles in the broad areas of cyber-systems and robotics.
Швейцарская компания Beerstecher AG автоматизировала сбор урожая в своих теплицах с помощью разработки авторов из ETH Zurich. Робот-сборщик осматривает плоды, находит зрелые с помощью компьютерного зрения и создает 3D траекторию для манипулятора, чтобы срезать нужную ветку. За ним следует “прицеп”, который меняет полные ящики на пустые. Этот процесс тоже автоматизирован.
Еще одна приятная особенность: Beerstecher AG — не крупный агрокомплекс, а небольшой семейный бизнес. Можно, конечно, сказать, что “у швейцарцев свои причуды” (к тому же с ETH Zurich под боком), но всё-таки очень здорово, что технически сложная автоматизация — это не удел крупных компаний, а что-то доступное (и нужное) мелкому и среднему бизнесу. После теплиц Beerstecher, авторы специально под эту разработку создали Floating Robotics, чтобы выходить с ней на рынок. Получается своего рода “инновация снизу”.
Еще одна приятная особенность: Beerstecher AG — не крупный агрокомплекс, а небольшой семейный бизнес. Можно, конечно, сказать, что “у швейцарцев свои причуды” (к тому же с ETH Zurich под боком), но всё-таки очень здорово, что технически сложная автоматизация — это не удел крупных компаний, а что-то доступное (и нужное) мелкому и среднему бизнесу. После теплиц Beerstecher, авторы специально под эту разработку создали Floating Robotics, чтобы выходить с ней на рынок. Получается своего рода “инновация снизу”.
YouTube
A Picking Robot for the Greenhouse
Working in a greenhouse is both strenuous and time-consuming. The picking robot from ETH spin-off Floating Robotics takes on particularly repetitive tasks, t...
В конце прошлого года мы обратились к цифровым директорам и IT-лидерам с вопросами о наступающем 2024. Нам было интересно узнать чего ждут, на что надеются и чего опасаются коллеги. Мы собрали ответы в одном месте, а позже опубликуем и полные интервью.
Наши собеседники:
Марина Аншина, председатель Правления Российского Союза ИТ-директоров, президент фонда ФОСТАС;
Андрей Блохин — директор службы разработки перспективных инновационных проектов цифровой трансформации компании «ЭФКО»;
Ринат Гимранов — начальник управления ИТ “Сургутнефтегаза”;
Алексей Тестин — директор по цифровой трансформации ПАО ГМК “Норильский никель”.
Цифровой Директор: Какие уже известные IT-решения станут трендами в индустрии в 2024 в России?
АБ: Все очень ждут каких-то результатов от искусственного интеллекта, или применений промышленного масштаба — заменять сотрудников или целые отделы, или делать эффективнее работу. Второй момент — наболевшая проблема импортозамещения. Этот тренд тоже наверняка сохранится — импортозамещение будет более рутинное, чем связанное с искусственным интеллектом
РГ: ERP системы в 2024 году будут в фокусе основного внимания, потому что тянуть с заменой SAP ERP дальше нельзя
АТ: Компьютерное зрение. Технология доступна. Минимальное влияние санкций (оборудование легко достать). Эффект от CV - огромен
МА: Я не буду конкретные решения называть, потому что, если честно, у меня практически ко всем есть претензии. Все-таки качество продуктов очень сильно хромает
— Какие новые IT-решения для бизнеса появятся в 2024 в России?
АТ: Языковые модели с интеграцией в производство в виде помощника оператора
РГ: Никаких. Будем развивать то, что уже живёт
АБ: Генеративные интерфейсы. Не уверен, что в следующем году будет какой-то прорыв в этом направлении, но и стартапы будут появляться, и технологии, и публикации. Допустим, есть хранилище данных и механизм обмена с этим хранилищем, а интерфейс может генерироваться либо на лету, либо с очень дешёвым способом, то есть без фронтенд разработчиков. В этом направлении будет идти развитие
— Самый безумный положительный и отрицательный прогноз на 2024 ?
АТ: Государство заставит внедрять AI по пятилетке
МА: Мне кажется, надо как-то объединяться. Поставщикам и потребителям, как это во всем мире происходит, и какие-то принципы формировать. Мне кажется, тут должно быть что-то уровня клятвы Гиппократа. Чтобы понимали люди, которые занимаются этой областью, свою ответственность и те риски, которые эти технологии несут обществу.
Наши собеседники:
Марина Аншина, председатель Правления Российского Союза ИТ-директоров, президент фонда ФОСТАС;
Андрей Блохин — директор службы разработки перспективных инновационных проектов цифровой трансформации компании «ЭФКО»;
Ринат Гимранов — начальник управления ИТ “Сургутнефтегаза”;
Алексей Тестин — директор по цифровой трансформации ПАО ГМК “Норильский никель”.
Цифровой Директор: Какие уже известные IT-решения станут трендами в индустрии в 2024 в России?
АБ: Все очень ждут каких-то результатов от искусственного интеллекта, или применений промышленного масштаба — заменять сотрудников или целые отделы, или делать эффективнее работу. Второй момент — наболевшая проблема импортозамещения. Этот тренд тоже наверняка сохранится — импортозамещение будет более рутинное, чем связанное с искусственным интеллектом
РГ: ERP системы в 2024 году будут в фокусе основного внимания, потому что тянуть с заменой SAP ERP дальше нельзя
АТ: Компьютерное зрение. Технология доступна. Минимальное влияние санкций (оборудование легко достать). Эффект от CV - огромен
МА: Я не буду конкретные решения называть, потому что, если честно, у меня практически ко всем есть претензии. Все-таки качество продуктов очень сильно хромает
— Какие новые IT-решения для бизнеса появятся в 2024 в России?
АТ: Языковые модели с интеграцией в производство в виде помощника оператора
РГ: Никаких. Будем развивать то, что уже живёт
АБ: Генеративные интерфейсы. Не уверен, что в следующем году будет какой-то прорыв в этом направлении, но и стартапы будут появляться, и технологии, и публикации. Допустим, есть хранилище данных и механизм обмена с этим хранилищем, а интерфейс может генерироваться либо на лету, либо с очень дешёвым способом, то есть без фронтенд разработчиков. В этом направлении будет идти развитие
— Самый безумный положительный и отрицательный прогноз на 2024 ?
АТ: Государство заставит внедрять AI по пятилетке
МА: Мне кажется, надо как-то объединяться. Поставщикам и потребителям, как это во всем мире происходит, и какие-то принципы формировать. Мне кажется, тут должно быть что-то уровня клятвы Гиппократа. Чтобы понимали люди, которые занимаются этой областью, свою ответственность и те риски, которые эти технологии несут обществу.
Как генеративные интерфейсы помогут внедрять новые решения, и что важнее: дефицит кадров или мотивация — читайте в интервью с директором службы разработки перспективных инновационных проектов цифровой трансформации компании «ЭФКО» Андреем Блохиным.
Читать полное интервью
Читать полное интервью
Telegraph
“Через какое-то время мы не узнаем рынок”, — интервью с Андреем Блохиным об IT в 2024 году
В конце прошлого года мы поговорили с некоторыми цифровыми директорами компаний, с которыми мы работали и продолжаем работать. Нас интересовали надежды (и опасения) коллег на 2024 год в сфере IT-решений для бизнеса. Как генеративные интерфейсы помогут внедрять…
Продолжаем серию интервью с IT-лидерами. В этот раз — разговор с Мариной Аншиной, председателем Правления Российского Союза ИТ-директоров, президентом фонда ФОСТАС. Получилось философски и очень интересно. Марина Львовна рассказала, из-за чего в России страдает ввод в эксплуатацию решений, почему мода на технологии — это не всегда хорошо, и зачем айтишникам своя “клятва Гиппократа”
Читать полное интервью
Читать полное интервью
Telegraph
"Надо включать мозги, руки в ноги и что-то делать" — интервью с Мариной Аншиной об IT в 2024
Из-за чего в России страдает ввод в эксплуатацию решений, почему мода на технологии — это не всегда хорошо, и зачем айтишникам своя “клятва Гиппократа” — читайте в интервью с Мариной Аншиной, председателем Правления Российского Союза ИТ-директоров, президентом…
This media is not supported in your browser
VIEW IN TELEGRAM
На долгих выходных предлагаем немного отвлечься и порадоваться за сотрудников предприятий и складов, которые будут работать в новых Moonwalker X. Это роботизированные ботинки от компании Shift Robotics, которые представили на CES2024. Строго говоря, это даже не ботинки, а пристегные платформы с колесиками, которые подхватывают шаги человека, как будто он идет по траволатору. Похоже на модный подростковый гаджет, но производители нацелены именно на работников складов и больших заводов.
Правда предыдущая версия мунволкеров продавалась почти по полторы тысячи долларов за одну пару, поэтому представить широкое внедрение гаджета на предприятиях пока тяжело. А лет 10 назад в больших торговых залах встречались менеджеры на роликах. Потом, правда, поисчезали. Может у мунволкеров получится.
Правда предыдущая версия мунволкеров продавалась почти по полторы тысячи долларов за одну пару, поэтому представить широкое внедрение гаджета на предприятиях пока тяжело. А лет 10 назад в больших торговых залах встречались менеджеры на роликах. Потом, правда, поисчезали. Может у мунволкеров получится.
Продолжая (и заканчивая) тему прогнозов на 2024 год посмотрим, что говорили зарубежные цифровые директора и IT-лидеры. А в декабре вернёмся к этому посту и проверим прогнозы (как делали это в конце 2023)
Боб Муглиа, исполнительный директор Fauna и бывший генеральный директор Snowflake: “На фронте аналитики станет ясно, что большие языковые модели требуют детального контекста для повышения точности. RAG (Retrieval Augmented Generation) - метод генерации ответов, построенный на поиске документов в векторных базах данных, станет основной корпоративной инновацией в 2024 году. Кроме того, бизнес-концепции и сложные документы будут структурированы в виде графов знаний, чтобы обеспечить контекст для AI решений. В 2024 году появится новая архитектура — реляционный граф знаний
Чарли Боуи, вице-президент Nvidia DGX: ”Средние и крупные предприятия хранят колоссальные объемы данных, но обрабатывают менее половины из них для получения полезной информации. В 2024 году предприятия начнут использовать генеративный искусственный интеллект, чтобы использовать эти необработанные данные. С помощью суперкомпьютеров на базе искусственного интеллекта компании начнут анализировать свои неструктурированные данные, включая чаты, видео и код. Этот шаг за пределы возможностей анализа таблиц и других структурированных данных позволит компаниям давать более конкретные ответы на вопросы и находить новые возможности”
Друба Бортхакур, CTO и основатель Rockset: “Аналитика данных в режиме реального времени на базе AI даст предприятиям гораздо большую экономию средств за счет автоматизации. Сейчас программисту надо написать код для анализа документов, затем написать еще код для извлечения ключевых слов, а затем поместить все это в базу данных и делать запросы для получения полезной информации. Экономия средств будет огромной, потому что благодаря AI компаниям не придется нанимать много персонала, чтобы извлекать конкретную выгоду из данных”
Мольхам Ареф, CEO и основатель RelationalAI: “Предприятия собирают сотни, тысячи, а иногда даже десятки тысяч разрозненных наборов данных в своих облаках. Графы знаний позволят языковым моделям “ориентироваться” во всех этих наборах, используя взаимосвязи в них. В 2024 году мы увидим появление новых методов искусственного интеллекта на основе графов знаний, которые поддерживают разработку интеллектуальных приложений”
Боб Муглиа, исполнительный директор Fauna и бывший генеральный директор Snowflake: “На фронте аналитики станет ясно, что большие языковые модели требуют детального контекста для повышения точности. RAG (Retrieval Augmented Generation) - метод генерации ответов, построенный на поиске документов в векторных базах данных, станет основной корпоративной инновацией в 2024 году. Кроме того, бизнес-концепции и сложные документы будут структурированы в виде графов знаний, чтобы обеспечить контекст для AI решений. В 2024 году появится новая архитектура — реляционный граф знаний
Чарли Боуи, вице-президент Nvidia DGX: ”Средние и крупные предприятия хранят колоссальные объемы данных, но обрабатывают менее половины из них для получения полезной информации. В 2024 году предприятия начнут использовать генеративный искусственный интеллект, чтобы использовать эти необработанные данные. С помощью суперкомпьютеров на базе искусственного интеллекта компании начнут анализировать свои неструктурированные данные, включая чаты, видео и код. Этот шаг за пределы возможностей анализа таблиц и других структурированных данных позволит компаниям давать более конкретные ответы на вопросы и находить новые возможности”
Друба Бортхакур, CTO и основатель Rockset: “Аналитика данных в режиме реального времени на базе AI даст предприятиям гораздо большую экономию средств за счет автоматизации. Сейчас программисту надо написать код для анализа документов, затем написать еще код для извлечения ключевых слов, а затем поместить все это в базу данных и делать запросы для получения полезной информации. Экономия средств будет огромной, потому что благодаря AI компаниям не придется нанимать много персонала, чтобы извлекать конкретную выгоду из данных”
Мольхам Ареф, CEO и основатель RelationalAI: “Предприятия собирают сотни, тысячи, а иногда даже десятки тысяч разрозненных наборов данных в своих облаках. Графы знаний позволят языковым моделям “ориентироваться” во всех этих наборах, используя взаимосвязи в них. В 2024 году мы увидим появление новых методов искусственного интеллекта на основе графов знаний, которые поддерживают разработку интеллектуальных приложений”
Чтобы непрофессионал смог запрограммировать робота, придуман фреймворк Learning from Demonstration, LfD. Это своего рода надстройка над ML методами, с помощью которой можно показать роботу примеры выполнения заданий и таким образом его обучить. Вариант отлично подходит для мастеров-операторов на предприятиях , которые прекрасно знают, как должен работать робот, но не являются программистами-разработчиками. Проблема в том, что способность робота к обобщению будет зависеть от количества и от качества демонстраций. Вот и выходит, что учить роботов мы уже умеем, теперь нужно научить людей их учить.
Для этого сделали AR-систему, которая подготавливает будущих “учителей”. Дополненная реальность показывает “энтропию информации”, или меру неопределенности демонстрации. Ориентируясь на эту энтропию, оператор понимает, как лучше показать роботу пример. Систему проверили на новичках без опыта, и оказалось, что с AR-руководством эффективность обучения увеличивается почти ровно в два раза.
Для этого сделали AR-систему, которая подготавливает будущих “учителей”. Дополненная реальность показывает “энтропию информации”, или меру неопределенности демонстрации. Ориентируясь на эту энтропию, оператор понимает, как лучше показать роботу пример. Систему проверили на новичках без опыта, и оказалось, что с AR-руководством эффективность обучения увеличивается почти ровно в два раза.