Нейронные сети и искусственный интеллект всё больше и больше входят в нашу жизнь и управление бизнес-процессами, всё меньше оставляя места людям. В наше время существует много проектов и стартапов, которые используют искусственный интеллект в разных областях - от обеспечения безопасности дорожного движения, до составления планов производств на предприятиях, но при этом все чаще практическое их внедрение в бизнес-процессы мы наблюдаем в области аналитики и прогнозирования.
Почему сейчас алгоритмы внедряются на места "кабинетных работников"?
Всё больше и больше алгоритмы искусственного интеллекта выполняют задачи оценки рентабельности и прогнозирования конъюнктуры рынков. Казалось бы, людей нужно заменять на физически тяжёлых работах, требующих соблюдения сложных технологических процессов, но, к сожалению, людей начинают заменять в тёплых офисах.
Причины более простого внедрения искусственного интеллекта в задачи анализа и прогнозирования:
1. В области прогнозирования и анализа данные чаще всего имеют цифровой тип данных, а показатели являются численными. В результате этого подготовка данных для обучения сетей и поиска корреляции между показателями не требует больших ресурсов на подготовку данных.
2. Сбор данных также во многом происходит автоматический, за счёт внедрения программ управления производством, а финансовые показатели содержатся в системах сопровождения бухгалтерии.
Трудности с которыми сталкиваются при внедрении искусственного интеллекта в производственные процессы:
1. В процессах связанных с производством товаров и услуг для соблюдения качества требуется контроль множества параметров . При их измерении требуется не только точность, но и их синхронизация измерений по времени.
2. Многие технологические процессы корректируются человеком исходя из его опыта. Эту проблему можно решить используя высококачественное сырьё для производства, что, в свою очередь, повлечёт удорожание продукции и снижение конкурентоспособности продукции.
Попытки внедрения на производство.
При внедрении алгоритмов искусственного интеллекта на производство требуется анализировать множество факторов по численным показателям. Для этого требуется снимать показатели определяющие состояние процесса производства. Как правило, этих показателей много и для их определения применяются разные средства измерений, и, следовательно, одним прибором не обойтись. При этом для корректной оценки процесса требуется не только точность в измерениях , но и их синхронная запись. Из-за этого оборудование для производственного процесса будет обрастать датчиками, а они за собой потянут преобразователи данных и вычислители, что значительно увеличит общую стоимость модернизации по сравнению с модернизацией процесса прогнозирования.
Во многом по этой причине проще заместить отдел планирования, чем оператора станка на заводе.
Получится ли удешевить датчики и средства регистрации процессов?
Безусловно, наука не стоит на месте. При этом требования к датчикам увеличиваются быстрее, чем открытия фундаментальных наук позволяют их реализовывать. Все ждут датчики малых размеров, с высокой точность и разрешающей способностью, но при этом низкой стоимости. На сегодняшний день цены на бесконтактные датчики большого диапазона и высокой точности уже начинают кусаться, а о совмещении их с датчиками, которые меряли бы несколько физических величин речь пока не идёт. Готовы ли интеграторы платить за чудо-ящик, который бы измерял пару десятков физических величин? Электронные компоненты действительно уменьшаются в размерах и по электрическому потреблению при этом увеличивая свои функциональные способности, но многие физические величины оказывают друг на друга влияние, которое можно предсказать в различных ситуациях, а значит сенсоры разных физических величин вряд ли будут объединять в один датчик. Спасением от этой проблемы может быть развитие систем технического зрения, но и в них есть свои трудности. Поэтому, скорее всего, такой чудо-ящик появится нескоро.
- Вывод: Процесс внедрения систем искусственного интеллекта в нашу жизнь напоминает поезд, который несётся на высокой скорости без тормозов. Пути для этого поезда уже готовы - по всему миру огромные вычислительные мощности заняты в майнинге, и наверняка их можно будет задействовать в производстве вычислений для алгоритмов нейронных сетей. Сделает ли это нашу жизнь лучше? Возможно. Поживём, увидим.
