Интересные размышления рождаются касательно нашей профессиональной области. Могут ли гуманоиды найти применение в нефтяной и газовой промышленности? Если да, то как и где? И какие принципы их задействования, «фундаментальные законы»?
Сразу расставим точки над и – когда мы говорим о гуманоидах, мы имеем ввиду экземпляры нового поколения, которым пара лет. Они во многом используют технологии искусственного интеллекта, а мы помним, что именно они стали главной причиной прорыва классических неуклюжих роботов в изящных гуманоидов. Роботы стали умнее, как интеллектуально, так и функционально, толерантнее к неопределенностям, способны принимать решения, действовать самостоятельно, не по программе. У нас на глазах произошел качественный скачок. И, кажется, роботы приблизились к человеку, это состояние естественнее, оптимальнее для них. Посудите сами. Много лет человечество, его научная мысль были направлены на описание физических и интеллектуальных процессов в природе и обществе через физические и логические законы, то бишь, математические модели. На каждый процесс у нас есть простая или сложная математическая модель. С развитием вычислительных мощностей, мы реализовали эти математические модели в соответствующие инструменты. Например, для процесса течения флюида в трубе у нас есть гидравлический симулятор, для движения флюида через пористую среду – гидродинамический симулятор, для подготовки газа – термодинамический симулятор и т.д. А ведь когда годовалый ребенок учится ходить, или говорить, мы ему в голову не закладываем набор математических моделей, описывающих движение тела или языка. Его нейросеть учится, совсем не касаясь их, через опыт, наблюдение, осмысление, и снова опыт…
В то же время, одной из актуальных задач отрасли, на которую брошены значительные ресурсы, является всеобщая цифровизация, и квинтэссенция ее – создание цифровых двойников процессов. Первое, что вполне естественно, приходит цифровизаторам на ум – для «оцифровки» того или иного процесса, собрать существующие, а недостающие импортозаместить и создать, инструменты и научить их вместе работать (интегрировать), как единое целое. А существующие инструменты (программное обеспечение) построены по принципу обслуживания физических законов, или математических моделей процессов. Понимаете да, что выходит? У нас на глазах происходит очередная промышленная революция, основанием для которой стал прорыв в искусственном интеллекте, и что привело к качественно другому свойству привычных нам вещей. А в это время почти вся индустрия на полном ходу мчится к решениям, основанным на вчерашних принципах. Развитие гуманоидов, бездрайверных машин и др. на практике доказало работоспособность и предвосхищающую (выше ожиданий) эффективность ИИ, что, казалось бы, означает относительно него – хватай и делай. Но мы похожи на состав, который разогнался и катится по инерции по рельсам, хотя уже есть подозрение, что рельсы ведут не туда. Ладно, согласен, это эмоциональная точка зрения (хотя часто она оказывается очень даже адекватной). Скорее всего, оптимальным будет гибридная модель процесса. Во-первых, у математических моделей перед ИИ есть преимущества – они почти не требуют подтверждения достоверности, прозрачны и такие модели предсказуемы. В то время как ИИ модели, наоборот, как пишут, снимая с себя ответственность, авторы текстовых сервисов типа GPTchat, при хорошей правдоподобности текстов, нет никакой уверенности в достоверности приведенной в них информации, другими словами, ИИ, возможно, красиво, но врет. Причина этому очень проста – ИИ (LLM) оперирует данными из интернета и не имеет возможности свериться с фактическими данными. Если создать ему такую возможность, например, при обучении модели использовать для калибровки реальные данные, то этот вопрос будет решен. К сожалению, это непростое и дорогое во всех отношениях мероприятие, поэтому, например, GPTchat опирается на доступные, но непроверенные данные, и обходится тем, что мирится с этим, указывая только disclaimer о необходимости с осторожностью обращаться с его результатами. Однако, для промышленных систем, роботакси, гуманоидов такой подход не прокатывает, и компании-производители большой ценой обеспечивают при обучении моделей фактические данные, либо обучают их частично на математических моделях.
Видимо, и мы пойдем этим путем при создании цифровых двойников. Т.е., логично в складывающихся реалиях делать упор на ИИ, но при этом не выбрасывать оголтело классическое ПО, а использовать его разумно в паре с ИИ.
Интервью с инженером TESLA
В продолжении нашей дискуссии делимся с вами интервью с инженером Tesla Рустемом Исмагиловым, где обсудили роботов-гуманоидов Tesla, впечатление от компании и личную историю Рустема. Видео доступно по ссылке:
Основные темы интервью:
- Опыт работы Рустама в компании Tesla, его роль и обязанности
- Особенности корпоративной культуры и организации работы в Tesla, в том числе горизонтальная структура и быстрый темп
- Обсуждение влияния развития робототехники и искусственного интеллекта на общество и рынок труда
- Демонстрация новых возможностей роботов на мероприятии 10 октября, которое прошло успешно
Исмагилов Ринат. Мастерская инжиниринга Комитета по обустройству месторождений ИНТИ
