На V Конгрессе молодых ученых в Сириусе, ключевом мероприятии Десятилетия науки и технологий, секция «Искусственный интеллект на службе у государства» прошла неожиданно приземленно. Вместо визионерских лозунгов здесь обсуждали инженерную «бытовуху»: как откалибровать планшет с AR на стройке, почему идеальная сортировка картофеля убивает бизнес-модель и кто в России лучше всех отвечает на вопросы по истории.
Мы послушали, о чем говорят практики, когда микрофоны включены, а презентации с красивыми графиками выключены.
Стройка в «цифре»: лазеры против планшетов
Один из самых технологически плотных докладов представил Антон Слободчиков, председатель Мосгосстройнадзора. Проблема города понятна: строек много, инспекторов мало.
«В классическом надзоре мы могли охватывать максимум 5–7% от общего объема нарушений, потому что в силу физических ограничений выходили на стройку 3–4 раза в год. А стройка происходит каждый день», — объяснил Слободчиков мотивацию комитета.
Решение нашли в компьютерном зрении. За полгода 80% площадок Москвы оснастили камерами. Нейросети обучили на датасетах, которые размечали студенты МГСУ и Бауманки. Сейчас 25 детекторов ловят рабочих без касок и страховочных поясов. Но интереснее то, куда технология движется дальше — в сверку реальности с BIM-моделью (цифровым двойником здания).
Изначально комитет смотрел в сторону лазерного сканирования для создания облака точек внутри объекта. Но от идеи отказались: это дорого, долго и требует огромных вычислительных мощностей. Альтернативой стала дополненная реальность (AR).
«Программное обеспечение на планшете позволяет загруженную цифровую модель сверять с фактической физической готовностью объекта — рассказал Антон Слободчиков. — Планшет направляется на стену, калибруется по специальному QR-коду в нескольких местах, и видно отклонения. Грубо говоря, здесь должна идти колонна, а она по факту сдвинута справа от того, что было предусмотрено».
Парадокс идеального робота
Директор Санкт-Петербургского ФИЦ РАН Андрей Ронжин охладил пыл тех, кто считает, что технологии решают все. Он привел пример из агротеха, где разработка разбилась не об инженерные ограничения, а об экономику.
Коллеги из Беларуси создали роботизированную линию для оценки качества картофеля. Система использовала RGB-спектр для видимых дефектов и рентген для внутренних. Точность была феноменальной: аппарат находил брак в 80% урожая. Казалось бы, победа?
«Этот аппарат они никогда не продадут, — заявил Ронжин. — Потому что сельхозпроизводители заинтересованы продать все. Какой бы брак там ни был».
Зато в другой нише — автономности роботов в сложных средах — наука нашла реальное применение. Сейчас на полигоне в 2000 га в Новгородской области отрабатывают взаимодействие разнородных роботов. Главный вызов — уйти от зависимости от глобальных систем навигации и человека-оператора.
«Мы разрабатываем технологии, которые позволяют уйти от ГЛОНАСС, уйти в принципе от GPS, использовать локальную видеонавигацию. Уйти от человека-оператора, используя управление на основе накопленного опыта», — поделился Ронжин.
Кто тормозит прогресс: конфликт RUN и CHANGE
Максим Абрамов из лаборатории прикладного ИИ (Сбер/СПб ФИЦ РАН) поделился проблемой, знакомой многим интеграторам. Топ-менеджмент корпораций и госорганов искренне хочет инноваций, но как только задача спускается на уровень линейных руководителей, она вязнет в бюрократии и KPI.
«Топ-менеджмент транслирует задачи по внедрению ИИ на подразделения, но, как правило, подразделения это не сильно подхватывают. Почему? Потому что их по итогу не оценивают за это. Их оценивают за реализованные задачи, связанные с их бизнесом», — отметил Абрамов.
Вторая проблема — разные скорости. Бизнесу решение нужно «вчера», а академическая среда живет циклами контрактации и исследований.
«Весь этот цикл занимает месяцев шесть как минимум. А когда эти шесть месяцев истекают, может быть, уже и эта задача становится не так актуальна для бизнеса», — резюмировал Абрамов.
Его поддержал Антон Слободчиков. Он подтвердил, что в госсекторе проблема «среднего звена» тоже стоит остро: «Те задачи, которые транслируются сверху, когда доходят до среднего уровня, начинают растворяться». В Москве это решается через проектную деятельность, создавая для чиновников отдельные KPI под внедрение «цифры».
Битва языковых моделей за историю
В финале дискуссии затронули тему доверия к генеративному ИИ. Сергей Боловцов, директор исследовательского центра ИИ РАНХиГС, рассказал о тестировании больших языковых моделей на знание российского контекста. Академия создала бенчмарк из 14 000 вопросов по истории России, праву и обществознанию.
Лидером в тестах стала модель GigaChat от Сбера, показавшая глубокое понимание локальной специфики. Однако Боловцов предостерег от излишнего очарования технологией, особенно в вопросах госуправления.
«Право нажатия кнопки или подписи должно оставаться за человеком. Это его ответственность. А искусственный интеллект здесь эффективнее давать задачи автоматизации документооборота, подготовки шаблонов... Искусственный интеллект не получает деньги за то, что принимает решение», — подытожил Боловцов.
Общий итог встречи: рынок и государство переболели «хайпом». Теперь начинается долгая, дорогая и сложная работа по встраиванию нейросетей в реальный физический мир и юридическое поле, где пока даже данные с «умной» камеры на стройке не всегда являются доказательством в суде.