Искусственный интеллект как будущий помощник специалиста

Сегодня искусственный интеллект является одним из самых популярных направлений научных исследований. За последние 10 лет инвестиции в эту область стабильно растут, а в 2021 году были сделаны рекордные вложения со стороны частных инвесторов — около $125,4 млрд. В 2022-2023 годах объем частных инвестиций в ИИ вырос в 18 раз по сравнению с 2013 годом. Этот вид технологий активно используется во многих сферах: от военного дела до ресторанного бизнеса.

Согласно результатам исследования, в 2022 году доля компаний, использующих технологии искусственного интеллекта, увеличилась более чем вдвое по сравнению с 2017 годом. Российские компании активно следят за мировыми тенденциями в этой области и не отстают от них. Объем российского рынка искусственного интеллекта в 2022 году составил 647 млрд рублей, что на 17,3% больше, чем годом ранее. Многие разработки российских IT-компаний используются в работе отечественных промышленных предприятий. В 2022 году около 17% российских предприятий уже использовали искусственный интеллект или внедряли его, и большинство из них являются крупными компаниями.

Прогнозируется, что мировой рынок средств безопасности на рабочем месте будет расти в ближайшие годы. В 2022 году он составлял около 14,2 млрд долларов США, а к 2027 году ожидается рост до 26,7 млрд долларов США. Рост рынка будет происходить в среднем на 13,5% ежегодно в период с 2022 по 2027 год.

В связи с запросом со стороны общества на безопасный труд, а также постоянной оптимизацией внутренних расходов большинства компаний, в мире все большую популярность приобретают IT-решения для автоматизированного контроля за соблюдением требований промышленной безопасности и охраны труда. Также актуальными являются системы контроля качества подготовки продукции и услуг на основе видеоаналитики. В настоящее время в промышленности и производстве главными направлениями цифрового развития являются внедрение комплексных решений для обнаружения нарушений требований ОТПБООС, основанных на применении компьютерного зрения и машинного обучения, а также разработка методов предотвращения возможных проблем.

При объяснении принципов работы актуальных и доступных на сегодняшний день технологий искусственного интеллекта в области ОТПБООС, включающие в себя компьютерное зрение и машинное обучение, их удобно делить по времени применения. Относительно инцидента и(или) происшествия таких временных зон три:

• Прогнозирование – использование моделей предиктивной аналитики для предсказания вероятности возникновения несчастного случая на основе анализа больших объемов данных прошлого опыта аналогичных дел.

Для успешного функционирования такой модели необходимо собирать данные о прошлых инцидентах, включая информацию о рабочем месте (тип работы, оборудование, условия труда и т.д.), сведения о работниках (возраст, опыт работы, наличие проблем со здоровьем и т.п.) и непосредственно о самих несчастных случаях (тип, степень тяжести, причины и т.д.). Собрав эти данные за длительный период времени, создается модель, которая анализирует собранные данные и выявляет закономерности и взаимосвязи между различными факторами. Например, модель может показать, что определенный тип работ является наиболее опасным, или что работники определенного возраста и с определенными проблемами со здоровьем более склонны к несчастным случаям.

• Аналитика в режиме реального времени – оперативное принятие решений за счет получения актуальных данных.

Для описания данной технологии можно привести пример искусственного интеллекта, который распознает отсутствие необходимых средств защиты на работниках и сигнализирует об этом по заранее подготовленным каналам связи и оповещения. Такие системы на данный момент способны выявлять и регистрировать 95-98% нарушений, которые заложены в алгоритм работы искусственного интеллекта. Кроме того, для лучшего понимания работы технологии можно рассмотреть пример проекта по внедрению системы об информировании о нахождении персонала в опасных зонах.

• Пост-аналитика и поиск причин – при оценке прошлого опыта можно и нужно искать паттерны повторяющихся причин, неявных закономерностей.

Например, на предприятии могут происходить частые несчастные случаи, например, связанные с падением предметов с высоты. После сбора и анализа данных о происшествиях, обучения модели можно выявить, что все они происходят в одно и то же время суток – во время обеденного перерыва, когда работники уходят на перерыв и не контролируют ситуацию на рабочем месте. Ситуации, предлагаемые моделью, могут быть как явные, так и неявные, что позволит по новому взглянуть на старые вопросы.

Искусственный интеллект имеет огромный потенциал для применения в промышленности и производстве. Мы уже видим результаты использования этих технологий в крупных компаниях. Промышленность и производство только начинают свой путь в большой цифровизации, и в конкурентной борьбе выиграют те, кто первыми внедрят новые технологии. Несмотря на кажущуюся высокую стоимость внедрения решений на базе компьютерного зрения и машинного обучения, это является долгосрочным вложением в развитие бизнеса. Ведь системы позволяют не только сэкономить деньги на ремонте дорогостоящего оборудования, минимизировать его простои, но также позволяют перейти к новым методикам по снижению травматизма среди работников.

С одной стороны, может показаться, что данное направление являются слишком сложными для понимания специалистами в области ОТПБООС, и, возможно, даже избыточным. Но постепенно повсеместное внедрение этих прогрессивных средств и методов, а также упрощение написания и подготовки подобных моделей, неизбежно приведет к внутреннему запросу компаний на изменения. Поэтому, по моему мнению, современному специалисту в области ОТПБООС следует уже сейчас повышать свою квалификацию по данным направлениям, чтобы разговаривать со специалистами IT-компаний и своими IT-службами на одном языке при решении сложных проблем.