Sibprompost.ru

Стройка и ремонт
0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Многогранный интеллект: использование ИИ в промышленности, образовании и ритейле

Многогранный интеллект: использование ИИ в промышленности, образовании и ритейле

Тема искусственного интеллекта как большого и перспективного направления прозвучала более десяти лет назад и за это время претерпела довольно значительные изменения. Если раньше под ИИ понималась простая автоматизация, то сейчас он объединяет более технологически совершенные проекты, в основе которых лежат сложные алгоритмы и нейросети.

Сегодня спрос на ИИ огромен. По данным IDC, мировой рынок решений, основанных на этой технологии, по итогам 2021 года вырастет на 16% и составит 327,5 млрд долларов. Российский рынок будет расти чуть быстрее, прогнозируют в IDC, — примерно на 18% в среднем в год. По итогам 2020-го он составил 291 млн долларов.

В целом ИИ в нашей стране демонстрирует большой потенциал роста. Его объемы могут увеличиться в 80 раз и достигнуть 160,1 млрд рублей уже к 2024 году, сообщают эксперты. Сильная российская школа естественного научного образования обеспечила многим соотечественникам места в IT-компаниях по всему миру. Кроме того, ИИ-разработки в России развиваются в направлении оптимизации производства и организации труда.

Спрос на искусственный интеллект

Сегодня российские IT-компании предлагают высокотехнологичные решения не только внутри страны, но и по всему миру. Один из крупнейших игроков ИИ-рынка в России — группа ЛАНИТ и входящая в нее компания «Системы компьютерного зрения» открыла офис в Италии, а ее решения поставляются в Японию, Китай, США и в Европу.

Компания была создана как раз в то время, когда ИИ стал рассматриваться в качестве перспективного направления, рассказывает ее сооснователь Владимир Уфнаровский. «Системы компьютерного зрения» занимаются тем, что на основе ИИ-разработок позволяют компьютерам видеть и понимать окружающий мир, взаимодействовать с ним так, словно это делает человек.

За прошедшие десять лет доля ИИ-проектов у группы ЛАНИТ только росла, в частности за счет развития команд, которые научились эффективно адаптировать уже имеющиеся разработки и создавать новые в сотрудничестве с ведущими российскими вузами.

Основная сфера работы ЛАНИТ в области искусственного интеллекта — это промышленность. По словам Уфнаровского, в России это особенно актуально, поскольку исторически ИИ-разработки использовались, например, для оптимизации работы предприятий, в то время как на Западе их все чаще применяют для решения коммерческих задач — оптимизации продаж, предсказания поведения людей.

Умный мониторинг дефектов

Один из самых ярких примеров ИИ в промышленности — так называемая дефектоскопия. При поточном производстве, когда идет выпуск больших объемов продукции, могут встречаться дефекты, не заметные человеческому глазу. Например, мелкие трещины, царапины и вмятины в трубах. Контролировать это с помощью человека очень тяжело и затратно — он может что-то пропустить, к тому же таких людей нужно много.

ЛАНИТ предлагает устанавливать камеры, в том числе в тепловом и рентгеновском спектрах, которые с помощью ИИ отслеживают дефекты в режиме 24/7. Подобная система также полезна и на предприятиях с тяжелыми для здоровья условиями работы. В целом такие решения экономят деньги, повышают качество продукции и эффективность труда, уверены в ЛАНИТ.

Кроме дефектоскопии с помощью искусственного интеллекта можно отсеивать брак, поэтому аналогичные ИИ-решения есть, например, и в фармацевтической отрасли — на заводах по производству ампул. Для них компания «НОРБИТ» (в составе ЛАНИТ) разработала роботизированный манипулятор, который выхватывает из потока бракованную ампулу и утилизирует ее — без нарушения целостности производства на конвейере.

Читайте так же:
Количество теплоты выделяемое в цепи постоянного тока

Также искусственный интеллект можно применять, к примеру, для учета леса. При перевозке древесины большой процент груза по тем или иным причинам теряется. Решение «Систем компьютерного зрения» позволяет людям с помощью телефона посмотреть на штабель леса и определить количество, качество и тип бревен.

Кроме того, ИИ применяется для беспилотного транспорта. Например, для карьерных самосвалов или работы на бездорожье, а также для создания цифровых двойников. Так, ЛАНИТ предоставляет технологию для построения 3D-модели города на основе снимков с камеры смартфона.

Оптимизация для операторов связи

В телекоммуникационной сфере искусственный интеллект может применяться как в сугубо коммерческих, так и в инфраструктурных проектах. Одно из решений ЛАНИТ позволяет предсказать поведение абонента. Например, если пользователь одного оператора захочет перейти к другому и будет совершать для этого определенные действия, заложенные в паттерне нейросетей, то система об этом узнает. Анализ происходит с помощью больших данных, которыми оператор делится с системой.

С точки зрения инфраструктуры, ИИ-разработки помогают оптимизировать строительство базовых станций, например, вышек 5G. В отличие от предыдущих поколений, вышки 5G обладают меньшим радиусом действия. Чтобы избежать разрывов связи, их нужно ставить плотнее — экономически это не очень выгодно. Сокращая их количество, стоит понимать, какое у них покрытие, и учитывать, из чего построены здания рядом — материалы по-разному пропускают сигнал.

ИИ дает возможность по снимкам объектов распознать, из чего они сделаны, загрузить их в карту распространения сигнала, чтобы более точно прогнозировать помехи, и в соответствии с этим планировать строительство базовых станций. Карта же строится на 3D-модели города, воссозданной по снимкам.

Оптимизация работы банкоматов

Для финансовой сферы в 2021 году компания «ЛАН АТМсервис» в составе ЛАНИТ разработала решение M3 Cash Management, которое оптимизирует работу банкоматов с точки зрения распределения наличных, объясняет руководитель направления по развитию ПО и решений по безопасности Дмитрий Ахтанин.

По его словам, многие банки считают деньги в банкоматах в простых офисных приложениях и не имеют единого системного подхода к работе с ними в терминалах. Когда наличные лежат в банкомате, они заморожены — банк ими не пользуется. Система M3 Cash Management позволяет банку зарабатывать при использовании этих денег в других направлениях. Кроме того, решение составляет расписание инкассаторских служб таким образом, чтобы снизить затраты на инкассацию, уменьшает время простоя банкоматов из-за недостатка наличных.

Для этого система берет годовую аналитику у банка по всей истории снятия и приема наличных в банкоматах. Затем рассчитывается стоимость потерь от нахождения денег в банкомате — сюда входят стоимость инкассации и оценки денег, ставка рефинансирования и страхование средств. На выходе система дает рекомендации по количеству загружаемых купюр с указанием номинала, степени (частоты) инкассации и экономический эффект от предлагаемого решения.

Интеллектуальная система автоматизации продаж

Применение искусственному интеллекту находится и в B2B-сфере. Система, разработанная подразделением ЛАНИТ, «ЛАНИТ — Би Пи Эм», позволяет по-новому организовать автоматизированный процесс продаж: от сбора необходимой аналитической информации до конкретных рекомендаций продавцам по тактическим вопросам.

Как поясняет руководитель направления «ЛАНИТ — Би Пи Эм» Игорь Ермаченков, система постоянно обучается и помогает сотрудникам принимать сложные решения: предсказывает поведение клиентов, персонализирует предложения, советует наиболее подходящие каналы взаимодействия и адаптирует стратегии продаж к конкретной ситуации. Например, она анализирует все данные о клиентах и предлагает продавцам следующие лучшие действие и предложение, соотносит их с максимальной выгодой для компании.

Читайте так же:
Тепловое действие тока используется в электрическом звонке

В последнее время количество информации, на основе которой нужно принимать решения в бизнесе, постоянно растет. И не всегда продавцы могут справляться с большими объемами, своевременно предлагая клиентам нужные решения, продукты и услуги. В этом им как раз помогает система.

Так, она анализирует предыдущий опыт и предлагает оптимальные шаги для дальнейшего общения и перехода потенциального интереса (лида) в возможность. Также у отдела продаж появляется свой коуч на основе искусственного интеллекта — он анализирует информацию об общей результативности и эффективности работы команды.

Система использует ИИ для мониторинга производительности продавцов, отслеживает прогресс и предлагает оптимальные действия, которые стоит совершить для достижения плана. Также она предсказывает успех менеджера за определенный период и подсказывает стратегию дальнейшей работы. При этом важно понимать, что система не принимает финальные решения, а лишь помогает ему сделать правильный выбор.

На этику использования подобных систем постоянно обращает внимание разработчиков президент группы ЛАНИТ Филипп Генс. Хотя сама по себе технология абсолютно нейтральна, она основана на нейронных сетях, названных так по аналогии с человеческим мозгом. Обучаясь на конкретных массивах данных, сети перенимают все установки своих создателей, а люди по своей природе не могут быть объективны. Этические и культурные предубеждения, перенесенные в алгоритмы, могут отразиться на принятии решений искусственным интеллектом. Поэтому системы, основанные на ИИ, до сих пор контролируются людьми, и все же это совсем незначительная плата за возможности технического прогресса.

Распознавание изображений в ритейле и сфере развлечений

Одна из наиболее популярных технологий, разработанных «ЛАНИТ-Терком», — система распознавания объектов по изображениям. Она используется в ритейле.

Применять технологию Image Captioning можно достаточно широко. Например, система по фотографии определяет предмет одежды и подсказывает, в каком магазине можно приобрести такой же или подобный предмет. Также она помогает автоматически распознавать продукты в магазине, позволяя покупателю без контакта с кассиром или терминалом оплачивать их с помощью смартфона.

Другое применение аналогичного решения — распознавание людей. Так, технологию ЛАНИТ используют в мобильном приложении, которое позволяет при наведении камеры на актера, певца или спортсмена узнать его имя. Она также применяется для фейс-контроля в заведениях общепита или на публичных мероприятиях.

Адаптивное образование

Еще одна сфера, где ИИ-разработки «ЛАНИТ-Терком» находят свое применение, — образование. Так, компания достаточно давно работает в сфере адаптивного обучения. Чтобы подстроить учебный курс под конкретного человека, используется машинное обучение. Благодаря такой системе каждый ученик получает собственный образовательный трек, что сокращает время учебы в два раза, одновременно способствуя лучшему усвоению материала, подсчитали в компании.

Кроме того, машинное обучение дает возможность не только проверять корректность формулировок в тестах и генерировать вопросы на основе учебных материалов, но и распознавать ответы, данные человеком в свободной форме — например, в эссе. Платформы электронного образования со встроенными алгоритмами машинного обучения распознают смысл текста и на основе этих данных оценивают учащегося.

Читайте так же:
Теплового действия электрического тока картинки

Несмотря на новизну, влияние технологий ИИ в некоторых областях уже стало преобразующим. Экспансия ИИ в образовательные технологии, ритейл, банковскую сферу и сферу развлечений только ускорит накопление больших объемов данных для анализа и поддержит развитие отрасли в целом.

Кроме того, глобальный тренд на высокотехнологичные решения в сфере ИИ только подстегнула пандемия COVID-19. По данным IDC, средний ежегодный темп роста инвестиций до 2024 года составит 26,4%. Рост цифровых услуг для частных лиц и крупных инфраструктурных проектов также может простимулировать дополнительную финансовую поддержку со стороны государства, сообщают эксперты.

Подобные перспективы дают возможность дополнительного роста и российским игрокам, уже имеющим профильную площадку и специалистов. Так, на сегодняшний день в составе группы ЛАНИТ в области ИИ работают девять компаний, включая CleverDATA, Datana, SOLUT и Центр компетенций больших данных и искусственного интеллекта.

Видеоаналитика для задач бизнеса

  • Обзор решений по видеоаналитике для задач бизнеса
    • Решение для розничной торговли с применением технологии динамического маскирования Axis Communications (AXIS)
    • Обучаемая аналитика Camera Trainer (Bosch)
    • Новые технологии для офисных помещений и торговых центров (Dahua)
    • IDIS FaceTracker (IDIS)
    • Участники обзора
    • Эксперты рынка
    • Материалы по теме

    Состав обзора

    Круглый стол журнала «Технологии защиты»

    Какие задачи для бизнеса может решать видеоаналитика?

    • Смажинка
    • Виталисов
    • Голубев
    • Фаломкин
    • Абуталимов
    • Глазова
    • Цывинский
    • Смолеанес
    Далибор Смажинка

    Одна из главных задач видеоаналитики – упростить работу оператора, поэтому основное направление её развития – автоматизация. Наиболее характерный пример – машинное зрение, применяемое для самых разных производственных процессов, скажем, в логистических центрах. Здесь основная задача видеоаналитики – повысить производительность и уменьшить процент брака, иногда, это возможность сократить количество персонала на определенных операциях. Другая область применения видеоаналитики – ритейл, здесь основной задачей бизнеса является не только снижение затрат, но и, причем в большей степени, повышение прибыльности и продаж.

    Это немного новый взгляд на ритейл, так как последние 20-30 лет видеокамеры в ритейле использовались для обеспечения безопасности, теперь, благодаря видеоаналитике, применение камер позволяет повысить прибыльность бизнеса и увеличить продажи. Функция подсчета посетителей в зависимости от погоды, возможность распознавания пола, возраста позволяют проводить анализ поведения покупателей. Существует тенденция построения интегрированных систем, объединяющих видеонаблюдение, видеоаналитику и контроль кассовых операций.

    Это дает возможность обнаруживать потери от операций с товаром, проходящим мимо кассы, сокращать издержи, кроме этого возможно проанализировать характеристики человека (пол, возраст), который сделал среднюю покупку.

    Следующий сегмент – транспорт. Здесь решаются три задачи. Первая – сбор статистических данных о транспортных потоках, чтобы сделать вывод о необходимости расширения дорог, создания зеленых волн. Вторая – фиксирование ДТП, управление тоннельным движением, сложными развязками.

    Третья – распознавание машин, их цвета, марки, типа машины (легковая, грузовая), что расширяет объем статистической информации, получаемой дополнительно к информации о номерных знаках.

    Распознавание лиц пока больше применяется для целей безопасности, но все чаще появляются примеры, где эта функция используется для бизнес-задач. Например, при входе/выходе в здание может определяться VIP-клиент. Пока эта функция видеоаналитики очень дорогая, поэтому в основном применяется в целях безопасности, но, со временем удешевление этой технологии расширит сферу ее применения.

    Алексей Виталисов

    На сегодняшний день одна из самых востребованных бизнес-задач систем видеонаблюдения с видеоаналитикой – её использование в ритейле. В частности, реализуется такая задача, как анализ длины очередей у кассовых узлов в магазинах, иными словами, нужно знать, сколько покупателей стоит в очереди, фиксировать время ожидания, учитывать, сколько посетителей обслужено на данный момент и сколько на это потрачено времени. Зачастую заказчики ставят и такую задачу, как учет посетителей, которые покидают очередь, не дождавшись обслуживания. Все эти задачи с успехом можно решать с помощью современных средств видеонаблюдения с использованием видеоаналитики на основе машинного обучения. Также есть задачи по подсчету количества посетителей торговых точек.

    Задача распознавания человеческих лиц – здесь мы не ограничиваемся только ритейлом, можно говорить об игровом бизнесе, и любых других сферах, где требуется работа с так называемыми белыми и черными списками. На основе результатов анализа владельцы бизнеса и менеджеры разрабатывают программы лояльности.

    Еще одна специфическая и важная задача – создание тепловых карт. Имеется в виду не тепло как таковое, а нанесение на изображение от видеокамеры специальной маски, с помощью которой можно проанализировать максимальную и минимальную плотность движения в пределах изображения. Красные зоны, наложенные на изображение, дают возможность понять, в каких зонах группируется максимальное количество людей. Это опять же в основном задача для ритейла – определяются зоны, представляющие наибольший интерес для выкладки товара. И, наоборот, самые холодные синие зоны – зоны с минимальным количеством людей. Анализ поможет оптимально организовать использование торговых площадей.

    Надо сказать, что при использовании видеоаналитики прежнего поколения в решении подобных задач допускалось довольно большое количество неточностей. В условиях плотных потоков людей старые алгоритмы видеоанализа давали очень большой процент ошибок. Сегодня наша компания и многие другие участники рынка используют алгоритмы видеоаналитики нового поколения, основанные на машинномобучении. Подобного рода системы позволяют существенным образом повысить точность решения всех задач клиента. Больше того, они могут быть адаптированы под его конкретные задачи.

    Антон Голубев

    С развитием и удешевлением технологий аппаратного анализа все большую актуальность получают аппаратно-программные комплексы обработки данных как тенденция в развитии программного обеспечения для систем безопасности. Сегодня на рынке происходит постепенный переход от простого видеонаблюдения (View) к системам с функциями видеоанализа (DeepinView) и далее – к системам на базе нейросетей и технологий глубокого обучения (Deep Learning или DeepinMind). Прежде всего, такая трансформация нужна для исключения человеческого фактора в работе систем безопасности. Но есть и большое количество запросов со стороны коммерческих заказчиков на камеры видеонаблюдения, которые могут решать бизнес-задачи, повышать эффективность рабочих процессов.

    Идентификация лиц и работа с базами – это лишь малая часть потенциала систем видеоаналитики на базе алгоритмов глубокого обучения. Приведу в пример несколько основных задач, которые сегодня мы решаем с помощью видеоаналитики Deep Learning и обработки больших данных.

    Снижение количества ложных тревог – для этого используются нейросетевые фильтры тревог, которые определяют в кадре только людей или транспортные средства и исключают все остальные нерелевантные объекты и события (движение небольших животных, природные явления и т.д.), которые могут вызвать ложное срабатывание системы. Эта возможность широко востребована не только для обеспечения безопасности, но и для бизнес-приложений, чтобы видеоаналитика могла работать только с нужными данными.

    Распознавание и идентификация – пожалуй, самое распространенное применение аналитических систем. Помимо непосредственно защиты объекта от правонарушителей, распознавание также можно использовать для выявления приоритетных клиентов, повышать уровень обслуживания. Базы VIP-клиентов и нежелательных посетителей можно создавать как на уровне одного объекта, так и в рамках целой сети (магазинов, отелей и т.д.).

    Получение дополнительной информации о клиентах – помимо работы с готовой базой лиц, бизнес заинтересован в получении и других полезных данных о своих клиентах, чтобы использовать ее для повышения качества обслуживания и лучшего понимания своей аудитории. Например, камеры могут анализировать возраст клиентов, распознавать их по гендерному признаку – на основе этой информации владельцы бизнеса понимают, кто чаще всего посещает торговую точку или пользуется их услугами. Анализ длины очереди – одна из самых востребованных функций видеоаналитики. В отличие от обычной системы, аналитика на базе самообучаемых нейросетей способна фильтровать объекты по высоте, получая более точную информацию о количестве людей в очереди, следить за средним временем ожидания, чтобы в нужный момент отправить сигнал управляющему о том, что необходимо открыть дополнительные кассы.

    Счетчик посетителей – первые счетчики появились на рынке достаточно давно, по сути, они фиксировали количество людей, которые пересекли линию. Но коэффициент полезности таких систем не превышает 60%, потому что когда несколько людей одновременно пересекают эту линию, система считает их как одного посетителя. Нейросетевая видеоаналитика решает эту проблему, точно анализируя каждого входящего или выходящего человека, в том числе фиксируя количество входов/выходов одного посетителя.

    Тепловые карты нужны для анализа трафика посетителей и выявления популярных и невостребованных зон или товаров, для анализа маршрутов передвижения клиентов по залу. В сочетании с модулями снижения ложных тревог владелец системы получит точную информацию о том, как именно передвигаются посетители и какие зоны торговой точки их интересуют больше всего.

    Контроль доступа – решения на базе Deep Learning используют в качестве идентификатора лицо человека, так как это наиболее надежный способ организации СКУД на объекте. В отличие от телефона, карты или ключа, данный биометрический идентификатор невозможно потерять, передать другому человеку, а подделать очень и очень сложно. Если в терминал встроить специальный тепловой модуль, то система будет анализировать не только 3D-модель объекта в кадре, но и его температуру. По фотографии пройти уже не получится.

    Учет рабочего времени – также одна из наиболее востребованных функций. Помимо непосредственного контроля за рабочим режимом, систему можно интегрировать с внутренними корпоративными платформами, тогда СКУД будет получать информацию о командировках, деловых встречах или отпусках. В этом случае отсутствие сотрудника на рабочем месте не будет засчитано как прогул или опоздание.

    Контроль трафика – это направление активно развивается, например, в рамках проектов «Умный город», но, к сожалению, в большинстве случаев функционал сводится к штрафам за нарушения ПДД, а сбор полезных данных практически не ведется. Тогда как видеоаналитика может не только считывать номерные знаки, но и определять цвет автомобиля, тип транспортного средства, марку. С точки зрения бизнеса эту информацию можно использовать по аналогии с анализом посетителей. Например, для выявления на улицах города целевой аудитории и показа таргетированной рекламы на билбордах и других цифровых площадках.

    голоса
    Рейтинг статьи
Ссылка на основную публикацию
Adblock
detector