17 октября 2019 года в Москве TAdviser, экспертный центр по вопросам автоматизации государства и бизнеса в России, провел конференцию «Системы искусственного интеллекта». Участники мероприятия обсудили, как развиваются технологии искусственного интеллекта (ИИ) и машинного обучения в России, какие выгоды они несут российским заказчикам, в каких сферах их применение наиболее актуально и многие другие вопросы.

В конференции приняли участие представители бизнеса, вендоров и государственных структур. Вел конференцию независимый консультант Алексей Шалагинов.

Опыт заказчиков, мнения экспертов

Андрей Савицкий, руководитель общегородского контакт-центра ДИТ правительства Москвы, поделился опытом разработки и внедрения виртуального оператора. Колл-центр стартовал в 2011 году с обработки 1 млн. обращений в год, напомнил спикер. А теперь обрабатывается уже 41,8 млн в год, что составляет примерно 70 обращений в минуту. Обращения идут по всем каналам – телефон, социальные сети, чаты. Тематика - все вопросы жизнедеятельности города, включая ЖКХ, медицину, транспорт.

В колл-центре работает порядка 2,5 тыс. операторов, отметил Андрей Савицкий, но 40% обращений обрабатывается виртуальным оператором. При этом ни один такой сотрудник не был уволен, как заверил спикер, поскольку объем городских задач велик. Есть много сложных, экстренных жизненных ситуаций, когда гражданин не станет пользоваться услугами робота.

Андрей Савицкий, руководитель общегородского контакт-центра ДИТ правительства Москвы

В ходе доклада Андрей Савицкий рассказал об эволюции виртуального оператора от простых голосовых сообщений (ivr) до продвинутого, умного бота, развивающегося на базе технологий ИИ. Сейчас в колл-центре работает т.н. Wise-бот. При общении он использует большие данные, строит диалог в зависимости от возраста абонента. Планируется внедрить Mega-бот. Он узнаёт абонента, способен вникнуть в суть проблемы, совершенствует диалог, выполняет поручения звонящего в зависимости от статуса абонента, который сам же способен присвоить звонящему в зависимости от его жизненной ситуации.

Внедрение виртуального робота, обучаемого распознаванию речи на основе технологий ИИ, привело к существенной экономии бюджета, поскольку робот не только в два раза быстрее, но и в два раза дешевле живого оператора, подчеркнул Андрей Савицкий. Вызовы стали обрабатываться быстрее, уменьшилась очередь на соединение с оператором, повысилась лояльность населения. Причина – лучшее ориентирование в большой базе знаний, а кроме того, как оказалось, гражданин более четко формулирует свой вопрос, когда понимает, что общается с виртуальным консультантом.

О сложностях - мы наступили на все грабли, которые лежали на пути искусственного интеллекта к эксплуатации, - признал Андрей Савицкий. - Основной задачей было заставить гражданина общаться с роботом. Для этого стали улучшать голос, убрали предварительный звуковой сигнал, сделали комбинированную речь на основе предзаписанных фраз и синтезированной речи. В результате получился SMART бот.

На вопросах применения технологий машинного обучения и больших данных для оптимизации сервисного обслуживания самолетов остановился Андрей Алфёров, директор департамента Big Data, S7 Group. Спикер отметил, что прогнозная аналитика и базирующееся на ней превентивное обслуживание и ремонт воздушного судна позволяют сократить финансовые и репутационные потери, снизить затраты на ремонт дорогостоящих компонент за счет своевременного определения предотказного состояния. Также эти технологии дают возможность повысить доходы за счет сокращения простоев воздушного судна во время планового ремонта.

Андрей Алфёров, директор департамента Big Data, S7 Group

Представитель S7 перечислил задачи, решаемые при помощи современных технологий ИИ:

• прогнозирование остаточного ресурса детали в днях, месяцах, неделях;
• причинно-следственный анализ дефектов: иногда отказ одного компонента вызван отказом другого;
• предсказание внеплановых работ для ликвидации выявленных дефектов в рамках предстоящих плановых работ;
• предсказание потребности в запчастях и материалах, оптимизация логистики;
• расчет оптимального расписания моек двигателей с целью улучшения показателей расхода топлива и увеличения тяги.

Качество данных – ключевой фактор успеха, - подчеркнул Андрей Алфёров. - Для того, чтобы они точно соответствовали определенной детали самолета, нужен качественный и полный учет в связанных друг с другом системах. 80-85% всего проекта занимает сбор данных и их очистка.

Андрей Саломатин, директор департамента развития информационных технологий Национального расчетного депозитария (НРД), остановился на вопросах практического применения технологий ИИ в финансовой организации. Спикер сразу уточнил, что расскажет о реализованных проектах на основе технологий ИИ, способных быстро принести пользу бизнесу без привлечения большого количества специалистов и значительных инвестиций.

Первый проект, реализованный в НРД, – виртуальный голосовой ассистент, помогающий снимать нагрузку с клиентских менеджеров. В ходе реализации проекта были сложности: пришлось путем специального опроса сотрудников составлять список наиболее актуальных вопросов и синтезировать на их основе ответы для виртуального ассистента. Кроме того, отсутствовали стандартные скрипты общения с клиентами, которые пришлось придумывать с подключением к этой работе аналитиков и программистов.

Андрей Саломатин, директор департамента развития информационных технологий Национального расчетного депозитария (НРД)

Второй проект, реализованный на основе коробочного решения, – обработка нестандартных входящих документов по валютному контролю. За сотрудниками теперь остались лишь ручной контроль и разбор ошибок. Этот проект экономит компании порядка 4 млн рублей в год, сообщил Андрей Саломатин. Третий проект – классификация ошибок информационных систем и их маршрутизация на компетентного специалиста с целью их оперативного исправления. На базе Python и стандартных библиотек было реализовано машинное обучение, определяющее ответственного тестировщика, разработчика с точностью более 80%.

И еще два примера проектов на базе ИИ, приведенных спикером, - анализ проводимых платежей на противодействие отмыванию доходов, полученных преступных путем и терроризму, и анализ неструктурированных текстовых сообщений по предстоящим корпоративным действиям.

Ничего сложного: берете стандартные библиотеки, прикручиваете к своим системам, - резюмировал Андрей Саломатин. - Призываю использовать на практике. Основные затраты – рассчитать экономическую целесообразность и найти нужные данные, на которых можно самообучаться.

На типичных проблемах при внедрении технологий искусственного интеллекта на промышленных предприятиях остановился Дмитрий Карбасов, руководитель управления «Промышленный искусственный интеллект» Евразийской Группы (ERG) – крупной международной компании в сфере добычи и переработки природных ресурсов. Задачи по полному циклу создания математической модели, улучшающей ключевые показатели бизнеса, на которые невозможно написать ТЗ, - это, фактически, системы искусственного интеллекта, отметил Дмитрий Карбасов. Он подчеркнул, что именно такие задачи решает его управление.

Дмитрий Карбасов, руководитель управления «Промышленный искусственный интеллект» Евразийской Группы (ERG)

В числе особенностей реализации проектов в промышленности спикер обозначил:

• сложность доступа к данным;
• несоответствие качества данных целям анализа при помощи ИИ, соответственно 90% времени тратится на повышение качества данных;
• только 3-7% времени тратится в проекте собственно на машинное обучение, включая нейронные сети.

Дмитрий Карбасов подробно рассказал о перечисленных проблемах и как они решаются. Например, на этапе сбора данных часто выясняется, что их просто нет ввиду отсутствия датчиков. Но даже если источники существуют, бывает, что к ним или сложно подключиться, или отсутствует описание схемы данных. Насущными являются и такие проблемы как ошибки датчиков и короткий срок хранения данных. На этапе их сбора при помощи машинного зрения важен выбор точки съемки, модели камеры, создания инфраструктуры для ее функционирования – беспроводная связь, розетка. Только после прохождения начальных этапов начинаются интересные задачи, подчеркнул докладчик. К таковым относятся разметка данных, разработка целевой модели и ее верификация, последующая имплементация в производственный процесс.

Также представитель ERG выделил важность правильных компетенций у специалистов, отметив, что компания делает ставку на аналитиков, а не на специалистов по изучению данных (Data Science).

Между Data scientist и аналитиками данных есть разница, - пояснил Дмитрий Карбасов. - Аналитик фокусируется на подходящих для решения задачи алгоритмах, а не на самых современных. Он работает с имеющимися в его распоряжении данными, а не только с хорошими, как «саентист». Для него решение прикладных задач – самое важное. Компания делает ставку на аналитиков, а не на «саентистов».

Менеджер по методологии и унификации компании «Русагро ГК» Таня Милек рассказала участникам конференции о SMART AGRO – серии проектов с машинным обучением в животноводстве. Первый проект - автоматический учет количества животных. В рамках него реализованы получение и контроль изображения, слежение и прогнозирование, определение положения животного.

Таня Милек, Менеджер по методологии и унификации компании «Русагро»

Второй проект – неинвазивное, то есть, нефизическое дистанционное взвешивание животных. По словам спикера, физическое взвешивание – всегда стресс для животного, из-за которого оно даже может перестать расти. В рамках проекта проводится анализ полученных с камер изображений, определяется порода животного, его размер, делается расчет массы с учетом размеров и породы. Дистанционное видеонаблюдение позволяет также проводить раннюю диагностику отклонений здоровья животного по его двигательной активности, характерному звукоизвлечению.

О слагаемых успешного использования ИИ в рекламном бизнесе рассказал Денис Гурко, директор по цифровой трансформации и информационным технологиям группы «АДВ». Начиная любой проект в области машинного обучения критически важно иметь доступ к данным, на которых будут обучаться и совершенствоваться алгоритмы, констатировал докладчик. Только качественные выборки хороших данных могут позволить бизнесу совершенствоваться, подчеркнул он. Спикер также рассказал участникам мероприятия о технологии «Айзек» - технологическом помощнике по оптимизации медиаинвестиций.

Отметил спикер и важность выработки правильного медиаплана, распределения рекламного бюджета по каналам, городам. Эффективный план должен основываться на математических данных, технологиях ИИ. Рынок заставляет все больше двигаться к бизнес-модели, когда в первую очередь используются машинные алгоритмы, а экспертная оценка требуется только для проверки машинных результатов, высказал уверенность Денис Гурко.

Денис Гурко, директор по цифровой трансформации и информационным технологиям группы «АДВ»

Есть скептики в плане использования искусственного интеллекта, есть энтузиасты, готовые внедрять эти технологии везде, - заметил Денис Гурко. - Мы - практики. Задача – меньшими инвестициями охватывать большую аудиторию, повышать продажи своих клиентов.

На различных аспектах использования ИИ в клиентских сервисах остановился Андрей Коньшин, старший менеджер по операционной поддержке каналов обслуживания «Мегафона». Докладчик рассказал об эволюции виртуальной помощницы клиента Елены. В самом начале, в 2014 году бот использовался только как маршрутизатор запросов в IVR. Теперь Елена обрабатывает порядка 300 тыс. вызовов ежедневно, причем 65% звонков помощник автоматизирует, 80% обращений понимает.

Характерно, что оценки удовлетворенности клиента в чат-боте оказались выше, чем у оператора, констатировал Андрей Коньшин. Отчасти это объясняется большей простотой рассматриваемых вопросов, но когда чат-бот грамотно отвечает на вопрос, – это то, что нужно людям.

Андрей Коньшин, старший менеджер по операционной поддержке каналов обслуживания «Мегафона»

Результатом внедрения ИИ в клиентские сервисы стало снижение количества претензий, повышение качества обслуживания, снижение обращаемости клиентов в дорогие сервисные каналы, повышение автоматизации и рост привлекательности компании для клиентов.

Главная задача развития цифровой программы - чтобы не только продукты были цифровыми - поделился Андрей Коньшин. – Важно, чтобы само обслуживание стало цифровым.

Директор Института цифровой медицины Сеченовского университета, д.т.н. Георгий Лебедев рассказал о задачах применения систем ИИ в медицине, основные направления и области развития цифровой медицины в РФ. ИИ в медицине, по оценке спикера, позволит обеспечить распространение опыта и знаний ведущих врачей на все регионы РФ, даст возможность принимать обоснованное врачебное решение в предельно сжатые сроки, в условиях стресса и неполноты информации. Кроме того, он обеспечит требуемую полноту обследований пациента на основании стандартов и клинических рекомендаций, обработку максимального количества данных о состоянии здоровья пациента и данных о подобных случаях обращения за медицинской помощью.

Георгий Лебедев, Директор Института цифровой медицины Сеченовского университета, д.т.н.

В числе основных направлений развития цифровой медицины Георгий Лебедев указал электронный документооборот, телемедицину, математические методы обработки медицинских данных.

Основные области применения ИИ в медицине:

• профилактика, выявление заболеваний на ранней стадии;
• диагностика – не каждый врач может правильно поставить диагноз;
• наблюдение за пациентом и медперсоналом;
• выбор правильной тактики лечения – как правило, врачи назначают лечение на основании того, что у них есть под рукой;
• подбор и замена лекарственных препаратов, фармакотерапия – в частности, выявление несовместимых друг с другом препаратов;
• контроль качества медицинской помощи;
• управление здоровьем и навигация пациентов.

Направления, по которым Сеченовский университет уже работает – дистанционное наблюдение за лежачими пациентами, обучение нейронной сети распознанию мочевого пузыря, изображение мазков периферической крови и крови из костного мозга – клетки рака крови, анализ рентгенограмм и флюорограмм, снимки глазного дна с распознаванием заболеваний. Кроме того, Георгий Лебедев рассказал о внутренней семантической сети университета по урологии и рентгенологии, наполняемой публикациями из специальных медицинских изданий. Эти публикации перед размещением специальным образом структурируются, между ними автоматически выстраивается система связей, что позволяет врачу найти нужную ему. В перспективе планируется к этой сети открыть широкий доступ врачам, работающим в любых, самых отдаленных уголках РФ.

Должен сказать, что де-юре электронное здравоохранение в нашей стране уже построено, оно внедряется через портал госуслуг, - отметил Георгий Лебедев. - Следующий шаг – возможность применения ИИ и цифровая медицина.

Медицинскую тему на конференции продолжил Сергей Арсеньев, руководитель отдела новых медицинских технологий, НИИ Неотложной Детской хирургии и травматологии. Он остановился на нейронно-сетевом прогнозе интегрального гомеостаза у детей с тяжелой механической травмой. Докладчик рассказал о четырехлетнем проекте, в котором участвует Медицинский университет Вены. Проект относится к области интенсивной терапии и реанимации. Это один из самых ответственных этапов оказания медицинской помощи, пояснил Сергей Арсеньев: цена решения огромна – жизнь или смерть. На врачей реаниматологов идет огромная нагрузка в виде мощного информационного потока и в «жутчайшем» дефиците времени.

Сергей Арсеньев, руководитель отдела новых медицинских технологий, НИИ Неотложной Детской хирургии и травматологии

Сергей Арсеньев рассказал о системе поддержки принятия врачебных решений или Clinical Decision Support, написанной на специальном языке программирования для формализации медицинских правил и знаний Arden Syntax. Докладчик привел конкретные клинические случаи использования системы.

Технически машина по ряду заболеваний дает более точный анализ, чем человек, констатировал Сергей Арсеньев. - За этим будущее. Но на сегодня машинный диагноз– второе или третье мнение в сравнении с экспертным.

Стейдж интервью

В ходе конференции прошли два интервью на сцене. Первое из них дал Михаил Петров, директор департамента цифровой трансформации Счетной палаты РФ (СП). Он отметил интерес к таким технологиям как машинное обучение, нейронные сети, рассказал о стратегии развития Счетной Палаты РФ. В рамках нее в числе прочего ставятся такие задачи как повышение качества собираемых данных, сокращение временных затрат инспекторов СП на сбор рутинной информации, высвобождение за счет этого времени инспекторов для развития аналитического направления по повышению качества госуправления.

Михаил Петров, директор департамента цифровой трансформации Счетной палаты РФ (СП)

Одна из важнейших задач – повышение качества самих данных, - подчеркнул Михаил Петров. - И это один из основных барьеров для выполнения анализа в автоматическом режиме, перевода инспекторов на работу на своей территории.

В числе основных препятствий на пути к цифровой трансформации общества и экономики представитель Счетной палаты назвал ментальные проблемы. Важным аспектом успешности внедрения новых технологий спикер назвал и умение работать с рисковыми ситуациями, поскольку любое госучреждение, вступая на путь использования новых технологий, попадает, по оценке спикера, в ситуацию негарантированного успеха.

Цифровая трансформация – это не про «цифру, а про людей, - отметил Михаил Петров. - Основа успеха – соответствие менталитета работника цифровым инструментам. В переходе от обычной ручной работы с бумажными документами к работе, подкрепленной цифровыми информационными инструментами, ментальный барьер – главный.

Второе в рамках конференции открытое интервью было проведено с Алексеем Ширяевым, координатором проектного офиса по реализации программы «Цифровая экономика России» Аналитического центра при правительстве РФ. Был поднят вопрос актуальности стандартов по разработке ИИ в контексте повышения инвестиционного потенциала российской экономики.

Алексеq Ширяев, координатор проектного офиса по реализации программы «Цифровая экономика РФ» Аналитического центра при правительстве РФ

Алексей Ширяев констатировал, что стандарты необходимы, и что в них должен быть минимальный уровень требований к разработкам в сфере ИИ с той целью, чтобы они стали сопоставимы с точки зрения заказчика. Это, по оценке эксперта, приведет к повышению конкуренции на рынке, а, следовательно, и к росту инвестиционного потенциала экономики. Стандарты важны и в контексте выхода на международный уровень, прохождения соответствующей сертификации, добавил Алексей Ширяев.

В ISO собираются принять часть стандартов, соответствующую работу начали в 2018, - отметил Алексей Ширяев. – В России они тоже разрабатываются, технический комитет, созданный при российской компании РВК, взаимодействует с иностранными коллегами. Наши стандарты будут учитывать и российскую специфику, и нормы ISO. Здесь мы не отстаем от Запада.

Игроки рынка: тенденции и решения

Георгий Лагода, заместитель генерального директора ГК «Программный Продукт» выступил с докладом, посвященным широкому кругу вопросов применения ИИ. Раньше ИИ воспринимался участниками рынка как отдельная, независимая технология, отметил спикер. А теперь это уже целый класс технологий, восемь из которых включены в цикл хайпа Gartner: облачные сервисы ИИ, автоматическое обучение машин (AutoML), дополненный интеллект, объяснимый интеллект (Explainable AI), интеллектуальные устройства, обучение с подкреплением, квантовые компьютеры и маркетплейсы с ИИ.

Георгий Лагода, заместитель генерального директора ГК «Программный Продукт»

Одна из главных причин возникновения и развития технологий ИИ – большие данные. Только за последние два года их было сгенерировано более 95% от общего объема, из них 90% не структурированы. Важность использования ИИ подтверждает и стратегия развития искусственного интеллекта в России до 2030, утвержденная недавно президентом РФ Владимиром Путиным. Понимает это и крупный бизнес, о чем свидетельствуют, в частности, соглашение «Газпромнефти» и Saudi Aramco по применению инновационных технологий ИИ при уточнении гидродинамических моделей месторождения. Об этом же говорят планы Сбербанка и Microsoft Research по созданию роботов для пересчета и загрузки монет.

Высокую динамику роста демонстрирует и еще один интересный сектор ИИ – интернет вещей, базирующийся на подключенных к сети интеллектуальных устройствах, количество которых в мире удваивается. К 2020 году ожидаемое количество - на уровне 20 млрд подключенных устройств.

Нельзя забывать и про информационную безопасность, напомнил Георгий Лагода, поскольку IoT и другие технологии бросают новые вызовы рынку, и перечислил некоторые эффективные российские решения в области ИБ: межсетевой экран Wallarm, система обнаружения уязвимостей RUSIEM, машинное обучение при анализе вредоносных файлов от Kaspersky.

Искусственный интеллект уже используется для анализа сетевых пакетов, что позволяет поднять ИБ на новый уровень – осуществлять блокировку не IP-адресов, а конкретных пакетов атакующего, - рассказал Георгий Лагода. – Есть примеры успешного использования ИИ для видеоаналитики, улучшения безопасности на производстве – надета каска или жилет на человеке, зашел ли он в опасную зону. Кадровые агентства используют машинное обучение для подбора кадров, поиска резюме.

О выгодах, которые может получить бизнес благодаря использованию машинного зрения и интеллектуальных сетей видеонаблюдения, рассказал Алексей Касаткин, коммерческий директор «Центр 2М» - внутренней компании крупного холдинга «Интертехэлектро». Изначально компания создавалась как разработчик одного, внутреннего продукта, теперь позиционирует себя как информационный оператор и разработчик IoT-решений.

Алексей Касаткин, коммерческий директор «Центр 2М»

В качестве приоритетных направлений развития интеллектуальных видеосетей были выбраны следующие:

• распознавание средств индивидуальной защиты, мониторинг нарушений, онлайн-отчетность;
• ^[1] (трансляции видео, поиск по событию, переключение между камер, выбор периода отображения, всплывающие окна и уведомления);
• подсчет людей в местах скопления;
• распознавание нестандартных ситуаций (уборка снега, драки, оставленные вещи) - проект с РЖД (уборка платформ, факт уборки снега и др.);
• контроль периметра – проникновение в опасный периметр, или, наоборот, нахождение в рабочей зоне.

После создания пяти ведущих продуктов мы предлагаем прогон видео через нашу модель, - сказал Алексей Касаткин. - Результат на первоначальном этапе на уровне 70-80%, после чего уже на коммерческом уровне дорабатываем модель под клиента.

Своим пониманием искусственного интеллекта, практическими направлениями использования ИИ поделился Данил Горбунов, технический директор, DESQcore. По его мнению, искусственному интеллекту должны быть присущи три свойства:

• он должен иметь воображение;
• хорошо воспринимать разношерстную информацию;
• уметь проявлять любопытство.

Первый из разработанных компанией алгоритм ИИ был применен для управления репутацией: комментирование, дискуссия в режиме онлайн с заданной смысловой и эмоциональной окраской. При этом выяснилось, что алгоритм делает это быстрей и эффективней человека, подчеркнул Данил Горбунов. Второй алгоритм был реализован с целью анализа предложенной информации на предмет достоверности (т.н. «фэйк-чек»).

Данил Горбунов, технический директор, DESQcor

И третий реализуемый кейс - диалоговая программа анализа, оптимизации, упрощения жизни компаньона. Реализованный в алгоритме ИИ, он постоянно находится с клиентом, анализирует его поведение, выстраивает картину его жизни, подсказывает, как оптимизировать. Последний алгоритм ИИ работает исключительно на входящих данных, подчеркнул докладчик, это невозможно запрограммировать – на основе воображения, любопытства и памяти.

Работая с реальными информационными потоками, мы поняли, что реальные сущности имеют четкое время появления и конкретное время жизни, - отметил Даниил Горбунов. - В природе все, что поступает к нам в виде информации, в одних случаях модифицирует наше представление о чем-либо, в некоторых случаях дополняет. Инфополе живет, как живет и окружающая обстановка, идет постоянная корреляция сущностей в рамках информационного потока. Подобные алгоритмы сложны.

В перерыве и по завершении конференции участники общались в неформальной обстановке.