Современный мир стремительно оцифровывается и цифровизуется. За этими паронимами скрываются разные понятия.
В первом случае речь идет о переводе в электронный, цифровой вид многих уже существующих вещей, таких как медицинские карты пациентов в больницах, фото- и документальные архивы, годами копившиеся в специально созданных для этого учреждениях, старые фильмы, снятые на пленку. А во втором – мы говорим о внедрении современных цифровых технологий во все сферы жизни, бытовые и научные.
Слова «искусственный интеллект», «нейросети», «чат GPT» сегодня звучат постоянно. Но на самом деле людей, которые реально работают с использованием таких технологий, не так уж и много. Все дело в инерции, устоявшихся практиках и, конечно, в катастрофической нехватке как профессиональных кадров, так и денег на разработку новых систем.
Для нашего аграрного региона внедрение искусственного интеллекта в сельскохозяйственную отрасль могло бы стать прорывом. Но зачем, если урожаи и так рекордные? Ответы на этот и другие вопросы мы искали вместе с генеральным директором Института искусственного интеллекта AIRI, доктором физико-математических наук, профессором РАН Иваном Оселедцем на пресс-конференции, состоявшейся в Региональном информационном центре на базе Ставропольского государственного аграрного университета.
Научиться понимать друг друга
Нужно отметить, что вся научная карьера Ивана Валерьевича строилась целиком в нашей стране, и сегодня он один из видных деятелей в области искусственного интеллекта. В Ставрополь профессор приехал по приглашению от университета, чтобы прочитать лекцию студентам и преподавателям. Иван Валерьевич был приятно удивлен вовлеченностью ставропольцев в развитие новых направлений и подходов, а также хорошей материальной базой вуза.
Но образование – это одно, а практика – совсем другое. Сегодня, по словам Ивана Оселедца, уже нет времени определяться с терминами и понятиями. Хоть как назови: искусственный интеллект, нейросеть, умная компьютерная система – важно понимать, для чего она нужна, как может работать и какую пользу принесет в итоге. При этом даже в понимании между разработчиками и теми, для кого они эти системы разрабатывают, к сожалению, огромная пропасть. Одно дело – говорить, что собираешь большие данные, другое – на самом деле их собирать. К примеру, в российском сельском хозяйстве большая часть данных сосредоточена на бумаге или даже просто в чьих-то головах. В советское время существовали почвенные карты, проводились столетние эксперименты. Где сейчас найти эти уникальные данные? Их нет в оцифрованном виде… А значит, нужно начинать все заново. К примеру, в Курской области ученые поставил такой эксперимент: облетели поля дронами, обмерили, собрали максимально точную информацию, создали полную цифровую модель поля. Но дальше дело не пошло. Потому что такая работа должна быть системной. Увы, инвентаризация всех сельскохозяйственных площадей в стране требует колоссальных затрат.
Конечно, опытный главный агроном и без ИИ знает, когда сажать ту или иную культуру, когда вносить удобрения. Но иногда эти знания больше интуитивные. Впрочем, не могу сказать ничего плохого про человеческую интуицию, искусственному интеллекту до нее точно далеко. А вот помочь людям он бы мог.
Искусственный интеллект плотно укрепился во многих сферах, но в сельском хозяйстве пока еще - непаханое поле. У Сколковского института науки и технологий сотрудничество с аграрными предприятиями началось еще в 2016 году, когда для одной из сельскохозяйственных компаний создали модуль на основе нейросетей, который способствовал бы увеличению урожайности. (Обратили внимание на частицу «бы»?) Речь шла о прогнозных планах и рекомендациях, которые могли выдавать оптимальные сроки для разных видов работ. Энтузиазм был огромным, но когда дошло до дела, оказалось, что реальных данных просто нет, все отчеты присутствуют в виде отсканированных документов. Тем не менее ученые не опустили руки, собрали эти данные и построили достаточно мощную, хотя и экспериментальную на тот момент, модель, обучили людей работать с ней. Но в реальности аграрии оказались не готовы доверять какой-то «коробочке», не было ни уверенности в технологии, ни желания ее использовать…
Поэтому сегодня одна из важнейших задач в области искусственного интеллекта – преодоление социального, а местами даже языкового барьера, потому что, хотя обе стороны и говорят на русском, они друг друга плохо понимают, нет должной коммуникации между разными сторонами. Так, когда в Сколтехе трудились над моделью медицинского помощника, в команде был врач, который умел «переводить» слова программистов на язык медицины. Во многом благодаря этому проект оказался успешным. Но о нем мы расскажем чуть позже.
Успешных проектов немало
А пока вернемся к сельскому хозяйству. Перспективы действительно большие. У западных компаний, кстати, есть готовые «коробочные» решения для тружеников полей. Но – своих, европейских полей. Как вы понимаете, в сельском хозяйстве огромную роль играет климат, особенности почвы и другие природные факторы. Так что подобные решения «в коробке» можно брать лишь как технологию, но обучать модель необходимо на условиях, в которых она будет применяться. И это большая работа.
- Мы спрашивали у фермеров: какие современные технологии вы используете? – делится Иван Оселедец. – Нам отвечали: «Яндекс погодой». Если температура в прогнозе выше определенного градуса – мы начинаем сев. Поэтому одна из важных задач сегодня – рассказывать, просвещать, делиться знаниями, чтобы люди были готовы к активному использованию искусственного интеллекта.
Получилось как-то немножко печально. Тем не менее успешных примеров использования ИИ в России немало. Выше я упоминала о медицинском проекте: ученые разработали и представили помощника, которому можно рассказать о своих симптомах. Он, возможно, задаст несколько уточняющих вопросов, после чего даст рекомендацию, к какому специалисту вам нужно обратиться, сэкономив таким образом ваше время.
Еще один пример, стремительно развивающийся в мировых масштабах, – беспилотный транспорт. Такие грузовики с июня 2023 года ездят по трассе «Нева» между Санкт-Петербургом и Москвой. Сначала их было всего 3, а к следующему году число беспилотных тягачей должно достигнуть 93. С момента запуска проекта было перевезено более 330 тысяч кубометров грузов.
Хороший проект был внедрен на одном из мусороперерабатывающих заводов России: там с помощью системы компьютерного зрения проводится сортировка отходов, мусор сразу делится на готовые фракции. Система была создана менее чем за год и успешно внедрена в производство.
А самое большое применение искусственный интеллект пока что нашел в банковской сфере, в частности в области оценки кредитных рисков. Здесь он применятся весьма активно.
Национальная стратегия в цифре
На Ставрополье, по словам министра сельского хозяйства региона Сергея Измалкова, современные технологии уже применяют как в животноводстве, так и в растениеводстве. Иван Оселедец добавил, что в Сколтехе также есть успешный опыт, в частности связанный с биоинформатикой, когда ученые с помощью искусственного интеллекта смогли получить лучший результат по сравнению с классической селекцией. Но большинство подобных проектов пока что остаются на уровне пилотных. А между «пилотом» и внедрением в практику еще лежит непростой путь, на котором помочь может государство.
В России утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года. Она включает в себя целый комплекс многопрофильных задач: исследовательский блок, нормативное регулирование, комплекс образовательных проектов, поддержку разработчиков, популяризацию технологий. В рамках программы предусмотрены гранты для ИИ-стартапов, и это важнейшая деталь, потому что пока не все готовы вкладывать собственные средства (тем более если они включены в оборот предприятия) в развитие современных технологичных решений.
- Сегодня нам нужны чемпионы, которые не будут говорить, что это надо внедрять, а будут брать и внедрять, - резюмировал свое выступление Иван Оселедец. – Важно, чтобы все эти отдельные кусочки объединялись в одно большое целое.
В Топ-5 мировых моделей
До точного земледелия еще нужно дорасти. Но уже и сегодня компьютерные системы способны быстро решать достаточно сложные когнитивные задачи. При наличии необходимых данных ИИ может дать рекомендации о том, когда и сколько вносить удобрений, а также какая доза пестицидов будет безопасной. С помощью таких систем можно оптимизировать процессы логистики. Использование ИИ может добавить к экономической эффективности 10-15 %. Но это лишь прогноз, которому нужно научиться доверять.
А чтобы подвести черту, хочется привести простой пример: еще год назад российские нейросети недотягивали до известных зарубежных брендов. А сегодня они входят в Топ-5 моделей всего мира.
- Задача обучения своих моделей - не сразу всех обогнать и стать лучше, а иметь технологию, которая позволяет создавать такие модели. Сегодня вполне можно гордиться тем, что у нас делается, - отметил Иван Оселедец.
Фото Дмитрия АХМАДУЛЛИНА и СтГАУ
