21 世纪 20 年代是人工智能全盛时期的开始。神经网络绘制图片、制造药物并帮助驯服聚变能。但 2022 年表明,即使在后工业时代,工业仍然是我们文明和生活方式的基础。人工智能能否帮助商品生产以及俄罗斯实业家使用机器学习已经取得的成就——在一篇关于人工智能的裸科学系列文章中。
神经网络响应“AI 帮助 Moskvich 工厂的人们”的请求而生成的图像
半个世纪以来,工业在包括俄罗斯在内的世界大多数国家的经济中一直处于边缘地位——服务业已经脱颖而出。但对于人们的生活来说,工业仍然是第一位的:是她日复一日地提取原材料,把它们变成我们熟悉的温暖的房子,里面装满了吃的、穿的和各种各样的东西。
尽管它对文明很重要,但生产工作是一项艰巨、危险且有时吃力不讨好的任务。工业革命在 18 至 19 世纪席卷了世界,从英国到俄罗斯,紧随其后,现在仍然如此。
Putilov 工厂的炮兵车间,20 世纪初。大量体力劳动和最低限度的安全性
思想家和人文主义者就如何减轻产业工人的命运提出了许多想法。也许最吸引人的是自动化的想法。如果机器代替人工作,问题就会自行消失。企业家们也喜欢这个想法,因为机器可以全天候工作,而且一般来说,与人相比,机器出现的问题要少得多。
但用机器代替工人并不是那么容易。直到 20 世纪中叶,第一台自动机床才出现在苏联和美国。那时候已经有电脑了,科学家认真的说不久的将来电脑就能代替人思考了。这意味着通过将矿山、工厂和工厂交给具有人工智能的计算机的机械手,可以使它们完全荒废——这就是从体力劳动中解放出来的自由。
苏联国家意识形态所依据的马克思主义非常积极地看待工业自动化,包括工厂和工业管理等智力工作。因此,苏联当局特别重视自动化,并在 20 世纪 50 年代就与发达的资本主义国家一起着手。
起初,这一过程仅限于在冶金、采矿、能源、化工、机械工程和木工领域引入最简单的自动化。纯电路和第一台低功率计算机响应各种信号,启动和停止设备,改变其操作模式并保护其免受危险负载的影响。整个工厂都获得了这种基本的自动化。工作变得更轻松、更安全。
车里雅宾斯克拖拉机厂的自动生产线,1960 年代
在 1960 年代,计算机的速度提高了数十倍,并且从逐件到批量生产。到此时,苏联当局已经恢复了控制论(他们不再将其视为“资产阶级伪科学”),这与计算机的快速发展一起为工业和整个国民经济的早期自动化带来了希望。
如果在本世纪中叶,工人从最简单的机械操作中解放出来,那么在 1960 年代,它就已经进入了自动化控制系统 - 自动化控制系统。实时接收、处理和分析数据、仓库会计、流程优化规划、文档流——所有这些都由自动化控制系统整合到一个由计算机控制的单一生产和信息环境中。
苏联第一个运行的自动控制系统是在 Minsk-22 计算机控制下的 Lvov 系统,该系统于 1967 年为 Lvov 电视厂 Electron 创建。1970 年在 Kuntsevo 无线电厂推出的下一个自动控制系统“Kuntsevo”已经是一个标准系统 - 随后在其基础上创建了数百个用于机械工程企业的自动控制系统。
车里雅宾斯克格拉夫尼火车站的 ACS,1980 年代初
与此同时,第一台数控机床 (CNC)出现在苏联,并在 1970 年代开始大规模生产。很快,苏联科学家和工程师创造了 Universal、Brig-10、IES-690、TUR-10 等系列的全系列工业机器人。
最后,小型化始于 70 年代,房间大小的计算“机柜”让位于内部装有微芯片的紧凑型计算机。性能每年半翻一番,能耗下降。看来,如果将这一切与人工智能领域的思想结合起来,那么不远处就是人文主义者梦寐以求的全自动工业。
然而,在现实中,自动化陷入了苏联经济的众多问题之中。“智能”设备和计算机没有标准化,企业和部门往往从头开始,资源分散。机器人和 CNC 机器的生产需要大量复杂且昂贵的工作,并且跟不上自动化计划的步伐。
自动化控制系统的引入更为积极:到 1975 年,苏联有超过三千个用于工厂、组织和整个行业的自动化控制系统在运行,这还不包括机密系统。与 CNC 和机器人一起,自动化控制系统有时可以将劳动生产率提高两到三倍,并以相同的速度加快生产速度。
Likhachev 工厂 (ZiL) 的工人正在调整机器人机器,1963 年
但“智能”工业革命并没有成功。不仅机器人和数控机床供不应求,而且计算机能力也供不应求。由于分配给它的任务非常复杂,因此只构建了相同的 Kuntsevo 自动控制系统。即使在 20 年后,当更强大的计算机(来自 IBM)问世时,这个系统也从未完全发挥作用。ACS 开发人员是如此超前。
美国、西欧和日本面临着同样的问题,只不过是从另一边。20世纪60年代,发达国家的政治家和企业家开始热衷于人工智能。人们相信会思考的计算机很快就会从事单调的工作,研究复杂的过程,设计大规模的结构和机制。这本应释放大量劳动力,增加企业利润并改善人们的生活。
John McCarthy,“人工智能”一词的创造者和 LISP 语言的创造者,在斯坦福大学的 AI 实验室工作
起初,科学家们被人工神经网络(感知器)的想法所吸引,但后来人们了解到神经网络需要非常强大的计算机才能正常工作。对具有“像人类一样”的逻辑推理的符号人工智能的押注也没有实现。正如 Lighthill 在 1972 年发表的著名报告所表明的那样,由于算法的复杂性随着输入数据的增加而爆炸式增长,因此对这样的 AI 进行编程是不现实的。
结果,到了 20 世纪 90 年代,严酷的“人工智能寒冬”来了:几乎所有这方面的工作都停止了,试图重振对 AI 的兴趣几乎是江湖骗术。这种情况一直持续到 2000 年代中期,当时深度学习算法的创建在人工神经网络领域取得了突破。然后为他们提供了合适的硬件基础 - 具有强大图形处理器的视频卡。
到 2010 年代末,以机器学习和神经网络形式出现的人工智能成为一种大众现象——距人工智能第一次大肆宣传已经过去了半个世纪。企业已经意识到这些技术的潜力,并作为工业 4.0的一部分,开始将机器学习引入制造业。
工业家在神经网络中看到了类似于高度专业化的自动控制系统的东西:一种可以快速“思考”大量数据并“得出结论”的工具。神经网络似乎可以预测工业设备故障、检测生产线异常、控制产品质量、预测气体需求以及设计智能生产控制系统。
工业机器人使用机器学习和 5G 通信移动负载,赣州(中国)
俄罗斯工业并没有袖手旁观——基于人工智能的解决方案也开始出现在这里。不幸的是,俄罗斯工业中神经网络和机器学习的实施率比世界低数倍。ANO Tsifrovaya ekonomika 总经理 Sergey Plugotarenko 在这个场合指出:“......主要结论是:是的,我们目前落后了,但我们在不久的将来有很大的潜力。” “在我国,有数十万能创造人工智能解决方案的专业人才,有已经积极使用人工智能技术的先驱公司,也有实施此类解决方案的经验,”他说。到 2021 年底,16% 的俄罗斯企业已经在使用或实施人工智能,而且这些企业大多规模较大。
一个很好的例子是 Gazprom Neft。今年,它首次将数字钻井技术应用于北极油田。首先,工程师和开发人员使用机器学习创建了未来油井的虚拟模型。接下来轮到钻井了,也是在机器的控制下进行的:钻机连接了一个“自动驾驶仪”,它实时采集各种传感器的数据,根据需要改变钻机的工作模式。在目前的地质条件下。得益于人工智能,长度超过 5 公里的高科技井的建设速度可以提高 10%。
Eastern Messoyakha 的 3D 地质模型
顺便说一句,在同一领域,俄罗斯天然气工业股份公司成功测试了无人驾驶卡车。在试驾期间,改装的 KAMAZ 车辆在没有驾驶员的情况下沿着北部道路行驶了近三千公里。他们有规律地沿着路线行驶,躲避障碍物,并适应冬季道路上的情况。为此,卡车通过重复的通信渠道不断地相互交换数据,事实上,成为一个单一的卡车“群”。结果如下:运输安全增加 50%,运费减少 15%。
Eastern Messoyakha 的无人驾驶 KAMAZ 卡车
Cifra 集团公司的 Dispatcher 系统分析来自传感器和摄像机的数据流,并预测设备故障。例如,“调度员”可以警告挖掘机铲斗上的齿即将脱落并掉入破碎机(之后它通常会失效)。通过这种方式,系统避免了代价高昂的设备停机。
平均而言,石油和天然气行业、冶金、能源、工程和运输行业的企业在实施 Dispatcher 后,停机时间减少了 12%,维修成本减少了 30%,整体能源消耗减少了 4.4%。CNC 机床的使用寿命增加了四分之一,总劳动生产率提高了 70%。曾经从事工业自动化工作的苏联科学家,对于这样的指标,一定会由衷地称赞。
Rosatom 车间在 Dispatcher 系统的控制下运行
2020 年,马格尼托哥尔斯克钢铁厂 (MMK)开始使用类似的系统,但更专门用于监控电动机、泵和变速箱。基于机器学习的监控预测软件和硬件综合体根据每个单元产生的电磁场图像检测操作异常和未来故障。
这让 MMK 完全摆脱了电气设备的定期维护——现在该公司仅根据 Monitoring-Predictive 的提示管理当前维修。结果,维护成本降低了 17.5%,维修间隔时间增加了三周,工厂的整体生产率提高了 2%。
车里雅宾斯克冶金厂利用深度学习和机器视觉技术来控制钢铁质量。ARMIL 系统不仅使用可见光,还使用其他光谱范围,这使其能够检测 20 多种缺陷类别,包括小至 0.3 毫米的内部微裂纹。
此前,两名专家分析一块钢板需要 8 分钟的工作时间,每年因次品造成的损失高达 300 万卢布。现在分析正在流,次品钢的产量已经下降到几乎为零。
车里雅宾斯克钢铁厂的 ARMIL 系统
新利佩茨克钢铁厂使用类似的系统来控制钢铁的纯度。在 6500 张图像上训练的神经网络将铸铁的除渣率从 75% 提高到 90%,每年节省 2000 万卢布,并使年钢产量增加 1000 吨——这仅仅归功于新的控制系统!人工智能还可以摆脱评估金属质量的主观性,从而改善工厂的工作关系。
俄罗斯开发商为 Tiger-Siberia 集团公司和 Avtopark No. 1 Spetstrans JSC制造了一种家庭垃圾分类机器人。他每月更换三到六个人,从垃圾中捞出可回收物,赚取 400-80 万卢布。整体吞吐量提高了 5%,皮带分拣速度提高到每分钟 130 个物体。也许有了这样的机器人,就不再需要人工分类垃圾了?
如果你研究自治非营利组织“数字经济”最近的报告,你会发现很多有趣的事情:
如您所见,现在在工业中引入 AI 的需求非常大,因为它有利可图。设备闲置更少,故障更少,人们工作起来更舒适、更安全,成本降低,利润增加。在短期内,人工智能可以将企业的盈利能力提高 5% 或更多。俄罗斯工业部负责数字技术的 Vladimir Dozhdev认为生产数字化是不可避免的。
数字化,就像数字化转型,就像当时的自动化,当然不是什么东西本身,而是所有经典基础产业的进化发展。这不是一种时尚,而是一种现实的需要。没有这一点,现代生产就会失去竞争力。每个人都会以这样或那样的方式经历数字化转型,这里不可能挑出一个不需要数字的行业。每个人都需要。顺便说一句,农业通常是当今数字经济的驱动力之一。
VLADIMIR DOZHDEV,俄罗斯工业和贸易部数字技术司司长
对俄罗斯的经济制裁使她很难使用现代计算机微处理器。更糟糕的是,俄罗斯已经失去了在台湾台积电等现代化工厂生产其原始处理器(Elbrus、Baikal 等)的能力。
神经网络、机器视觉和工业软件需要现代多核处理器和最强大的显卡。俄罗斯尚无法独自在国内完成所有这些工作。
根据来自圣彼得堡的人工智能研究人员的一份报告,神经网络在制造工艺不超过 16 纳米的微芯片上有效工作。更多“粗糙”的处理器要么不够强大,要么耗电过多。台积电已经在生产 5nm 处理器,而俄罗斯的工厂(同在 Zelenograd 的 Angstrem)只能生产 65nm 或更高工艺技术的芯片。这是18年前处理器的水平。
Angstrem 工厂车间
据报告作者称,如果采用无掩模光刻技术,俄罗斯科学院和Amphora 实验室能够开发自己的芯片生产设备,工艺技术可达 13.5 纳米。此外,神经网络和机器学习不需要显卡本身,你可以使用张量核或特殊的神经形态芯片,它们比显卡 GPU 简单得多。
然而,现代芯片的进口替代肯定不是近期的事情。现在,企业仍在寻找购买计算机硬件的变通办法,并在可能的情况下优化软件。国家为生产数字化提供支持措施,希望使其成为经济发展的驱动力之一。据专家估计,人工智能可以在未来三年内为俄罗斯 GDP 增长贡献 1%。
企业和国家的利益无可厚非,但人工智能对员工的承诺是什么?经济学家一致认为,技术进步不会增加失业率,但奇怪的是,它会降低失业率,尽管某些职业正在消亡。因此,到 2025 年,数字技术将取代全球 8500 万个工作岗位,但作为回报,它们将创造 9700 万个工作岗位。
然而,这并不意味着那些因为人工智能而失去他们的人会得到新的工作。有一件事是肯定的:制造业需要数字化,因此俄罗斯对人工智能专家的需求将会增长,尤其是在他们已经供不应求的情况下。
联系客服