Наталья Быкова обозреватель «Монокль» 23 декабря 2019, 00:00
Насколько сложен переход промышленности на «цифру» и какие выгоды это принесет России
Читайте Monocle.ru в
На 2020 год в России запланирован старт сразу двух крупных высокотехнологических проектов, совершенно новых для отечественных реалий. Это создание цифровых двойников (виртуальных моделей или близнецов) городов и регионов — в частности, Челябинска и Кузбасса. Виртуальные модели территорий призваны помочь контролировать, корректировать и предсказывать развитие ситуации в сфере экологии, транспорта, жилищно-коммунального хозяйства, принятия управленческих решений. Например, цифрового двойника уже имеет британский Кембридж: используя цифровую модель, местные власти оптимизируют транспорт и контролируют качество воздуха.
Еще один амбициозный российский проект разработки цифрового двойника по сложности не имеет аналогов в мире. Это начатое в 2019 году создание информационного дублера Обь-Иртышского бассейна и его притоков — Томи, Миасса, Иртыша, Туры. Примечательно, что новые идеи планируется реализовать исключительно силами отечественных разработчиков. Однако опыта создания двойников сложнейших объектов полного жизненного цикла (так называемая PLM-система, Product Lifecycle Management System — управление жизненным циклом продукции) у наших компаний пока нет. Тема цифровых двойников в России относительно новая.
К новой технологии проявляют интерес все без исключения отрасли, ее включают в федеральные программы поддержки промышленности, но до сих пор почти 80% российских заказов цифровых двойников забирают зарубежные производители. По разным данным, объем российского сегмента инженерного ПО в 2018 году составлял всего от 10 до 13 млрд рублей. Это в разы меньше оборотов зарубежных компаний, лидирующих в этом сегменте.
Причин отставания несколько. Это и относительно поздний старт освоения технологии — в среднем отставание от мира оценивается в пять-семь лет. И неурегулированность вопросов информационной безопасности: закладываемые в двойников данные часто носят конфиденциальный характер, а с правами разграничения доступа к ним в России до сих пор нет полной ясности. Отмечается также, что отечественная промышленность более консервативна к восприятию инноваций, чем зарубежная. Десятки предприятий сегодня заказывают цифровых дублеров для конкретных деталей, например колес или лампочек, и лишь на уровне стратегий включают в управление производством двойников полного цикла.
Красивая идея
Применять математическое моделирование к производственным процессам начинал еще советский ученый академик Леонид Канторович, но сам термин «цифровой двойник» впервые использовал в 2003 году Майкл Гривс, профессор ассоциированного с космической отраслью США Технологического института Флориды, в статье под названием «Цифровые близнецы и превосходство в производстве на основе виртуального прототипа завода». В его концепции речь шла о создании цифрового аналога продукта, который выглядел бы как настоящий не только внешне, но и при разборе на части, а также при различных манипуляциях с ним, от стадии идеи и проектирования до испытаний, эксплуатации, обслуживания и утилизации готового изделия.
🤖 «Пока бизнес скорее тратит на ИИ, чем на нем зарабатывает»
Пока Google и Microsoft делают наши личные данные топливом для своих нейросетей — анализируя почту или делая скриншоты экрана каждые несколько секунд, — реальный сектор (финансы, медицина, промышленность) задыхается от обратной проблемы. Здесь строгие законы о защите персональных данных превращаются в непреодолимый барьер: обмениваться данными, чтобы учить свои модели на них, большей части банков и корпораций запрещено.
Однако выход есть — технология конфиденциальных вычислений, позволяющая анализировать данные, не раскрывая их. В России одним из пионеров этого подхода стала компания УБИК (теперь часть группы Arenadata), запустившая в прошлом году продукт Ubic Conclave для совместного анализа данных банков, телекомов и госструктур без передачи самих сведений.
⚡️ Петр Емельянов — директор по дата-стратегии и искусственному интеллекту группы Arenadata
Как работают конфиденциальные вычисления? Что дает ИИ бизнесу? Что за задачи решают ваши заказчики? Как будет проходить адаптация к ИИ?
🎙 О том, как именно конфиденциальные вычисления могут преобразить искусственный интеллект и где кроется экономика в анализе данных, Петр Емельянов рассказал в подкасте «Монокля».
0.54 что такое конфиденциальные данные и вычисления и зачем они нужны
5.50 что могут узнать банки о своих клиентах, если объединят свои данные (не объединяя их)?
7.50 как не запутаться в том, что показывают большие данные
12.35 стартапы на базе ИИ: почему у них нет конкуретных преимуществ
14.00 как работает Conclave
17.00 что хотят получить банки и компании с помощью конфиденциальных вычислений
21.00 как экосистема может больше зарабатывать за счет знания своего клиента
23.50 каким будет ИИ,обученный не на общедоступных, а на публичных данных
28.20 почему нам не нравится, когда наши данные обрабатывают
31.50 так приносит ли ИИ деньги или нет?