Государственный институт русского языка имени А.С. Пушкина вместе с порталом Десятилетия науки и технологий «Наука.рф» в завершающий день IV Конгресса молодых ученых назвали слово года в науке в 2024 году. Им стал «искусственный интеллект.
«Благодаря ИИ мы можем решать сложные задачи, автоматизировать процессы в производстве и улучшать качество повседневной жизни. В этом году Институт Пушкина впервые провел акцию «Слово года в науке». Безусловно, мы продолжим ежегодно проводить опросы о слове года среди ученых и фиксировать вехи развития научно-технического прогресса страны», — сказал и.о. ректора Института Пушкина Никита Гусев.
TAdviser отмечает, что созданием передовых производственных технологий искусственного интеллекта (ППТ ИИ) в России занимается узкий круг организаций: с 2020-го по 2023 год их количество увеличилось с 35 до 74, что составляет около 7,5% от общего числа разработчиков ППТ. Вместе с тем интенсивность использования ИИ-систем в РФ увеличивается. Причем наиболее высокими темпами растет применение технологий, созданных организациями самостоятельно: за три года (к концу 2023-го) их число увеличилось почти втрое.
Андрей Гринев, генеральный директор ООО «Городской центр экспертиз — Новые технологии» рассказал об основных проблемах, с которыми сталкивается внедрение ИИ в промышленной отрасли РФ:
“Внедрение искусственного интеллекта в промышленность сталкивается с двумя основными барьерами. Во-первых, это высокая стоимость. ИИ-технологии требуют серьёзных инвестиций, и не каждое предприятие готово выделить такие средства. Во-вторых, неопределённость результата. На рынке пока недостаточно подтверждённых кейсов, демонстрирующих реальный экономический эффект. Часто компании слышат: ‘У нас есть решение за миллиард рублей’, но при этом никто не может гарантировать, что вложения окупятся. Это вызывает недоверие и страх рисковать.
Решение этих проблем заключается в постепенном подходе. Начинать нужно с небольших и понятных задач, где ИИ уже доказал свою эффективность. Например, видеоаналитика: автоматизация контроля доступа на предприятие, проверка соблюдения требований промышленной безопасности, отслеживание наличия средств индивидуальной защиты — например, касок или спецодежды.
Ещё один перспективный вариант — распознавание и диагностика производственных процессов. Это контроль качества сырья и готовой продукции, диагностика состояния оборудования, таких как, например, конвейерные ленты. Эти задачи дают быстрые и измеримые результаты, что снижает риски и формирует доверие к технологиям.
Что касается более масштабных решений, таких как цифровые двойники предприятий, здесь ещё рано говорить о массовом внедрении. Для этого нужно сначала пройти этапы адаптации ИИ на уровне отдельных процессов. Постепенное накопление опыта поможет двигаться в сторону крупных проектов.
Искусственный интеллект способен значительно повысить производственную эффективность, но важно двигаться поступательно. Сначала — небольшие, понятные задачи, затем — масштабные системы. Такой подход сделает внедрение ИИ безопасным и экономически оправданным”.
