Искандер Бариев о том, почему российская экономика не лидер по роботизации и внедрению ИИ

С нами на связи из Казани директор университета Иннополис Искандер Бариев. Искандер, здравствуйте!

Искандер Бариев: Добрый день! Я вас поправлю: это даже город Иннополис.

Город Иннополис, тот, что рядом с Казанью. Иннополис — один из основных центров развития искусственного интеллекта в стране, а мы будем говорить в основном о бизнесе, не об игрушечках, которыми наши дети быстрее нас, взрослых, начинают пользоваться, а о том, как бизнес внедряет искусственный интеллект. Я вначале дам слово вам, потому что кое-что мы, конечно, и так видим, знаем. Интернет-компании первым делом внедряют искусственный интеллект, потом банки, финтех. Это все у нас на глазах происходит, мы с этим соприкасаемся, а как в промышленности это происходит?

Искандер Бариев: Когда мы говорим про развитие искусственного интеллекта в индустрии, в промышленности, это такие важные драйверы с точки зрения развития технологии, с другой стороны, развития экономики. Важно зафиксировать тренды, которые есть, которые наиболее сейчас коммерциализированы. Мы говорим про использование искусственного интеллекта для поиска новых материалов, когда мы ускоряем процесс создания нового вида продукции, тут активно работает новый алгоритм, когда мы существенно, в несколько раз сократим получение нового вида продукции за счет того, что ряд экспериментов переводим на платформу. Медицинская диагностика, диагностика заболеваний на ранней стадии становится мегаважным проектом, когда переходит на эти платформы. Безопасность, если мы говорим про наши проекты топливно-энергетического сектора, там мониторинг для исключения возможных последствий разных экологических инцидентов. Когда мы собираем, например, всевозможные камеры, всевозможные датчики в единые платформы, и уже искусственный интеллект выявляет там дефекты, огромное количество таких проектов сейчас запущено. Мы говорим про важное направление, которое в университете сейчас развивается, — техническое обслуживание транспорта, мы говорим, что обычно это ручной труд. Когда, например, самолет приземляется, ходит механик, инженер и проверяет целостность двигателя, фюзеляжа и так далее. Так вот, сейчас есть такие технологии, университет Иннополис, в частности, их разработал для одной из авиакомпаний, — это автоматизация и визуальная инспекция состояния и дефекта транспорта. С одной стороны, мы получаем другое качество, что важно, с другой стороны, мы получаем ускорение процесса, потому что мы понимаем, что экономика авиакомпании работает, когда самолет летает. А здесь мы получаем за счет этого ускорение и, конечно, абсолютно другое качество. Так вот эти направления являются сейчас наиболее актуальными, но для меня проект, например, по контролю сварных швов, который мы реализовываем для строительной компании, является очень важным и интересным. Мы использовали наши наработки, которые отрабатывали в рамках обработки медицинских изображений, перенесли на задачи контроля сварных швов. Кто занимается стройкой, все прекрасно знают, что, когда вы передаете в эксплуатацию трубопровод, вы должны его передать с целыми сварными швами. Так вот, это ручной труд в основном, и делают это дефектоскописты. А мы разработали алгоритмы искусственного интеллекта, которые полностью автоматизируют этот процесс, когда уже не дефектоскопист принимает решение о целостности, а искусственный интеллект. Мы не в процентах, а в несколько раз ускорили этот процесс: например, это занимало две недели, сейчас это занимает 20-30 минут.

Расскажите, как это выглядит. То есть я понимаю, что, во-первых, здесь должен быть отдельный программный продукт, должны быть какие-то средства, камеры наблюдения, чтобы проехаться по всем этим швам и так далее. Но это я фантазирую, вы сейчас мне расскажете подробнее и всем нам.

Искандер Бариев: Здесь нужны не камеры наблюдения, а специальный рентгеновский аппарат, и он выдает, по сути, оцифрованные рентгеновские изображения в электронном виде, по которым нужно дать заключение. Этот процесс мы переводим на платформу искусственного интеллекта, мы специально обучили алгоритмы, сделали специализированный программный продукт, интегрировали его в оборудование, который сразу же говорит: вот здесь такая пористость или там такие дефекты; здесь все нормально, можно закапывать трубу. И обучали мы его, конечно, на огромном количестве датасетов, специализированных съемках за предыдущие годы, которые строительная организация нам предоставила.

Я не совсем понял, как делается рентген трубопровода.

Искандер Бариев: Есть специальные аппараты, вы снаружи его ставите, он делает эти изображения, вы его по кругу водите в рамках шва и получаете целостную картину.

А можно сказать, сколько стоит целостный продукт, связанный с этим, который рентгеновский аппарат включает, плюс программа, которая все это обрабатывает?

Искандер Бариев: От 50 тысяч рублей до какого-то количества миллионов в зависимости от того, какой заказ вы даете на реализацию, потому что мы это продаем как сервис, и там указано количество изображений, которые мы должны обработать. Либо это покупка неисключительных прав на лицензию, тогда уже другая стоимость идет.

То есть это сервис, который работает со всеми?

Искандер Бариев: Да, абсолютно, но могу вам сказать одно: это в пять раз дешевле, чем традиционные способы.

Программ с внедрением искусственного интеллекта в индустрии огромное количество, и они все разные. Я прочитал один опрос, где наши компании, которые уже используют продукты искусственного интеллекта, рассказывают, в чем они отмечают сдвиг в лучшую сторону. Вот 50% отмечают в контроле качества, а вот в снижении издержек — всего 10%: повышается контроль качества, но сократить количество рабочих, сократить количество людей не особо получается. Это правильные выводы?

Искандер Бариев: Согласен с этим опросом. Чтобы полноценно работал искусственный интеллект, необходимы инвестиции в инфраструктуру: это центр обработки данных, это покупка нового железа и так далее, это переобучение людей. Говорить о том, что издержки снижаются на первом этапе, наверное, неправильно, и даже, может быть, затраты увеличиваются. Но в перспективе, если мы говорим про возврат инвестиций в будущем, экономика складывается достаточно интересная. Экономический эффект не в перспективе двух-трех лет, а в перспективе десяти лет и больше можно получить. Мы знаем, что сейчас огромный дефицит в ресурсах, в человеческих ресурсах у компаний, это открытая статистика, можно об этом говорить. Но больше запросы еще на квалифицированных специалистов, когда нужны крутые инженеры, там использование искусственного интеллекта снижает требования к квалифицированным специалистам, и можно со средними специалистами делать высококачественный результат. В этом смысле эффект намного круче и важнее.

Сейчас, конечно, словосочетание «искусственный интеллект» модное, продаваемое. Я примерно понимаю, чем искусственный интеллект отличается от предыдущего поколения просто программного продукта, но будет не лишним, если вы сейчас еще раз это объясните.

Искандер Бариев: Грубо говоря, мы при помощи алгоритмов переводим ряд технологий в машинное обучение, рутину определенную, когда мы повторяем действия. В этом и есть основное отличие от базовых информационных систем. Когда мы эту повторяемость действий переводим на программный продукт, все становится намного лучше и качественнее. Сейчас, когда мы говорим про искусственный интеллект, надо говорить, еще про генеративный искусственный интеллект, это вот сейчас самое топ-направление, где основные инвестиции и основные технологии происходят. Например, то, чем мы сейчас занимаемся, то есть команда университета Иннополис, — это автогенерация кода, некие алгоритмы, которые помогают разрабатывать программные продукты, то есть большую часть задач программирования можно перевести на алгоритм искусственного интеллекта. Я предполагаю, что через два-три года junior-разработчик, базовый уровень, уже не нужен будет, его заменит ИИ, потому что и разработчиков мало, и можно большую часть задач убрать в эту технологию.

Герман Греф лет пять-шесть назад очень всех удивил, сказав, что скоро программисты будут не нужны, потому что как раз искусственный интеллект — продукт математики — лучше всего решает математические задачи.

Искандер Бариев: Все так говорят, но дефицит IT-кадров только вырастает.

Это у нас, а на Западе дефицита уже нет.

Искандер Бариев: Если мы говорим про классических разработчиков программных продуктов, может быть, спрос и падает. В рамках университета Иннополис, когда мы готовим специалистов, мы каждые полгода меняем образовательные программы в зависимости от запроса индустрии. В IT-рынке часто обновляются требования к компетенциям. Те разработчики, которые пять-десять лет не обновляют свои знания, не будут востребованы. Разработчик 2010-го или 2015 года не нужен будет в таком виде.

Его заменит искусственный интеллект?

Искандер Бариев: Да, я вам так скажу, что разработчики, которые владеют технологиями искусственного интеллекта, которые умеют качественно его использовать в рамках разработки программных продуктов, сейчас мегавостребованы. Тренды меняются, и сейчас основные запросы, которые есть от наших заказчиков, — это ребята, которые могут писать программные продукты с использованием технологии искусственного интеллекта. Мы сейчас запустили новые направления обучения в рамках него и так далее, там огромный дефицит.

Мы много рассказывали, мне кажется, многие уже знают о том, как работает искусственный интеллект в медицине, в Москве это прямо на глазах у всех внедрено, все с этим сталкиваются. Другой очень понятный всем пример, где работают программы искусственного интеллекта, — это автопилотирование. Скажите, вот на этом рынке, если речь об управлении движением, автоматизации логистики складских процессов, существует ли в России конкуренция программных продуктов? Есть ли у меня выбор предложений софта, к кому мне идти, что смотреть?

Искандер Бариев: Есть три-четыре компании в России, которые профессионально занимаются складской логистикой. Мировой тренд использования роботов связан как раз с мобильной робототехникой, и сейчас все мировые компании борются за долю рынка в области мобильной робототехники, это и есть складская логистика. Россия только-только приходит к этой задаче, я знаю несколько кейсов у Wildberries и Ozon, когда они в экспериментальном режиме складскую логистику организовывают на базе мобильных тележек. Они бывают разные, бывают метр на метр, бывают десять на десять, в размерах, и они на самом деле дают очень крутую экономику. Но вопросы внедрения, конечно, зависят от того, есть ли у нас в России полноценные компании-интеграторы, которые могут быстро внедрить, условно, 2 тысячи тележек или 5 тысяч, мы говорим про количественные показатели. Сейчас самый большой проект в России — это 200 тележек. Технологии готовые есть, программные продукты готовые есть, есть мировые компании, решения которых можно быстро локализовать, но основной проблемой внедрения является то, что компаний-интеграторов, которые качественно это могут сделать, мало, нет стимулирования этого всего. Это тоже большой вызов 2025 года, чтобы у нас таких ребят было больше.

Хорошо, в России маловато компаний, которые готовы это сделать «под ключ». А купить «под ключ» за границей, скорее всего, в Китае, возможно?

Искандер Бариев: Да, конечно, возможно, но я противник этого, я считаю, что нам нужно развивать собственные технологии и собственные компании. Все для этого есть, ничего сложного внутри этих мобильных тележек нет абсолютно. По поводу софта, ничего сложного внутри софта тоже нет, 90% технологий, которые используются внутри мобильных тележек и программных продуктов, внутри России есть, и нам их нужно развивать. Но на первом этапе понятно, что нужно брать все лучшее, что есть, и дальше это переиспользовать, формировать собственные компании.

Да, интересно. А вот Иннополис — это же проектный университет, где обучающиеся сразу создают технологические стартапы, технологические проекты. Нет ли среди ваших студентов тех, кто хочет создать такую компанию, которая будет автоматизировать большой склад? Вот на это прямо сейчас большой спрос, а предложения мало.

Искандер Бариев: Есть, конечно. Внутри Иннополиса есть две компании, внутри университета есть несколько команд, которые сейчас параллельно занимаются этими технологиями, и в Иннополисе есть компании, которые занимаются развитием мобильной робототехники. У нас есть ряд проектов, которые мы сейчас пытаемся реализовать: вот нам компания из Владивостока заказала услугу, даже не склад, а целый порт. Можно ли организовать, например, беспилотные тележки так называемые, платформы, которые могли бы перевозить контейнеры с одного места на другое? Мы сейчас этим проектом занимаемся, пытаемся организовать картографирование. У нас была проблема в том, что в принципе порт, который построен в советское время, тяжело переделать под задачи использования беспилотных мобильных тележек. Когда мы начинаем перемешивать беспилотники с действующими «КамАЗами», грузовиками, которые тоже перемещают эти же контейнеры, становится тяжело. И мы, конечно, этим сейчас занимаемся, пытаемся параллельно делать дороги. Одна дорога будет для традиционных грузовиков, вторая дорога будет для беспилотников, и мы всем этим занимаемся, еще раз говорю: в Иннополисе есть ряд команд, которые тоже пытаются профессионально это делать.

Вспомним про сельское хозяйство. Сельское хозяйство, если еще кто-то не знает, пора узнать, — это на самом деле сфера, где автоматизация и внедрение программ искусственного интеллекта, сейчас быстро развивается. Вплоть до виноградников. Существует техника, которая проезжает, смотрит виноград и собирает. Я не так давно с виноделами разговаривал. Но, естественно, это вся техника покупная, импортная. Это я просто пример привел. Помидоры тоже можно собирать автоматизированно. Расскажите, что у нас интересного в этом направлении делается и сможем ли мы конкурировать на внутреннем рынке? Потому что сельское хозяйство у нас уже развилось, а дальше ему не хватает рабочих рук. Нужна автоматизация и роботизация.

Искандер Бариев: В целом я хочу сказать, что сельское хозяйство является сейчас драйвером развития информационной технологии. Наверное, может быть, так странно звучит, но это реально драйвер. Потому что компании у нас экспортно ориентированные, у них есть запрос на повышение качества и снижение затрат. И технология искусственного интеллекта в этом реально помогает. У нас, например, много проектов связаны с использованием конвертопланов, дронов для мониторинга полей и внесения удобрений. И сейчас это прямо мегатренд, это очень активно используется. У нас проекты для сельского хозяйства специфичные. Мы, например, научились с точностью 97% при помощи камер взвешивать свиней. Это прямо очень интересно получилось. Для одного агропромышленного предприятия сделали. И мы сами были удивлены, что можно практически в онлайне мерить вес животного при помощи камер. Сделали специальные алгоритмы, и это получается очень интересная экономика. Потому что не надо, соответственно, каждый день смотреть каждое животное сколько прибавило в весе. Сразу ясно, какая экономика идет по стаду, это 1000-1500 голов, которые находятся внутри агропромышленных предприятий. Есть интересные проекты, когда мы, используя технологии дистанционного зондирования Земли, смотрим за посевами. Там используются алгоритмы искусственного интеллекта, беспилотники, данные космоса и так далее, и мы четко реагируем на качественное внесение удобрений, на обработку полей.

Вот такой вопрос: чего больше в нашей разработке? Вот мы увидели, что где-то кто-то что-то сделал, какая-то техника появляется, снабженная программами искусственного интеллекта, и мы там стараемся сделать свое, импортозаместить. Или же нам удается создавать вещи, которых нигде нет. Например, для взвешивания свиней электронным глазом. Это где-нибудь было сделано? Это откуда-то подсмотрели? Или это абсолютно своя идея самого вида деятельности?

Искандер Бариев: Знаете, я, честно, не знаю, нигде не увидел, что это было сделано. Это был конкретный заказ компании, который мы взяли и сделали.

То есть это свиноферма придумала, что так можно, и обратилась с заказом.

Искандер Бариев: Конечно.

А много вообще индустриальных компаний, которые видят, догадываются, что из их технологических процессов можно автоматизировать?

Искандер Бариев: Я считаю, что многие компании у нас на передовой с точки зрения использования искусственного интеллекта, с точки зрения поиска новых видов продукции. Сейчас мир к этому приходит. Но то, что делают наши нефтехимические предприятия, с точки зрения вывода новой продукции при помощи искусственного интеллекта, они не подсмотрели, а сами пришли к этому с целью ускорения получения нового вида продукции. И многие вопросы, которые мы получаем как задачу, на самом деле в мире не решены, и тут нельзя подсмотреть.

Мы сейчас на том этапе, когда задачу формулирует в основном производитель. Про нефтехимию вы сказали — а что это? Это какие-то новые материалы принципиально, которые разрабатываются?

Искандер Бариев: Это новый вид продукции. Там, условно, новые виды полимеров, новые виды полиэтиленов и так далее. Вам заказчик говорит: мне нужен такой-такой полиэтилен такого свойства, чтобы он переносил и мороз, и жару, вот такая должна быть теплопроводность. И важно, чтобы завод, получив это ТЗ, быстро вышел на конкретный производственный процесс этого всего. Так вот, обычно это занимает пять-шесть лет. Это долго. Технология искусственного интеллекта позволяет это сделать за два года. То есть вы в 2-2,5 раза ускоряете этот процесс получения конечной продукции. И знаете, в чем проблема? Вы не сможете это купить. Потому что ни одна коммерческая компания иностранная эту технологию вам не продаст, потому что это их конкурентные преимущества. Поэтому важно формировать сильные команды внутри России, которые будут понимать эти задачи, понимать, как этот процесс реализовывается, формировать сразу же исторические данные, датасеты и так далее. Этому, конечно, нужно учить. Отдельно я хочу здесь сказать, вот сейчас мы переходим к самому важному, задаче, которая есть сейчас у университета Иннополиса: как использовать технологию искусственного интеллекта в науке? Как при помощи технологии искусственного интеллекта поднять в целом наши научные результаты, достижения, потому что сейчас многое реализовывается стандартными, традиционными способами. И это мировой тренд. И тут я вам точно скажу, что тоже никто не поделится, если мы не сформируем наши внутренние компетенции внутри России, которые будут использовать технологии искусственного интеллекта в науке, которые позволят существенно ускорить получение нового вида продукции, новых технологий, нового вида материалов и так далее. Это касается и медицины, и сельского хозяйства, и промышленности, здесь нужно быть на передовой.

Искусственный интеллект отличается тем, что, если ты раньше делал программу, она была алгоритмическая, варилась сама в себе. А искусственный интеллект должен обучиться на большой-большой базе данных, что, собственно, делает задачу гораздо более сложной, в том числе и по времени. Ну, вот если, например, нужно разработать некий продукт искусственного интеллекта для проведения того или иного эксперимента в фармакологии, подбора молекул, например. Как отобрать варианты с помощью искусственного интеллекта? Для этого он должен быть обучен. А где взять эту базу данных для обучения, как это работает? Я понимаю, что это вопрос сложный, и объяснить в двух словах, наверное, не получится. Но объясните, как сможете, и сколько это стоит.

Искандер Бариев: Смотрите, сколько стоит: от рубля до миллиардов долларов, в зависимости от задачи, которую вы ставите.

Мы сейчас наблюдаем, что все за базы данных борются, в том числе в общем информационном поле. Государство хочет, чтобы все данные поступали в анонимизированном виде в какую-то общую базу данных, для того чтобы программы искусственного интеллекта могли обучаться, видеть, что там происходит. А вот, например, в химии, в фармакологии, в науке как это работает? Там нельзя собрать данные с телеком-операторов.

Искандер Бариев: Можно долго это обсуждать, есть много подходов с точки зрения формирования датасетов, данных для того, чтобы обучать искусственный интеллект. У нас есть отдельный проект, связанный с платформой по поиску новых видов лекарств, и мы подходили несколько иным образом. Первое, когда совсем нет датасетов, мы формировали их сами, это синтетические данные называются. Когда мы теоретически понимаем, как должна быть устроена структура того или иного вещества, мы его формируем, наполняем свою базу. Второе, мы проводим эксперименты совместно с нашими партнерами, погружаем, кормим наши алгоритмы для того, чтобы ИИ обучался. Третье: мы ищем открытые, закрытые данные, которые есть у разных партнеров, что-то сохранилось даже в бумажном виде, мы их оцифровываем, для того чтобы уже обучать в дальнейшем алгоритмы. И это на самом деле самая большая проблема. Мы вот с нефтехимическими предприятиями общаемся, у многих вообще нет такой культуры. У них есть свои лаборатории, которые выводят новые виды продукции, делают реальные эксперименты. Но никаких записей ни в бумажном, ни в электронном виде они не сохраняют. Просто нет культуры. И это на самом деле основной запрос — формировать культуру хранения данных, структурирования данных и так далее. Это самый большой вызов. И еще раз говорю, каждый раз это отдельный подход. У нас есть отдельная большая фундаментальная работа по оптимизации данных, когда вы на малых датасетах можете получить качественный результат, чтобы дать то качество, которое заказчика будет устраивать.

Ну и напоследок не очень приятные цифры по роботизации в промышленности. Лидер Южная Корея: там на 10 тысяч работников 500 роботов, в России на 10 тысяч работников 12 роботов. В Китае, в США где-то по 250. То есть от лидера мы в 50 раз отстаем, от продвинутых стран, но не лидеров, в 25. Каков ваш взгляд на наши возможности в динамике?

Искандер Бариев: Вы сказали про Южную Корею, там, по-моему, цифры больше тысячи уже, не 500, они там сильные лидеры.

Значит, они прямо растут в прогрессии.

Искандер Бариев: Да, рост там на самом деле огромный. Мы думали, что сейчас будем планировать всю стратегию работы направления робототехники, исходя из этих одних цифр, а за один год они количество промышленных роботов еще больше увеличили.

А мы? А у нас цифра изменилась с 12?

Искандер Бариев: Сейчас расскажу. Вот Южная Корея за 2023 год имела 1012 роботов на 10 тысяч сотрудников, не 500. На втором месте у нас идет Сингапур, там 770, но интереснее, например, цифра Китая, который стал сейчас третьим. 470 роботов на 10 тысяч сотрудников. Если говорить про Россию, у нас цифры скромнее.

Мягко скажем.

Искандер Бариев: Но средние, если взять мир. Мы сможем выйти на 162 робота на 10 тысяч сотрудников в перспективе пяти-шести лет, если мы все меры поддержки или все программы, которые запустил Минпромторг, реализуем. Но, как вы понимаете, это только через пять-шесть лет. То есть за это время другой будет абсолютно скачок. Но основная проблема в том, что большое количество предприятий, где мы хотим внедрить тех или иных роботов, все-таки имеют определенный производственный расклад. Вот мы заходим на предприятия и понимаем, что много где просто невозможно поставить роботов, так как весь производственный цикл настроен на работу людей. Часто поставить робота в текущие производственные предприятия сложно, надо строить новый завод. Вот когда новый завод строишь, сразу же нужно его проектировать, чтобы там было максимальное количество роботов. Тут другой вопрос: умеют ли наши компании, которые проектируют заводы, проектировать с использованием роботов? К сожалению, нет. И наша задача основная, чтобы компании, которые занимаются проектированием предприятий, промышленных компаний, научились использовать промышленные роботы. И это основной вызов. Если мы это сделаем, то у нас мы получим существенный рост.

Вы сказали, «я пользовался прошлогодней статистикой», а у вас есть новая? А у нас-то как изменилось число? С 12 тысяч на 10 тысяч работников?

Искандер Бариев: Несущественно. Ну, скажу так, что мы выросли, но несущественно, потому что проблема в этом, то, что я вам сказал. Мы растем процентов на 25-30, а нужно каждый год расти на 100%.

Вот эта статистика кого охватывает? Вообще всех работников? Или отдельные сектора?

Искандер Бариев: Ну, все-таки нам нужно калиброваться со всем миром. Весь мир калибруется по количеству работников. Тут не надо делать поблажек.

Нет, просто для того чтобы понимать. Может быть, в Америке тоже не так много роботов, потому что у них больше креативным трудом люди занимаются в последние десятилетия, хотя все сейчас идут к производству внутри страны.

Искандер Бариев: У них 295-300 роботов на 10 тысяч сотрудников, тоже хорошие цифры.

Но от Китая сильно отстают при этом.

Искандер Бариев: Да, отстают, но они сейчас отдельную программу принимают. Там тоже большой рост будет. Поэтому тут, я считаю, поблажек делать не нужно, просто нужно много использовать и внедрять. С учетом того, что нам нужно повышать качество, повышать производительность труда и так далее. Это обязательно.

Ну что ж, вот в последней части разговора мы, может быть, обозначили самую главную вообще проблему российской экономики на предстоящие годы и самую главную задачу, потому что дальше экономическая борьба, борьба за производительность, за качество будет развиваться именно в этом направлении, верно?

Искандер Бариев: Абсолютно.