Синергия автономии ИИ и человеческого контроля в промышленности

Как сообщает издание MIT Technology Review, цифровые двойники помогают промышленным предприятиям работать более согласованно, напоминая живые системы. Промышленные объекты, такие как заводы, можно рассматривать как живые организмы с пульсом и метаболизмом, подверженные износу и старению. Технология цифровых двойников стремится отразить эту динамичность, моделируя аномалии, которые могут свидетельствовать о более серьезных проблемах. Ранее такие системы не могли проводить анализ в реальном времени и не были способны проактивно решать обнаруженные проблемы, сосредоточившись на симуляции и наблюдении. Современные цифровые двойники, интегрированные с искусственным интеллектом, представляют собой динамичные, высокоточные цифровые модели активов и процессов, способные вмешиваться в физический мир через операционные и контрольные системы. Искусственный интеллект становится ключевым элементом этого изменения. Роб МакГриви, главный продуктовый директор AVEVA, сравнивает новые версии цифровых двойников с организмами, которые растут и развиваются. Эти «живые» модели адаптивны и обеспечивают ранее недоступный уровень видимости и координации, отражая органические ритмы самого предприятия. Современные системы искусственного интеллекта также позволяют промышленным системам выходить за рамки диагностики и рекомендаций, действуя самостоятельно. С развитием технологий автономия систем возрастает, и они начинают развивать рефлексы для поддержания «промышленной гомеостазы», в которой небольшие постоянные корректировки помогают поддерживать завод в хорошем состоянии. Тем не менее, человеческое суждение и надзор операторов по-прежнему играют важную роль, определяя, как выглядит здоровое состояние системы, и сигнализируя о несоответствиях в работе ИИ. Цифровые двойники предоставляют инженерам возможность следить за действиями ИИ и контролировать выполнение задач. Цифровые двойники связывают инженерную и проектную информацию с данными в реальном времени через цифровую нить, что стало возможным благодаря технологическим изменениям, таким как доступные датчики, которые передают телеметрию с IoT-устройств и промышленного оборудования. Платформы программного обеспечения облегчают доступ к этой информации через удобные интерфейсы. Прогностические и физические модели могут также предоставить обогащенные ИИ инсайты о поведении машин и процессов. Производители стремятся использовать агентный ИИ в своих операциях, и 66% из них планируют внедрить такие технологии к 2026 году. Однако они также осознают потенциальные риски. В исследовании Deloitte 65% руководителей указали на операционные риски как на одну из основных проблем. МакГриви подчеркивает, что требуется еще много доработок и тестирования для достижения полной автономии ИИ. В то же время роль человеческих операторов меняется. Работники, ранее специализировавшиеся на одной линии или задаче, теперь могут выполнять несколько функций, меньше времени тратя на одобрение рутинных действий и больше — на определение допустимых пределов работы. Организации также должны адаптировать свои структуры управления, устанавливая четкие границы для решений, которые ИИ может принимать самостоятельно. Однако многие компании еще не внедрили комплексные меры безопасности. В недавнем исследовании AVEVA и IMD 43% организаций заявили, что изменения в принятии решений и ответственности среди партнеров экосистемы были незначительными. Тем временем регуляторы начинают определять некоторые правила. Акт ЕС об ИИ классифицирует определенные компоненты безопасности ИИ, используемые в критической инфраструктуре, как высокие риски и требует человеческого надзора. Компании также создают свои структуры; например, AVEVA имеет совет по ответственному ИИ и опубликовала принципы разработки и внедрения ИИ. Внутри уже работающих полуан автономных систем надзор варьируется от одного развертывания к другому. В некоторых случаях оператор одобряет каждое действие, в других — ИИ действует самостоятельно, а люди контролируют и определяют рамки его работы. МакГриви приводит примеры из практики клиентов AVEVA, таких как оптимизация производства на НПЗ Saudi Aramco и использование ИИ для настройки сушилок на заводах Nestlé. В будущем интеграция физических систем ИИ и робототехники может создать более точный и взаимосвязанный поток информации, что позволит избежать инцидентов и повысить устойчивость бизнеса. МакГриви предсказывает, что синергия робототехники и программного обеспечения приведет к меньшему количеству инцидентов и более устойчивым методам работы. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.