Всего за 379 руб. Купить полную версию
Чтобы лучше понять мир датчиков, я посетил огромный центр программного обеспечения General Electric в Сан-Рамоне, штат Калифорния, чтобы взять интервью у Билла Руха, директора компании по цифровым технологиям. История GE интересна уже сама по себе. В значительной степени благодаря способности ускорять установку датчиков на всём своём промышленном оборудовании компания всё активнее трансформируется в разработчика программного обеспечения имеющего большую базу в Кремниевой долине. Забудьте о стиральных машинахподумайте о машинах умных. Способность GE устанавливать датчики повсюду открывает возможности для «промышленного интернета», известного также, как «интернет вещей» (IoT). И позволяет каждой «вещи» иметь датчик, который передает то, что эта «вещь» чувствует в любом месте. Таким образом, в любой момент её работа может быть предсказана или скорректирована.
Интернет вещей, объяснил Билл Рух, создаёт нервную систему, которая позволит людям не отставать от темпов изменений, сделает информационную нагрузку более удобной для использования и в целом сделает всё разумным.
General Electric сама собирает данные более чем со 150 000 медицинских устройств, с 36 000 реактивных двигателей, с 2500 локомотивов, с 20 700 единиц нефтегазового оборудования, с 23 000 ветровых и 3900 газовых турбини все они ежеминутно передают в GE информацию по беспроводной связи.
Эта новая индустриальная нервная система, по мнению Руха, изначально была ускорена благодаря достижениям в потребительской сферетаким, например, как смартфоны с поддержкой камер и GPS. То, что в ХХ веке было даже не целью, а фантастической мечтой о будущем прогрессе, в начале третьего тысячелетия стало обыденностьюблагодаря множеству взаимосвязанных технологий и материалов, которые стали меньше, умнее, дешевле и быстрее.
Смартфон послужил отправной точкой для масштабирования датчиков и уменьшения их размеров и цены до такой степени, что мы смогли разместить их повсюду, сказал Рух.
Теперь миниатюрные датчики используются на таком количестве макро- и микроуровней, о каком мы не могли и подумать. Датчики передают сведения в централизованные банки данных, а затем всё более мощные программные приложения ищут структуры в огромном количестве полученной информации. Внезапно мы получили возможность различать и предсказывать самые слабые сигналы до того, как они станут сильными. Мы теперь можем улавливать различные шаблоны и закономерности, предсказывая события и предотвращая негативные последствия. Мы опорожняем мусорные баки в оптимальный момент или регулируем давление в пожарном гидранте, чтобы его не прорвало (и не повлекло дорогостоящую замену). Мы экономим время, деньги, энергию и жизни. И в целом делаем человечество более эффективным, чем могли бы себе представить.
Старый подход, сказал Рух, назывался техническим обслуживанием по принципу: если что-то выглядит грязным, вымойте его. Профилактическое обслуживание заключалось в том, чтобы менять масло каждые шесть тысяч миль, независимо от того, жёстко вы водите автомобиль или нет. Новый подход«упредительное обслуживание». Теперь мы можем предсказать почти точный момент, когда шина, двигатель, аккумулятор автомобиля, вентилятор турбины или что-то ещё потребует замены. Или определить моторное масло, которое лучше всего подходит для конкретного двигателя, в зависимости от условий, в которых вы управляете автомобилем.
Если вы вспомните GE прошлых лет, добавил Рух, то прежде компания базировалась на убеждении механиков, будто с помощью физики можно моделировать мир и сразу же понять, как всё работает. Идея заключалась в том, что если вы точно знаете, как работают газовая турбина и двигатель внутреннего сгорания, то можете использовать законы физики и сказать: «Вот как это будет работать, и вот когда оно сломается».
Рух объяснил, что в традиционном инженерном сообществе не было веры в то, будто данные могут многое предложить. Они использовали информацию, чтобы проверить физические модели и затем следовать этим моделям.
Новое поколение исследователей данных говорит: «Вам не нужно понимать физику, чтобы искать и находить закономерности». Есть закономерности, которых разум человека не мог найти, ибо сигналы на раннем этапе настолько слабы, что их не видно. Но теперь, когда у нас есть вся эта вычислительная мощность, мы легко замечаем даже самые слабые сигналы. И так как мы распознали слабый сигнал, становится ясно, что он является ранним признаком того, когда что-то сломается или станет неэффективным.
И дальше Рух рассказал, что в своё время слабые сигналы обнаруживали интуитивно. Опытные сотрудники знали, как работать с неточными данными. Но теперь, когда мы обладаем большим объёмом проанализированной информации, нахождение связей и закономерностей перестаёт быть поиском иголки в стоге сена, случайным, интуитивным успехом и становится тем, что гордо можно называть нормой. Мы увеличиваем способность работающего человека воспринимать и обрабатывать данные с помощью машин. Каждый рабочий благодаря компьютерному анализу получает опыт и интуицию «ветерана с тридцатилетним стажем».
Подумайте об этом. Интуиция, позволявшая работнику с многолетним стажем улавливать нюансы тональности в звуке работающей машины и предсказывать, что не так, отныне эволюционировала в программный компьютерный анализ данных обо всём, происходящем в цеху. Это пример слабого сигнала. Теперь с помощью датчиков новый сотрудник способен обнаружить и распознать слабый сигнал в первый же день работыбез какой-либо интуиции. Датчики будут транслировать всё.
Способность намного быстрее генерировать и применять знания позволяет получать максимум пользы не только от людей, но и, например, от коров.
Молочным фермерам интуиция больше не нужна, заявил Джозеф Сирош, вице-президент отделения Data в Microsoft Cloud and Enterprise Division.
Вроде бы его работа носит интеллектуальный характеруправление битами и байтами. Но когда я сел поговорить с Сирошем, чтобы узнать о том, как он ощущает ускорения, Джозеф привёл мне очень странный пример: коровы. И ладно бы так просто, но он хотел поговорить о «сетевой корове».
И вот какую историю поведал Сирош: молочные фермеры в Японии обратились к компьютерному гиганту Fujitsu с вопросом: могут ли они повысить шансы на успешное разведение коров на крупных молочных фермах? Оказывается, течка у коров (период фертильности, когда они могут быть успешно искусственно оплодотворены) наступает лишь на очень короткий срок: от двенадцати до восемнадцати часов, примерно через двадцать один день и зачастую ночью или вечером. Поэтому фермеру с более или менее большим стадом чрезвычайно трудно уследить за всеми своими коровами и определить идеальное время для искусственного оплодотворения каждой из них. Между тем, если получится хорошо контролировать процесс, фермеры смогут обеспечить бесперебойное производство молока от каждой коровы в течение года, максимизируя производство каждой фермы.
По словам Сироша, в Fujitsu пришли к своеобразному решению: снабдить коров шагомерами, подключенными с помощью радиосигнала к компьютеру, установленному на ферме. А информацию передавать в систему программного обеспечения машинного обучения под названием GYUHO SaaS, работающую в Microsoft Azure, облаке Microsoft. Исследование Fujitsu показало, что заметное увеличение количества шагов в час было 95-процентным точным сигналом для появления эструса у молочных коров. И когда система GYUHO обнаруживала корову, у которой начинался «жар», то отправляла текстовое оповещение фермерам на мобильные телефоны, позволяя им проводить искусственное оплодотворение точно в нужное время.
Оказывается, есть простой способ, как узнать, что у коровы началась течкасекрет в том, сколько шагов корова проходит, резюмировал Сирош. Вот именно так искусственный интеллект встречается с искусственным оплодотворением.
Благодаря этой системе продуктивность выросла не только с точки зрения расширения стада«вы получаете огромный рост показателей успешного зачатия», заметил Сирош. Появилась ещё и возможность экономить время: система освободила фермеров от необходимости полагаться на собственные глаза, инстинкты, дорогостоящий сельскохозяйственный труд или фермерский дневник для выявления течных коров. Освободившиеся часы они используют для других производственных нужд.