Нехватка квалифицированной рабочей силы — проблема, затрагивающая все предприятия обрабатывающей промышленности в России. По данным Росстата, за 10 лет численность рабочей силы сократилась на 7,5 млн человек: с 89,7 млн в 2008 г. до 82,3 млн в 2018-м. Значительно уменьшилось и количество молодых людей 15-24 лет — почти на 40%, с 23 млн до 14,1 млн. Все это негативно влияет на состояние производственной отрасли. Средства автоматизации, в особенности коллаборативные роботы (коботы), способны компенсировать нехватку рабочей силы. Их можно запрограммировать на выполнение монотонных, но при этом необходимых задач, они безопасны для человека и могут работать в небольших помещениях, что актуально для малого и среднего бизнеса.

Два года назад компания Cognex начала предлагать клиентам библиотеку глубокого обучения ViDi, а в прошлом году реализовала ее в сочетании с VisionPro, своим флагманским программным продуктом. В пакет включены инструменты для выполнения четырех основных задач: Blue-Locate для локализации, Red-Analyze для обнаружения отклонений, Green-Classify для классификации и Blue-Read для распознавания символов.

Коллаборативные, т. е. используемые совместно с человеком-оператором роботизированные приложения дают существенные преимущества для производителя, поскольку способны гибко выполнять широкий спектр задач. Но при этом остаются и определенные риски.

Автомобильная промышленность демонстрировала тягу к новым технологиям и прорывному развитию на протяжении всех индустриальных революций. Так происходит и на этапе четвертой научно-технической революции «Индустрия 4.0», концепция которой заключается в создании автоматизированного цифрового производства, позволяющего снизить издержки, увеличить скорость выпуска продукции и добиться максимального качества конечного изделия.

В скором времени безопасность автоматизации будет обеспечиваться в том числе самообучающимися машинами и оборудованием. Благодаря достижениям в области искусственного интеллекта (англ. Artificial intelligence, AI) и машинного обучения (англ. machine learning, ML) роботы и другое промышленное оборудование, при функционировании которого необходимо соблюдение особых мер безопасности, смогут учиться на большом массиве соответствующих данных.

Современные тенденции в сфере экономики, повсеместное развитие роботизации, поддержка развития робототехники государством — все эти факторы заставляют все большее количество предприятий переходить на автоматизированные линии и роботизировать отдельные процессы. Но готовы ли российские предприятия полностью автоматизировать свои цеха? Готовы ли производители внедрять у себя новые технологии и создавать необходимые для этого условия? А главное, есть ли у российских интеграторов и разработчиков опыт по реализации масштабных проектов? Постараемся ответить на поставленные вопросы на примере компании «БМГ» — одного из ведущих производителей автобусной техники в Российской Федерации.

В не столь давние времена в нашей «самой передовой стране в мире с самым передовым колхозным строем», во что мы свято верили, имел место простой принцип: для того что коровы использовали меньше корма и давали больше молока, их нужно меньше кормить и больше доить. Вот только статистика это не подтверждала. Да и коровки из подсобного личного хозяйства, пасшиеся на лугу и евшие «от пуза» летом травку, а зимой душистое сено, почему-то давали молока больше и лучшего качества. Может, дело в отношении к нашей Буренке или Зорьке? Кроме того, труду в коровниках и на молочных фермах не позавидовали бы даже рабы на плантациях. Для того чтобы сделать жизнь фермеров и буренок максимально легкой, а фермы продуктивными — необходима автоматизация всех рабочих этапов, выполняемых в коровнике, от процесса кормления, доения и до уборки самого помещения.

Практика управления рисками сегодня играет решающую роль в каждом предприятии независимо от его размеров. Среди многообразных источников опасностей не последнее место по важности и уровню потенциальной угрозы занимает неопределенность. Поэтому одна из главных задач для сотрудников, специализирующихся на управлении рисками, — гарантировать, что неопределенность ни при каких обстоятельствах не приведет к отступлению от поставленных коммерческих целей. Можно ли решить эту проблему, обратившись к устройству человеческого организма?

Первая часть данной статьи [1] была посвящена краткому обзору истории создания машин с искусственным интеллектом (ИИ) и нашему взгляду на их возможное развитие в будущем. Во второй части [2] рассматривались вопросы, решив которые, мы могли бы приблизить машины и ИИ к общему с нами восприятию мира и друг друга. Но что нас может ожидать в итоге? Не совершим ли мы трагическую ошибку, ступив на стезю создания чего-то «по нашему образу и подобию» (не столько внешне, сколько внутренне)? Не станет ли это что-то неподвластным нам, не начнет ли развиваться по своему усмотрению или, что еще страшнее, не попадет ли оно не в те руки? Об этом пойдет речь в последней, третьей части статьи.

О цифровой экономике, также определяемой в мировой экономической науке как «постиндустриальное информационное общество», или «шестой технологический уклад», и искусственном интеллекте сейчас говорят и пишут очень многие. Однако, как правило, речь идет лишь об отдельных инструментах цифровизации и интеллектуализации производств, а вот проблема системного подхода к созданию автономного интеллектуального цифрового производственного окружения не обсуждается или обсуждается лишь в узком контексте. Но именно такое окружение необходимо для качественного перехода на новый технологический уклад, где значительная доля работы специалистов и менеджеров среднего звена будет полностью выполняться интеллектуальными агентами.