Робохроники ИИ: нейросеть выращивает клубнику, Amazon прячет синяки, а Маск опять недоволен Microsoft

Роботы из Redmadrobot Data Lab рассказывают про новости, кейсы и подходы в ИИ, которые можно переложить на нашу действительность и реально использовать.

В 2014 году Дэйв Кларк, старший вице-президент Amazon по международным операциям, торжественно представил новый склад компании, на котором наравне с людьми трудились небольшие оранжевые роботы.

Тогда это выглядело как воплощение смелых научно-фантастических прогнозов. «Так будет лучше для всех», – говорил Кларк.

На деле же все оказалось не так радужно. По прошествии 6 лет выяснилось, что количество автоматизированных погрузчиков прямо пропорционально количеству травм, полученных рабочими.

Нагрузка на работников осталась интенсивной, несмотря на, казалось бы, облегченный с помощью роботов процесс работы. Если раньше на старых складах норма отсканированных посылок равнялась 100 штукам, то на роботизированных – уже 400.

Работа для сотрудников стала однообразной. До появления оранжевых помощников они сами ходили по складу, а теперь перемещение товаров производят роботы-погрузчики. Рабочие стали уставать больше: стоять, выполняя одно и то же движение сотни раз подряд, не просто.

Несмотря на то что компания заявляла об исключительной важности безопасности на складах, а основатель и глава Amazon Джефф Безос говорил: «Нет ничего важнее, чем здоровье и благополучие наших сотрудников», в 2019 году в центрах исполнения заказов было зарегистрировано около 14 тысяч травм. Это почти в два раза превышает отраслевой стандарт.

Эти данные подтверждают счета рабочих складов Amazon и бывшие специалисты по безопасности. Последние утверждают, что компания использовала роботов для увеличения производственных квот до такой степени, что сотрудники не могли справиться, не причинив вреда себе.

Менеджеры стали понимать, что что-то идет не так, но было уже поздно. Руководство радовалось мощностям, клиенты — отправке в день заказа. А рабочие были вынуждены слушать советы о том, как им проводить свои выходные после 60-часовой рабочей недели: нужно просто «перезарядить свою батарейку» и «побольше смеяться».

Сотрудники могли всю ночь таскать мешки с собачьим кормом и наполнителем для кошачьих туалетов – и иногда это были десятки тысяч фунтов. И нужно это было делать быстро. Собственно, под постоянным давлением рабочие решили пойти коротким путем.

Вместо того чтобы подняться по лестнице и взять с верхней полки что-то тяжелое, они вставали на цыпочки и тянулись. Одной рукой хватали сумку с конвейерной ленты, а другой нажимали кнопку на экране компьютера. Дополнительные часы, усталость и стресс усугубляли проблему.

В прошлом году группа безопасности Amazon выступила с инициативой по «радикальному снижению» количества травм с временной потерей трудоспособности. Это серьезные травмы, из-за которых рабочему потребуются выходные. Однако эта инициатива не заключалась в предотвращении травм – она просто не позволяла регистрировать их как потерянное время.

Многие сотрудники, которые из-за травм не могли выполнять свою работу на складе, были переведены на другие должности. Например, их отправляли размечать фотографии, чтобы помочь обучить алгоритмы Amazon.

Почему Amazon ничего с этим не делает? Вероятно, это происходит из-за их одержимости клиентами. Тим Брэй, бывший руководитель Amazon, попытался объяснить действия компании одним из 14 принципов Amazon: «Когда мы создаём что-то новое, мы осознаем, что нас очень долго могут не понимать».

Если бы лет 10 назад кто-то сказал, что с помощью Minecraft можно решить вопросы застройки современных мегаполисов то, скорее всего, вы бы этому как минимум удивились.

Но прошли годы, и появилось соревнование алгоритмов по строительству городов в Minecraft (Generative Design in Minecraft Competition) — и это новый подход к проектированию качественной городской среды.

На сегодняшний день этот конкурс проводится исключительно для развлечения, но методы, исследованные участниками, можно было бы использовать при проектировании реальных городов.

Соревнование проводится уже в третий раз. Участники создают программу, которая может на неизвестном заранее участке в игре построить реалистично выглядящее поселение.

И если в первые годы они выглядели чересчур искусственными — с одинаковыми зданиями, повторяющимися элементами, — то сейчас это населенные пункты с правдоподобной планировкой, адаптированной для разной местности. Дороги охватывают склоны холмов, мосты пересекают реки, а в домах появилась мебель. Чтобы достичь этого, ИИ использует различные методы: поиск путей, клеточные автоматы, машинное обучение.

Судьи оценивают участников по 4 параметрам: адаптация в конкретном месте, работоспособность макетов (наличие мостов и дорог между разными районами), эстетичность и история города (есть ли руины или ямы, из которой были добыты строительные материалы для домов).

Сделать поселение на невидимой карте в Minecraft совсем не сложно даже для ребенка. Но ИИ тяжело справляться с этой задачей. Поэтому даже у победителей случаются провалы: например, в одном поселении были дома, засыпанные песком до карниза. Возможно, это было связано с тем, что алгоритм хотел опираться на твердую основу, поэтому он «топил» здания, пока они не касались камня.

Калифорнийские пожарные используют ИИ для борьбы с лесными пожарами. Программа Cal Fire's Predictive Services помогает предсказать распространение огня и разумно управлять ресурсами.

В этом году в Калифорнии в результате пожаров сгорело более 3,8 миллиона акров (это больше 15 тысяч квадратных километров) леса. А с середины августа погибли 29 человек.

По словам Джеффа Маршалла, начальника отдела программы Cal Fire's Predictive Services, инструменты прогнозирования пожаров помогают чиновникам понять, насколько крупным может быть пожар, куда он может направиться и как быстро необходимо начинать эвакуацию населения. Predictive Services также моделирует сезонные тенденции распространения огня.

Это уже не первое использование нейросетей в предсказании погодных катаклизмов. Например, их используют для расшифровки таинственных землетрясений в Калифорнии и прогнозирования наводнений в Индии.

Искусственный интеллект захватывает все новые отрасли. И если раньше нейросети и машинное обучение применялись в основном в модернизации сельскохозяйственной техники, то теперь их используют для того, чтобы разводить лосося и высаживать клубнику. Но давайте по порядку.

Норвежская компания Telenor тестирует модели ИИ, созданные, чтобы сократить расходы и повысить эффективность разведения лосося, одного из основных экспортных товаров страны. Эти модели используются для оптимизации кормления, поддержания чистоты и здоровья рыб, а также помощи компаниям в принятии максимально эффективных решений в отношении хозяйственных операций.

Например, один из алгоритмов помогает работникам рыбных хозяйств понять, как кормить лосося.

По словам Бьорна Таале Сандберга, главы Telenor Research, их технология может анализировать изображения с камеры, чтобы определить, когда поведение стаи изменится. Что, в свою очередь, оповестит наблюдателей о том, что рыбы больше не голодны. Это важная функция, поскольку около 40% затрат на содержание рыбоводных хозяйств приходится на питание. И если корма дается слишком много, он падает на дно, что может вызвать экологические проблемы.

Другое приложение помогает идентифицировать отдельных особей лосося. Дело в том, что лосося на фермах очищают от вшей (это действительно большая проблема для здоровья рыбы).

Но, по словам Сандберга, рыба, которую чистят слишком часто, может подвергнуться стрессу, а это приведет к другим проблемам. Кроме того, некоторые фермы используют чистящие химикаты, чрезмерное использование которых вредно для экологии.

Помимо этого, компания разрабатывает небольшие портативные устройства с машинным обучением для удаленных рыбных хозяйств, где интернет может быть недостаточно хорош для поддержки соединений между океанскими или фьордовыми фермами и операторами на берегу.

В таких устройствах нейросеть будет обучаться локально, и инструмент сможет автоматизировать решения на ферме без подключения к берегу.

Тем временем в Китае ИИ научили удаленно выращивать клубнику.

В Китае проходит конкурс «Умное сельское хозяйство», организованный Pinduoduo, крупнейшей в стране платформой для электронной коммерции. В рамках соревнования команда исследователей решила применить технологии ИИ для удаленного выращивания клубники в автоматизированных теплицах.

Они вступили в противостояние с обычными фермерами, чтобы понять, чьи действия принесут наибольшую экономическую выгоду.

Как проходит соревнование? Группа исследователей формулирует и оптимизирует ИИ-решения на основе данных о росте и условиях в теплицах, полученных с устройств, камер и датчиков с IoT.

Их соперники – традиционные фермеры – полагаются на свой опыт в области посевов и навыки управления сельским хозяйством, чтобы модернизировать мелкое фермерское производство.

Победителя выберут с учетом практической экономической выгоды, которую принесет его проект. Правда, судьи уже понимают, чья позиция выигрышнее, хотя соревнование должно завершиться в ноябре.

Эксперты считают, что технологии со временем станут еще большим подспорьем для сельского хозяйства, потому что в этой отрасли не хватает квалифицированной рабочей силы.

«Тинькофф» запускает алгоритмический кэшбэк RECO. Он будет составлять индивидуальные предложения по возврату средств за покупки, а еще выдавать клиентам рекомендации по поводу приобретения тех или иных категорий товаров.

После анализа покупок клиента RECO сможет определять, что необходимо купить на этой неделе. Затем он предложит пользователю именно тот товар, на который сейчас действует кэшбэк.

Кроме этого, сервис займется сбалансированностью рациона клиента. Если в его корзине редко бывают свежие овощи и, допустим, зелень, то RECO посоветует покупать их чаще.

Алгоритмы позволяют предугадывать предпочтения пользователя: какие товары он захочет купить, влияют ли на его выбор скидки и о каких товарах стоит напомнить. Затем сервис самостоятельно собирает корзину. Чем чаще клиент пользуется картой, тем лучше его узнает алгоритм. Следовательно, тем больше шансов получить наибольший кэшбэк.

При этом, конечно, остается открытым вопрос об этичности использования подобных данных. У банков и других коммерческих структур становится все больше информации о пользователях. И эта проблема давно беспокоит общественность.

Тем временем «Сбербанк» и Visa открывают первую в России «лабораторию данных» (Data Lab). Там будут изучать изменения в поведении пользователей, а с помощью ИИ разрабатывать персонализированные предложения для всех клиентов банка.

Лаборатория исследует как текущее пользовательское поведение, так и строит гипотезы, что даст алгоритмам возможность предугадывать ожидания клиентов.

Data Lab будет работать на инфраструктуре «Сбера» – исследования в области ИИ планируют проводить на сверхмощном компьютере «Кристофари».

NVIDIA разработали платформу Maxine, которая улучшает пропускную способность для видеосвязи.

Разработчики отказались от потоковой передачи каждого пикселя изображения. Вместо этого Maxine анализирует черты лица говорящего и «строит» это лицо в видео его собеседника. Это позволяет значительно сократить объемы данных, передаваемых во время видеоконференции.

Платформа улучшает качество картинки, удаляет или размывает фон, направляет взгляд говорящего в камеру, добавляет субтитры, убирает шум и позволяет создавать собственные аватары.

Разработчик Алексей Чаплыгин создал «Deepfake 2.0», который может генерировать дипфейки по одной фотографии. Нейросеть меняет не только лицо, но и форму головы, волосы, цвет кожи и даже фигуру.

При этом технология меняет любое фото, а не только встроенное в алгоритм.

Свое «новое поколение дипфейков» Алексей разрабатывал более двух лет. Он предполагает, что его проект поможет для создания виртуальных примерочных для интернет-магазинов, чтобы покупатель видел в продаваемой одежде себя, «а не моделей с однотипными фигурами и похожими лицами».

«Сбер» представил семейство умных голосовых помощников «Салют» — Сбера, Афину и Джой.

Каждый ассистент обладает собственной индивидуальностью. Например, Сбер деловой, приветливый, надежный. Афина — аккуратная и серьезная помощница, которая заботится об эффективности и продуктивности. А жизнерадостная и бодрая Джой поможет клиенту решить бытовые вопросы.

Ученые СТИ НИТУ «МИСиС» совместно со специалистами комбината создали нейросеть для распознавания клейма на литых заготовках, что значительно упростило процесс их производства.

Раньше оператор производил все вручную: сверял цифры клейма со списком, выбирал печь для плавки и отправлял в нее заготовку. На все эти действия у сотрудника было около 40 секунд. А это повышало нагрузку на специалиста и увеличивало вероятность ошибок.

С помощью технологий ИИ ученые планируют снизить производственные риски.

Как бы вы выглядели, если бы жили в Африке, Азии, Индии или Европе? Вставляйте свою фотографию в нейросеть Pix2Mix и проверяйте!

Если понравилось или не понравилось, пишите в комментариях. Ведь без обратной связи робота не переобучить. Самые свежие новости про ИИ и не только в нашем Telegram-канале. Всем ИИ!

#ии #ai #нейросеть #промышленность #вкусвилл #маск #сбер #робохроники #redmadrobot