Генеративный ИИ в промышленности

Искусственный интеллект превращается в технологию, способную «творить» в реальном мире: проектировать детали для автомобилей, которые будут легче и прочнее, оптимизировать работу металлургического комбината или помогать в создании новых лекарств.

Этой теме большую часть своей речи посвятил Илон Маск на последней презентации xAI. Он считает, что именно выход ИИ в рамки реального мира, мультимодальное понимание и умение работать с материалами и конструкциями (как инженер) позволит добиться прорыва в сфере ИИ.

Причём интеграция подобных решений в предприятия начинается уже сегодня. Эту тему решили изучить в АНО «Цифровая экономика» и Сколтехе.

Что удалось выяснить?
- К 2030 году объем рынка может превысить 350 миллиардов долларов, а его ежегодный вклад в мировую экономику — достичь 4,4 триллионов.
- Это конвертируется в отдачу для бизнеса: ROI от внедрения до 250%.

Несколько кейсов, которые привлекли внимание:
- Американский промышленный гигант Eaton с помощью генеративного ИИ сократил цикл разработки теплообменников в 8 раз и и уменьшил их массу до 80%.
- General Motors использует схожие подходы для создания автокомпонентов.
- Японский Fanuc, применяя ИИ для предиктивного обслуживания сервоприводов, на 30% снизил затраты на ремонт.

А что в России?
- «Северсталь» внедрила систему на основе ИИ, которая управляет сталепрокатным агрегатом, повысив производительность на 6,5%.
- «Сколтех» разработал прототип системы для полного цикла проектирования и сборки изделий, сократив время проектирования в 45 раз.
- Biocad применяет генеративный ИИ в разработке новых лекарственных молекул.

Несмотря на эти результаты, повсеместного внедрения GenAI не происходит:
- Для работы таких систем требуются большие вычислительные мощности, в первую очередь GPU, которые непросто достать.
- Данные для обучения в промышленности часто разрознены, закрыты и хранятся в несовместимых форматах.
- До сих пор нет единых стандартов для сертификации и подтверждения надежности промышленных ИИ-решений.
- Существует нехватка специалистов, которые одинаково хорошо разбираются и в машинным обучении, и в инженерном деле.