21 世紀 20 年代是人工智能全盛時期的開始。神經網絡繪制圖片、制造藥物并幫助馴服聚變能。但 2022 年表明，即使在後工業時代，工業仍然是我們文明和生活方式的基礎。人工智能能否幫助商品生産以及俄羅斯實業家使用機器學習已經取得的成就——在一篇關于人工智能的裸科學系列文章中。

　　神經網絡響應“AI 幫助 Moskvich 工廠的人們”的請求而生成的圖像

　　半個世紀以來，工業在包括俄羅斯在内的世界大多數國家的經濟中一直處于邊緣地位——服務業已經脫穎而出。但對于人們的生活來說，工業仍然是第一位的：是她日複一日地提取原材料，把它們變成我們熟悉的溫暖的房子，裡面裝滿了吃的、穿的和各種各樣的東西。

　　盡管它對文明很重要，但生産工作是一項艱巨、危險且有時吃力不讨好的任務。工業革命在 18 至 19 世紀席卷了世界，從英國到俄羅斯，緊随其後，現在仍然如此。

　　Putilov 工廠的炮兵車間，20 世紀初。大量體力勞動和最低限度的安全性

　　思想家和人文主義者就如何減輕産業工人的命運提出了許多想法。也許最吸引人的是自動化的想法。如果機器代替人工作，問題就會自行消失。企業家們也喜歡這個想法，因為機器可以全天候工作，而且一般來說，與人相比，機器出現的問題要少得多。

　　但用機器代替工人并不是那麼容易。直到 20 世紀中葉，第一台自動機床才出現在蘇聯和美國。那時候已經有電腦了，科學家認真的說不久的将來電腦就能代替人思考了。這意味着通過将礦山、工廠和工廠交給具有人工智能的計算機的機械手，可以使它們完全荒廢——這就是從體力勞動中解放出來的自由。

　　蘇聯和那個時期其他國家的“智能”工業生産 蘇聯國家意識形态所依據的馬克思主義非常積極地看待工業自動化，包括工廠和工業管理等智力工作。因此，蘇聯當局特别重視自動化，并在 20 世紀 50 年代就與發達的資本主義國家一起着手。

　　起初，這一過程僅限于在冶金、采礦、能源、化工、機械工程和木工領域引入最簡單的自動化。純電路和第一台低功率計算機響應各種信号，啟動和停止設備，改變其操作模式并保護其免受危險負載的影響。整個工廠都獲得了這種基本的自動化。工作變得更輕松、更安全。

　　車裡雅賓斯克拖拉機廠的自動生産線，1960 年代

　　在 1960 年代，計算機的速度提高了數十倍，并且從逐件到批量生産。到此時，蘇聯當局已經恢複了控制論（他們不再将其視為“資産階級僞科學”），這與計算機的快速發展一起為工業和整個國民經濟的早期自動化帶來了希望。

　　如果在本世紀中葉，工人從最簡單的機械操作中解放出來，那麼在 1960 年代，它就已經進入了自動化控制系統 - 自動化控制系統。實時接收、處理和分析數據、倉庫會計、流程優化規劃、文檔流——所有這些都由自動化控制系統整合到一個由計算機控制的單一生産和信息環境中。

　　蘇聯第一個運行的自動控制系統是在 Minsk-22 計算機控制下的 Lvov 系統，該系統于 1967 年為 Lvov 電視廠 Electron 創建。1970 年在 Kuntsevo 無線電廠推出的下一個自動控制系統“Kuntsevo”已經是一個标準系統 - 随後在其基礎上創建了數百個用于機械工程企業的自動控制系統。

　　車裡雅賓斯克格拉夫尼火車站的 ACS，1980 年代初

　　與此同時，第一台數控機床 (CNC)出現在蘇聯，并在 1970 年代開始大規模生産。很快，蘇聯科學家和工程師創造了 Universal、Brig-10、IES-690、TUR-10 等系列的全系列工業機器人。

　　最後，小型化始于 70 年代，房間大小的計算“機櫃”讓位于内部裝有微芯片的緊湊型計算機。性能每年半翻一番，能耗下降。看來，如果将這一切與人工智能領域的思想結合起來，那麼不遠處就是人文主義者夢寐以求的全自動工業。

　　然而，在現實中，自動化陷入了蘇聯經濟的衆多問題之中。“智能”設備和計算機沒有标準化，企業和部門往往從頭開始，資源分散。機器人和 CNC 機器的生産需要大量複雜且昂貴的工作，并且跟不上自動化計劃的步伐。

　　自動化控制系統的引入更為積極：到 1975 年，蘇聯有超過三千個用于工廠、組織和整個行業的自動化控制系統在運行，這還不包括機密系統。與 CNC 和機器人一起，自動化控制系統有時可以将勞動生産率提高兩到三倍，并以相同的速度加快生産速度。

　　Likhachev 工廠 (ZiL) 的工人正在調整機器人機器，1963 年

　　但“智能”工業革命并沒有成功。不僅機器人和數控機床供不應求，而且計算機能力也供不應求。由于分配給它的任務非常複雜，因此隻構建了相同的 Kuntsevo 自動控制系統。即使在 20 年後，當更強大的計算機（來自 IBM）問世時，這個系統也從未完全發揮作用。ACS 開發人員是如此超前。

　　美國、西歐和日本面臨着同樣的問題，隻不過是從另一邊。20世紀60年代，發達國家的政治家和企業家開始熱衷于人工智能。人們相信會思考的計算機很快就會從事單調的工作，研究複雜的過程，設計大規模的結構和機制。這本應釋放大量勞動力，增加企業利潤并改善人們的生活。

　　John McCarthy，“人工智能”一詞的創造者和 LISP 語言的創造者，在斯坦福大學的 AI 實驗室工作

　　起初，科學家們被人工神經網絡（感知器）的想法所吸引，但後來人們了解到神經網絡需要非常強大的計算機才能正常工作。對具有“像人類一樣”的邏輯推理的符号人工智能的押注也沒有實現。正如 Lighthill 在 1972 年發表的著名報告所表明的那樣，由于算法的複雜性随着輸入數據的增加而爆炸式增長，因此對這樣的 AI 進行編程是不現實的。

　　結果，到了 20 世紀 90 年代，嚴酷的“人工智能寒冬”來了：幾乎所有這方面的工作都停止了，試圖重振對 AI 的興趣幾乎是江湖騙術。這種情況一直持續到 2000 年代中期，當時深度學習算法的創建在人工神經網絡領域取得了突破。然後為他們提供了合适的硬件基礎 - 具有強大圖形處理器的視頻卡。

　　2022 年俄羅斯工業如何使用人工智能 到 2010 年代末，以機器學習和神經網絡形式出現的人工智能成為一種大衆現象——距人工智能第一次大肆宣傳已經過去了半個世紀。企業已經意識到這些技術的潛力，并作為工業 4.0的一部分，開始将機器學習引入制造業。

　　工業家在神經網絡中看到了類似于高度專業化的自動控制系統的東西：一種可以快速“思考”大量數據并“得出結論”的工具。神經網絡似乎可以預測工業設備故障、檢測生産線異常、控制産品質量、預測氣體需求以及設計智能生産控制系統。

　　工業機器人使用機器學習和 5G 通信移動負載，贛州（中國）

　　俄羅斯工業并沒有袖手旁觀——基于人工智能的解決方案也開始出現在這裡。不幸的是，俄羅斯工業中神經網絡和機器學習的實施率比世界低數倍。ANO Tsifrovaya ekonomika 總經理 Sergey Plugotarenko 在這個場合指出：“......主要結論是：是的，我們目前落後了，但我們在不久的将來有很大的潛力。” “在我國，有數十萬能創造人工智能解決方案的專業人才，有已經積極使用人工智能技術的先驅公司，也有實施此類解決方案的經驗，”他說。到 2021 年底，16% 的俄羅斯企業已經在使用或實施人工智能，而且這些企業大多規模較大。

　　一個很好的例子是 Gazprom Neft。今年，它首次将數字鑽井技術應用于北極油田。首先，工程師和開發人員使用機器學習創建了未來油井的虛拟模型。接下來輪到鑽井了，也是在機器的控制下進行的：鑽機連接了一個“自動駕駛儀”，它實時采集各種傳感器的數據，根據需要改變鑽機的工作模式。在目前的地質條件下。得益于人工智能，長度超過 5 公裡的高科技井的建設速度可以提高 10%。

　　Eastern Messoyakha 的 3D 地質模型

　　順便說一句，在同一領域，俄羅斯天然氣工業股份公司成功測試了無人駕駛卡車。在試駕期間，改裝的 KAMAZ 車輛在沒有駕駛員的情況下沿着北部道路行駛了近三千公裡。他們有規律地沿着路線行駛，躲避障礙物，并适應冬季道路上的情況。為此，卡車通過重複的通信渠道不斷地相互交換數據，事實上，成為一個單一的卡車“群”。結果如下：運輸安全增加 50%，運費減少 15%。

　　Eastern Messoyakha 的無人駕駛 KAMAZ 卡車

　　Cifra 集團公司的 Dispatcher 系統分析來自傳感器和攝像機的數據流，并預測設備故障。例如，“調度員”可以警告挖掘機鏟鬥上的齒即将脫落并掉入破碎機（之後它通常會失效）。通過這種方式，系統避免了代價高昂的設備停機。

　　平均而言，石油和天然氣行業、冶金、能源、工程和運輸行業的企業在實施 Dispatcher 後，停機時間減少了 12%，維修成本減少了 30%，整體能源消耗減少了 4.4%。CNC 機床的使用壽命增加了四分之一，總勞動生産率提高了 70%。曾經從事工業自動化工作的蘇聯科學家，對于這樣的指标，一定會由衷地稱贊。

　　Rosatom 車間在 Dispatcher 系統的控制下運行

　　2020 年，馬格尼托哥爾斯克鋼鐵廠 (MMK)開始使用類似的系統，但更專門用于監控電動機、泵和變速箱。基于機器學習的監控預測軟件和硬件綜合體根據每個單元産生的電磁場圖像檢測操作異常和未來故障。

　　這讓 MMK 完全擺脫了電氣設備的定期維護——現在該公司僅根據 Monitoring-Predictive 的提示管理當前維修。結果，維護成本降低了 17.5%，維修間隔時間增加了三周，工廠的整體生産率提高了 2%。

　　車裡雅賓斯克冶金廠利用深度學習和機器視覺技術來控制鋼鐵質量。ARMIL 系統不僅使用可見光，還使用其他光譜範圍，這使其能夠檢測 20 多種缺陷類别，包括小至 0.3 毫米的内部微裂紋。

　　此前，兩名專家分析一塊鋼闆需要 8 分鐘的工作時間，每年因次品造成的損失高達 300 萬盧布。現在分析正在流，次品鋼的産量已經下降到幾乎為零。

　　車裡雅賓斯克鋼鐵廠的 ARMIL 系統

　　新利佩茨克鋼鐵廠使用類似的系統來控制鋼鐵的純度。在 6500 張圖像上訓練的神經網絡将鑄鐵的除渣率從 75% 提高到 90%，每年節省 2000 萬盧布，并使年鋼産量增加 1000 噸——這僅僅歸功于新的控制系統！人工智能還可以擺脫評估金屬質量的主觀性，從而改善工廠的工作關系。

　　俄羅斯開發商為 Tiger-Siberia 集團公司和 Avtopark No. 1 Spetstrans JSC制造了一種家庭垃圾分類機器人。他每月更換三到六個人，從垃圾中撈出可回收物，賺取 400-80 萬盧布。整體吞吐量提高了 5%，皮帶分揀速度提高到每分鐘 130 個物體。也許有了這樣的機器人，就不再需要人工分類垃圾了？

　　如果你研究自治非營利組織“數字經濟”最近的報告，你會發現很多有趣的事情：

　　Rosatom 企業安全預防措施和個人防護設備使用的自動控制；Angstrem 芯片工廠的半導體産品預測質量控制系統；用于雅羅斯拉夫爾飲料廠内部産品運輸的無人機；位于 Kashira 的 Cherkizovo 集團公司的全機器人食品加工廠；為 Segezha Group 自動快速計算堆放或裝載木材的體積和等級；監測特維爾運輸廠的設備狀況并提出維護建議。 如您所見，現在在工業中引入 AI 的需求非常大，因為它有利可圖。設備閑置更少，故障更少，人們工作起來更舒适、更安全，成本降低，利潤增加。在短期内，人工智能可以将企業的盈利能力提高 5% 或更多。俄羅斯工業部負責數字技術的 Vladimir Dozhdev認為生産數字化是不可避免的。

　　數字化，就像數字化轉型，就像當時的自動化，當然不是什麼東西本身，而是所有經典基礎産業的進化發展。這不是一種時尚，而是一種現實的需要。沒有這一點，現代生産就會失去競争力。每個人都會以這樣或那樣的方式經曆數字化轉型，這裡不可能挑出一個不需要數字的行業。每個人都需要。順便說一句，農業通常是當今數字經濟的驅動力之一。

　　VLADIMIR DOZHDEV，俄羅斯工業和貿易部數字技術司司長

　　人工智能在俄羅斯工業中接下來會發生什麼 對俄羅斯的經濟制裁使她很難使用現代計算機微處理器。更糟糕的是，俄羅斯已經失去了在台灣台積電等現代化工廠生産其原始處理器（Elbrus、Baikal 等）的能力。

　　神經網絡、機器視覺和工業軟件需要現代多核處理器和最強大的顯卡。俄羅斯尚無法獨自在國内完成所有這些工作。

　　根據來自聖彼得堡的人工智能研究人員的一份報告，神經網絡在制造工藝不超過 16 納米的微芯片上有效工作。更多“粗糙”的處理器要麼不夠強大，要麼耗電過多。台積電已經在生産 5nm 處理器，而俄羅斯的工廠（同在 Zelenograd 的 Angstrem）隻能生産 65nm 或更高工藝技術的芯片。這是18年前處理器的水平。

　　Angstrem 工廠車間

　　據報告作者稱，如果采用無掩模光刻技術，俄羅斯科學院和Amphora 實驗室能夠開發自己的芯片生産設備，工藝技術可達 13.5 納米。此外，神經網絡和機器學習不需要顯卡本身，你可以使用張量核或特殊的神經形态芯片，它們比顯卡 GPU 簡單得多。

　　然而，現代芯片的進口替代肯定不是近期的事情。現在，企業仍在尋找購買計算機硬件的變通辦法，并在可能的情況下優化軟件。國家為生産數字化提供支持措施，希望使其成為經濟發展的驅動力之一。據專家估計，人工智能可以在未來三年内為俄羅斯 GDP 增長貢獻 1%。

　　企業和國家的利益無可厚非，但人工智能對員工的承諾是什麼？經濟學家一緻認為，技術進步不會增加失業率，但奇怪的是，它會降低失業率，盡管某些職業正在消亡。因此，到 2025 年，數字技術将取代全球 8500 萬個工作崗位，但作為回報，它們将創造 9700 萬個工作崗位。

　　然而，這并不意味着那些因為人工智能而失去他們的人會得到新的工作。有一件事是肯定的：制造業需要數字化，因此俄羅斯對人工智能專家的需求将會增長，尤其是在他們已經供不應求的情況下。

　　,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!