© ComNews
26.09.2019

Системный интегратор АО "Открытые технологии" представил открытую платформу для решения задач методами машинного обучения для неспециалистов в области machine learning (ML). "ОТ.Платформа" может применяться в ТЭК, ритейле, медицине, образовании, промышленности, безопасности и на транспорте. На базе "ОТ.Платформы" уже готовится первый проект ATLAS. Он позволяет оптимизировать затраты на плановые ремонты и спрогнозировать отказы на сложно-технологическом оборудовании. К ATLAS уже проявили интерес несколько крупных российских энергетических компаний.

Президент компании "Открытые Технологии" Сергей Калин на пресс-конференции, приуроченной к 25-тилетию компании, объявил о запуске "ОТ.Платформы". "Открытые Технологии" создали некоммерческий проект, который позволит экспертам из предметных областей, не являющихся программистами, решать задачи в своих профессиональных областях методами машинного обучения.

"Мы считаем очень важным дать голос отраслевым экспертам в мире машинного обучения и искусственного интеллекта. Что значит дать голос? Это означает – позволить им использовать методы машинного обучения без погружения в специализированные языки программирования, среды и т.д., – пояснил директор Центра компетенций компании "Открытые технологии" Павел Волков. – Для этого мы сделали свой язык. Мы назвали его SMALL (Simple Machine Learning Language)". Он уточнил, что это высокоуровневый язык, который способен освоить любой пользователь за 2-3 дня. Особенность SMALL заключается в том, что он основан на экспертных моделях предметных областей и характерных для них данных, т.е. он является языком извлечения знаний, а не программирования.

Самым важным в "ОТ.Платформе" является решение делать некоммерческий продукт, еще раз подчеркнул Павел Волков. Это означает, что он будет полностью открытым, и не будет продаваться за деньги. "В этом есть оригинальность, как минимум для России, – заявил Павел Волков. – Мне неизвестно, чтобы кто-то открывал собственные разработки, на которые было бы потрачено существенное количество времени. Мы считаем, что постепенно развитие области машинного обучения, искусственного интеллекта, больших данных, машиносгенерированных данных движется в сторону бизнеса на знаниях, т.е. на тех моделях, которые решают конкретные практические задачи. В прошлое постепенно уходят коробочки, проприетарные продукты, которые выполняют специализированные задачи".

Готовый кейс использования ОТ.Платформы - отраслевая платформа ATLAS. С помощью этого решения можно создать систему коллективной безопасности крупнейших промышленных и энергетических компаний. Коллективный принцип системы заключается в том, что опыт одной компании, подключенной к системе, она применяет в отношении остальных клиентов - сбой, произошедший в одной организации не должен повториться в другой. "Именно поэтому возникает слоган: не быть вторым, – рассказывает член рабочей группы Национальной технологической инициативы (НТИ) "НейроНет" Владимир Статут. – Вы никогда не наступите в ту же "яму", в которую наступал другой участник платформы. Ваша нога останется целой. Соответственно, чем больше к платформе будет подключаться участников, тем выше будет уровень защиты каждого из участников".  

ATLAS  позволяет оптимизировать затраты на плановые ремонты и спрогнозировать отказы на сложном технологическом оборудовании. Благодаря платформе можно избежать любых техногенных аварий, подобных ЧП на нефтепроводе "Дружба" в апреле этого года, а также эффективно реагировать и снижать тяжесть последствий.

Представитель рабочей группы НТИ "НейроНет" отметил, что проект ATLAS уже поддержала рабочая группа НТИ "НейроНет". В беседе с корреспондентом ComNews он сообщил, что к проекту ATLAS есть интерес у нескольких компаний из энергетической сферы первого эшелона, в том числе с долей госучастия. Он не исключает, что две-три компании могут выступить в будущем в качестве заказчиков этой платформы. Кроме того, в проект рассчитывают привлечь иностранного соинвестора.

На базе отраслевой платформы ATLAS будет организован маркетплейс. "Те модели, которые могут быть сделаны на базе ATLAS экспертами в предметных областях, могут быть  коммерциализированы на этой платформе, – сказал Владимир Статут. – Мы позволяем участникам платформы зарабатывать. Таким образом, наряду с открытым кодом "ОТ.Платформы" создание маркетплейса на базе отраслевой платформы ATLAS вселяет уверенность в глобальном масштабировании продукта, а также появлении новых бизнесов на российском рынке".

Это уже не первый подход в России и мире, когда компании пытаются разработать платформу, которая без помощи дата-сайентистов и ML-разработчиков будет создавать модели, тестировать и улучшать их, знает руководитель центра компетенций "Искусственный интеллект и машинное обучение" ИТ-компании "Крок" Марина Майорова. "Такие идеи возникают из-за большой нехватки на рынке специалистов по Data Science, так как направление совсем новое. Создание подобных платформ кажется компаниям лучшим выходом из положения, – объясняет она. – Исходя из наблюдений, некоторые компании сначала пробуют работать с дата-сайентистами у них не получается, они создают или покупают платформы, но в итоге возвращаются к разработчикам, так как модели усложняются и обычные технологии не справляются".

Схожей позиции придерживается директор блока организационного развития и технологий ОТР Алексей Кулешов. "Платформ, которые позиционируют себя с использованием этого тезиса, достаточно много. Но по факту, когда доходит до дела, понимание того, что из себя представляют "дополнительные технические знания в области программирования", часто существенно разнится у заказчика и у вендора. Это – высокий "порог вхождения" в части компетенций – является основным препятствием для роста востребованности проприетатрных платформенных решений, – говорит он. – Мы сами столкнулись с похожей проблемой, когда 5 лет назад начали развивать свою платформу ОТР.Опора. Потребовалось значительное количество усилий и ресурсов, чтобы сгладить этот разрыв, обеспечив на деле, а не на словах реализацию принципа рыночной доступности компетенции для разработки".

По словам Марины Майоровой, нужны люди, чтобы думать, пробовать и экспериментировать. Она подчеркивает, что главным становится опыт и бэкграунд команды. "Конечно, если компания только начинает работать с Data Science, ей стоит попробовать различные платформы, которые быстро решают простые и несложные задачи", – делает оговорку специалист "Крок".

ОТР имеет опыт внедрения заказчикам решений в смежной области инноваций – продвинутой Big Data аналитике на базе технологии Data Mining (анализ больших данных на базе алгоритмов "нечеткой логики", позволяющий "выделять знания" из данных – скрытые зависимости, неявные закономерности и тенденции, аномалии и пр.), говорит Алексей Кулешов. По его словам, этот опыт свидетельствует о том, что основная проблема при внедрении заключается не в том, чтобы спроектировать и создать систему, а в том, чтобы найти высококвалифицированного эксперта-предметника, который будет одинаково хорошо разбираться и в функциональной области, и в аналитике, чтобы понимать, что интересного можно "нарыть" при помощи данного ему в руки мощнейшего инструмента.

Что касается развития ML-платформ в глобальном масштабе, то это известный широкий, нарастающий тренд, подчеркивает специалист ОТР. "На слуху у всех ИИ платформа "голубого гиганта" - IBM Watson, самым известным прикладным применением которой является IBM Watson for Genomics, ИИ-инструмент для персонифицированной терапии пациентов с онкологией, чья эффективность клинически доказана. В данном контексте "Открытые технологии" двигаются, безусловно, в правильном направлении", – комментирует он.

Руководитель лаборатории искусственного интеллекта компании "Первый Бит" Александр Немцов считает задумку интересной. Однако, по его словам, все решит практика. "Будет любопытно понаблюдать, как такая платформа будет развиваться. Смогут ли на самом деле с ней работать пользователи без дополнительных знаний в программировании? Тоже покажет время. В целом мы верим в будущее, когда даже не программисты смогут управлять искусственным интеллектом", – заключил он.