Sztuczna inteligencja jako przyszły asystent specjalisty

Obecnie sztuczna inteligencja jest jednym z najpopularniejszych kierunków badań naukowych. W ciągu ostatnich 10 lat inwestycje w tę dziedzinę stale rosną, a w 2021 roku odnotowano rekordowe nakłady ze strony inwestorów prywatnych – około 125,4 mld USD. W latach 2022-2023 wolumen prywatnych inwestycji w AI wzrósł 18-krotnie w porównaniu z rokiem 2013. Ta technologia jest aktywnie wykorzystywana w wielu sferach: od wojskowości po branżę restauracyjną.

Według wyników badań, w 2022 roku udział firm korzystających z technologii sztucznej inteligencji wzrósł ponad dwukrotnie w porównaniu z rokiem 2017. Rosyjskie firmy aktywnie śledzą światowe trendy w tej dziedzinie i nie pozostają w tyle. Wartość rosyjskiego rynku sztucznej inteligencji w 2022 roku wyniosła 647 mld rubli, co stanowi wzrost o 17,3% w porównaniu z rokiem poprzednim. Wiele rozwiązań rosyjskich firm IT jest wykorzystywanych w pracy krajowych przedsiębiorstw przemysłowych. W 2022 roku około 17% rosyjskich przedsiębiorstw już korzystało ze sztucznej inteligencji lub ją wdrażało, a większość z nich to duże firmy.

Prognozuje się, że światowy rynek środków bezpieczeństwa w miejscu pracy będzie rósł w nadchodzących latach. W 2022 roku wynosił on około 14,2 mld USD, a do 2027 roku spodziewany jest wzrost do 26,7 mld USD. Rynek będzie rosnąć średnio o 13,5% rocznie w okresie od 2022 do 2027 roku.

W związku ze społecznym zapotrzebowaniem na bezpieczną pracę, a także stałą optymalizacją kosztów wewnętrznych większości firm, na świecie coraz większą popularność zyskują rozwiązania IT do automatycznej kontroli przestrzegania wymogów bezpieczeństwa przemysłowego i HSE. Aktualne są również systemy kontroli jakości przygotowania produktów i usług oparte na analityce viedo. Obecnie głównymi kierunkami rozwoju cyfrowego w przemyśle i produkcji są wdrożenia kompleksowych rozwiązań do wykrywania naruszeń wymogów HSE, opartych na zastosowaniu wizji komputerowej i uczenia maszynowego, a także opracowywanie metod zapobiegania potencjalnym problemom.

Wyjaśniając zasady działania aktualnych i dostępnych obecnie technologii sztucznej inteligencji w obszarze HSE, obejmujących wizję komputerową i uczenie maszynowe, wygodnie jest podzielić je według czasu zastosowania. W odniesieniu do incydentu i (lub) zdarzenia wyróżnia się trzy takie strefy czasowe:

• Prognozowanie – wykorzystanie modeli analityki predykcyjnej do przewidywania prawdopodobieństwa wystąpienia wypadku na podstawie analizy dużych zbiorów danych z przeszłych doświadczeń w podobnych sprawach.

Dla skutecznego funkcjonowania takiego modelu niezbędne jest gromadzenie danych o przeszłych incydentach, w tym informacji o miejscu pracy (rodzaj pracy, wyposażenie, warunki pracy itp.), danych o pracownikach (wiek, doświadczenie zawodowe, problemy zdrowotne itp.) oraz bezpośrednio o samych wypadkach (rodzaj, stopień ciężkości, przyczyny itp.). Po zebraniu tych danych z dłuższego okresu tworzony jest model, który analizuje zgromadzone informacje i identyfikuje wzorce oraz zależności między różnymi czynnikami. Na przykład model może wykazać, że określony rodzaj prac jest najbardziej niebezpieczny lub że pracownicy w określonym wieku i z konkretnymi problemami zdrowotnymi są bardziej skłonni do ulegania wypadkom.

• Analityka w czasie rzeczywistym – sprawne podejmowanie decyzji dzięki pozyskiwaniu aktualnych danych.

Aby opisać tę technologię, można podać przykład sztucznej inteligencji, która rozpoznaje brak niezbędnych środków ochrony u pracowników i sygnalizuje to za pomocą wcześniej przygotowanych kanałów komunikacji i powiadamiania. Takie systemy są obecnie w stanie wykryć i zarejestrować 95-98% naruszeń uwzględnionych w algorytmie działania sztucznej inteligencji. Ponadto, dla lepszego zrozumienia działania technologii, można rozważyć przykład projektu wdrożenia systemu informowania o przebywaniu personelu w strefach niebezpiecznych.

• Post-analityka i poszukiwanie przyczyn – przy ocenie przeszłych doświadczeń można i należy szukać wzorców powtarzających się przyczyn oraz nieoczywistych zależności.

Na przykład w przedsiębiorstwie mogą zdarzać się częste wypadki, np. związane z upadkiem przedmiotów z wysokości. Po zebraniu i analizie danych o zdarzeniach oraz przeszkoleniu modelu można wykryć, że wszystkie one mają miejsce o tej samej porze dnia – podczas przerwy obiadowej, kiedy pracownicy udają się na odpoczynek i nie kontrolują sytuacji na stanowisku pracy. Sytuacje sugerowane przez model mogą być zarówno oczywiste, jak i nieoczywiste, co pozwoli na nowe spojrzenie na stare problemy.

Sztuczna inteligencja ma ogromny potencjał zastosowania w przemyśle i produkcji. Widzimy już wyniki wykorzystania tych technologii w dużych firmach. Przemysł i produkcja dopiero zaczynają swoją drogę ku wielkiej cyfryzacji, a w walce konkurencyjnej wygrają ci, którzy jako pierwsi wdrożą nowe technologie. Pomimo pozornie wysokich kosztów wdrożenia rozwiązań opartych na wizji komputerowej i uczeniu maszynowym, jest to długoterminowa inwestycja w rozwój biznesu. Systemy te pozwalają bowiem nie tylko zaoszczędzić pieniądze na naprawach kosztownego sprzętu i zminimalizować jego przestoje, ale także umożliwiają przejście do nowych metod ograniczania urazowości wśród pracowników.

Z jednej strony może się wydawać, że ten kierunek jest zbyt skomplikowany dla specjalistów HSE, a być może nawet zbędny. Jednak stopniowe, powszechne wdrażanie tych progresywnych środków i metod, a także uproszczenie tworzenia i przygotowywania takich modeli, nieuchronnie doprowadzi do wewnętrznego zapotrzebowania firm na zmiany. Dlatego moim zdaniem współczesny specjalista HSE powinien już teraz podnosić swoje kwalifikacje w tych obszarach, aby rozmawiać ze specjalistami z firm IT oraz własnymi działami IT wspólnym językiem podczas rozwiązywania złożonych problemów.