人工智能：HSE专家的未来助手

如今，人工智能是科学研究中最热门的方向之一。在过去的10年里，该领域的投资稳步增长，2021年私人投资更是创下了约1254亿美元的历史新高。2022-2023年，人工智能领域的私人投资额较2013年增长了18倍。这项技术正广泛应用于从军事到餐饮业的各个领域。

研究结果显示，2022年使用人工智能技术的公司比例较2017年翻了一番多。俄罗斯公司正积极关注并紧跟该领域的全球趋势。2022年，俄罗斯人工智能市场规模达到6470亿卢布，同比增长17.3%。俄罗斯IT公司的许多开发成果已应用于国内工业企业的运营中。2022年，约17%的俄罗斯企业已经使用或正在引入人工智能，其中大多数为大型企业。

据预测，全球工作场所安全设备市场在未来几年将持续增长。2022年该市场规模约为142亿美元，预计到2027年将增长至267亿美元。在2022年至2027年期间，市场年均增长率预计将达到13.5%。

随着社会对安全生产的需求增加以及大多数公司对内部成本的不断优化，用于自动监控工业安全和HSE合规性的IT解决方案在全球范围内日益普及。基于视频分析的产品和服务质量控制系统也备受关注。目前，工业和制造业数字化发展的主要方向是引入基于计算机视觉和机器学习的综合解决方案，用于检测违反HSE要求的行为，并开发预防潜在问题的方法。

在解释目前HSE领域可用的人工智能技术（包括计算机视觉和机器学习）的工作原理时，可以按应用时间进行划分。针对事故和/或事件，通常分为三个时间阶段：

• 预测 – 利用预测分析模型，通过分析以往类似案例的大量数据，预测发生事故的可能性。

为了使该模型成功运行，需要收集以往事故的数据，包括工作场所信息（工作类型、设备、工作条件等）、员工信息（年龄、工作经验、健康状况等）以及事故本身的信息（类型、严重程度、原因等）。通过长期收集这些数据，可以建立一个模型来分析数据并识别各种因素之间的规律和关联。例如，模型可以显示某种特定类型的工作最为危险，或者特定年龄且有特定健康问题的员工更容易发生事故。

• 实时分析 – 通过获取实时数据进行快速决策。

为了说明这项技术，可以举个人工智能的例子：它能识别员工是否佩戴了必要的防护装备，并通过预设的通信和报警渠道发出信号。目前，此类系统能够识别并记录算法中设定的95-98%的违规行为。此外，为了更好地理解该技术的工作原理，可以参考有关人员进入危险区域通知系统的实施项目。

• 事后分析与原因查找 – 在评估过往经验时，可以且应当寻找重复原因的模式和不明显的规律。

例如，企业可能会频繁发生物体从高处坠落等事故。在收集并分析事故数据、训练模型后，可能会发现这些事故都发生在同一时间段 ——午休时间，此时员工离开岗位，工作场所处于无人监管状态。模型提出的情况既可能是显见的，也可能是隐晦的，这将为解决老问题提供全新的视角。

人工智能在工业和制造业中具有巨大的应用潜力。我们已经看到了大型公司应用这些技术的效果。工业和制造业的数字化转型才刚刚起步，率先采用新技术的企业将在竞争中脱颖而出。尽管引入基于计算机视觉和机器学习的解决方案看似成本高昂，但这是对业务发展的长期投资。因为这些系统不仅能节省昂贵设备的维修费用、减少停机时间，还能转向降低员工受伤率的新方法。

一方面，这些方向对于HSE专家来说可能显得过于复杂，甚至有些多余。但随着这些先进手段和方法的逐步普及，以及此类模型编写和准备工作的简化，企业内部对变革的需求将不可避免。因此，我认为现代HSE专家现在就应该提升自己在这些领域的专业技能，以便在解决复杂问题时能与IT公司专家及内部IT部门使用“同一种语言”进行交流。