0: Направления искусственный интеллект, оно цифровая экономика, Осачук, Евгений.

1: Ну что ж, дорогие друзья, добрый день. Рады приветствовать вас на нашей сессии, посвящённой генеративному искусственному интеллекту в промышленности. Почему же все-таки генеративный искусственный интеллект?

2: Так, ага, его ещё называют креативный искусственный интеллект, да, потому что это, как бы, так сказать, следующая ступень эволюции искусственного интеллекта, если традиционный искусственный интеллект, да, он у нас реа,

3: Реагирует на входящие данные, обучается, анализирует, интерпретирует их, то генеративный искусственный интеллект, он создаёт новые данные на основе обучающих массивов, да, если традиционный искусственный интеллект, он используется для как бы

4: Распознавание образов, то генеративный искусственный интеллект, он эти новые образы создаёт. Если традиционный искусственный интеллект анализирует данные, да, о поведении пользователей, то генеративный искусственный интеллект на основании этого анализа

5: Создаёт персонализированный контент.

6: В 2004 году компания маккинси провела опрос порядка полутора тысяч компаний из star 1 страны мира. Вот на предмет того, как вы используете генеративный искусственный интеллект и среди этого множества компаний

7: Были, конечно же, компании промышленности из таких передовых отраслей, как передовая электроника, аэрокосмическая, оборонная промышленность, автомобилестроение, производство полупроводников. И, значит, эти промышленные компании сказали,

8: То генеративный искусственный интеллект они используют как минимум в 12 функциях, да, вот на слайде вы можете эти функции видеть. 1, да, это маркетинг и продажи, разработка продукта, информационные технологии, сервисное сопровождение страте.

9: Корпоративные финансы. Возьмём 1 строку. То есть получается, что 48 опрошенных компаний про 48% опрошенных компаний сказали, что в функции маркетинг и продажи они стопроцентно используют генеративный искусственный

10: Интеллект. И мы должны с вами учесть, что это 2024 год. Естественно, в 2025 году эти значения показателей уже подросли. И давайте сегодня послушаем как раз о кейсах.

11: Наших отечественных компаний о кейсах применения генеративного искусственного интеллекта в промышленности, применение в производственных и управленческих процессах. Может быть, мы даже затронем те проблемы, с которыми сталкиваются компании.

12: При вот при попытке заставить генеративный искусственный интеллект работать на благо этих производственных процессов, с вашего позволения, я буду представлять наших уважаемых спикеров по мере очерёдности их докладов и 1 хотелось бы послушать

13: Шорина Владлена Маусырович, генерального директора рт техприемка государственной корпорации ростех.

14: Владлен, вам слово. Добрый день, коллеги. Спасибо большое, Евгениевич. Да, вот как бы нам переключаться. Спасибо большое. Здесь вот интересный слайд вы показывали по функциям и

15: И, конечно, я смотрю, в основном все связано с продажами, с продвижением, как бы, да, в топе, наверное, являются двигателями этого направления.

16: Так. Угу. Коллеги, я расскажу про несколько направлений, которые мы реализовываем и внедряем у себя. Мы подразделили на

17: 2 направления это у нас эти внешние продукты, которые мы для россельхоз предприятий реализуем в рамках системы управления качеством. И, конечно, это внутренние проекты, которые направлены на повышение операционной эффективности. Так, сейчас, секунду.

18: Ага, да, здесь про структуру хотел нашей компании рассказать. Мы стопроцентная дочерняя структура госкорпорации ростех. У нас в контуре 7 компаний. Выручка у нас свыше 8 милли.

19: Миллиардов. Являемся 17 года центром компетенции систем управления, качеством роботизации, автоматизации корпорации ростех. У нас управленческая функция в этой части и, соответственно, вот наш сейчас в части

20: Ишной истории. Расскажу, что мы делаем у себя, внедряем. В этой части у нас реализовано так как мы центр компетенции. У нас ежеквартально накапливается информация по качеству, по всем предприятиям, которые входят ростех. Это свыше 1000 организа.

21: Соответственно, у нас реализована единая интегральная панель, которая отображает свод информации по всей корпорации. И дальше уже она может там распадаться на

22: Комплекс там боеприпасы, спецхимия, радиоэлектроника может распадаться по холдингам, по предприятиям, входящим, соответственно, реализован модуль по системе сбора информации аналитики данных, соответственно, с раньше.

23: На бумагах перемещалось сейчас, соответственно, система ввода информации непосредственно реализована на каждом участке и, соответственно, большой комплект нормативной документации, которые интегрированы в эту систему, поддерживается в актуальном состоянии, соответственно, предприятиям.

24: Удаётся легко актуальные версии доставать. Соответственно, понимаю, что к нам постоянно приходят запросы со стороны предприятий. Очень много ресурсов уходило на ответы на

25: Там валидацию данных, обучающие какие-то элементы. Соответственно мы смогли вот такие решения накрутить. Соответственно, задача вся имеющаяся информация у нас там

26: Предварительно обрабатывается, да, на счёт на основе уже имеющейся модели мы обрабатываем, соответственно, даёт возможность нам, например, как структуре, которая сводит и готовит определённые формы отчётов, решений, предложений.

27: То есть для нас, по крайней мере, достаточно хорошая оптимизация в части уменьшения, снижения использования физически людей, ну и, соответственно, взаимодействие с предприятиями здесь уже предприятиям нет, отсутствует необходимость там регулярно с нами связываться.

28: Соответственно, мы для себя вот где-то уже 3 месяц эту историю реализовываем, понимаем, что, по крайней мере, на своём узле мы достаточно там хорошо высвободили несколько человек, ну и, соответственно, сократили количество обращений.

29: Ну и, соответственно, по крайней мере наблюдаем повышение активности со стороны предприятий.

30: Также у нас реализован и помощник по нормативным Актам. Корпорация у нас свыше, там, наверное, 50 документов, стандарты, регламенты, порядки, инструкции.

31: Соответственно, задача помочь нашим предприятиям, участникам, службам, качества, представителям по качеству. Это возможность, не знаю, там, там планируется аудит, что нужно сделать, соответственно, из тех нормативов, которые

32: Госкорпорации утверждены на верхнем уровне. Сроки, порядок, план проверки. То есть все, что необходимо в рамках этой деятельности, можно сформировать из там 4, 5, 10 документов свести и там в нужном виде дать ответ. Соответствен.

33: Такая же история, что снижается обращение к нам в части физических звонков, каких-то там иного взаимодействия. Ну и мы понимаем, что также наши работники высвобождаются.

34: От там постоянного регулярного взаимодействия. Ну и, конечно, для самих работников наших, там это хороший инструмент для того, чтобы получать определённый ответ и в рамках диалога там, да, позволяет

35: Помощник, поддерживать контекст и, соответственно, уже там формировать

36: Ну, определённое погружение.

37: Здесь, наверное, хотел бы вернуться вот в части вот генерации отчётов, здесь была информация, скапливается огромный массив данных в части, например, там, рекламации в отношении продукции производимой корпорации, там по надёжности, там повторяющиеся дефекты.

38: Затраты на устранение дефекта, огромный массив данных. То есть вот у нас огромное там уходило времени на подготовку сводных отчётов. Ну вот благодаря там, автоматизации, да, вот этой, и внедрение ичных агентов, ну, позволило, по крайней мере, там

39: Не знаю, там, что происходит там по вертолётам, какие проблемы там дальше. Да, я не знаю, сколько из них там производственного брака. То есть внутри там диалога можно было уже там на порядок легче взаимодействовать, понимать, че происходи.

40: Здесь тоже у нас реализована программа цифровая метрологическая лаборатория в связи с тем, что мы ещё являемся головной метрологической службой в рамках корпорации и также управляем метрологическими службами, которые в каждом холдинге

41: Создана своя, и мы регулируем их функционирование. Соответственно, у нас внедрён вот, вот такой продукт, это, ну, такой инструмент управления метрологической службы. Соответственно, задача понять, что у нас происходит со

42: Измерения поставщики этой продукции. Ну и, соответственно, задача была разделена непосредственно на подбор средств измерения, там обучение сотрудников, да, то есть что происходит

43: На предприятии, там какие средства измерения можно подобрать, в том числе реализован механизм при отсутствии в базе поиска из интернета, как бы, да.

44: Здесь, наверное, уже расскажу о наших внутренних продуктах. Мне как руководителю ежедневно сталкиваюсь с проблемой, что нам нужны ещё люди, нам нужны поменьше процессы, нам нужны зарплаты руководителю, наверное, там полдня.

45: Приходится принимать решение, а нужно же, или там не нужно, поднимаешь документ там, да, или там процесс происходящий, там, документообороты, скуды, там, не знаю, до 10 автоматизированных систем, там, диэлпи системы. И понимаешь,

46: Что здесь не только там зарплата будет наоборот наверное сокращать надо и там чуть чуть с перераспределять поэтому мы начали с 1 истории это поддержка и помощь нашему hr блоку мы там довольно растущая компания у нас гагар выше 20%.

47: Очень много подбирается людей, соответственно, много запросов приходит. И мы понимаем, что, наверное, нашему подборщику там без помощи и агента там не помочь, там, используя

48: Текущие там модели, там сберовские мы организовали вот такого агента, который проводит первичное собеседование, подобраны и сформулированы 10 вопросов соответственно.

49: Система там сканирует поведение собеседуемого мимика, взгляд, настроение, соответственно, потом принимается уже там, ну, готовится отчёт, и уже наш.

50: Подборщик смотрит как бы и принимает решение дальше вызывать на собеседование следующая у нас в этом проекте задача, вот у нас там даже возьмём it блок, там, не знаю, там 500 хантера вакансий, там сидит человек, там фильтрует, фильтрует.

51: До 100 там передал вышестоящему, он там дофильтровался 50, там уже заместитель дофильтровался 10, и, получается, взяли всего двоих, как бы, да, и задача в этой части, конечно, тоже помочь.

52: Нашему hr блоку и непосредственно тем, кто ищет специалист.

53: Ну и, соответственно, 1 из таких наших важных и внутренних, это там корпоративный и ассистент. Поиск, помощь по внутренним локальным нормативным Актам, не знаю, там в том числе реализован

54: Возможности организовать встречу через программу сразу. Задача сформулировать в календарь. Запись формулируется в запись в электронном документообороте. Что вот такое там мероприятие планируется соответствен.

55: Задача там облегчить труд, там, сотрудников, ну и там, я не знаю, там ухожу в отпуск, там, что нужно сделать, чтобы там закрыть командировку, как бы, да, смогли научить на основе наших локальных нормативных актов.

56: Сделать предварительную обработку. Ну, дальше уже на основе модели готовятся хорошие, ну, ответы, как бы, да, в этой части. Ну, и, наверное, здесь вот так как мы все-таки ближе

57: Качество, вопрос там стандартизации очень много, стандартов, очень много то ется документов вот там тоже сейчас пилотируем, пытаемся помочь высвободить трудовые ресурсы в этой части. Это на основе имеющихся там документов.

58: На основе большого там массива данных, там, я не знаю, там, 5010, 20, 30000 страниц, соответственно, собирать эти данные и правильный ответ там готовить. Поэтому вот такие проекты мы у себя реализовали, наверное, 1 из таких интересных задач, так как

59: У нас, мы все-таки работаем по 223, да, я 2 секунды по федеральному закону, 223 мы все свыше пятиста тысяч рублей закупки проводим через конкурсные процедуры. Соответственно, огромные проблемы, связанные с подготовкой документов с вы

60: На закупочные, соответственно, сейчас как бы, любой сотрудник, что нужно там, чтобы купить стул там, или там провести закупку, там, сформировать перечень документов, заполни их, там, сформировать, там, я не знаю, сколько коммерческих нужно там собрать. То есть вот эта задача там

61: На ближайшие, там 2, 3 месяца, соответственно, облегчить подразделение закупочного вот эти хождения людей за советами за помощью. Соответственно, вот такой проект у нас там тоже будет реализовываться. Ну и там как резюме, точно без этого никуда. Мы, наверное,

62: Не скажу, что лидеры, но мы все-таки, там ростех больше задача на сво, на поддержку текущих там потребностей, конечно, там, наверное, такие вопросы, они на 2, 3 план уходят и сейчас не до этого. Но вот, несмотря на такую обстановку, стараемся

63: Не отставать от современных методов там управления развития конечно, задача облегчить там работу, снизить затраты на ненужные вот эти все вещи. Ну и, соответственно, повысить производительность Владен. Большое спасибо. Вопрос такой вот. Понятно.

64: Что искусственный интеллект это новый уровень автоматизации глубокой интеллектуальной автоматизации. Да, и вы в своём докладе упомянули о том, что высвобождается, да, рабочая сила, она высвобождается или вы её страшный вопрос задаю, который волнует

65: Очень много наших слушателей, она высвобождается или переквалифицирует. Че вы с ней делаете? Я думаю, что здесь несколько слов можно, да, но 1 минутку, да, высвобождается. Но, с другой стороны, нам есть чем загрузить эти

66: Людей. Соответственно, во первых, это повышение производительности, да, то есть другие задачи, мы не увеличиваем штатную численность. Ну и плюс вот такие механизмы позволяют

67: Повышать квалификацию самого сотрудника. Вот там накануне был пример. У нас проблема с тз, мы там шоурум по робототехнике делаем. И вот у них проблема там на неделю сдвиг тз по шоуруму. Я говорю, ну, блин, достал дипси, говорю, смотри, там, там, да, написал запрос, там, тз.

68: Было написано, ну да, там его нужно, конечно, там доработать, но вопрос, в чем там у сотрудника был там такими глазами, с удивлением, как же так, мы тут неделю пыхтим, там сколько человек было задействовано, оказывается, все может быть проще, поэтому точно не приводит к со

69: Ращение людей, а наоборот, там переквалификация и, соответственно, догрузка другими задачами. Владимир, спасибо огромное. Давайте переходить к следующему докладчику. Максимов Андрей Андреевич, директор центра экспертизы по искусственному интеллекту гринатом. Госкорпорация росатом Евгений.

70: Спасибо. Спасибо всем, кто пришёл. Можно пультик попросить, да?

71: Благодарю.

72: Так, честно скажу, мы не так давно начали заниматься генеративным и, но добились определённых, как мне кажется, успехов, о которых сейчас вам расскажу. Чуть поспойлерю. У коллег куча интересных кейсов, которые сегодня

73: Будут озвучены, в том числе по использованию генеративного. И в реальном секторе мы решили замахнуться на святое, вот на документацию вот это вот самое, если что-то с 5 раза не получается, открой инструкцию. Это как раз вот про наш кейс.

74: У нас обычно названия такие суровые, но тут внезапно вот такое вот решение с таким милым названием. Это внутреннее название. Официально это бракадабра из 6 заглавных и 2 строчных букв, но оно мало что скажет всем при

75: Поэтому наша внутренняя история, что это такое? Это и ассистент, который мы сделали в виде диалогового интерфейса, который предназначен для помощи при работе с большим объёмом документации. Что он делает?

76: Ищет информацию в различных источниках, обобщает найденную информацию в подробный развёрнутый ответ и предоставляет её страждущему. Плюс сопровождает этот ответ теми материалами, собственно,

77: Чего он это построил? Что в основе большая языковая модель и собственно рейджи классика. Зачем мы это сделали? Ну, во первых, это нулевая линия поддержки сотрудников кот.

78: Которые могут сами довольно быстро найти теперь информацию на интересующий вопрос. С другой стороны, это помощь сотрудникам поддержки, которым эти самые вопросы сейчас там массово прилетают. Нужно найти документы, инструкции.

79: Методики, в которых все описано, написать ответ, а мы даём

80: Такой инструмент, который уже может очень быстро помочь это сделать, тратя на это меньше времени, где можно применять, ну, в очень гигантском объёме, там, сфер, или там, как принято говорить, доменов, начиная от классики производства.

81: Работа с конструкторской документацией, работа с всевозможными документацией по оборудованию и техпроцессам внутри себя в нашем Любимом нтт, как работать с системами, финансистом закупщикам. Вот уже, кстати, упоминали, что

82: Вполне внедрили в процессы аудиторам. Собственно, сделать это можно максимально человечно, что мы и постарались. Если у тебя есть вопрос, а у нас есть на это ответ, мы его предоставляем, причём предоставляем его.

83: В полном объёме. Если то, что тебя интересует, там как сделать, а или почему не работает б, там есть, не знаю, графики, картинки, схемы покажем, найдём, предоставим, если нужно поискать.

84: Взаимосвязи между информацией в рамках документа поищем. Нужно сравнить документы тоже сравним.

85: Что мы сделали перед тем, как идти в настоящее производство к конструкторам, к инженерам? Мы поймали коллег из 1 с. Ну они просто тупо ближе находятся к нам по территории и сказали, ребята, а давайте мы попробуем на ерпи и на монитор.

86: Обкатать данное решение. Попробовали, взяли все инструкции, все методики, вот все, что было по описанию систем, взяли все успешно решённые кейсы поддержки, обучили на этом модельку из

87: Пустили в опытно промышленную эксплуатацию, чтобы вы понимали, вся поддержка плюс несколько предприятий и получили вот такие результаты, как видно, нам есть куда стремиться. Но в целом для решения, там созданного буквально за 3 месяца. Мне кажется, результаты довольно хорошие. Сейчас продолж.

88: Собственно, обкатывать на этих предприятиях на поддержке собираем обратную связь, подтюнивать с prompt инженирингом и в ближайшее время раскатим по всей отрасли, ну а дальше двинемся уже непосред.

89: Средственно коллегам, коллегам. Мы с производства, надеемся, сделаем их жизнь полегче и попроще. Очень часто спрашивают, что же, собственно говоря, делали как? Ну вот 6 Шагов.

90: Которые мы прошли до начала опытно промышленного внедрения. Ну, наверное, зачитывать их все, как бы, смысла нету. Вы и так все видите. Остановлюсь на нескольких моментах, которые нам лично кажутся важным. Во первых, это

91: 2 пункт парсинг и обработка данных, сразу скажу, можно практически распарсить все картинки, графики, схемы, презентации. Текст, написанный по кругу спиралью, чем

92: Больше данных удастся обработать и запустить модель. Тем лучше мы мучились. Оказалось очень, очень полезно. Пункт 3 хотел обратить внимание очень часто, когда используют, ну, делают подобные решения. Обычно используется векторным

93: Поиском мы пошли чуть дальше, мы сделали гибридный поиск, соответственно векторный плюс лексический, вы знаете, очень неплохо работает, намешали их по секретному рецепту дядюшки сандерсона это который крылышки делает да, kfc.

94: Вот, и получилась очень неплохая решение очень хорошо ищет релевантные документы по тем, ну, по различным вопросам. Пункт номер 6 вот катастрофически важен очень

95: Плотная работа непосредственно с заказчиком, да, с бенефициарами решения. Приведу такой вот небольшой пример. Идёт тестирование. Каждый день собираются метрики. Статистика. В какой-то день видим, что результаты катастроф

96: Там 90% обратной связи от пользователей. Ваше решение не работает. Выдаёт ересь. Начали разбираться. Пошли вместе с заказчиком. Смотрим все вопросы, которые приходят обратную связь. Выясняется, что по данному вопросу не знаю.

97: Почему в этот день во все пошли искать вместо вот в документации 1 абзац, из которого ничего не понятно. В общем, нашли узкое место в материалах, на основе которого, ну, заказчик предоставил, там написал другой документ.

98: Который опять же, пошёл в дообучение, так что это не только полезно, как нам, как разработчикам было, но в том числе полезно бизнес заказчику, который понимает, где у него какие лакуны там, в той же самой документации, что пользователи не могут с этим справиться, в итоге идут в поддержку, ну и

99: И там небольшие рекомендации о том, на что обращать внимание в процессе эксплуатации мир живой, динамичный, все меняется, технологии меняются, документы меняются. В общем, за всем за этим нужно следить, обновлять, приводить в соответствие в актуальном

100: Трендом, как эта штука выглядит. Ну вот реальный скриншот интерфейса это мобильная версия. Есть ещё доступная версия, соответственно, дестопной версии. Разница лишь в том, что, с 1 стороны, у вас ответ модели с инструкции

101: Что же нужно сделать? А с другой стороны, расположены все документы, которые относятся к данному запросу, ну, отранжированные по релевантности, плюс снипеты из них с наиболее подходящей информацией и возможность их открыть, посмотреть, скачать.

102: И более детально изучить, как мы эту штуку у себя разворачиваем в 2 ипостасях. 1 история это мы встраиваемся прямо внутрь системы, в рамках которой работаем и оказываем помощь. Ну, например, с тем же самым 1 some мы

103: Занимаем прям отдельную страничку помощи, где пользователя встречает непосредственно интерфейс Анна. Ну и 2 вариант это отдельно стоящий сервис. Если по каким-то причинам нет возможности разместиться внутри, в общем то и так

104: Так, идём работать. Вот.

105: Пик. Вот. Спасибо за внимание. Коллеги, Андрей, спасибо большое за доклад. Поясните все-таки вот система, она работает только с текстовой информацией или там видео звук аудио там, а мы

106: Умеем работать со всеми типами информации, как с текстовой, так и с графической, при этом ещё и с медиафайлами. Ну, у нас в загашнике есть какое-то количество собственных решений, которые позволяют, ну, во первых, извлекать информацию из картинок и обрабатывать, и опускать в обучение. Так есть инстру.

107: Инструменты, которые позволяют работать с медиафайлами, с аудио и с видео. Соответственно, отлично. Берём контент текст и обучаемся. Последний вопрос. У вас там был, значит, показатель удовлетворённости пользователей 75%. Что нужно ещё, чтобы

108: Добить до 100%. Чего хотят то люди, чтобы оно вообще все само делало? Ну, во первых, это, да, они хотят, чтобы оно делало все само, чтобы оно никогда не ошибалось, чтобы выглядело красивенько. Понятно? Отлично.

109: Ладно, спасибо большое. Давайте переходить к следующему докладчику. Шантаев Эдуард Борисович, генеральный директор федерального центра прикладного развития искусственного интеллекта. Вам слово, Эдуард Борисович. Да, я бы попросил кликер мне вернуть, чтобы можно.

110: Можно было управлять экранами. Коллеги, ну я привык говорить о генеративном искусственном интеллекте в широком его смысле, в широкой сфере его применения. Это не только генерация изображений, но это работа с чертежами.

111: 3 д моделями совсем большим и всеобъемлющим стеком его направления работы. Так, например, генеративный искусственный интеллект мы с вами рассмотрим сегодня в 2 разных плоскостях.

112: Как опыт работы его на промышленном предприятии, так и, соответственно, наш опыт работы с генеративным искусственным интеллектом в рамках нашей внутриведомственной цифровизации и в рамках нашего кросс отраслевого взаимодействия с

113: Строем России. Я думаю, это позволит вам посмотреть с разных сторон на всю эту тематику. Ну, генеративный искусственный интеллект, самое его базовое и понятное применение. Сейчас я бы так назвал. Это тренд в промышленном программном обеспечении. Это

114: Использование генеративного искусственного интеллекта в системах автоматизированного проектирования в так называемых сапрах это позволяет оптимизировать конструкторские изделия и создать виртуальные прототипы. 2 момент.

115: Момент, связанный с неочевидным, но тоже уже существующим применением, это в направлении контроля качества выпуска продукции, то есть генеративный искусственный интеллект может помочь нам создать с вами целый набор эталонных изображений.

116: Продукции, то есть продукции с дефектами. То есть это то, что помогает вам в моменте получить более 98% точность работы других нейронных сетей, которые будут работать в сфере качества продукции. Дальше

117: Мы с вами можем однозначно увидеть использование генеративного искусственного интеллекта в создании документации. Коллеги уже об этом сегодня рассказывали. То есть это автоматическое создание инструкций тех документации обучающих материалов.

118: Есть. Приведу в пример промышленное предприятие, не буду его, наверное, называть, но скажу так, что при это предприятие химического комплекса химической отрасли, и с точки зрения создания документации они как делают? У них довольно-таки широкая распространённая сеть.

119: Производственная по Российской Федерации, и они при запуске производства нового продукта описывают его намного быстрее с использованием технологий генеративного искусственного интеллекта. То есть пишут первичку, пишут техническую документацию для технологов, чтобы

120: Как можно быстрее масштабировать производство. Дальше проговорим про техническое обслуживание и предективную аналитику. Это описание и генерация возможных сценариев поломок, и создание рекомендаций по таиру. Ну и соответствен

121: Производственная оптимизация это генерация оптимальных маршрутов, расписаний, перемещения продукции, логистических цепочек и так далее. Дальше, коллеги, с вами поговорим о живом примере. Соответственно,

122: Возьмём сибур как 1 из лидеров химической промышленности на слайде. Здесь указано 3 ключевых направления, которые организация использует для взаимодействия с генеративным искусственным интеллектом. Я с вами, наверное, ещё расскажу дополнительно.

123: Об 1, которая на слайде не представлена, но что коллеги делают коллеги при партнёрстве с 1 довольно-таки знаменитым айти разработчиком коллеги с помощью генеративного искусственного интеллекта?

124: Извлекают сущности из технической документации, из старых стандартов, извлекают их не только с точки зрения текста, а с точки зрения формул, таблиц, значений, единиц измерения, то есть, по сути, они уже прошли стадию.

125: Создание вот этих машиночитаемых стандартов, регламентов и так далее. Они прошли к извлечению так называемых метаданных текста. То есть здесь как раз используется генеративный искусственный интеллект для этой обработки, систематизации. Кстати, Евгений, вот этот кейс коллег как раз

126: В нашем с вами большом аналитическом исследовании был также рассмотрен, да, ну и базовое трио, которое у коллег есть. Это, понятное дело, атомизация производственных потоков это использование генеративного искусственного интеллекта в продажах и маркетинге, и

127: Соответственно, динамическое прогнозирование котировок, то есть это текстовые данные, обрабатываемые генеративным искусственным интеллектом, которые помогают применять решения на основании новостей, отчётов. То есть это, так сказать, помощь руководящему составу.

128: Организации. Дальше перейдём ко 2 блоку, который я обозначил. Это внутриведомственная цифровизация, использование генеративного искусственного интеллекта внутри минпромторга и в Гао фцп. Здесь отмечу, что

129: Огромный массив как раз текстовых базовых данных содержится в различных информационных системах. Ну и как их 1 человеку обработать никак, а генеративная сеть может обработать этот объём информации систематизиро.

130: Ключевые значения, нужные запросы и сформировать тебе чёткую оперативную информацию, основанную исключительно на данных. Но здесь важно понимать, что мы в курсе, что любой искусственный интеллект имее

131: Имеет такую привычку со временем деградировать, фантазировать, ну или как угодно ещё это можно назвать, галлюцинировать, галлюцинировать, да, это 3 название. Ну и соответственно, это то, что необходимо также всегда учитывать

132: При этой работе мы вот как раз с коллегами постоянно мониторим и ведём версионность этих нейронных сетей, которые позволяют нам вовремя отловить, галлюционировать их дальше. Генерация тезисов тоже про

133: Понятная задача, все мы очень много выступаем, а когда очень много выступаем, очень много времени тратится на подготовку материалов, и это идёт в призме не только нас, но и, соответственно, это идёт в призме помощи государственным граждан.

134: Служащим. Самая основная задача это собрать ранее доведённую информацию, чтобы любое выступление у тебя было синхронизировано с тем выступлением, которое у тебя идёт сейчас. То есть это также сбор, обработка и систематизация информации. Задача простая. Я думаю, на ней долго останавливаться не будем, но

135: Это, ну просто простой и понятный пример, как, соответственно, это работает с бытовыми задачами. Дальше интересный кейс. Мы переходим к следующему направлению. Это наша кросс.

136: Левое взаимодействие, мы активно взаимодействуем с минстроем России, и коллеги вышли к нам с такой очень интересной задачей, которая должна была помочь им создать модель машинного обучения для главгосэкспертизы.

137: Объясню. В 2 словах. Это организация, которая перед стройкой проверяет проектную документацию, техническую документацию. Есть огромное количество требований к стройке. Поверьте мне, вот как к чему другому нет столько требований, кроме как построить и самое что интересное.

138: Очень много противоречий, очень много противоречий разного уровня актов, таких как региональные, местные и федеральные. То есть все очень сложно и очень зарегламентировано. И те самые эксперты, которые получают проектное

139: Документацию, они же, помимо того, что заложено в проекте, должны ещё и сразу посмотреть, а сколько на это заложили стоимость. И просто представьте объём работы 1 эксперта, которых постоянно не хватает. Это я вам могу заявить максимально ответственно.

140: Ну, у меня вот как раз супруга, она инженер сметчик, она работает с главгосэкспертизой и понимает, что это очереди, сроки. А наша система позволяет перед тем, как строители приходят и подают свою документацию, провести её через генеративный искусственный интеллект, который как раз был обучен.

141: Более чем 1000 нормативных актов, материалов по охране труда, включая проекты по капитальному строительству. То есть это пилот, который мы с коллегами провели, и он показал колоссальные результаты. Мы сейчас находимся в точке подтверждения продол.

142: Жени уже не как пилота, как mvp, а как, соответственно, полного проекта вместе с коллегами для возможности его внедрения, потом в контур главгосэкспертизы 2 смежный проект тоже в отрасли строительства это модель машинного обучения.

143: Для анализа и разбора строительных требований в нормативно технических документациях. Ну, как вы понимаете, это 2 схожие модельки, которые друг друга дополняют. Так, например, мы извлекаем из стандартов, из мрр, из других

144: Требования, извлекаем сущности, переводим их в метаданные, которые так или иначе позволяют нам намного легче и оперативнее ориентироваться и даже находить противоречия между актами. То есть это помогает в 1 очередь работе по установлению логических связей между

145: Строительными объектами и их характеристиками. Коллеги, ну, наверное, буду завершать. Вижу, таймер не идёт наверх, а идёт вниз. Поэтому ключевые выводы давайте с вами обозначим, пройдёмся по ним, что необходи

146: Комплексно подходить к внедрению технологий генеративного искусственного интеллекта. Необходимо использовать наиболее эффективные, развёртываемые решения, чтобы не тратить

147: 2 раза на соответственно, внедрение этих технологий необходимо однозначно работать над качеством тех данных и мониторить их версионность, и, соответственно, необходимо использовать вспомогательные и рекомендательные системы.

148: Для возможности вашей работы, коллеги и небольшой тоже анонс. Мы в апреле мае этого года будем переименовываться, будем называться в Гао цифровые индустриальные технологии. Это наш стратегический шаг, а не просто ребрендинг.

149: Мы, коллеги, будем заниматься не только искусственным интеллектом, как конечной стадией любой цифровизации, а в целом всем стеком цифровой трансформации промышленности. Спасибо, Эдуард Борисович. Спасибо большое. Вот.

150: На последнем слайде, где были ключевые выводы, увидел у вас, что внедрение генеративного искусственного интеллекта должно сопровождаться обучением сотрудников применительно к минпромторгу. Есть

151: Какие-то планы в этой части обучения там и так далее. Хороший вопрос. Мы в прошлом году совместно с высшим учебным заведением как раз разработали образовательную программу для сотрудников минпромторга России. В этом году у нас ещё целых 3

152: Программы, которые показывают те самые преимущества преференций, как работать с этими технологиями. То есть это именно прикладной практический курс, который позволит нам донести информацию о способах, что такое промт. Вот попробуй объяснить чиновнику, что такое промт.

153: Он скажет, пром, понимаю. Т. Это буква а как это работает вместе, чтобы работала нейронная сеть? Здесь, соответственно, необходимо более детальное погружение. Спасибо большое. Что ж, то есть у нас квалифицированный заказчик будет подрастать.

154: Минпромторга в части искусственного интеллекта. Так точно. Все, спасибо огромное. Переходим к следующему докладчику. Карпович Сергей Анатольевич, директор по продуктовому развитию т. 1 ii холдинга т. 1.

155: Можно предать такая требована, да, коллеги, добрый день. Наверное, там 2 небольших слайда с цифрами, а потом тогда уже перейдём больше к кейсам. Интересный слайд.

156: Это наш, это аналитический отчёт нашего правительства. За прошлый год, как компании производственного сектора используют искусственный интеллект. Вот видно, 14%. У Евгения тоже слайд был там маккензи, по моему, 13 показывал в производстве. Значит, мы все-таки на процентик чуть Круч.

157: Мировые мировые компании. На самом деле, о чем это говорит? Это говорит о том, что промышленный сектор очень аккуратно подходит к применению искусственного интеллекта. И почему это так? Потому что, скажем так, цена ошибки достаточно высокая и

158: Перестроить производственную линию это всегда сложнее, чем где-то просто пересчитать какую-то модельку. Мы недавно делали кейс на конвейерной линии. Есть такая задача дефектологии, и надо определять с помощью видеоаналитики возникновение дефектов, конвейер на конвейерной линии.

159: Ну, как бы задачу то решили, научились определять. А дальше встал вопрос останавливать конвейер. Это в разы дороже, чем пропустить вот это дефектные детали. И вот здесь как раз-таки про то, что на самом деле компания очень аккуратно смотрит на эффекты от применения технологии искусственного интеллекта и не все

160: Придумывается. Можно применять сразу сходу. Вот. И 2 интересный слайд это про то, что у нас есть много барьеров, которые мешают внедрять искусственный интеллект. И вот если мы уже немножко лучше стали понимать, что такое искусственный интеллект и компании стали

161: Скажем так, более лояльно относиться к примету технологии и со специалистами ситуация стала улучшаться, то вот как раз-таки 2 основных пункта это то, что у нас стратегии не хватает. То есть компаниям не хватает комплексности с точки зрения

162: Искусственного интеллекта и комплексных стратегий. И вот то, что я говорил, ожидание от финансового результата. То есть пока ещё искусственный интеллект не доказал промышленным компаниям вот те большие эффекты, которые он может дать для того, чтобы компании у себя начали его повсеместно.

163: Внедрять. И вот наша с вами задача как раз-таки через кейсы вот эти эффекты показать. Мы на самом деле несколько пилотов проводили с компаниями, есть даже ряд внедрений поэтому я так расскажу про несколько кейсов. 1. Вот есть

164: Стандартный процесс там какой-то производственной линии дайте вот рассмотри на примере построения самолёта совсем упрощённая схема. Так, для понимания она состоит из 2 этапов. 1 это процесс проектирования и 2 это интегральный процесс, это фактически функция контроля и функция проверки. И вот

165: На каждом из этих этапов, на самом деле происходит обмен документацией. То есть вот интегральный процесс это контроль, докуме, контроль на уровне документов, последние большие языковые модели, они очень хорошо умеют работать с документами. И вот про кейсы сегодня много рассказывали, как раз-таки

166: Документация. И вот здесь как раз-таки искусственный интеллект может существенно повысить эффективность работы сотрудников и в чем ещё проблематика как раз-таки вот этого документарного контроля в том, что люди обычно не очень любят документы, не очень любят писать документы, не очень любят за

167: Документы. И вот ошибка, которая возникает на этапе номер 1, на этапе номер 4, на этапе номер 5, даёт такой эффект на расходную часть этого всего процесса. Большой, когда нужно откатываться в начало и переделывать. И, наверное, ещё из за этого

168: У нас иногда там переносятся сроки внедрения тех или иных проектов производственных и запусков там тех или иных новых технологий. Поэтому важно встраивать уже технологии искусственного интеллекта в тех понятных кейсах, которых, которые у нас есть. И здесь мы можем

169: Помочь как раз-таки с помощью применения с помощью технологии генеративного искусственного интеллекта. Например, как я уже говорил, там за счёт контроля документации ещё 1 пример, который, где можно применять искусственный интеллект. В таких процессах мы недавно решали задачу как раз-таки видеоаналитики.

170: И генеративный искусственный интеллект помог нам формировать датасеты. То есть, например, есть большое количество деталей, узлов, собрать датасет в промышленных компаниях. Это очень сложная задача. Я уже молчу про безопасность. Не все компании готовы отдавать свои фотографии, видеопотоки.

171: Того, что у них происходит внутри. А вот как раз-таки визуальные модели помогают генерировать датасеты с фотографиями, датасеты с видео, которые на которых потом обучаются модели. И как раз-таки вот мы кейс такой решали. Действительно, модель получилась эффективная.

172: Ну, вообще, в принципе, как я уже говорил, сейчас, наверное, самый большой эффект от применения искусственного интеллекта. Вот мы видим с компаниями, когда общаемся, это, это в части документации, оформление документации, контроль документации.

173: Самое главное проверка внутренней наполненности документации, потому что новые большие языковые модели, они помогают оценивать не только текст, но и смысл, и здесь мы можем на уровне контроля документов понять, а все ли обязательные испытания.

174: Были пройдены в соответствии с документами. А были ли какие-то ошибки в части подготовки этих испытаний, полностью ли испытания соответствуют техническое задание и так далее. И вот, как я уже говорил, новый современный

175: Модели очень хорошо помогают решать такие задачи. Есть ещё 1 там пример. Там, здесь вот тоже описано, например, различные, скажем так, конструкторские бюро, различные Роли участников процесса того же создания самолёта и вопрос, а как они

176: Они между собой обмениваются информацией, они обмениваются информацией с помощью технических заданий. И опять же, вот возникновение любых, скажем так, проблем в части передачи знаний из 1 бюро в другое приводит к тому, что эти знания меняются, изделия понимаются по другому.

177: И потом на выходе мы получаем некачественный результат. Тоже недавно общались с 1 из компаний, обсуждали как раз-таки вот этот кейс и выяснили даже такую ситуацию, что у нас же есть отраслевые стандарты, есть госты, и как бы они в целом описывают изделия, описывают узлы.

178: Они не дают там стопроцентного описания, они скорее верхнеуровнево описывают. И вот одно и то же изделие в 2 разных кб собирается совершенно с разными допусками, совершенно с разными размерами. И вот на уровне контроля документации мы можем приводить к тому, что все

179: Изделия собираются Ровно по 1 стандарту, потому что потом, когда они приходят уже где-то на сборочный цех, оказывается, что болты разные, извиняюсь за выражение, разная длина болта получилась вроде по 1 и тому же изделию, как я уже говорю, как раз-таки вот искусственный интеллект помог.

180: Нам здесь достаточно хорошо отконтролировать, что же на самом деле собирается на том или Ином заводе, либо в том или Ином кб. 2 кейс очень важный, который тоже сегодня поднимали. Это, наверное, самая большая задача сейчас управление качеством продукции здесь

181: Мы можем управлять и измерительными, и измерениями, которые проходят. Мы можем строить процессные диаграммы, можем контролировать, что изображено на процессных диаграммах. Как я уже говорил, сейчас достаточно такие хорошие визуальные модели. Мы даже недавно внедрили такой

182: Большой пилотный пак, который умеет распознавать документацию, общались с заводом, и выяснилось, что у нас, наверное, с тридцатых годов создавалось очень много изделий. У нас есть большое количество бумажных чертежей и стоит задача

183: Вообще все эти знания восстановить, потому что такой объём знаний был накоплен ещё в Советском союзе и в России, когда она образовалась. И вот переход на цифру, он происходил только в последние, наверное, 5, 10 лет. А вот эти все знания, они для нас не то чтобы потеряны, они есть, просто они хранятся в архивах, и

184: Люди не понимают, чего там есть, а вот как раз-таки использование больших языковых моделей помогает сейчас оцифровывать всю эту документацию и понимать, где какие задачи уже решались, и нам не надо повторять, решать ту же самую задачу. Мы в принципе быстро можем в архиве найти необходимый документ.

185: И вот как раз-таки распознавание чертежей. 1 из задач, которую уже в принципе можно решать с помощью генеративного искусственного интеллекта. Ну, про отчётность, про контроль, про квалификацию и так далее. Мы уже сегодня говорили, наверное, повторяться не буду, это все можно

186: Делать. Единственная проблема, с которой нам приходится сталкиваться при внедрении там технологии искусственного интеллекта. Это, конечно, то, что работникам пока у нас там не хватает знаний. То есть и действительно вот

187: Скажем так, массовое внедрение цифровых помощников у этих работников, оно может повысить производительность, повысить эффективность. Сейчас даже общались там с евгением, с его командой. Например, цифровые помощники людям помогают строить время, делать ремонты оборудования.

188: Когда человек приходит, смотрит на станок, не понимает, что с ним делать, искать документацию долго, там в большую языковую модель можно написать запрос и спросить, а что делать с тем или иным оборудованием, и кажется, что такие модели сейчас уже помогают достаточно быстро разобраться с

189: Оборудованием и начинать уже там достаточно качественно проводить ремонт. Ну и там не буду, наверное, читать все остальное. То есть, в принципе можно и проверять документацию, можно проверять наличие дублирующих документов. То есть, в принципе, нативный искусственный интеллект, наверное, поможет, может

190: Помочь сейчас на каждой стадии там помочь сотруднику более качественно выполнить свою работу.

191: Ещё 1 кейс. Что же, время у нас? Да, все, наверное, тогда последнее расскажу. В принципе, что умеет делать искусственный интеллект, если так подытожить генеративно это делать техническую документацию, проверять её, делать технические условия, сравнивать документы между собой, как я уже сказа,

192: По контексту сравнивать не только по там, блокам текстов или ещё что. У нас даже юристы используют сейчас как раз-таки проверку чек листов по договорам делают с помощью искусственного интеллекта, потому что вот контекстный поиск, он уже тоже реализован в новых больших языковых моделей. Ну а так, наверное, все не будет.

193: Сергей, спасибо большое. Вот все-таки вот отрасль, да, создания там, разработки, создания Самолётов достаточно. Такая ответственная работа. Вот, но у вас искусственный интеллект проникает везде. Вот, на ваш взгляд.

194: 3 основных риска использования искусственного интеллекта вообще не применительно к вашей области, а вообще.

195: Ну, можно промышленность, сложный вопрос. Мы то больше про позитив, про то, что про правду, про правду. Конечно же, 1 риск, это, наверное, там излишнее доверие искусственному интеллекту, потому что сейча

196: Все-таки большие языковые модели, она, они галлюцинируют. И здесь вот там как раз-таки был хороший пример про то, что нужно наполнять собственную базу документов. То есть нужно делать качественные сервисы, нужно делать качественную качественную базу.

197: Эдуард говорил, там 1000 нпа пришлось загрузить для того, чтобы построить качественный инструмент, который, ну, умеет работать с документацией и принимает правильные решения. Излишнее доверие. Так, излишнее доверие искусственному интеллекту. 2, это не пытаться.

198: Терять его сразу на обум. То есть вот возникла идея, классная идея, давайте сразу внедрять. То есть любой искусственный интеллект требует там пилотирования, небольшого апробации, чёткой оценки пользы от этого искусственного интеллекта, расчет эффектов. Угу. То есть, ну вот, наверное, Разумный

199: Подход нужен, да, Разумный подход. Ну, я бы 2 выделил, наверное, ключевых. Да, спасибо большое. Спасибо. Так, и следующий докладчик, Фильченков Александр Николаевич, руководитель серверного управления компании гравитон. Спасибо большое, Евгений.

200: Я из сегодняшних выступающих единственный, который представляет не конкретное решение и использование этого решения непосредственно у себя в компании, сколько потенциал и понимание того, что генера.

201: Активный искусственный интеллект. Нас на самом деле уже давно вокруг окружает и разработка, и внедрение решений на основе именно этого направления достаточно недешёвая задача. И мы это понимаем как

202: Никто лучше как российский разработчик средств вычислительных техник вычислительной техники. И совместно с некоторыми нашими партнёрами мы разработали и сейчас внедрили как раз портал гид лайф, на котором все.

203: Желающие в целом могут попробовать, если у них есть свои языковые модели и какие-то другие вообще направления в области искусственного интеллекта, посмотреть, как это будет реализовано, потому что мы понимаем, что запусти

204: Просто так какую-то модель у себя на компьютере вы не сможете, вам потребуются ресурсы, которые стоят достаточно много денег, и на это нужно достаточно много времени. А если посмотреть в целом

205: Внедрений уже было много. Уверен, что большинство из нас пользуются порталом Госуслуги. Когда вы заходите, вам возникает некоторый ассистент, который может помочь перейти на тот или иной необходимый раздел.

206: Для совсем недавно пользовался порталом компании россети. Для того, чтобы подключить у себя на дачном участке возможность к энергосетям энергопотребления, я понятия не

207: Имел, как это сделать. Есть большое количество помогаторов, которые готовы за определённую сумму этой помочь нам рассказать, какие документы собрать, куда пойти, что сделать. В текущий момент времени зашёл к ним на сайт, включил Эле.

208: Электронного помощника он подсказал, как уже сегодня было не раз показано в числе необходимых документов, что необходимо предоставить, и мы, соответственно, буквально за 5 минут все реализовали, получив данные с госус.

209: Услуг по необходимым документам, загрузив необходимые разделы. И, собственно говоря, прошла вся проверка. Понимая все это, мы предлагаем со своей стороны и уже сделали факти.

210: Инкубатор для решений, потому что эти решения, мы же сами с вами не всегда можем и понимаем, как и для чего их можно использовать. А с точки зрения промышленности это на самом деле очень важно, для чего? Для того, чтобы

211: Можно повысить, было повысить экономическую эффективность реального использования как пример в промышленности нам уже всем вот как сейчас я привёл примеры, необходима цифровая трансформация, она ведёт всегда к тому,

212: Что у нас есть некоторые проблемы и проблемы. Эти необходимо оптимизировать каким-либо образом, снизить время доступа, убрать какой-то ручной труд, где могут быть большие задержки или, может быть

213: Какая-то сложность, связанная с пропуском тех или иных нюансов, и, конечно же, мы говорим о том, что пока ещё многое в промышленности идёт по классическому традиционному подходу, нельзя не согласиться.

214: Он выверен годами и, соответственно, не даёт никаких ошибок. Но что предлагаем мы? Мы предлагаем как раз собирать всю эту информацию, загружать в имеющиеся модели и, соответственно, на

215: Основании этого формировать какие-то новые гипотезы того, как можно будет нам же всем в дальнейшем упростить работу, повысить эффективность, повысить точность и как следствие.

216: Это приведёт к снижению затрат. Никто не говорит, что человеческий труд при этом будет отменён, потому что искусственный интеллект не должен принимать решения. Он должен помогать и подсказывать, принимает решения всегда.

217: Конечно же, человек, в каких направлениях мы уже работали. Конечно же, мы говорим о том, что есть определённая оптимизация производства, и в 1 очередь это нефтегазовый бизнес, где требуется создание цифровых

218: Когда мы, вместо того, чтобы реально использовать какую-то сложную систему для добычи полезных ископаемых, сначала можем понять, а вообще, будет ли здесь все хорошо, а насколько

219: Будет мало поломок, а насколько будет эффективным, это, конечно же, мы уже говорили о том, что нам необходимо производить контроль качества. Здесь речь идёт о том же самом простом металлопрокате, когда идёт доста

220: Достаточно большой поток, и камеры могут отслеживать. Мы все уже давно пользуемся виртуальными ассистентами, о которых я уже рассказал. Мы говорим о том, что есть необходимость определённых технологии.

221: Логических процессов, которые можно автоматизировать. Но это сейчас не делается. Уже были примеры того, что ведётся достаточно много разработок в области систем автоматизированного проектирования. И, конечно же, конечно же,

222: Никуда мы не уйдём от направления робототехники, уже на нескольких вариантах было проведено исследование, и 3 стандартных варианта применения были отслежены.

223: То есть чат боты, предсказательный анализ и непосредственно мониторинг всех возможных систем. Как мы видим, банковский сектор в 1 очередь получил высокий эффект с точки зрения чат Ботов и предска.

224: Обязательного анализа, что это в 1 очередь, когда вы берете кредиты, раньше были служба безопасности, кредитные комитеты. В текущий момент времени все это делает робот. Он автоматически получает данные с пенсионного фонда.

225: Понимая, сколько средств вы получаете, он получает данные, если вы в этом же банке имеете свои счета о том, как часто вы оборачиваете и какие товары вы покупаете, он понимает, для чего и ког.

226: Когда вы сможете вернуть этот заёмный капитал, который планируете все это уже делается именно на основе генеративного искусственного интеллекта, когда мы говорим про

227: It. Здесь мы точно также с вами прекрасно понимаем, что генеративный искусственный интеллект уже умеет анализировать и оптимизировать, к примеру, код, который пишем мы с вами как программисты, решая

228: Ту или иную задачу. Все это дело уже сейчас настоящее. И для того, чтобы вы, мы в 1 очередь смогли понять, а куда дальше идти, а каким образом вообще собирать эту информацию?

229: Как раз и, как я уже говорил, наш инкубатор и непосредственно сайт гид лайф вам в помощь, а на реальных примерах использования это уже открытая информация, можно понять и увидеть.

230: Компания авито давным давно контролирует размещение своего контента именно в направлении генеративного ии, потому что в единицу времени практически в минуту генерируется больше 20000.

231: Запросов и никакой человеческий ресурс с проверкой правильного описания размещения продукта не справится. Головы голосовые ассистенты, они уже давно применяются, как мы говорили, в банковской сфере.

232: И, конечно же, в решениях, связанных с ритейлом, анализ металлопроката здесь, конечно же, никуда мы не уйдём от применения высококачественных камер. И самое неприятное для меня как для пользователя.

233: Это направление, data driven, то есть направление определения того или иного ресурса и задачи в единице времени прямо сейчас, о чем это я практически уверен, все из нас пользовались услугами такси.

234: Приехать в аэропорт дешевле, чем уехать из аэропорта. Почему такой же вопрос можно сказать прямо сейчас про текущее место здесь приехать сюда на такси будет дешевле, чем мы сейчас с вами все выйдем и за

235: Скажем, такси отсюда в ту же точку, с которой мы приехали, потому что на основе искусственного интеллекта, именно генеративного ии будет понятно программе, что сейчас возникла повышенная потребность и мы можем

236: На этом заработать. Перевозчик на этом не заработает, а агрегатор на этом заработает. Собственно говоря, в америке, в европе уже давно ритейлы, магазины, где стоят электронные цен.

237: Они анализируют продажу тех или иных товаров в единицу времени и могут на основании этих данных корректировать цены в зависимости от потребности. Собственно говоря. Надеюсь, интересно.

238: Сказал Александр. Не поспорю. Интересно. Вопрос такой. Вот. Знаете что если вы акцент делаете на бизнес, то по мере развития искусственного интеллекта, да, он все-таки в большей степени переходит

239: Такого из лабораторного, значит, состояния в такое вот чисто коммерческое. И вот эти вот принципы этики искусственного интеллекта, они в какой-то степени замыливаются, да, и ими в какой-то степени пренебрегают. Есть ли подтвер

240: Вот какие-то факторы вот этого вот, значит, перехода или как бы наши аналитики слишком рано бьют тревогу на эту тему. Пока что аналитики слишком рано бьют тревогу хотя бы с той точки зрения, что ни 1 из текущих

241: Никем не признано как хорошим стандартом, который гарантирует вообще беспроблемные ответы. Мы до сих пор не сможем научить искусственный интеллект отличить добро.

242: Зла в каких-то вариантах. Добро может быть злом. Спасибо большое. Ну что ж, коллеги, ваши бурные аплодисменты нашим спикерам. Генеративный искусственный интеллект проникает везде. Да, вот компании

243: Используют его для повышения производительности, для повышения своей конкурентоспособности. Пожелаем им в этом удачи, пожелаем удачи, чтобы он работал лучше на промышленность, а промышленность на нас и огромное всем спасибо. До новых встреч.