– Старый подход, – сказал Рух, – назывался техническим обслуживанием по принципу: если что-то выглядит грязным, вымойте его. Профилактическое обслуживание заключалось в том, чтобы менять масло каждые шесть тысяч миль, независимо от того, жёстко вы водите автомобиль или нет. Новый подход – «упредительное обслуживание». Теперь мы можем предсказать почти точный момент, когда шина, двигатель, аккумулятор автомобиля, вентилятор турбины или что-то ещё потребует замены. Или определить моторное масло, которое лучше всего подходит для конкретного двигателя, в зависимости от условий, в которых вы управляете автомобилем.
Если вы вспомните GE прошлых лет, – добавил Рух, – то прежде компания базировалась на убеждении механиков, будто с помощью физики можно моделировать мир и сразу же понять, как всё работает. Идея заключалась в том, что если вы точно знаете, как работают газовая турбина и двигатель внутреннего сгорания, то можете использовать законы физики и сказать: «Вот как это будет работать, и вот когда оно сломается».
Рух объяснил, что в традиционном инженерном сообществе не было веры в то, будто данные могут многое предложить. Они использовали информацию, чтобы проверить физические модели и затем следовать этим моделям.
– Новое поколение исследователей данных говорит: «Вам не нужно понимать физику, чтобы искать и находить закономерности». Есть закономерности, которых разум человека не мог найти, ибо сигналы на раннем этапе настолько слабы, что их не видно. Но теперь, когда у нас есть вся эта вычислительная мощность, мы легко замечаем даже самые слабые сигналы. И так как мы распознали слабый сигнал, становится ясно, что он является ранним признаком того, когда что-то сломается или станет неэффективным.
И дальше Рух рассказал, что в своё время слабые сигналы обнаруживали интуитивно. Опытные сотрудники знали, как работать с неточными данными. Но теперь, когда мы обладаем большим объёмом проанализированной информации, нахождение связей и закономерностей перестаёт быть поиском иголки в стоге сена, случайным, интуитивным успехом и становится тем, что гордо можно называть нормой. Мы увеличиваем способность работающего человека воспринимать и обрабатывать данные с помощью машин. Каждый рабочий благодаря компьютерному анализу получает опыт и интуицию «ветерана с тридцатилетним стажем».
Подумайте об этом. Интуиция, позволявшая работнику с многолетним стажем улавливать нюансы тональности в звуке работающей машины и предсказывать, что не так, отныне эволюционировала в программный компьютерный анализ данных обо всём, происходящем в цеху. Это пример слабого сигнала. Теперь с помощью датчиков новый сотрудник способен обнаружить и распознать слабый сигнал в первый же день работы – без какой-либо интуиции. Датчики будут транслировать всё.
Способность намного быстрее генерировать и применять знания позволяет получать максимум пользы не только от людей, но и, например, от коров.
– Молочным фермерам интуиция больше не нужна, – заявил Джозеф Сирош, вице-президент отделения Data в Microsoft Cloud and Enterprise Division.
Вроде бы его работа носит интеллектуальный характер – управление битами и байтами. Но когда я сел поговорить с Сирошем, чтобы узнать о том, как он ощущает ускорения, Джозеф привёл мне очень странный пример: коровы. И ладно бы так просто, но он хотел поговорить о «сетевой корове».
И вот какую историю поведал Сирош: молочные фермеры в Японии обратились к компьютерному гиганту Fujitsu с вопросом: могут ли они повысить шансы на успешное разведение коров на крупных молочных фермах? Оказывается, течка у коров (период фертильности, когда они могут быть успешно искусственно оплодотворены) наступает лишь на очень короткий срок: от двенадцати до восемнадцати часов, примерно через двадцать один день и зачастую ночью или вечером. Поэтому фермеру с более или менее большим стадом чрезвычайно трудно уследить за всеми своими коровами и определить идеальное время для искусственного оплодотворения каждой из них. Между тем, если получится хорошо контролировать процесс, фермеры смогут обеспечить бесперебойное производство молока от каждой коровы в течение года, максимизируя производство каждой фермы.
По словам Сироша, в Fujitsu пришли к своеобразному решению: снабдить коров шагомерами, подключенными с помощью радиосигнала к компьютеру, установленному на ферме. А информацию передавать в систему программного обеспечения машинного обучения под названием GYUHO SaaS, работающую в Microsoft Azure, облаке Microsoft. Исследование Fujitsu показало, что заметное увеличение количества шагов в час было 95-процентным точным сигналом для появления эструса у молочных коров. И когда система GYUHO обнаруживала корову, у которой начинался «жар», то отправляла текстовое оповещение фермерам на мобильные телефоны, позволяя им проводить искусственное оплодотворение точно в нужное время.
– Оказывается, есть простой способ, как узнать, что у коровы началась течка – секрет в том, сколько шагов корова проходит, – резюмировал Сирош. – Вот именно так искусственный интеллект встречается с искусственным оплодотворением.
Благодаря этой системе продуктивность выросла не только с точки зрения расширения стада – «вы получаете огромный рост показателей успешного зачатия», заметил Сирош. Появилась ещё и возможность экономить время: система освободила фермеров от необходимости полагаться на собственные глаза, инстинкты, дорогостоящий сельскохозяйственный труд или фермерский дневник для выявления течных коров. Освободившиеся часы они используют для других производственных нужд.
Более того, по словам Сироша, анализ информации, полученной с коровьих датчиков, позволил выявить следующую закономерность: если фермер выполнял искусственное оплодотворение в течение первых четырёх часов фертильного периода, вероятность того, что будет зачата тёлка, составляла семьдесят процентов, если же в следующие четыре часа – росла вероятность того, что будет зачат бычок. Таким образом, анализ данных помогает формировать необходимое соотношение коров и быков в стаде в соответствии с потребностями хозяйства.
Как считает Сирош, анализ информации дал повод и для новых открытий и идей. Изучив статистику коровьих шагов, фермеры смогли заблаговременно обнаруживать восемь различных заболеваний животных, а следовательно, проводить раннее лечение и улучшить общее состояние здоровья и долголетия стада.
– Небольшая изобретательность может преобразовать даже самую традиционную из отраслей, такую, как сельское хозяйство, – заключил Сирош.
Если датчик для коровы превращает молочного фермера в «компьютерного гения», то напичканный датчиками локомотив – уже не тупой паровоз, а IT-система на колесах. Он может распознавать и передавать данные о состоянии путей через каждые сто футов. Он способен ощущать уклон и рассчитывать, сколько энергии ему нужно, как её эффективно распределять, где сбросить газ, а где набрать скорость, чтобы оптимизировать эффективность и снизить расход топлива. Теперь все локомотивы GE оснащены камерами для лучшего контроля работы двигателей на каждом повороте. GE также знает, что, если в жаркий день вам нужно будет запустить двигатель на полную мощность, некоторым деталям техобслуживание потребуется раньше.
– Мы постоянно улучшаем и тренируем нашу «нервную систему», и каждый получает пользу от извлекаемых данных, – сказал Билл Рух. – Датчики и программное обеспечение не просто участвуют в обучении систем, но и трансформируют старые системы. Сегодня нам больше не нужно встраивать физические изменения в каждый продукт для повышения производительности. Мы делаем это с помощью программного обеспечения. Я просто беру «тупой» локомотив, устанавливаю на нём датчики и нужный софт – и теперь могу выполнять профилактическое техобслуживание, гонять поезд туда и обратно на оптимальных скоростях, для экономии топлива, составляю более точное и приемлемое расписание, и даже в депо лучше его паркую.
Как бы ни с того ни с сего «тупой» локомотив стал быстрее, дешевле и умнее, причём изменения не потребовали ни винтика, ни болтика, ни тем более двигателя.
