Hitech logo

Кейсы

В России появится первый город, управляемый ИИ

TODO:
Роман Окашин10 октября 2018 г., 07:53

Тюмень может стать первым городом России, где поддержание городской инфраструктуры будет передано искусственному интеллекту. Система будет автоматически следить за состоянием городских объектов, фиксировать неполадки, инициировать заявки подрядчикам и контролировать их выполнение. Подкупить ИИ или уговорить засчитать работы, которых на самом деле не было, не получится. Разработала проект «Нейронного города» для Тюмени компания Cognitive Technologies. О том, что это такое и как работает в интервью Хайтек+ рассказал генеральный директор Cognitive Technologies Андрей Черногоров. 

Самые интересные технологические и научные новости выходят в нашем телеграм-канале Хайтек+. Подпишитесь, чтобы быть в курсе.

Как умный город превратить в нейронный

— Вы используете понятие «нейронный город». Это ваш собственный термин или общепринятая концепция?

— Это зарождающаяся тема. Есть ряд концепций, в которых этот термин упоминается. Он достаточно инновационный и еще не такой заезженный, как «умный город». Мы употребляем именно его и не говорим про умный город, потому что это разные истории.

Суть термина «умный город» состоит в том, что городскую инфраструктуру нужно было цифровизировать, оснастить датчиками, а после получать информацию. На этом он собственно и заканчивался. На конце такого умного города все равно располагался большой диспетчерский центр, где сидели люди и сами принимали решения на основе данных с этих датчиков. Но в какой-то момент объемы всей этой информации оказались избыточными для принятия решений человеком, и, как следствие, появился запрос на автономные системы принятия решений.

Примерно в этот же период получили развитие нейронные сети, которые с определенными натяжками люди стали называть искусственным интеллектом. Они и дали возможность создавать автономные системы, работающие на основании информации, собираемой умным городом.

Таким образом, города, у которых значительная часть данных принимается и обрабатывается ИИ, уже можно называть нейронными. Важно, что в городах такого типа должен происходить не просто автоматический сбор данных и их обработка, а автономное принятие решений на их основе. Только в этом случае удастся избавиться от узкого места в лице человека.

— До этого ваши проекты были связаны с компьютерным зрением. Тут тоже речь идет только о видеофиксации?

— Мы предлагаем платформу нейронного города, в рамках которой есть различные частные задачи и разные решения. Это экосистема, в которую должны интегрироваться различные разработчики систем искусственного интеллекта. Наиболее востребованной функцией, не решенной «умным городом», сейчас является визуальный и объективный контроль. 

Одно из ключевых направлений в том числе наших работ — принятие решений на основании визуального осмотра городской инфраструктуры. Будем определять разбитые дороги, кривые остановки и неочищенные улицы, открытые люки колодцев с помощью видеопотока.

— То есть видеофиксация проблем — лишь одна из частей нейронного города? 

— Да. Но она кажется нам приоритетной. Она позволяет эффективно использовать уже существующие возможности городов. Например, сейчас города заполнены разной техникой: транспорт коммунальных служб, автобусы, троллейбусы, аккредитованные такси. Все они оснащены камерами, но данные, собираемые ими, фактически выкидываются на помойку. Они не используются для анализа, принятия решений или прогнозирования. В лучшем случае о них вспоминают для разбора инцидентов — то есть это обычные видеорегистраторы. Но мы считаем, что это меньшее, что можно с ними сделать, а эти данные на самом деле настоящий Клондайк. 

— Получается, в будущем могут появиться дополнительные приложения для вашей системы?

— На видеоданных можно вырастить массу разных решений. Мы намерены сделать собираемую нами информацию открытой, чтобы другие коллективы разработчиков могли на ней обучать свои алгоритмы. Например, кто-то может мониторить законность размещения рекламы на улицах. Кто-то создаст систему фиксации нарушений ПДД. Возможностей для этого много: контроль парковок, правонарушений, даже мониторинг несанкционированных торговых объектов.

Есть еще и то, что лежит в стороне. Город, внедряя эти системы, накапливает интеллектуальную собственность в виде высокоточных карт. Это очень важный ресурс для обучения беспилотников. Такие карты сейчас покупаются и продаются за миллиарды долларов по всему миру ровно потому, что это топливо, которое «скармливается» моделям обучения нейронных сетей крупнейшими автомобильными концернами. Если российские города начнут накапливать эти данные для таких задач, они получат уникальную интеллектуальную собственность. С одной стороны она имеет стратегический характер, если использовать ее во благо России. С другой — имеет очень большой рыночный потенциал, если сдавать ее в аренду или продавать другим предприятиям и странам мира. 

У всего этого есть свое время окупаемости и экономический эффект, так что городу на основании своих параметров придется посчитать, что для него приоритетно. Где-то нужна система контроля парковки, а где то нет, где-то захотят бороться с рекламой, а где-то это не нужно. Но многие выберут свой базовый функционал по поиску неисправностей.

ИИ-контроль городской инфраструктуры

— Вы собираетесь полностью убрать человеческий фактор из системы поддержания городской инфраструктуры?

— Город достаточно упорядоченная структура: это дороги, тротуары, остановки, парки, светофоры, мусорные баки. В совокупности — это инфраструктура, которая должна делать проживание в городе комфортным. Задача коммунальщиков и других сервисных служб — поддержание этой инфраструктуры в нормальном состоянии. То есть по большей части все сводится к тому, чтобы вовремя замечать неполадки и исправлять их.

Но в такую ясную и простую схему вписывается человеческий фактор. Сейчас устранение замечаний происходит на основании запроса на ремонт. То есть ответственный за это должен установить проблему и оставить заявку. Второй способ — жалобы людей через специальные приложения и в письменном виде.

Проблема всех этих подходов — регистрация проблем постфактум и долгое решение. Поломка существует до тех пор, пока ее не заметят. И не факт, что это произойдет быстро. К этому времени ситуация может заметно ухудшиться.

Но даже если проблема замечена, решена она будет не сразу. После заявления наступит процесс определения нужного департамента, департамент определяет подрядчика, в итоге поломка существует несколько месяцев или еще дольше. И это не потому что кто-то плохой, а потому что такой сейчас жизненный цикл принятия решений в городе.

Альтернатива этому — автоматизированный контроль инфраструктуры, и как мы предлагаем, превентивный, так как многие поломки начинаются с небольших отклонений, которые перерастают в что-то более масштабное. До того, как упасть, столб начинает крениться, а до ямы появляется колея. 

Превентивный контроль экономит бюджет, нервы и ресурсы. В этом случае город в состоянии сам позаботиться о своей инфраструктуре, если дать ему соответствующие алгоритмы. 

— Как технически работает система?

— У нас есть технология Cognitive Pilot. Ее основа — детекция объектов с движущейся платформы. То есть мы ставим камеру на транспорт, едем, получаем видеопоток и в онлайне выделяем те типы объектов, на которые обучена система.

 В случае беспилотного автомобиля, мы активно выделяем транспортные средства, знаки, пешеходов, светофоры, разметку, а также препятствия, чтобы их объехать. В случае с нейронным городом мы выделяем другие заданные объекты, чтобы отметить факт наличия/отсутствия или неисправного состояния. Для покрытия максимальной части города, мы оснастим камерами городской транспорт, уборочную и другую сервисную технику. По нашим расчетам, флот, оснащенный камерами, будет проезжать по своему маршруту примерно три раза в день. В случае, например, Тюмени это позволит покрыть практически весь город. 

Во время поездок идет автоматическая классификация проблем и распределение их по принадлежности к тем или иным департаментам. Дальше по уже настроенной практически в каждом городе системе документооборота заказ спускается контрактному подрядчику. Автоматически. Если сломался светофор, то сразу после обнаружения этого факта заявка «упадет» ранее назначенному подрядчику. Без промежуточных ступеней.

Фактически мы выполняем две функции. Первая — это паспортизация. Чаще всего город не знает, что у него стоит на улицах, соответствуют ли планы реальности. И иногда то, что стоит на улице, не соответствует тому, что указано в бумагах. Мусорки, столбы и остановки задокументированы, но стоят не там. 

Из-за этого в свои первые проезды мы формируем актуальную 3D-карту городской инфраструктуры, располагаем на ней объекты. Отмечаем автоматически все важные объекты.

Сейчас обсуждается пилотный проект в Тюмени. Тестирование займет год. По окончании этого периода мы будем иметь модель, обученную именно на отслеживание городских объектов. Почему год? Потому что нам нужно во всех сезонах отработать, чтобы обучить систему.

Мы рассчитываем, что 54 камеры на маршрутах способны покрыть весь город. Проехав по маршруту несколько раз и сняв его с разных ракурсов, мы можем говорить о том, что потемнение на картинке не просто пятно, а именно яма.

— С чего начинается работа системы и в какой момент она начинает понимать, что у вас мусорка, например, стоит не там или знак сломан? 

Сначала мы вносим в систему реальное состояние объектов. Дальше уже город может сверить это с проектом и принять решение, правильно оно там стоит или нет. Оставить его там, где есть и скорректировать проект или отметить как неправильно стоящий и значит оформить заявку для подрядчиков. 

Обычно у реального состояния по большинству объектов есть приоритет над тем, как указано в проекте: стоит тут столб, никто его выкапывать и переставлять не будет. Надо зафиксировать его текущее состояние и внести его в документы. Потом система будет работать с тем, что есть по факту, а не по проекту.

Эта работа на самом деле и сейчас выполняется городами, но только самыми крупными, потому что это дорогостоящая процедура. Стоимость паспортизации около одного млн рублей за 1 км дороги, но и после этого не всегда ясно, что делать с полученными данными. 

Мы предлагаем делать паспортизацию, используя существующий флот муниципального транспорта, с минимальными инвестициями. Требуется купить для него только камеры с хорошим разрешением. Это сильно удешевляет задачу паспортизации, которая сейчас требует миллиардов рублей, если решать ее традиционными способами с помощью лазерных датчиков («лидаров»).

— Но кто-то все же говорит системе, что именно является проблемой? Этот этап обучения должен пройти вручную?

— Тут есть свои нюансы. Так как мы говорим о стандартизированной городской инфраструктуре, то для всех ее составляющих есть свои нормы. Например, дорожные знаки должны быть эталонными в любом случае, светофоры тоже — должны работать, быть видны независимо ни от чего. То есть всегда есть база, не зависящая от условий обучения и особенностей города. 

Колейность дороги и глубина ям — это объективные параметры. Появившееся на дороге препятствие движению тоже однозначно определяется. Качество разметки не зависит от мнения города. Большая часть объектов объективно расставляется и объективно контролируется системой. В конце концов есть ГОСТы, которые тоже загружаются в систему.

Но определенно есть часть задач, которые действительно требуют ручной верификации. Мы не знаем должна определенная мусорка стоять там или не должна. Или тот же светофор может быть на несколько метров сдвинут от своего положенного места. Это должны перепроверить и подтвердить соответствующие городские службы.Но с нами это делается быстро и дешево. При этом с нашей системой можно взаимодействовать в реальном времени.

— Если ваша система может работать в существующих нормативах, то получается, что алгоритмы могут сразу сообщать о проблемах?

Это правда. Мы и сейчас можем определить проблемы по ним. Но наши тесты направлены не на это. То, что мы делаем сейчас — повышаем точность детекции. В идеальных условиях мы и сегодня можем в солнечный день проехать и все определить. Но мы хотим это протестировать во всех временах года. Плюс есть объекты, которые мы до этого не распознавали. Система должна научиться определять их. Условно говоря те же мусорки мы раньше игнорировали, ведь они не нужны для движения наших беспилотников — сейчас это важные объекты.

Сколько ИИ сэкономит городскому бюджету

— У вас нет опасений, что не всем городским властям, мэрам подобные автоматизированные системы могут быть выгодны? Не на кого будет переложить ответственность.

— Мэр как раз и заинтересован в таком раскладе. Эта должность избираемая. Это выгодно для него. Ему будет проще понимать, что происходит в той или иной сфере. Например, понимая количество всех ям на всех дорогах, их распространение, можно определить прогноз бюджета для ремонта этих ям. Как говорят теоретики менеджмента: невозможно управлять тем, что нельзя измерить. Если у вас нет исчерпывающей информации о наличии повреждений на дороге, то вы даже не знаете, сколько вам нужно ремонтировать. То есть вы ремонтируете только те ямы, на которые больше всего жалуются или те, что расположены у здания администрации. А ямы на второстепенных улицах просто не замечаются.

Проблема же в том, что стоимость ремонта ямы экспоненциально возрастает по мере ее запущенности. На уровне трещины ее очень дешево отремонтировать, на уровне выбоины дороже, когда яма дошла до нижних слоев, тогда надо перекладывать весь участок и это супердорого. В этом плане чем раньше начинается ремонт, тем дешевле он обходится. Это выгодно для мэра и вообще для бюджета города. По данным канадских аналитиков, — а там схожий климат — ремонт городской инфраструктуры на ранних стадиях обнаружения неисправностей, экономит местному бюджету до 34% средств.

Но мы понимаем, что для средних уровней городского управления ситуация может выглядеть совершенно иначе — они фактически выпадают из системы принятия решений о ремонте. Не могут ни затянуть процесс, ни каким-то образом повлиять на него. 

— Уже сталкивались с противодействием? 

— Начнем с того, что широкомасштабно систему мы пока не внедряем. Мы находимся на этапе R&D. Мы предполагаем наличие какого-то коррупционного сопротивления. Уже сейчас могу сказать, где мы ожидаем больше всего проблем и на что нам мягко намекнули. Это уборка снега.

Это очень коррумпированная сфера, в которой невозможно проконтролировать фактический объем оказанной услуги. При этом ты можешь задержать уборку всего лишь на день или убрать только часть улиц, но получить колоссальный «эффект» в деньгах. Это всегда происходит в ограниченный период времени, в суматохе, когда снегопады и никто за этим не следит. Стоимость такой услуги всегда довольно высока. 

Поэтому, переведя контроль уборки снега в автоматический режим, мы не оставим шансов недобросовестным подрядчикам. Те отчитаются, что все убрано, но спустя несколько минут мы сможем установить, что это не так. Система автоматически сообщит об этом. Алгоритмы контролируют практически все улицы, ведь техника ездит по всему городу. Контроль этот непредвзятый, объективный и вездесущий. 

Да мы наступаем на возможные интересы недобросовестных чиновников и подрядчиков, даем городу инструмент для полного выжимания эффективности из контрактов с поставщиками услуг.

— Как далеко разрешили зайти в Тюмени?

— Тюмень в этом плане очень прогрессивный регион. Недавно произошли изменения в руководстве. Все хотят позитивного развития во всех сферах. Нам дали полный карт-бланш. И это особенно важно для нас. Ряд других городов не были готовы к такому уровню открытости для нашей системы. 

— Как именно в Тюмени ИИ будет контролировать контракты и их выполнение?

— Каждый город заключает контракты на выполнение самых разных услуг и поддержание инфраструктуры. По этим контрактам подрядчики должны оперативно выезжать на устранение проблем, как только они будут установлены. Вот только большая часть неполадок так и остается незамеченной. Но даже если проблему заметили и подрядчик отчитался о выполнении, на практике может оказаться, что все так и осталось, как было. Подрядчику выгодно не замечать проблем, ведь деньги на контракт уже выделены.

Так что в нашу систему будут загружаться не деньги, а контракты. И как только наш огромный флот с камерами найдет очередной «косяк» коммунальщиков или дорожников, или еще кого, ИИ сначала классифицирует, к кому относится проблема, а потом в соответствии с контрактом и гарантийными обязательствами моментально оформит заявку и спустит ее исполнителю. 

— То есть ситуация, при которой подрядчик скажет, что починил остановку, а она до сих пор кривая, невозможна?

— Да. Все объекты в системе помечены, и она сверяет их с эталонами. В какой-то момент анализ видеопотока покажет, что для объекта с тем же ID проблема по-прежнему актуальна. И заявка вновь улетает исполнителю. Игнорировать ее нельзя. Только в том случае, если проблема будет устранена, система примет соответствующее решение. Кстати, подрядчики тоже получают интерфейс и сами отмечают выполнение заявок. ИИ потом просто перепроверяет их.

— Какой экономический эффект?

— Мы ожидаем ежегодный экономический эффект в 70 млн для города с бюджетом 1,5 млрд рублей. Но, может, на практике окажется и больше. Бюджет, обсуждаемый на R&D в Тюмени — 100 млн рублей. 

— Когда пройдут тесты, сколько среднему городу будет стоить внедрение?

— Мы планируем наш проект как SaaS-решение. Облачный сервис и комплексы, которые ставятся на технику. Средний чек в год — 10-15 млн рублей, в зависимости от протяженности улиц.