Робот Тима занялся сельским хозяйством. Как внедряют искусственный интеллект в Академии имени Тимирязева

Для чего в сельском хозяйстве нужен искусственный интеллект? Может ли он полностью заменить человека? Не уйдет ли вместе с этим присущая людям любовь к земле? Правда ли, что создание цифровых технологий — удел мужчин? Об этом рассуждает Анастасия Владимировна Греченева, кандидат технических наук, заведующая лабораторией искусственного интеллекта, директор Проектного института цифровой трансформации АПК РГАУ — МСХА им. К.А. Тимирязева.

— Искусственный интеллект в сельском хозяйстве — зачем он там нужен?

— Сейчас очень многие процессы, которые есть в производстве и в сельском хозяйстве, нуждаются в контроле. Необходимо считать животных, смотреть стадии роста растений. В целом такая задача уже давно может быть решена с помощью машины. В какой-то степени она уже механическая и не требует высокой квалификации, экспертности. В связи с этим мы видим перспективы создания систем, которые будут заменять человека в рутинных процессах, контролировать, выполнять монотонные функции, а человек при этом будет заниматься творческим, инженерным трудом, понимая, как дальше развивать бизнес, сельское хозяйство, тратить свои силы в этом направлении.

— Вы общались с теми людьми, которые трудятся там, где вы пытаетесь внедрить эти новшества? Как они на это реагируют?

— Мы получаем двоякие отзывы. Одним из барьеров для внедрения цифровых технологий систем ИИ стала цифровая грамотность населения — она у нас низкая. Это приводит к низкому доверию системам ИИ. Здесь мы должны заниматься не только разработкой, но и обучением населения: объяснять, что таким системам стоит верить, что такие системы уже эффективно применяются как за рубежом, так и в большинстве крупных агрохолдингов России. В момент внедрения система может представлять собой непонятный «черный ящик», еще и дорогой, а потом принести очень большой эффект, в том числе экономический, за счет снижения трудозатрат и повышения качества данных, на основе которых можно своевременно принимать и применять управляющие решения в бизнесе, корректировать технологии производства, оптимизировать его.

— У вас были какие-то конкретные случаи, когда вы объясняли, в чем смысл применения таких технологий, а люди относились с недоверием, но потом понимали, что вы были правы?

— Именно такой просветительской деятельностью мы занимаемся в рамках программ дополнительного профобразования. Наш вуз реализует миссию по подготовке сотрудников на производствах, которые в рамках небольших курсов от 16 до 72 часов позволяют показать и рассказать, как на конкретном производстве применить конкретные технологии ИИ и получить от них эффект. После таких курсов мы получаем заказы на разработки, руководители получают отзывы от своих сотрудников, которые прошли у нас обучение. Они видят перспективу, которой раньше не видели. Начинается с малого: мы должны сначала показать на простом процессе замену ручного труда, потом масштабировать это на более глобальные и сложные задачи.

— Наверное, что-то подобное мы видим сейчас у вас за спиной на экране, когда доярка подходит к корове. Что конкретно она делает?

— На экране показана система, которая позволяет по ключевым точкам отслеживать биомеханику человека на предмет соблюдения норм в процессах технологии доения. Здесь мы контролируем как самого человека, который только учится процессу доения, так и соблюдение санитарных норм и правил. Есть определенные регламенты: доярка должна простерилизовать руки, надеть перчатки, если это необходимо, форму. Подойти к корове с правильной стороны, провести стерилизацию вымени и т.д. Все это записано как модели, которые мы фиксируем с помощью нейросети. Мы обучили нейросеть норме при данных показателях, но она не требует обучения на каждом конкретном человеке. Мы создали набор шаблонов, и дальше она аппроксимирует данные на разные телосложения, на разные формы. Иногда халат закрывает ноги, например. Наша нейросеть устойчива к таким моментам, она определяет ключевые точки человека в разных условиях и может диагностировать нарушения, если сотрудник их совершает, а также выдать рекомендацию, чтобы он этого не делал.

— А как нейросеть может уловить, что нет перчаток на руках, например?

— Мы применяем нейросеть, которая детектирует объекты. Чтобы создать такую нейросеть, мы создали data-set, набор данных — фото- и видеоизображения, на которых даны перчатки. Это называется «аннотирование данных», где с помощью специализированного программного обеспечения мы подгружали изображение перчатки, обводили его в квадратик или присваивали класс «перчатки». Этот датасет включал более тысячи изображений, которые мы разделили на две выборки — 80% на 20%. На 80% происходило обучение нейросети, эти изображения были использованы, чтобы модель нейросети проверяла себя. Ей скидывали изображения перчаток, причем фотографии в разных условиях: при разной освещенности, перчатки разного цвета и т.д. И 20% изображений мы оставили, чтобы она сама себя проверила. Она потом подгружала себе эти изображения и сравнивала, обнаружила она перчатки или нет и насколько хорошо. Точность такой системы составила 99%. Это означает, что система ошибается в одном случае из 100.

— В каком, интересно?

— Тогда видимость перчатки была перекрыта самой коровой, перчатка была темного цвета, и получилось так, что нейросеть выдала рекомендацию ветеринару обратить внимание на корову, потому что у нее проблема с телосложением. Мы потом поняли, что есть такая проблема, и дообучили вторую нейросеть, которая после той, которая детектировала перчатки, анализировала остальные объекты.

— Сколько же времени требуется нейросети для усвоения этого урока?

— У нас процесс создания нейросети делится на несколько этапов: сбор и разметка данных — 80% времени, которое требуется для разработки ИИ-продукта, и 20% времени уходит на обучение модели. Обучение характеризуется несколькими параметрами: мы можем выбирать количество повторений, которое выполняет нейросеть при обработке данных; настройки размеров модели — можем выбирать разные сложности модели, которые мы хотим использовать. Для более сложных процессов и каких-то уникальных объектов мы можем выбрать большие модели, у которых количество параметров много больше, чем в маленьких моделях. Но если нам, например, нужно детектировать перчатки, мы можем обойтись размером модели S — самым маленьким. И получается, что, кроме настройки параметров, очень важно «железо», в котором происходит процесс обучения.

У нас в академии есть оснащение, которое позволяет произвести эти вычисления быстро. Можно сказать, что на компьютерах в академии процесс обучения нейросети длится 10–15 минут. На компьютерах установлены видеокарты последнего поколения с очень высокой производительностью. Но если такую же задачу студент возьмет домой и будет обучать нейросеть на своем компьютере, который гораздо дешевле и менее производителен, то задача может длиться до двух суток. Компьютер при этом работает на максимальных мощностях и изнашивается. Здесь мы первым делом перед запуском разработки IT-продуктов на основе ИИ создали инфраструктуру под конкретную потребность, провели оснащение мощностями.

— Еще мы видим анализатор качества, в данном случае яблок. Для чего существуют такие роботы?

— Эта система представляет собой аппаратно-программный комплекс. Мы создали собственные нейросети, на основе которых формируются алгоритмы управления роботом, могущим перемещать объекты в зависимости от их состояния. На примере яблок мы хотим показать, как может решаться такая задача.

— Это все уже где-то применяется или пока остается в лаборатории?

— Заказы, которые мы реализуем, диктуются бизнесом. Мы не придумываем проблемы. Мы решили, что хотя мы ученые, но в какой-то степени должны тратить свои знания и время на решение актуальных задач. Поэтому мы получаем заказы от бизнеса через различного рода мероприятия — стратегические сессии, конференции, где мы знакомимся с проблематикой бизнеса, обмениваемся контактами и получаем техническое задание. В частности, задача с яблоками продиктована ритейлом X5 Group. Это популярный в России ритейл, который курирует «Пятерочки», «Перекрестки», «Чижики». У них есть задача приемки фруктов и овощей, потому что ритейл — это уровень бизнеса, когда есть торговые площади, но нет производства. Производство — у фермеров. Они привозят продукцию, ритейл ее принимает к реализации. Получается, что риски в случае, если к реализации была принята некачественная продукция, падают на сам ритейл. Мы смотрим, что, например, в «Пятерочке» плохие фрукты и овощи, думая, что это «Пятерочка» выращивает такие. На самом деле она ничего не выращивает, а только приняла у какого-то товаропроизводителя для реализации определенное сырье низкого качества.

— И как вы можете это исправить?

— Снизить уязвимость производства мы можем с помощью системы, которая не устает отсматривать качество продукции. До момента создания системы ИИ приемка реализовывалась следующим образом: есть распределительные центры и есть лаборатории, в которых происходит слежка по камерам за процессом работы распределительных центров. Туда привозится продукция в мешках, в паллетах, они распаковываются на специальные столы по определенной выборке. В партии из 100 мешков пятый, десятый, двадцатый распаковываются на стол человеком. Второй человек, находящийся в другом месте, подключается и смотрит на этот стол через камеру, отсматривает качество сырья на столе. Стол состоит из девяти секций. И от процента поражения гнилью считается процент по всей партии. Если это происходит, то бракуется вся партия. Задача как раз сопряжена с тем, что уже давно за качеством сырья может смотреть машина.

— Она может смотреть за всеми, не только за выборочными мешками?

— Да. Та же нейросеть, которая инспектировала доярку, может смотреть за сотрудником, который носит мешки, причем не только с точки зрения качества его работы, но и с точки зрения сбережения здоровья. У нас система делает рекомендации по отдыху: если сотрудник очень долго занимался рутинной работой, ему даются рекомендации по физзарядке, например. Мы делаем не только надзорные системы, но еще и ориентированные на самочувствие человека. А еще мы занимаемся не только фруктами и овощами, но и ягодами.

— В чем разница?

— Это более деликатный продукт, который в процессе реализации — транспортировки и логистики — должен содержаться в определенных условиях. Рефрижераторы нужны с определенными температурой и влажностью. Очень часто фермеры, которые выращивают ягоды, затрачивают на это слишком большие ресурсы, но пока ягода едет, она может потерять товарный вид. Скорее всего, при этом были не соблюдены условия перевозки или внешние температурные показатели были выше. При жаре в 40° на рефрижератор нужно поставить охлаждение выше, чтобы соблюдалась норма. И мы сделали систему, которая определяет степень лежкости, прогнозирует, насколько долго ягоды будут сохранять свой товарный вид, рекомендует пересмотреть точки сбыта продукции с учетом радиуса доставки продукции. Это комплексная система, которая уже внедряется в логистику. Такие системы позволяют фермерам быть уверенными, что кроме того, что продукт будет доставлен в хорошем качестве, будет еще заложено время на реализацию.

— Иначе говоря, это система работает на фермеров, а не против них, как можно было подумать?

— Да, это очень важно. Мы часто сталкиваемся с барьером: не все фермеры готовы открыто работать, они считают, что система, в которой будут их данные, начнет работать против них, создавать некие препоны их производству. Видимо, русский менталитет так работает. Но сейчас мы стараемся это преодолеть. Мы понимаем: чем больше людей будут доверять нашим системам, тем быстрее общество цифровизуется.

— Звучит немного пугающе. Почему общество должно цифровизоваться?

— Потому что ИИ может быть эффективным на этапах не только производства, но и оптимизации процессов выбора продукции, составления рационов питания, индивидуальных персональных рекомендаций, логистики своего бизнеса и в целом своей ежедневной рутины. Такая система на основе ИИ позволяет систематизировать и прогнозировать исход на основе многих разнородных данных. Человеку обычно сложно учесть какие-то параметры, это требует времени, усидчивости, планирования. Когда такой процесс в целом можно переложить на машину, которая не имеет к тебе субъективного отношения и обучена на многих успешных историях, на каких-то идеалах, к которым мы хотим стремиться, это дает заметно более эффективный результат. Если написать программный код с определенными критериями и уровнем доверия, мы можем создать систему, которая будет не усложнять, а упрощать жизнь, делать ее лучше.

— У вас за спиной робот Настя, видимо, названный в вашу честь. Для чего он создан и что может?

— Этот робот — учебная система, набор драйверов и механизмов, который позволяет приводить в действие те алгоритмы, те программы, которые пишут студенты. Когда студент завершает свою работу чистым программным кодом, это не так интересно. Когда есть возможность этот программный код куда-то применить, получить какую-то обратную связь, то интерес студентов в несколько раз увеличивается, я такое регулярно наблюдаю. Когда видно, что сложная система работает на основе твоей логики, твоих алгоритмов и твоих же ошибок, ты быстрее и эффективнее обучаешься. Данная система — это набор исполнительных механизмов, датчиков, выводящих устройств, позволяющих реализовывать алгоритмы работы больших языковых моделей. Иначе говоря, это робот, который управляется с помощью голосовых команд, созданных на основе большой языковой модели, написанной в Тимирязевской академии. У нас есть два таких робота. Сзади меня — робот Настя, он сейчас на модификации, мы пытаемся его усовершенствовать. А есть робот Маша, который работает в стационарном режиме. Он встречает наших гостей, общается, узнает конкретных людей.

— Как ему это удается?

— Мы написали нейросеть, которая распознает персоны. Робот может вести диалог уже в контексте конкретной персоны, задавать актуальные для человека вопросы. Он может отследить по интернету новости, связанные с данной личностью, и вести беседу с учетом этих сведений.

— У ваших роботов есть имена: Настя, Маша, собачка Тима… Это некое стремление очеловечивать роботов, одухотворять их. Нет ли здесь опасности?

— Тут возникает вопрос этики ИИ, который сейчас стал злободневным с точки зрения нормативной документации. Очень часто на профильных мероприятиях я сталкиваюсь с таким вопросом, вплоть до того, что ИИ приведет к восстанию машин.

— А этого не может быть?

— Нет. Во всяком случае, не на нашем веку.

— А в другом веке такое возможно?

— В другом прогнозировать сложно, но в целом пока ИИ — это технологии, созданные людьми. Мы уже наблюдаем некие попытки писать искусственному интеллекту собственный ИИ, но они пока не увенчиваются успехом. В целом вопросы одухотворения — это, наверное, тема доверия. Когда ты работаешь с механизмом, ты вкладываешь в него определенный функционал. И в целом, когда ты проводишь бóльшую часть своего времени с такими разработками, хочется, чтобы эти системы не только реализовывали поставленные перед тобой задачи, но и превосходили твою логику. В принципе, я как преподаватель радуюсь, когда мои студенты превосходят меня, когда их программный код работает лучше и быстрее моего.

— И вы не считаете это опасным для себя, поэтому и в случае ИИ не видите опасности?

— Да, именно так. Это мое детище, мне нечего бояться.

— Вы сказали, что отказались от БПЛА. Почему?

— Есть ограничения использования, санитарные нормы полетов. Мы находимся в центральном регионе. У нас большое количество растениеводческих компаний и предприятий, которые с нами сотрудничают, но у них есть свои БПЛА, мы лишь можем делать системы, компьютерные программы, которые позволяют обрабатывать данные от них. Но отказ от БПЛА связан еще и с тем, что ограничения полетов были введены в связи с определенной геополитической обстановкой, и мы поняли это как вызов. Мы начали работать с наземными системами. Наша собака Тима, кстати, не просто так здесь появилась — это беспилотное устройство, которое путешествует наземно. Растениеводство — одна из самых технологически продвинутых отраслей сельского хозяйства, и там уже давно скаутинг осуществляется беспилотниками. Компаниям было очень трудно, когда возникли полетные ограничения. Мы решили, что попробуем. И сейчас реализуем идею, когда мониторинг посевов реализуется с помощью наземных систем.

— Каким образом ваша собачка задействована в этом процессе?

— Объясню: из-за неоднородности поля есть неоднородность в выращивании культур. На одном участке поля саженцы уже взошли и показали определенную фазу роста, а на другом еще находятся в стадии всходов. В зависимости от этого есть необходимость внесения определенного объема и вида удобрений. Наша система использует мультиспектральные изображения, полученные с дронов или наземных роботов, и рассчитывает NDVI (нормализованный разностный вегетационный индекс) для точной оценки состояния посевов. Это позволяет дифференцированно вносить удобрения там, где это действительно необходимо. Такие неоднородность и отсутствие информации могут привести к потере урожая — до 20–30% с определенных участков. Мы решили, что распознавать фазы роста, определять вредителей может не коптер, а собака Тима. Для аналогичного рода наземных беспилотников мы разрабатываем ПО. Наша собака программируемая, есть разные модели. Мы закупили систему, позволяющую писать собственный софт. Это дает нам возможность адаптировать совершенные китайские технологии к российским условиям сельского хозяйства. Мы не гонимся за мировыми лидерами в конкуренции по робототехнике. Уже можно сказать, что китайские или американские роботы достаточно эффективны по механике, универсальны по своей биомеханике и повторяют биомеханику человека. Но что можем мы? Дать им мозги, а это еще круче, чем чистая механика.

— Существует распространенная точка зрения, что ИИ и цифровые технологии — это чисто мужское изобретение, что женщины никогда ничего подобного не создадут.

— Я не разделяю мнение, что за серьезными технологиями стоят только мужчины. Есть команды, где соединены мужские компетенции, нужна стойкость, прямолинейность. А есть софт-качества, присущие больше женскому мозгу. И при дополнении коллектива, когда он разнополый, происходит баланс. Я сейчас уже не программирую, а руковожу процессом. Я занимаюсь логикой, созданием концепций систем, но в свое время много что программировала. Найти подход к разработчику, вдохновить на определенные мысли, сделать его трек более логичным, отсечь ненужное, настроить целеполагание — это женские качества, как мне кажется. Не зря говорят, что женщина — это шея. Модерировать процесс, крутить им, направлять стоит таким, как я.

Я защитила кандидатскую диссертацию в 2019 г., и она направлена на создание нового метода контроля перемещения объектов с помощью акселерометров. Тот опыт, который я приобрела с точки зрения создания нового метода контроля, позволил мне адаптироваться под современные условия жизни. Сейчас нам как никогда нужно развивать цифровые технологии и знания в этой области. Мозг технаря работает так: «Была бы методичка, и через полчаса пойдем сдавать». В этом смысле он мыслит лучше, чем гуманитарий.

— То есть гуманитарии вам не подходят?

— Как раз гуманитариев мы приветствуем в команде, потому что это другой взгляд. Мы стараемся объединять людей из разных областей. Когда разнотемпераментные, разнокомпетентные люди собираются в один проект, он будет реализован быстрее и эффективнее. Такая стратегия у нас сейчас тиражируется. Я вижу ребят, которые у себя в командах собирают агрономов, айтишников, других специалистов. Монодисциплинарности давно уже нет, сейчас важна мультидисциплинарность.