Amii расширяет партнерство по внедрению ИИ, чтобы поддержать еще 25 компаний

Amii, Институт машинного интеллекта Альберты, расширяет партнерство с канадским региональным агентством экономического развития PrairiesCan, чтобы помочь еще 25 малым и средним предприятиям развить практические компетенции в области ИИ. В объявлении от 27 октября говорится о дополнительной федеральной поддержке в размере 2,5 млн канадских долларов, в результате чего общий объем федеральных инвестиций в инициативу достигнет 5,6 млн канадских долларов.

Программа расширяется на Альберту, Саскачеван и Манитобу; первые проекты уже начались в энергетике, сельском хозяйстве и обрабатывающей промышленности. По данным Amii, с момента запуска программы в 2024 году в ней приняли участие 30 компаний региона. В рамках программы компании работают со специалистами по машинному обучению, чтобы создавать системы на основе собственных операционных данных и получать необходимые знания для самостоятельного обслуживания этих систем.

Исследовательское партнерство, ориентированное на практическое внедрение

Штаб-квартира Amii находится в Эдмонтоне. Это независимая некоммерческая организация и один из трех национальных институтов ИИ в Канаде, действующих в рамках Панканадской стратегии в области искусственного интеллекта. История организации восходит к Центру машинного обучения Alberta Ingenuity Centre, основанному в 2002 году; в 2017 году она стала независимой некоммерческой организацией под названием Amii. Ее деятельность объединяет исследования, развитие талантов и коммерческое применение технологий.

Канадское агентство экономического развития прерий, известное как PrairiesCan, — федеральное ведомство, поддерживающее экономическое развитие в трех провинциях, участвующих в программе. Для международной аудитории это партнерство служит примером того, как государственные инвестиции помогают небольшим компаниям получить доступ к узкоспециализированным техническим компетенциям, которые им было бы трудно сформировать самостоятельно.

Модель разработки ИИ Amii предполагает, что специалист по машинному обучению на полной ставке работает над проектом компании под руководством штатных научных сотрудников. Специалист вместе с командой компании занимается разработкой и тестированием моделей; по завершении проекта компания может принять его на работу. Стандартное предложение предусматривает участие сроком от 12 до 15 месяцев, хотя объем и стоимость отдельных проектов различаются.

Компании сохраняют права интеллектуальной собственности на разработки, созданные в рамках проекта, а также получают документацию и знания в ходе их передачи. Поэтому цель партнерства отличается от простой разработки прототипа на заказ: после ухода внешней исследовательской команды компания должна иметь возможность самостоятельно адаптировать систему.

Croptimistic: компьютерное зрение для реальных полей

Croptimistic Technology разрабатывает комплекс решений для точного земледелия SWAT MAPS, объединяющий данные о почве, воде и рельефе для управления полями. Продукт SWAT CAM собирает изображения во время обычной работы опрыскивателей и использует машинное обучение для анализа сельскохозяйственных культур и сорняков.

В ходе сотрудничества с Amii команда работала с зерновыми культурами на ранних этапах сезона, такими как пшеница и овес. Из-за узких перекрывающихся листьев отдельные растения трудно различить. Команда разработала специализированные модели компьютерного зрения, способные обрабатывать изображения густого растительного покрова и справляться со сложными условиями съемки, включая пыль, блики и ветер.

В описании продукта Croptimistic объясняется, как камеры, установленные на опрыскивателях, связывают детализированные изображения полей с зонами управления. Практическая польза более точного распознавания культур заключается в пространственной детализации: фермеры могут оценивать неравномерность всходов и распространение сорняков по всему полю, а не полагаться лишь на несколько наблюдений, сделанных вручную.

Carson Integrated: от экологических данных к прогнозам

Carson Integrated — консалтинговая компания в области экологии и лесного хозяйства, в том числе предоставляющая геопространственные данные для проектов, связанных с природными ресурсами. Перед компанией стояла задача классифицировать водотоки, чтобы определять вокруг них охранные буферные зоны.

В описании проекта Carson от Amii рассказывается о модели, созданной на основе данных, собиравшихся примерно два десятилетия, включая результаты полевых измерений и данные дистанционного зондирования. При разработке признаков анализировались характеристики рельефа и окружающей среды; особенно полезным оказался размер водосборного бассейна в створе его выхода. Согласно исследованию, средняя точность классификации составляет около 75% при наличии подходящих данных.

Этот пример показывает, как отраслевые знания помогают создавать полезные модели машинного обучения. Определить водоток на изображении — не то же самое, что предсказать его категорию с точки зрения нормативных требований. Прогнозы могут помочь расставить приоритеты при проведении оценок в отдаленных районах, однако точность и применимость этих прогнозов все равно необходимо оценивать с учетом решений, для поддержки которых они используются.

Visionstate: планирование как задача оптимизации с ограничениями

Visionstate разрабатывает программное обеспечение для эксплуатации объектов, проведения инспекций и проверки выполненных работ. На своем нынешнем сайте компания уделяет основное внимание платформе MIRA, которая объединяет отчеты, инспекции, наряды на выполнение работ и надзор. Проект Amii был посвящен платформе Visionstate для управления объектами WANDA.

В подробном описании проекта объясняется, что маршруты и графики уборки были сформулированы как задача оптимизации с ограничениями. Система должна распределять фиксированное число сотрудников с учетом планировки объектов, требований к обслуживанию и правил соответствия нормативам, обеспечивая баланс между эффективностью и справедливостью.

Эта работа также помогла TidyLogic, продукту для планирования ресурсов, и инструменту оценки затрат на уборку в медицинских учреждениях. В описании проекта говорилось, что на тот момент TidyLogic находился в бета-версии, а модель готовилась к интеграции. Эти различия важны: разработка коммерческого продукта и полностью внедрённая система оптимизации — разные этапы.

Ambyint: развитие компетенций в области обучения с подкреплением

Ambyint поставляет программное обеспечение для оптимизации добычи нефти и газа. Существующая платформа компании объединяет модели, учитывающие физические процессы, с автоматизированным управлением, в том числе с корректировкой уставок оборудования через промышленную инфраструктуру мониторинга.

В проекте Amii изучали применение обучения с подкреплением в скважинах с плунжерным лифтом, где изменение пороговых значений давления влияет на удаление скопившейся жидкости. Ограниченность знаний об условиях глубоко под землёй затрудняет моделирование и управление. Команда проверила подходы, основанные на исторических данных, и методы, учитывающие физические процессы, чтобы улучшить принятие решений.

В описании проекта прямо говорится о результате: экспериментальные модели не повысили эффективность по сравнению с существующей системой автоматизации Ambyint и пока не были достаточно надёжными и оперативными для производственного применения. В результате внутренняя команда получила более глубокие знания, а понимание того, в каких направлениях нужны дальнейшие исследования, стало яснее. Это полезный результат внедрения ИИ, даже если он не приводит сразу к созданию готовой к внедрению модели.

Riva: как сделать корпоративные данные полезными для ИИ

Amii также называет базирующуюся в Эдмонтоне компанию Riva одним из первых получателей поддержки, отмечая продвижение к созданию готовых к производственному применению решений, но не раскрывая конкретную архитектуру модели.

Платформа Riva связывает электронную почту, календарь, сведения о контактах и данные о встречах с системами управления взаимоотношениями с клиентами. Среди её возможностей — созданные с помощью ИИ краткие обзоры бесед и структурированные итоги встреч, которые команды могут проверять и связывать с записями в CRM. Такой сценарий внедрения отличается от анализа изображений на местах работ или промышленного управления: задача состоит в том, чтобы сделать деловые взаимодействия пригодными для использования, сохраняя при этом надлежащее управление данными и возможность проверки человеком.

Почему эта модель важна не только для Канады

Компании, участвующие в проекте, показывают, что внедрение ИИ охватывает компьютерное зрение, прогнозное моделирование, оптимизацию с ограничениями, обучение с подкреплением и корпоративные информационные процессы. Для каждого из этих направлений нужны свои данные, методы оценки и практические знания в области эксплуатации.

Более широкое значение партнёрства заключается в его акценте на самостоятельности компаний и наращивании технического потенциала. Компания получает не только модель: её сотрудники узнают, как эта модель была создана, как её тестировать и в каких случаях можно доверять её прогнозам. Для небольших компаний передача таких компетенций может быть не менее значимой, чем первоначальная поставка программного обеспечения.