Amii розширює партнерство з упровадження ШІ, щоб підтримати ще 25 підприємств

Amii — Інститут машинного інтелекту Альберти — розширює партнерство з регіональним агентством економічного розвитку Канади PrairiesCan, щоб допомогти ще 25 малим і середнім підприємствам розвинути практичні можливості у сфері ШІ. В оголошенні від 27 жовтня повідомляється про додаткове федеральне фінансування в розмірі 2,5 млн канадських доларів, унаслідок чого загальний обсяг федеральних інвестицій в ініціативу сягне 5,6 млн канадських доларів.

Програму розширюють на Альберту, Саскачеван і Манітобу; перші проєкти вже розпочалися в енергетиці, сільському господарстві та промисловому виробництві. За даними Amii, від запуску програми у 2024 році до неї долучилися 30 підприємств регіону. У межах програми компанії працюють із фахівцями з машинного навчання, які створюють системи на основі власних операційних даних підприємств і передають їм необхідні знання для подальшого обслуговування цих систем.

Дослідницьке партнерство, зосереджене на впровадженні

Amii, що базується в Едмонтоні, — незалежна неприбуткова організація та один із трьох національних інститутів ШІ Канади, створених у межах Панканадської стратегії з ШІ. Історія організації починається з Центру машинного навчання Alberta Ingenuity Centre for Machine Learning, заснованого у 2002 році; у 2017 році вона стала незалежною неприбутковою організацією під назвою Amii. Її діяльність поєднує дослідження, розвиток талантів і комерційне застосування розробок.

Prairies Economic Development Canada, відоме як PrairiesCan, — федеральне агентство, що підтримує економічний розвиток у трьох провінціях-учасницях. Для міжнародної аудиторії це партнерство є прикладом того, як державні інвестиції допомагають невеликим компаніям отримати доступ до спеціалізованих технічних компетенцій, які їм було б складно сформувати самостійно.

За моделлю розроблення ШІ Amii до проєкту компанії залучають фахівця з машинного навчання на повний робочий день під наглядом штатних науковців. Він співпрацює з командою підприємства над розробленням і тестуванням моделі, а згодом компанія може найняти його на роботу. Загальна пропозиція передбачає зобов’язання тривалістю 12–15 місяців, хоча обсяг і вартість окремих проєктів різняться.

Компанії зберігають права інтелектуальної власності на розробки, створені в межах співпраці, а також отримують документацію та передані їм знання. Тож мета партнерства відрізняється від простого замовлення прототипу сторонньому виконавцю: підприємство має бути спроможним адаптувати систему після завершення роботи зовнішньої дослідницької команди.

Croptimistic: комп’ютерний зір, здатний працювати в реальних польових умовах

Croptimistic Technology розробляє екосистему точного землеробства SWAT MAPS, яка поєднує дані про ґрунт, воду й рельєф, щоб допомагати планувати польові роботи. Її продукт SWAT CAM збирає зображення під час звичайної роботи обприскувача та використовує машинне навчання для аналізу посівів і бур’янів.

У межах співпраці з Amii досліджували зернові культури на ранніх етапах вегетації, зокрема пшеницю й овес. Через вузьке листя, що перекривається, окремі рослини важко розрізнити. Команда розробила спеціалізовані моделі комп’ютерного зору, здатні працювати в умовах густого рослинного покриву та складного знімання, зокрема за наявності пилу, відблисків і вітру.

У описі продукту Croptimistic пояснюється, як камери, встановлені на обприскувачах, пов’язують детальні зображення полів із зонами управління. Практична перевага точнішого виявлення посівів полягає в отриманні просторових даних: аграрії можуть оцінювати нерівномірність сходів і поширення бур’янів по всьому полю, а не покладатися лише на кілька ручних спостережень.

Carson Integrated: від екологічних даних до прогнозів

Carson Integrated — консалтингова компанія у сфері охорони довкілля та лісового господарства, яка, зокрема, надає геопросторові дані для проєктів із природними ресурсами. Одним із її завдань була класифікація водотоків, що допомагає визначати охоронні буферні зони навколо них.

У описі проєкту Carson від Amii йдеться про модель, створену на основі даних, зібраних приблизно за два десятиліття, зокрема польових вимірювань і інформації дистанційного зондування. Під час розроблення ознак аналізували характеристики рельєфу й довкілля; особливо корисним виявився розмір виходу водозбору. У дослідженні повідомляється, що середня точність класифікації становить приблизно 75%, коли доступні відповідні дані.

Цей приклад демонструє, як галузева експертиза допомагає створювати корисні рішення на основі машинного навчання. Виявити водотік на зображенні — не те саме, що передбачити його класифікацію згідно з нормативними вимогами. Прогнози можуть допомогти визначити пріоритетність оцінювання у віддалених районах, однак їхню точність і придатність усе одно потрібно перевіряти з огляду на рішення, для яких їх використовуватимуть.

Visionstate: планування як задача оптимізації з обмеженнями

Visionstate розробляє програмне забезпечення для управління об’єктами, проведення інспекцій і перевірки виконаних робіт. На своєму нинішньому сайті компанія приділяє особливу увагу MIRA — платформі, що об’єднує звіти, інспекції, наряди на виконання робіт і нагляд. Спільний проєкт з Amii був зосереджений на платформі WANDA для управління об’єктами.

У детальному описі проєкту пояснюється, що маршрути й графіки прибирання формулювали як задачу оптимізації з обмеженнями. Система має розподіляти фіксовану кількість працівників з урахуванням планування об’єктів, вимог до обслуговування та правил дотримання нормативних вимог, водночас забезпечуючи баланс між ефективністю та справедливістю.

Ця робота також допомогла TidyLogic — продукту для планування ресурсів — і дала змогу створити інструмент для оцінювання витрат на прибирання в закладах охорони здоров’я. У кейс-стаді зазначено, що на той час TidyLogic перебував на стадії бета-тестування, а модель готували до інтеграції. Ці відмінності важливі: розробка комерційного продукту й повністю впроваджена система оптимізації — це різні етапи.

Ambyint: розвиток експертизи у сфері навчання з підкріпленням

Ambyint постачає програмне забезпечення для оптимізації видобутку нафти й газу. Її наявна платформа поєднує моделі, що враховують фізичні закони, з автоматизованим керуванням, зокрема коригуванням заданих параметрів обладнання через промислову інфраструктуру моніторингу.

У межах проєкту Amii досліджували навчання з підкріпленням для свердловин із плунжерним ліфтом, де зміна порогів тиску впливає на видалення рідини, що накопичилася. Обмежені знання про умови глибоко під землею ускладнюють моделювання та керування. Команда випробувала підходи на основі історичних даних і методи, що враховують фізичні закони, щоб поліпшити ухвалення рішень.

У кейс-стаді чітко описано результат: експериментальні моделі не підвищили ефективність порівняно з наявною системою автоматизації Ambyint і поки що не були достатньо надійними чи чутливими до змін, щоб їх можна було використовувати у виробництві. Завдяки цьому внутрішня команда отримала кращу підготовку й чіткіше зрозуміла, у яких напрямах потрібні подальші дослідження. Це вагомий результат упровадження ШІ, навіть якщо він не дає змоги одразу створити модель, готову до практичного використання.

Riva: як зробити корпоративні дані корисними для ШІ

Amii також називає розташовану в Едмонтоні компанію Riva одним із перших бенефіціарів, зазначаючи про поступ у напрямі створення готових до виробничого використання рішень, не розкриваючи конкретної архітектури моделі.

Платформа Riva об’єднує електронну пошту, календарі, контактні дані та інформацію про зустрічі із системами управління взаєминами з клієнтами. Серед її можливостей — згенеровані ШІ підсумки розмов і структуровані результати зустрічей, які команди можуть переглядати та пов’язувати із записами в CRM. Це відрізняється від контексту впровадження у сфері полькової візуалізації чи промислового керування: завдання полягає в тому, щоб зробити ділову взаємодію придатною до використання, водночас зберігаючи належне управління та людський контроль.

Чому ця модель важлива не лише для Канади

Приклади компаній, що взяли участь у програмі, демонструють, що впровадження ШІ охоплює комп’ютерний зір, прогнозне моделювання, оптимізацію з обмеженнями, навчання з підкріпленням і корпоративні інформаційні процеси. Для кожного з цих напрямів потрібні різні дані, методи оцінювання та фахові знання з експлуатації.

Ширше значення партнерства полягає в тому, що воно наголошує на самостійності компаній і розвитку технічних спроможностей. Компанія отримує більше, ніж просто модель, коли її працівники самі вчаться, як її створили, як її перевіряти й коли можна довіряти її прогнозам. Для малого бізнесу передавання таких компетенцій може бути не менш важливим, ніж початкове постачання програмного забезпечення.