ИИ-управляемая оптимизация
Согласование нагрузки и оптимизация маршрута являются примерами того, как компьютеры черпают информацию из нескольких внутренних и внешних источников для поиска паттернов (путей-образцов), которые люди не могут обнаружить.
Диспетчер может рассмотреть несколько сотен маршрутов но, чтобы определить тот, который действительно хорошо сопоставляется с конкретным водителем, потребуется много времени. ИИ быстр еделяет список, с кем рекрутеры должны связаться на основе приоритетных параметров компании для соискателей работы. Некоторые программы также прочесывают интернет для поиска квалифицированных кандидатов и могут автоматически связываться с ними для интервью.
Еще одно применение ИИ – сокращение времени задержки водителей на объектах грузоотправителей и получателей.
Системы ИИ могут оптимизировать различные транспортные операции, люди лучше распознают и уделяют внимание вопросам, связанным с эмоциями. Транспортное дело является индустрией человеческих отношений, построенных на доверии, содействии и на том общем положительном отношении, в котором нуждаются люди. И устранение человеческого элемента и человеческих отношений в отрасли не является целью разработчиков технологий. Но все же в ближайшем будущем ИИ, вероятно, будет оказывать все более радикальное влияние на транспортную инфраструктуру, предоставляя транспортной отрасли точные прогностические поведенческие модели людей и их цели.
Кроме этого, технологические гиганты, такие, например, как Google, создали легкодоступные так называемые фреймворки (шаблоны для программной платформы, определяющие структуру программной системы и программное обеспечение, облегчающее разработку и объединение разных модулей программных проектов). Это помогает компаниям, специализирующимся на программном обеспечении для управления транспортом, строить практическую машинную интеллектуальную базу на солидном фундаменте, а не начинать с нуля.
По мнению американских аналитиков, распространение ИИ в транспорте сейчас только набирает силу. В докладе исследовательской фирмы MarketsandMarkets прогнозируется, что рынок ИИ для транспортной отрасли по темпам совокупного среднегодового роста увеличится почти на 18% с 2019 по 2030 г., а его размер возрастет с 1,2 млрд долларов в 2017 г. до 10,3 млрд к 2030 г. А технологии глубокого машинного обучения, как ожидается, удержат наибольшую долю ИИ на транспортном рынке.
Транспортная индустрия увереннее начинает применять ИИ в критически важных задачах, например, в области пассажирских автономных транспортных средств, где надежность и безопасность до сих пор находятся под сомнением у широкой общественности.
Автоматизация бэк-офиса
Транспортные операции наращивают эффективность благодаря ИИ, потому что оперативное управление перевозчиков часто не справляется из-за огромного потока производственной информации.
Даже при правильном обучении качество работы человека разнится изо дня в день. А если приплюсовать еще и внешние неблагоприятные факторы, такие как усталость, недостаточный сон или плохая погода?.. Несовершенство, свойственное человеку, не является проблемой для программного обеспечения с поддержкой ИИ. Оно обрабатывает данные так, как было запрограммированно, без негативного влияния внешних факторов, что сокращает количество ошибок в производственных процессах.
Диспетчеры автопарков часто оказываются в ситуациях, когда согласованность имеет значение, например, при выборе дополнительного грузовика в комплексной сборной грузоперевозке. Они долго решают, что делать: звонить ли водителю обратно на грузовой терминал или в распределительный центр, вызывать ли дополнительного водителя, у которого сейчас выходной и т.д. Внедрение ИИ-решений для повторяющихся административных задач может дать сотрудникам возможность работать над тем, в чем хороши люди, а компьютерам – над тем, в чем хороши компьютеры. Администраторы могут превратиться в аналитиков, технические работники могут стать инструкторами водителей.
Компания Idеllic использует алгоритмы машинного обучения для прогнозирования того, какие водители в данном парке представляют наибольший риск в отношении аварий и нарушений. Менеджеры могут использовать эту информацию для обучения водителей.
ИСКУССТВЕННЫЙ
ИНТЕЛЛЕКТ
И ТРАНСПОРТ
ИИ и машинное обучение
Существуют различные уровни ИИ и машинного обучения, хотя эти термины часто взаимозаменяют. ИИ – это весьма широкий термин, охватывающий когнитивные задачи, которые имитируют человеческое мышление.
Машинное обучение – это отрасль ИИ, которая использует алгоритмы для автоматического улучшения функций компьютера и расширения его познаний с приобретением опыта. Оно сравнивает новые данные с ранее введенными для обнаружения шаблонов и связей.
Процесс строится на последовательном накоплении информации и, в некотором смысле, может быть уподоблен набору матрешек. ИИ – это обширная концепция, представленная внешней матрешкой, и каждый последующий процесс, который она содержит, сужается по мере того, как процессы становятся более специализированными. Различные транспортные программы используют различные уровни ИИ, но все они нацелены на одну цель – повысить эффективность операций.
ИИ в действии
Для транспортного бэк-офиса особенно полезны две функции ИИ – это исследование цифровых изображений и прогнозная аналитика. Данных стало больше. В режиме реального времени система получает видеозаписи с грузовиков, что обеспечивает полную картину работы водителей, чего не было раньше. Естественная обработка изображений распознает и извлекает отсканированные документы и содержащуюся в них информацию для облегчения ручного ввода данных в компьютерную систему.
Традиционный Биллинг (работа со счетами) включает в себя много транзакций, повторного ввода с клавиатуры и другой ручной работы. Это дорогостоящий, медленный и подверженный ошибкам процесс, но автоматизированная система может мгновенно распознать, что представляет собой каждый документ – счет или подтверждение оплаты, и она знает, от какой компании он пришел и какому грузу принадлежит. Система обеспечивает проверку счетов-фактур, поэтому компании не беспокоятся и могут спокойно отправлять один и тот же счет два или три раза, ... и перевозчик теперь получает меньше дубликатов счетов-фактур, запросов на обоюдные проверки.
Помимо повышения эффективности роли человека, модели ИИ могут делать выводы и находить закономерности, которые люди не способны замечать. Прогностическая аналитика – это процесс для выявления закономерностей, которые было бы трудно распознать людям. Этот процесс используется для множества приложений, которые определяют вероятность возникновения различных событий.
Прогнозная аналитика может оказать большое влияние на безопасность путем агрегирования различных данных, чтобы определить, какие водители с наибольшей вероятностью попадут в «предотвратимую аварию» или нарушат безопасность. Система анализирует индивидуальные данные водителя, различные стадии его труда и отмечает потенциальные рекомендации безопасности для менеджеров парка и отдела кадров.
Эта информация не только позволяет руководителю определить водителей, которым следует пройти дополнительную профподготовку, но и поможет выявить уровень индивидуальной рабочей нагрузки для каждого из них. Например, машинное обучение может определить водителя с высоким уровнем риска и не сопоставлять этого человека с приоритетной нагрузкой, например, для перевозки в сложную зимнюю погоду.
Александр РОЖКОВ
i