ИИ как экосистема, бизнес и рынок

Задача оптимизации цепочек поставки также является актуальной проблемой для автомобильной промышленности. Современный автомобиль состоит из сотен тысяч деталей. Возможность построить цифровой двойник ^{16Цифровые двойники в большинстве случаев создаются с использованием технологий ИИ} сложного логистического процесса (включая склады, распределительные центры, перевозку, системы формирования заказа и отслеживания груза, автоматизированные системы учета и маркировки груза и так далее) позволяет получить существенную экономию ресурсов.

Цифровые двойники, которые начинают создавать на стадии проектирования, сопровождают автомобиль на всем этапе его жизни, что дает возможность оптимизировать изделие и сервисы на его основе на всех этапах, включая процессы проектирования, изготовления компонентов, сборку, складирование, продажу, обслуживание и даже утилизацию.

Производство автомобиля - весьма широкая тема. Ее можно рассматривать как с точки зрения создания новой умной производственной инфраструктуры, так и с точки зрения создания умных элементов автомобиля.

В первом случае речь идет о компаниях, занятых в создании так называемого умного производства автомобильной промышленности, которое подразумевает использование ряда интеллектуальных технологий - таких как системы разработки новых передовых материалов, системы быстрого прототипирования, 3D-печати, создания передовых автоматизированных сборочных линий, применения эк-зоскелетов для участников сборочного процесса и других технологий, которые, как правило, используют внутри себя или интегрированы с системами ИИ.

Комментируя тему производства автомобиля, можно также говорить о производстве компонентов автомобиля, имеющих элементы ИИ. Здесь можно упомянуть компании, занятые разработкой инфраструктуры подключенных автомобилей, разработчиков интеллектуальных систем для беспилотных автомобилей.

Технологии ИИ также активно применяются в послепродажном обслуживании транспортных средств. Автопроизводителям важен анализ опыта клиентов по использованию различных функций, информация о сбоях и поломках, данные о предпочтениях пользователей. Сбор и обработка этих данных с использованием методов машинного обучения позволяет получить информацию не только для лучшего обслуживания автомобиля, но и для создания более совершенных его версий в будущем. Упомянутые выше цифровые двойники эффективны и в отслеживании истории изменений в автомобиле на протяжении его жизненного цикла, в том числе и при смене автовладельца. Это особенно актуально в связи с тем, что при смене собственности история обслуживания транспортного средства может потеряться из-за отсутствия интеграции учетных ИТ-систем.

Комментируя тему "оценки рисков мониторинга и помощи водителю", следует отметить провайдеров, занятых разработкой систем планирования маршрутов на базе ИИ, помощи при парковке или таких сервисов, как например, пулинг^{17Основа пулинга - это онлайн-платформа, на которой участники видят расписание перевозок в определенный распределительный пункт и могут разделять перевозчиков, чтобы оптимизировать процесс загрузки транспорта}. Здесь также можно отметить разработчиков систем обеспечения безопасности - компании, поставляющие решения в области физической безопасности автомобиля и водителя, включая распознавание эмоционального состояния водителя (усталость ^{18Например, разработаны системы на базе ИИ, которые используются для мониторинга движения глаз водителя и которые могут дать ответ на вопрос - спит ли он/ устал или нет} , прием алкоголя), а также системы обнаружения аварий. Кроме того, необходимо упомянуть поставщиков систем диагностики транспортного средства, разработчиков персональных голосовых ассистентов и т. п. Сюда же следует отнести кибербезопасность - отдельное многопрофильное направление, где ИИ играет все большую роль.

Тема беспилотных автомобилей, упомянутая на рисунке 3.12, имеет особое место в вопросах применения ИИ в автомобильной промышленности. И о ней поговорим отдельно далее в этой лекции.

На этапе обслуживания на рис. 3.12 выделено две темы: предиктивное техническое обслуживание и страхование. Согласно данным [128], оптимальное проведение технических ремонтов может повысить время жизни автомобиля почти на 50%. Предиктивное техническое обслуживание, используя технологии машинного обучения, помогает определить, когда машина или деталь автомобиля нуждается в обслуживании, еще до наступления неисправности.

Предиктивное техническое обслуживание может быть использовано для оптимизации работы двигателя, трансмиссии, выхлопных систем и общей стабильности работы автомобиля. При высокой кон-куренции на рынке сервисы в области предиктивного обслуживания являются важным показателем качества услуг.

В качестве примера использования ИИ в области страхования можно привести систему на базе ИИ, позволяющую клиенту загрузить фотографии с места происшествия в приложение, которое распознает поврежденные части автомобиля, сопоставляет их с эталонным состоянием машины, выделяет деформированные участки, тип повреждения и по каждому дефекту подбирает формат ремонта.

Беспилотные автомобили

Тема беспилотных автомобилей непосредственно связана с успехами в области ИИ. Переход на автомобиль без водителя - это логичный этап в развитии автотранспорта на пути автоматизации всех его функций, превращения автомобиля из механического устройства в программное, интеллектуальное. Этот процесс может быть выражен количественно. Так, стоимость приложений, связанных с ИИ в автомобиле, постоянно увеличивается: если в 2019 г. (по данным FutureBridge Analysis and Insights) на долю ПО в стоимости автомобиля приходилось около 10%, а на контент менее 5%, то к 2030 году на долю ПО будет приходиться около 45% стоимости, а на долю контента около 20%.

Действительно, традиционно в автомобилестроении доминировали производители двигателей внутреннего сгорания, их поддерживали производители деталей, поставщики технологий и т. д. Рост числа электромобилей и подключенного транспорта выводит на передний край новых игроков. Как и во многих других отраслях, идет процесс, в результате которого механика постепенно становится вторичной, а программное обеспечение первичным.

Беспилотный автомобиль - это технология, которая кардинально меняет саму концепцию транспортного средства, превращая его из объекта управления в устройство, которое, по сути, берет на себя все когнитивные функции водителя.

Упрощенная функциональная схема автономного транспортного средства состоит из пяти основных компонентов: датчики, восприятие и понимание сцены, планирование поведения и движения, управление автомобилем и общая система управления ( рис. 3.13). Автономный автомобиль - это сложнейший технический объект, который обеспечивает получение данных с помощью широкого набора датчиков и приборов (GPS-данные, IMU-данные ^{19Inertial Measurement Unit - инерциальный измерительный блок, то есть набор чувствительных элементов (гироскопов и акселерометров), фиксирующих инерциальные воздействия} , видеоданные и т. п.) и на основе синтеза и интеллектуальной обработки этих данных принимает решения, обеспечивающие управление автомобилем. Самоуправляемые автомобили сочетают в себе технологии машинного обучения, навигации, картографии, облачные технологии, которые вместе с различными датчиками, камерами и радарами обеспечивают автомобилям способность автономного движения при различных погодных условиях.

Рис. 3.13. Функциональная схема автономного транспортного средства