Нейросети и предиктивная аналитика: может ли ИИ предсказывать будущее?

25 ноября 2024
Нейросети и предиктивная аналитика: может ли ИИ предсказывать будущее?

Прогнозирование — это одна из фундаментальных задач науки. Например, метеорологи предсказывают погоду уже больше сотни лет. Сегодня в арсенал учёных, делающих прогнозы, активно входят специально обученные нейросети. Могут ли они помочь выполнить эту работу точнее? Комментирует директор института № 8 «Компьютерные науки и прикладная математика» МАИ Сергей Крылов.

В поисках скрытых закономерностей

Любые прогнозы строятся на анализе большого количества данных. Чем больше данных, тем выше вероятность найти достоверные закономерности и тем точнее получится результат. Однако у больших данных есть и обратная сторона: их трудно анализировать, особенно если самому исследователю не совсем понятно, что именно ему необходимо найти.

— Искусственный интеллект лучше всего работает там, где есть большой массив информации: когда данных много, но нет чётких аналитических моделей, которые позволяют установить жёсткую зависимость, а взаимосвязи носят вероятностный, довольно сложный характер, и поэтому обычные математические методы при их анализе не подходят. Методы искусственного интеллекта позволяют учесть неявные закономерности, которые есть, но скрыты от нас, — рассказывает эксперт.

Такие ориентированные на прогнозы нейросети активно создаются и развиваются в самых разных сферах, а поле возможностей для их применения с каждым годом растёт.

В помощь техосмотру

Одной из перспективных сфер для предиктивной аналитики, основанной на ИИ, является авиационное двигателестроение.

Авиационный двигатель, как и любая другая машина, нуждается в периодическом техосмотре, замене выработавших свой ресурс деталей и узлов, в профилактическом ремонте. Двигатель оснащён большим количеством датчиков, которые снимают объективную информацию о его состоянии и работе на различных режимах, и сейчас вся она существует в цифровом виде.

Традиционными методами обслуживание двигателя проводится через строго регламентированные в документации интервалы времени, независимо от того, как эксплуатировалось изделие — и эксплуатировалось ли вообще. Датчики же предоставляют объективную информацию о реальной работе двигателя, которую можно оценить и сделать правильные выводы.

— Проблема состоит в том, что датчиков очень много и они снимают огромное количество параметров. Как правило, построить какую-то формульную зависимость мы не можем. Но вся совокупность факторов с учётом уже накопленной статистики, которую можно использовать как обучающую выборку для нейросети, позволит искусственному интеллекту сделать достаточно чёткие прогнозы и сформировать рекомендации, — отмечает Сергей Крылов.

Обученная нейросеть, проанализировав большой объём информации, снятой с датчиков, может показать, что те или иные узлы эксплуатировались особенно интенсивно и есть необходимость ввести дополнительные, межсервисные интервалы обслуживания. Это поможет предотвратить выход двигателя из строя и предупредить аварийную ситуацию в полёте.

И наоборот: если модель покажет, что, несмотря на интенсивность эксплуатации, все узлы и детали находятся в хорошем состоянии, это позволит продлить срок непрерывной работы двигателя, сэкономив время и ресурсы на снятии силовой установки с самолёта для проведения работ.

Предотвращение паводков

Предиктивная аналитика на основе ИИ активно применяется и для предсказаний природных явлений. Но только тех, по которым есть достаточно большая статистика.

— Возьмём, например, падение Тунгусского метеорита. Подобное событие мы предсказать не можем, потому что Тунгусский метеорит упал больше 100 лет назад, а когда до этого падали подобные объекты, мы не знаем: у нас просто нет хорошей статистики. Возьмём теперь другой пример: дождь. Дожди происходят часто, и по ним есть большой набор данных, который можно анализировать и находить в нём закономерности, — говорит эксперт.

По большому счёту, по такому пути шёл и естественный интеллект. Люди из года в год замечали повторяющиеся погодные явления и запоминали то, чем они сопровождались: например, если стоит сильная жара, значит, скоро будет ливень. Так формировались народные приметы. Фактически тем же самым занимается искусственный интеллект: изучая статистику природных явлений, он находит в ней закономерности и, опираясь на них, предсказывает будущие события. Разница только в том, что люди накапливали опыт столетиями, если не тысячелетиями, а нейросеть изучит статистику по сотне лет за считанные месяцы и даст гораздо более точный прогноз.

За рубежом такие предсказания делал Google. Тем же путём пошли исследователи МАИ, когда в 2022 году разработали уникальную модель на основе искусственного интеллекта, предсказывающую наводнения в области слияния рек Амур и Зея. Обучив нейросеть на статистике паводков в регионе и космических снимках, маёвцы создали модель, которая помогла сократить время формирования прогноза на несколько дней. Это позволит соответствующим службам подготовиться к предстоящему наводнению и принять меры по минимизации ущерба от него.

Материал подготовлен при поддержке Минобрнауки России

В этот день было

Международный Сибирский авиакосмический салон в Красноярске
Первый полет УТС МиГ-АТ с первой российской цифровой электродистанционной системой управления
Образование Международной космической станции "Альфа"